北京時間01月30日消息，中國觸摸屏網訊，手勢識別能否成為車內交互方式的新寵？從汽車被發明以來，人車交互的方式在不斷變化。而在最近幾年，這種趨勢開始變得越來越明顯。僅僅在車載信息娛樂系統中，交互方式也開始從最早的實體按鍵，轉向包含按鍵、觸屏以及語音等等方式在內的多維交互方式。

    本文來自：http://www.zc28898.cn/touchscreen/news/dynamic/201901/30-52994.html

雖然交互方式在變，但遵從的邏輯從來都沒變：方便與安全。比如擴大了手觸面積的卡片式 UI、智能后視鏡、抬頭顯示、智能 AI 語音、AR 導航等等，都是為了讓駕駛員在開車的時候盡可能方便地傳遞指令，減少注意力的分散，保證安全。

目前來看，車載語音交互已經比較普及，很多新車型上都有搭載。但它還是有自己的局限性，比如識別率、識別速度、對自然話術的支持等等都還不完善。這樣一來，有時候反而會給駕駛造成額外的負擔。

這時如果能像科幻片里那樣，動動手指就能下達某些指令，可能會是一種更好的解決方案。

事實上，主機廠們也確實再往這個方向發展。2015 年，寶馬率先發布了搭載手勢識別的 7 系，而且前前后后也不斷有 OEM 在嘗試推出搭載這項功能的量產車（比如奔馳、拜騰、君馬）和 demo（奧迪、福特、大眾等），所以這更加深了我們對手勢識別的好奇心。

手勢控制正在成為一種更值得期待的車內交互方式。

手勢識別在車內都能做什么？

通過不同的手勢，手勢交互可以實現接掛電話、調節音量、選擇歌曲、控制導航、控制車輛（空調、座椅、窗戶等）等功能，還包括主駕和副駕、后排乘客交互的多種場景。

雖然手勢控制能實現的功能不少，甚至和語音交互的功能還有一定重復。但是在我看來，手勢和語音的關系絕不是非此即彼，一定是互相成就。想象一下，當你目視前方，用手指著天窗說打開，然后天窗就打開了，是不是還挺有意思的？

未來人機交互一定是多維度的。例如寶馬全新 5 系就配備了「五維人機交互界面」，其中包括自然語音識別、手勢控制、觸控屏幕、iDrive 系統和熱敏按鍵。

這種多模態交互才是未來。

另外，如果我們把視線從駕駛員的手勢擴散開來，類似的技術在駕駛場景還能實現更多功能。

除了駕駛員的手勢之外，手勢識別的技術還能識別車外人員的動作。以后，這個功能也許還能識別交警指揮車輛的動作，或者周圍騎自行車的人做出的手勢。這樣既能增加駕駛的安全性，又能促進自動駕駛的發展。

這些技術還可以實現駕駛員監測，是和目前手機的面部識別解鎖類似的技術原理。從全球來說，法律規定在 L2 向 L3 級別的自動駕駛方案過渡時，駕駛員必須時刻監控車輛駕駛，所以隨時監控駕駛員的狀態在未來一定是必需的部件，而且這個未來很快就要到了。

既然手勢交互和背后的技術對于駕駛有這么多幫助，所以我們有必要了解一下背后的原理。

實現手勢識別的 3 種方案
前方高能，所以請準備好開始燒腦。

根據硬件實現方式的不同，目前行業內所采用的手勢識別大致有三種：光飛時間（Time of Flight）、結構光（Structure Light）以及雙目立體成像（Multi-camera）。

光飛時間（Time of Flight）：通過光的飛行時間來計算距離。

光飛時間的原理很簡單，先用紅外發射器發射調制過的光脈沖，再用接收器采集反射回來的光脈沖，最后根據往返時間計算物體間的距離，從而判斷手勢。

其實主要就是依據距離=光速*時間。光速是一定的，就可以通過時間差推算距離差。

結構光（Structure Light）：主動投射已知編碼圖案，再計算物體位置。

結構光要先通過紅外激光器，將具有一定結構特征的光點投射到目標物體上，再由紅外攝像頭收集反射的結構光圖案。

因為這些光斑投影在被觀察物體上的大小和形狀根據物體和相機的距離和方向而不同，所以根據三角測量原理可以計算出物體各個點的具體位置，根據前后位置差異從而能夠判斷手勢。

雙目立體成像（Multi-camera）：兩個攝像頭采集位置信息，再將畸變數據計算成可用數據。

雙目立體成像非常依賴算法，而且算法的難度和分辨率和檢測精度掛鉤。分辨率和檢測精度越高，計算就越復雜，還會導致實時性較差。它主要分兩個步驟：采集信息和計算畸變數據。

1. 采集圖像信息。通過兩個攝像機提取出三維位置信息，并進行內外部參數的匹配。（攝像機本身存在畸變，如果不經過標定，原本的矩形會顯示成不規則的圓角四邊形）

2. 計算畸變數據。通過對比經過校準的立體圖像，獲得視差圖像，再利用攝像機的內外參數進行三角計算獲取深度圖像，根據前后位置的區別進行手勢識別。

像分辨率、成本、測量精度這種問題，三種方案雖然有高有低，但基本都還說得過去，功耗在車內也不是大問題。

要判斷哪種方案合適，要從以下幾點著手：1. 是否能適應各種環境？2. 是否具有優異的實時性？3. 在樣本范圍內，數據誤差是否可控？4. 成本是否可控？5. 體積是否可控？6. 硬件插件是否成熟？

前三點是非常重要的，因為汽車會處在各種環境內，所以抗干擾性、數據實時性、數據準確性非常重要。

結構光的分辨率高，計算量少，功耗也比較低，此前有很多成型的解決方案，還有 Inter 支持的 RealSense SDK，開發周期較短。但是它受限于主動投射的原理，非常容易受到強光和光滑平面（如鏡子）的影響，室外基本不能使用，這點算是致命的。

雙目立體成像的硬件成本比較低，但是它過于依賴圖像特征匹配（后期計算），需要很高的計算資源。想要更高的分辨率，計算就越復雜，這就導致它實時性比較差。而且它在光照較暗、過度曝光或者場景本身缺少紋理的情況下，很難進行特征提取匹配。和結構光一樣，在抗干擾性這點上它做的不好。

TOF 方案的分辨率很低，測量精度也不如其他兩種方案，但是對于車內手勢識別來說已經夠了。因為需要光線的全面照射，所以功耗很高，但是這在汽車環境中也不算大事。而且它的體積可控；測量誤差在整個范本內比較固定；雖然計算量大，但是算法難度較低；最重要的是它受外界環境干擾較小。綜合來看，TOF 方案是個比較實用的選擇，也是很多供應商都在努力的方向。

目前都有哪些具體車型應用？
目前帶有手勢識別的量產車型有寶馬、君馬；正在計劃量產的車型有拜騰、奔馳。

寶馬家族的 7 系、5 系以及 X7、X5、X3 現在帶有手勢識別功能，其中 7 系是全球第一個裝載手勢識別的量產車型。它的手勢識別區域為車機屏前方，供應商為德爾福，采用的是 TOF 方案，可以識別 7 種預設手勢，包括接掛電話、選擇歌曲、調節音量、控制導航等功能。

而國內第一個配備手勢控制的量產車型是眾泰旗下的君馬 SEEK5。它在 2018 年 8 月上市，可以識別 9 種動作，包括接掛電話、選擇歌曲、調節音量以及一個小彩蛋：握拳手心向上打開變為手掌，界面會出現玫瑰花。

拜騰在 2019 年底即將量產的車型采用了 48 寸的大屏。由于屏幕巨大，手勢控制也作為其中必不可少的交互方式之一。它的供應商是國內的凌感科技，采用的是雙目立體成像方案，可以識別 5 種手勢，具體功能還沒有公布。

奔馳最新的 MBUX 采用了一種「非接觸式」的控制方式，當手接近屏幕的時候，系統就可以感應到手部操縱了，所以不需要實際接觸就可以使用屏幕。而且在全新 CLA 上，把手伸向后視鏡就可以打開/關閉閱讀燈，這個功能在陽光或者黑暗環境下都能使用。

根據最新消息，LG 將會為奔馳的一款車型提供手勢識別系統，它可以實現巡航控制、調整音量等功能。LG 現在還在研發一種駕駛輔助系統，計劃在今年末或明年初向戴姆勒交付。

另外，還有一些 OEM 提出過自己的概念，但是目前還沒有量產。

比如 2014 年，福特在 Mobbi 車載系統上展示過自己的 demo，可以實現控制空調、導航、音量、座椅位置等功能（供應商是英特爾，采用的是結構光方案）；2015 年，奧迪在 CES 上用 Q7 展示了針對后排乘客的手勢控制的 demo；2016 年，大眾在 CES 上用 Golf-E Touch 概念車上展示過手勢識別的 demo，采用的是 TOF 方案；2018 年，奇瑞在北京車展上展示了 LION 智能座艙，可以實現控制娛樂系統和地圖。

說了這么多車型和 demo，那手勢識別在車內用起來到底怎么樣？答案可能依然不盡如人意，原因其實不難分析。

首先，手勢交互功能還在初期階段，對于高識別率和防誤觸的界限很難界定。其次用戶還沒習慣手勢交互的方式，更多時候會下意識的使用原有的交互方式。

當然，教育市場是每項新技術落地都必須要面對的，隨著體驗的升級以及更多車型的普及，這些問題也會逐漸消失。比如之前我也很不習慣用 Siri，但是現在我找不到 App 時就習慣讓 Siri 幫我打開應用。我找不到手機的時候，也會滿屋子的喊 Siri，直到它回應我「什么事？」。

供應商在做什么？
目前，能夠提供手勢識別的不僅有大的 IT 公司以及 Tier 1（比如谷歌、德爾福、大陸、偉世通、微軟、三星、Leap Motion 等），還有一些初創公司（比如未動科技、凌感科技、微動、極魚科技、京龍睿信、光暈網絡）。

這次我們重點挑幾家國內公司，來看看他們是如何進行產品布局的。

未動科技（Untouch）：

未動科技是一家智能視覺交互技術提供商，產品包括：3D 手勢識別系統，智能駕艙解決方案、駕駛員監控系統。

2017 年 7 月，它發布了 4 款 3D 視覺交互產品：3D 手勢識別產品：黎曼平臺；3D 人臉識別產品：歐拉平臺；SLAM 產品：笛卡爾平臺；場景重建產品：高斯平臺。

其 3D 手勢識別產品「黎曼平臺」可以基于深度圖實現手部 23 個關節點識別與 26 自由度追蹤，延遲在毫秒級。而且它還被全球著名的 TOF 深度傳感器廠商 PMD 選擇，作為中間件推出了一套完整的手勢識別軟硬件一體方案。

同時，其他產品還被應用在手機、機器人、無人機、AR/VR 等智能設備上。

它的核心競爭優勢有兩個：一個是構建了智能視覺交互技術的基礎性平臺，另一個是數以 PB 計的深度數據積累。

凌感科技（uSens）：

凌感科技專注于三維人機交互解決方案，是拜騰手勢識別功能的供應商，采用的是雙目立體成像方案。主要產品有：手勢追蹤、位置追蹤、混合現實。

2014 年，uSens 就研發出全球第一個在有線及移動端實現基于 inside-out 技術路線的 26 自由度手勢追蹤以及 6 自由度頭部位置追蹤技術，可以通過識別手部 22 個關節點識別和 26 個自由度追蹤。

2016 年，uSens 發布了 Fingo 手勢交互模組，2017 年發布了新版 Fingo SDK。它可以識別 10 余種動態和靜態手勢，識別精度在 0.5cm-1cm，官方表示識別準確度可達 99%以上，可跨平臺操作。還可以根據場景定義擴展新手勢，并自定義相應功能。

2016 年，他們還與戴姆勒中國 IT 創新實驗室一起展示了車載手勢交互的新成果。通過他們的手勢識別技術，體驗者可以在 VR 場景中觀察 3D 汽車模型的細節，還可以進行交互。

微動（Vidoo）：

微動以機器視覺和深度學習為核心技術，可以通過多種攝像頭技術（IR 紅外單目模組、IR 紅外雙目模組、RGB 單目模組）提供多種解決方案（提供 AR/VR 技術、車載手勢控制方案、智能家居解決方案、虛擬觸控解決方案）。

微動的手勢控制采用的是雙目立體成像方案，可以識別 8 種手勢動作。

IR 紅外單目模組可以應用在跑步機、抽油煙機、OTT 機頂盒上；IR 紅外雙目模組可以用在車載電子、VR\AR、廣告終端；RGB 單目模組可以運用在無人機、智能新零售、智能手表上。

極魚科技：

極魚科技是一家基于 TOF 手勢交互技術實現人機交互的解決方案提供商，主要面向汽車市場。

它以手勢為核心，同時還會結合眼球識別交互、面部識別、聲音識別、光學技術、交互體驗設計、人工智能等技術。它支持車廠自選 3-5 個手勢并自定義功能，目前他們正在探索與天窗、座椅、車門之間的裸手交互。

2017 年它入選 Starup Autobahn 第一期加速營，從而獲得了與戴姆勒合作的機會。

行業總結以及對手勢識別功能的愿景
從這些具體的產品或者 demo 上，我們能看到不論是 OEM 還是供應商，他們要的都不只是手勢識別這一種功能，而是一個整體的智能駕駛座艙，里面涵蓋了更多融合性的功能。

首先，手勢識別必然會和語音識別等其他交互方式進行集成。供應商哪怕自己不做，也要和其他公司合作。比如思必馳、云知聲等語音公司都投資了相關手勢識別廠商。

另外，手勢識別、語音識別和 HUD 結合也是一個不錯的選擇，所以也就出現了專門依托 HUD 來研發技術的供應商，比如京龍睿信和光暈科技。

依據手勢識別的基礎原理，還可以研發駕駛員監測等產品，這是 L2 向 L3 過度時期必不可少的一項功能。

所以很多供應商不僅僅只是提供手勢識別的方案，它們還能提供其他相關產品，甚至涉獵到了智能家居、AR\VR 等領域。這其實是一件好事，這將有助于他們提供一套功能更加融合的的智能交互系統。

最后讓我們回到手勢識別本身。當我們在描述一家供應商的手勢識別功能時，總是談它能識別幾種手勢，好像能識別的越多就越厲害。但原則上供應商能實現 N 種手勢，還能讓 OEM 自定義功能。

所以車內手勢控制不求多，更不求難，大家要的都是方便，又不是像阿湯哥拍《少數派報告》。

真正的核心問題應該是，用戶們到底能記住幾種手勢控制功能？又真正需要哪些功能？哪些手勢的學習成本更低？哪些手勢更容易上手？設置的手勢動作符合人類的原始反應，才是 HMI 的第一原則。

說到底，我們現在車內的手勢識別還處于發展初期，能實現的功能和準確率也很有限，但這并不能阻止我們對這一功能的憧憬。

總有一天，配合人臉識別、靜脈識別、眼球識別，我們每個人都有一個超級 ID，進入車內中控臺上的擬人化助手會通過全息影像的形式對你微笑，跟你說早安，我們在車內可以將手勢識別、語音識別運用地流暢自如，通過前擋風的 AR 導航可以對周圍狀況一覽無余，車內的大屏可以與工作的電腦連接，車內的智能化設備與智能家居也是共通的……

總之，這一定不是空想，而是未來。