微云全息（NASDAQ:HOLO）開發多種算法實現CGH生成3D全息數字內容

據報道，微云全息公司(納斯達克:HOLO)（以下簡稱為“HOLO”或“公司”），一家提供全息數字孿生技術服務提供商，開發多套算法支持基于計算機圖像技術生成3D全息數字內容。

微云全息根據計算機生成全息技術（CGH,Computer-Generated Holography）面臨的各種問題，關鍵是效率問題，研究和應用了CGH多個算法，并對其進行優化以提高效率和提高3D全息數字圖像的質量。微云全息在CGH計算中，通過對3D對象分解為多個基本單元，然后3D對象進行景深數據編輯合成疊加所有基本單元數據來獲得全息數字圖像。因此，CGH涉及巨大的計算量，實現實時的動態全息3D顯示是一個很大的挑戰。特別是在3D對象復雜且全息數字圖像尺寸大的情況。微云全息基于點陣的算法、基于多邊形的算法和基于分層的算法，3個方案來提高計算效率，將優化算法應用在CGH之中。

微云全息基于點陣算法的CGH，將3D全息對象由數百萬個點陣表示，對象的每一個像素由一個點表示，照射全息數字內容的球面波，全息數字內容的復振幅分布可以通過疊加所有目標點來獲得，通過提前計算所有可能的對象的點并將其存儲在計算機預先判斷中，可以大大減少計算的負擔。在微云全息基于點陣算法的CGH中，還可以通過在線和離線對算法進行優化，可在離線計算出來預3D全息數字點陣數據并存儲在表中，加快了全息圖的生成速度。此外，為減少3D全息數字內容對內存的量的占用，通過微云全息基于點陣算法，可以在一個3D全息對象沿軸向劃分為多個2D切片平面并且只有每個切片平面中心對象點為主，其他目標點的可以根據空間坐標中的相對位置關系，將同平面內的點陣移位計算出來，通過將所有目標點的偏移相加乘相應的振幅得到結果，以此來減少計算量，同時為了減少內存的占用量。通過微云全息CGH點陣算法不僅可以完整保留了全息數字圖像的完整相位與景深數據而且提高了整體的計算效率。

在微云全息基于點陣算法的CGH中，加快計算速度的另一種方法是減少每個對象點的計算區域。如在我們不需要百萬級點陣數據的高精度全息數字圖像內容時，或在同一圖層或幀的某些區域不需要更高精度的情況下，我們可以采取基于多邊形的全息數字內容算法，微云全息基于多邊形算法，顧名思義算法將3D全息對象，視作數千個多邊形而不是數百萬個點。這樣，計算單元的數量顯著減少。在微云全息基于多邊形算法的CGH中，將每個多邊形視為一個多邊形孔徑，通過添加所有多邊形孔徑的衍射圖得到CGH，此外，結合計算機圖形學的渲染算法，微云全息基于多邊形算法可以輕松地為3D場景添加紋理和陰影?；诙噙呅蔚乃惴ǖ暮诵膯栴}，是傾斜平面和全息平面之間的衍射計算。在該算法中，3D全息對象被分成數千個傾斜的多邊形，這些多邊形并不平行于平面圖層?；诙噙呅嗡惴ǘx局部坐標系中具有振幅和相位函數的基礎多邊形，并首先計算其頻譜。然后利用矩陣，從基礎多邊形和傾斜多邊形的頂點向量計算三維變換矩陣中的核心參數。3D全息變換包含三維空間中的平移、旋轉和縮放變換，因此可以使用三維變換矩陣中的核心參數一步計算CGH，來節省多邊形描繪，不需要額外的擴散計算，也沒有深度限制。為了加快計算速度，采用基于多邊形的全解析算法，可以從基礎多邊形中明確表示出其解析譜。使用基礎多邊形和傾斜多邊形的，變換矩陣的解析譜計算出全息平面中任意多邊形的全局角譜。

微云全息基于點陣的算法和基于多邊形算法，都可以提供3D場景的精確幾何信息，但其計算量仍然很大。微云全息開發了基于層的算法以減少計算單元并加快計算速度。在基于層的算法中，將3D全息對象劃分為平行于全息平面的幾層，并且每層被視為一個獨立的計算單元。然后利用衍射計算每層的子全息圖，通過疊加所有子全息圖得到CGH。因為人眼的分辨率有限，基于層的算法比基于點陣的算法和基于多邊形算法，計算單元更小。微云全息基于層算法的CGH，也采用了角譜法，避免了近軸近似，計算了精確的衍射場，優化基于層的算法來加快計算速度。

微云全息基于點陣算法、基于多邊形算法和基于層的算法，應用于不同的客戶和場景的需要，可根據不同的需求應用在不同的3D全息數字內容或同一3D全息數字內容制作，旨在優化計算方法和提高計算的效率，可以實現快速生成全息數字內容，在現在各行業如直播、娛樂、電商、教育等行業都在讓內容走向3D全息化的今天有著非常積極的促進作用，各行業都需要3D全息內容或產品展示輕量化服務以加快終端的響應效率，因此微云全息開發的3D全息數字內容算法有效提高計算效率，有著非常重要的行業意義和應用價值。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：