就在去年，VR 手勢交互還遠沒有現(xiàn)在這么火，那時，不管是創(chuàng)業(yè)者還是消費者，他們更多都只是將注意力集中到了“手機盒子”上，經(jīng)過殘酷的大浪淘沙之后，這個市場目前已經(jīng)基本定型。已經(jīng)有越來越多的企業(yè)加入到 VR 交互這塊“新大陸”上了，而其中自然裸手交互最為熱門。

據(jù)了解，自然裸手交互總體上可以分為兩種，3D 交互和 2D 交互，通過識別包括物體的大小、形狀、材料、距離以及速度等特征，經(jīng)過處理之后，進一步識別成一系列通用的交互手勢。其中 3D 方案主要有：

• 以微軟 Kinect 二代為代表的飛行時間（TOF）方案：?這種技術(shù)的基本原理即傳感器發(fā)出經(jīng)調(diào)制的近紅外光，遇物體后反射，傳感器通過計算光線發(fā)射和反射時間差或相位差，來換算被拍攝景物的距離，以產(chǎn)生深度信息，此外再結(jié)合傳統(tǒng)的相機拍攝，就能將物體的三維輪廓以不同顏色代表不同距離的地形圖方式呈現(xiàn)出來。
• LeapMotion 為代表的雙攝像頭雙目成像方案： 模擬人眼，使用兩個或者兩個以上的攝像頭同時攝取同一物體不同角度的圖像，通過比對這些圖像的差別，使用三角原理來計算深度信息。
• 以 Omek 為代表的結(jié)構(gòu)光方案： 結(jié)構(gòu)光是一種主動式光學(xué)測量技術(shù)，基本原理是由結(jié)構(gòu)光投射器向被測物體表面投射可控制的光點、光縫、光柵、格網(wǎng)或斑紋，并由一個攝像頭來檢測采集投射到物體表面上的圖樣，通過圖樣的位移變化，就能用三角原理計算出物體的位置和深度信息，進而復(fù)原整個三維空間。
• 以谷歌 Project Soli 為代表的微型雷達方案： 目前 Soli 項目公開的技術(shù)細節(jié)非常少，它可能采取了單發(fā)射，多接收的天線設(shè)計。在天線前面的障礙物會反射電波回到雷達天線，而反射信號的能量，延時以及多普勒效應(yīng)則對應(yīng)了物體的各項特征，包括物體的大小、形狀、材料、距離以及速度，從而生成三維熱點圖。

另外，以 eyesight 為代表的基于普通單目攝像頭方案，雖是基于 2D 圖像，但通過 RGB 解析與算法的優(yōu)化，可以進行靜態(tài)的手勢識別和簡單的動態(tài)手勢交互，比如識別一下當(dāng)前手勢表示的是數(shù)字幾，識別一下手是左右揮動，還是畫個圈或者畫個叉等。

圖一

圖一統(tǒng)計了目前幾種手勢交互方案，其中除了最后兩項是 2D 交互之外，前面 9 項皆為 3D 立體交互方案。可見至少在量上，3D 方案已經(jīng)完勝 2D 方案了， 難道 2D 方案在 VR 時代已經(jīng)過時了？

具體情況具體分析，就像知乎網(wǎng)友 Xinghao 所說：

• 首先，目前 VR 應(yīng)用更多都是視頻和一些簡單的游戲，其對手勢交互的復(fù)雜度要求并不高。對視頻而言，使用比較多的功能集中在暫停、播放、快近快退、拖動進度條等，這些交互任務(wù)，2D 手勢交互是可以勝任的。
• 然而，如果是真正的 3D 游戲，2D 手勢交互就無法滿足需求了。你所置身的是一個三維的場景，要跟三維場景里面的物品進行交互，沒有深度信息是不可能做到的。

其實，2D 能做到的 3D 方案都能做到，雖然在運算量與能耗方面不如 2D 方案，但其精度與識別自由度都更高。從長遠來看，3D 交互取代 2D 交互是一個不可逆轉(zhuǎn)的趨勢。

而現(xiàn)在糾結(jié)的地方更多其實就是在于價格上面，3D 方案最大的問題就在于價格太貴，如圖一所示，其價格基本都在 700 元左右，比大多數(shù)入門級的 VR 手機盒子貴多了。幾十塊錢的手機盒子搭配幾百塊錢的深度設(shè)備，普通用戶或許不會為此買單。如今 VR 之所以能夠如此火爆，很大程度上并不是 Oculus 那樣的昂貴 PC 端 VR 導(dǎo)致，而是由“便宜的手機盒子+隨插隨用的智能手機平臺”引起的。如果移動 VR 大幅度提價，對整個行業(yè)都是一場災(zāi)難。

因此，在移動端，在 3D 交互方案的價格沒有大幅度降低的情況下，便宜到甚至為零的 2D 交互方案顯然是更有市場，另外，目前基于單目攝像頭的 2D 交互已經(jīng)可以讓用戶體驗到手勢交互的美好。至于 3D 方案，運用到 Oculus 等 PC 級頭盔更好，因為加上配套的高端電腦，其總價大多得上萬。

可見，2D 手勢交互，用于移動 VR 并沒有過時，但它的命運卻也沒有掌握在自己的手里，而是在于 3D 交互價格的降低速度上。出師未捷身先死，這或許是 2D 手勢交互的命運吧。