本周五篇光学新闻：
- Rokid 发布消费级AR 眼镜Rokid Air —
- 微软专利用于MEMS激光扫描显示的宽谱激光二极管 —
- eMagin与美国防部签署3360万美元硅基OLED订单 —
- 斯坦福大学全息近眼显示图像质量优化 —
- 天津大学新算法展示浑浊水体成像
Rokid 发布消费级AR 眼镜Rokid Air
评论：Rokid发布了消费级 AR 智能眼镜Rokid Air，采用了医疗级镁铝合金架构设计，重量是83g 超轻重量，可以折叠镜腿。光学方面，没有什么特别的，采用Bird Bath的光学方案，43° FOV，Micro OLED屏幕，每个显示屏1920 x 1080像素， 75hz 的屏幕刷新率，2000尼特屏幕亮度，同时它还具备 100000：1 的屏幕对比度。售价2999人民币。
比较特别的一点是，Rokid Air可以采用调节屏幕和透镜的相对位置的方式，实现了0~500 度屈光度调节。这个有些意思，可以实物出货后看看如何具体实现的结构，如果双眼协调调整不好，可能会比较影响体验。
微软专利用于MEMS激光扫描显示的宽谱激光二极管
评论：微软最新的专利介绍了一些宽光谱激光二极管的方法，这些宽光谱激光器可以用在MEMS的AR设备中。具体的专利链接放在下面，主要这里评论一下为什么要去展宽光谱。首先，2代的Hololens使用了MEMS激光扫描的显示方式，这种方式对比起LCD或者LCOS的显示方式来说，可以实现更小的光机大小，更亮，更低功耗，更高对比度等。但是，当使用光波导时，激光作为光源有一些问题，但是使用MEMS就需要准直性比较好的激光光源。激光光谱宽度很窄，这种窄光谱宽度结合使用waveguide型的AR会造成一些问题。第一，当波导内的optical path length和激光的相干OPL相同时，会产生干涉条纹，然后在显示图像中产生一些图样，造成图像质量下降。第二，会产生颜色不均匀，这是表面浮雕式光栅波导（SRG）的特性导致的，入射光只能以一个小角度范围耦入光波导，波长决定了耦入角度。SRG的耦入效率是角度决定的，耦出光线在FOV范围内效率不同，造成了强度调制的效果。从另一个角度说，由于耦入角度范围被限制的很小，所以，每个角度耦入的光线在耦出时，没有达到完全的空间覆盖，造成了图像质量下降。这部分具体的描述可以去看看Kogelnik efficiency plot in the angular/spectral space。
所以，微软提出了一些方法，来展宽激光器的光谱，主要是如何使用多个不同波长激光发射器排列，主要要制造在一个衬底上。
eMagin与美国防部签署3360万美元硅基OLED订单
评论：eMargin是美国领先的OLED显示屏制造商，其显示屏主要用于军用和商用VR、AR设备中。该公司宣布其和美国国防部签署了一份3360万美元的OLED显示屏幕订单，用于维持和增强本土生产高分辨率，高亮度的OLED显示屏，包括该公司的direct patterning technology (dPd™)直接图案技术。这笔订单中的一大部分用于在eMagin的Hopewell工厂和New Yok总部安装新设备，用于提高该种创新技术OLED的良率。国防部选择eMagin说得过去，因为它是美国本土唯一的OLED微型显示屏制造生厂商。
eMargin一直在提升自己公司的OLED的亮度（见下图），现在已经可以量产750nit的显示屏，正在开发的显示屏亮度是28000nit。该公司的直接图案技术（dPd）不像常规Micro OLED需要采用白光+彩色滤光片的方式，而是直接采用红、绿、蓝三色光源，这是一大优势，可以提供更高的光效率，亮度，色彩。这也是室外应用型的AR头盔的一个重点需求，亮度。
斯坦福大学全息近眼显示图像质量优化
评论：在AR和VR中，全息近眼显示技术使用相位型空间光调制器(spatial light modulator,SLM)对入射光波整形，目标图像通过干涉的方式间接形成，可以用于实现多个焦距的显示变换，提供focus cues。但是全息显示的相位型SLM存在衍射效率低的问题。这是由于其有限的像素填充因子、背板架构和其它因素，使得多达20%的入射光可能不会被衍射，从而产生零级衍射级，这通常会干扰控制的衍射级并显著降低观察到的图像质量。导致目前计算生成全息的图像质量还不如传统的显示技术。光学上，一般通过轴上和立轴滤波模型技术去最小化零级衍射。轴上滤波是通过在傅里叶平面阻挡住没有被衍射的光束，这可能会遮挡一部分衍射光线，降低了低频分量，同时这种方式在处理多色时也有挑战。轴外方法会降低FOV，因为只使用了1级的一半分量，或者会降低光效率，这两个参数对于近眼显示器都很重要。还有通过补偿光束或者SLM像素画结构补偿零级的方式。近期，也有通过camera-in-the-loop(citl)的技术，通过其他衍射分量，部分的补偿未衍射的光线。但是这些软件方法都依赖于实际SLM的物理限制，限制了可以利用相消干涉抵消零级衍射的程度。
斯坦福这个团队提出提出了使用两个SLM的方法，该团队称之为Michelson全息（Michelson holography, MH)，并结合CITL优化方法，使得一个SLM的衍射光可以与另一个SLM的非衍射光形成相消干涉，因此，非衍射光可以用于目标图像形成而不是产生散斑或者其它的伪影，从而大大提升图像质量。这种citl优化流程捕捉所有衍射和未衍射光线的相干叠加量，然后回传和目标图像比较，再迭代到SLM中。这种方法不需要特定的SLM像素结构或者未衍射的光线，只需要一个照相机去捕获中间段的图像，然后进行自动优化。以前的一些研究中，使用多个SLM进行角度增强，分辨率增强，或者复杂的调制，但是该方法是第一个用于优化图像质量的。下图展示了系统架构，以及图像质量的对比。
天津大学新算法展示浑浊水体成像
评论：透过浑浊的水体照一张照片是非常难的一件事情，近期，天津大学的研究者们使用一种新的算法，增强了水下成像的图像质量。传统方法需要知道水体情况，已经背景信息来进行成像，而新方法可以在不知道任何信息的情况下渲染图像。传统的成像方式需要保证散射光部分是偏振的，然后使用偏振相机去成像，这需要有背景信息，然后去估计反向散射的光线。新方法不需要这部分信息，而且可以在水体极度浑浊的情况下工作。通过数学计算，研究者们分析了使用偏振恢复图像的模型，重点研究了正交的两个偏振方向上反向散射光线的强度优化，展示了在数学上，只有一部分“物理上可行”的区域的光强信息可以让一些中间参数不参与计算。这样，他们就去除估计一些参数的需要，这些参数造成了以前的模型的不准确，以及需要成像区域的信息的需求。这种计算开放了可以加速优化和提升优化效果的可能性。最后实验团队展示了使用这种方法得到的结果。
这里记录值得分享的光学科技内容，欢迎投稿或推荐科技内容。
版权声明: 感谢您的阅读，本文由超光版权所有。如若转载，请注明出处。