汽车HUD行业专题研究：AR~HUD进阶，叩开车载元宇宙大门(10)

计算全息技术有望成为 AR-HUD 的终局。就 HUD 而言，多层显示、斜投影等技术， 所产生的是静态的图像，成像距离相对固定，而计算全息技术（CGH）可以实现在 可变的任意焦平面上成像，彻底解决 3D 成像中辐辏调节冲突、眩晕等问题。当然目前该技术处于起步阶段，面临诸多挑战，一方面计算机生成全息图计算量巨大，对 算力要求较高；另一方面空间光调制器的分辨率低尺寸小，整体成像质量仍有待提升。目前业界已经对该技术进行了不懈探索，剑桥大学的研究团队在 2015 年即搭建了用于头戴式显示器的样品来验证其算法，而 AR 玩家中如微软、英伟达等诸多行 业巨头亦在该领域进行了前瞻布局。HUD 玩家中 Envisics、CY Vision亦布局该技术 路线，Envisics 自行开发特有算法来缩减计算量，并与松下展开合作；
CY Vision 采 用空间光调制器（SLM）搭配眼球追踪技术（感知瞳孔和凝视位置）实现 3D 全息显 示效果，并与宝马达成合作。国内南京睿维视等公司亦对该领域进行了布局。2022 年 5 月，3D 全息显示开发商 VividQ 展示了其采用 CGH 技术开发的 Alpha 光学引擎 演示器，可显示高分辨率的 3D 视觉效果，具有出色的对比度和逼真的焦深。产业链 成熟拭目以待。
2.4、 软件算法：AR-HUD对虚实贴合需求让软件能力走到台前
AR-HUD 让软件走上台前，AR Creator（AR Generator）应运而生。传统的 W-HUD 只需要设置相应的图像并投影在挡风玻璃上即可，而 AR-HUD 则需要将 ADAS 雷达 /摄像头信息、地图/导航信息、内饰摄像头信息、高精度定位信息、车身状态信息（车速、续航、报警等）引入，结合 3D 坐标转换算法、眼球追踪、障碍物追踪等算法， 将数据进行融合，并转换成 AR 图像对外输出，进而与外部实景实现完美贴合。一 方面，AR-Creator 中的障碍物追踪、3D 坐标转换等算法需要达到较高的水准才能实现良好的虚实结合效果；另一方面，ADAS 信号从感知到传输再到通过 AR-HUD 呈 现给乘客中间产生的延迟也很大程度上影响着客户体验，因此必须加上预测算法以 减少延迟给人带来的不适感；
此外图像畸变矫正、车辆的防抖算法、与高精度定位/ 地图的融合等方面均考验着供应商的软件开发能力。