虚拟现实智能硬件2021年11月3日第6引文：刘晓龙，王丽丽。重定向跳跃在虚拟场景与小巷。虚拟现实智能硬件，2021，3（6）：470-483DOI：10.1016/j.vrih.2021.06.004·文章·在有小巷的虚拟场景中重定向跳跃XiaolonggLiU，LiLiWanG*北京航空航天大学计算机科学与工程学院，北京100191*通讯作者，wanglily@buaa.edu.cn投稿时间：2021年4月26日修订日期：2021年6月4日接受日期：2021年6月14日国家自然科学基金（6193200; 61772051）资助摘要背景重定向跳跃（RDJ）技术是一种新的运动方法，它节省了物理跟踪区域，提高了虚拟现实中用户的身体运动体验。在以前的研究中，RDJ中不可感知的操作增益的范围进行了讨论，在一个空的虚拟环境（VE）。方法通过三个任务考察了通道宽度对虚拟环境中跳跃重定向检测阈值的影响。结果RDJ的不可感知距离增益范围与小巷宽度无关。RDJ中难以察觉的高度和旋转增益范围与小巷的宽度有关。结论初步总结了复杂环境下三种增益的咬合距离与操作范围的关系。同时，给出了在复杂环境下根据遮挡距离选择RDJ中三种增益的指导原则。虚拟现实;虚拟运动;定向行走;定向跳跃;检测阈值1引言场景探索和场景导航在虚拟现实（VR）中至关重要，然而，在虚拟空间中旅行总是受到物理边界和障碍物的限制。因此，人们提出了许多有效的运动技术，如跑步机[1]，原地行走[2]，传输[3]，重定向行走（RDW）[4]和重定向跳跃（RDJ）[5]。此外，RDW更直观和自然，从而帮助用户完成任务。已经对RDW技术进行了许多研究，以检测旋转、平移、曲率和弯曲增益的阈值[6]。检测阈值（DT）受洞穴样虚拟环境（VE）[7]和360°视频[8]的影响。此外，视场（FOV）影响这些增益[9]。与RDW[4]相比，重定向跳跃的跳跃距离和旋转角度具有更大的操纵范围。在相同的虚拟空间中，重定向跳转所需的物理空间较小。因此，RDJ需要进一步研究，以克服在虚拟空间中旅行的物理边界和障碍。跳跃是人类在现实世界中的基本动作，例如跳过间隙和障碍物。最近，RDJ已被探索为VR中的新运动技术[5，10]。VE具有各种闭塞，2096-5796/©版权所有2021北京中科学报出版有限公司Elsevier B. V.代表KeAi Communization Co. Ltd.提供的出版服务。这是CC BY-NC-ND许可证下的开放获取文章（http：//creativecommons.org/licenses/by/4.0/）。www.vr-ih.comXiaolong LIU et al：在虚拟场景中重定向跳跃471例如墙壁和物体。遮挡距离是遮挡物与用户之间的距离。然而，RDJ[5，10]的这些DT没有考虑遮挡距离。闭塞距离对DT的影响需要进一步研究。为了研究RDJ中的这种效果，我们将遮挡简化为小巷场景，并改变小巷的宽度来调整遮挡距离。在RDJ期间，我们估计了不同巷宽下的距离、高度和旋转增益的DT。因此，我们从受试者那里收集了一个二选一的强迫选择（2-AFC）反应，使用这些数据来拟合二维（2D）心理测量函数，并获得DT。随后，我们讨论和分析了不同宽度的车道RDJ的DT范围。此外，我们还讨论了遮挡距离对RDJ的DT的影响。据我们所知，这项研究是第一次调查不同的虚拟场景对RDJ的DT的影响。本文的其余部分结构如下：第2节总结了以前的研究与RDW，RDJ和视觉运动知觉。第3节介绍RDJ、重定向增益和跳跃检测。第4节描述了用户研究设计并讨论了结果。第5节介绍了我们的研究的局限性和未来工作的概述。最后，第6节给出了结论。2文献综述2.1重定向行走虚拟场景通常比VR用户可以行走的物理空间大得多。已经进行了许多研究来探索用户在虚拟场景中的自然行走。Razzaque等人提出了一种RDW方法，其灵感来自于一名蒙眼男子，该男子被指示沿着直线行走，试图操纵VE直线;然而，受试者无意中沿着弧线行走[5]。Steinicke等人量化了人类在不观察真实和虚拟运动之间不一致的情况下可以重定向的程度[11，12]。他们报告旋转增益从0.67变化到1.24，距离增益从0.6变化到1.4，曲率增益从-0.019变化到0.052。Langkehn等人介绍了一种新的基于弯曲增益的重定向方法，该方法定义了物理路径和虚拟路径在弯曲时的差异[13]。他们得出结论，弯曲增益的DT比直线行走的DT更宽。然而，他们没有考虑其他因素对RDW DT的影响。2011年，Neth等人提出，人行走的速度会影响RDW曲率增益的DT[14]。他们发现，在较低的步行速度下，在弯曲的路径上行走的敏感性显着降低。Bruder等人证实，认知任务也会影响步行行为[15]。Williams等人报告称，110° FOV的旋转增益DT范围比40° FOV更宽[9]。Bölling等人。[16]报告说，适应会影响感知阈值和行走行为。Reimer等人发现虚拟体的存在对平移和曲率增益的DT没有显著影响[17]。除了这些因素外，一些研究还考虑了某些VE对DT的影响。Sebastian研究了洞穴状VE中旋转增益的可能性[7]。他们提出在洞穴环境中旋转增益在[0.85： 1.18]的范围内。Zhang等人调查了用户识别RDW操作的平移和旋转的能力。他们讨论了360°现实环境中的平移和旋转增益与VE中的不同[8]。因此，在RDW中，DT受到许多因素的影响。此外，VE对RDW中的DT也有显著影响。然而，在RDJ，如小巷，VE对DT的影响还没有得到充分的研究。2.2重定向跳跃跳跃是现实世界中常见的动作，例如跳过间隙或障碍物。许多472虚拟现实智能硬件2021年11月3日第6研究人员已经研究了VR中的跳跃，通过探索现实世界中的场景来模拟用户的动作。近年来，重定向研究的重点已经从横向转向纵向。Matsumoto等人发现，上坡行走消耗的能量是平地行走的三倍，而下坡行走消耗的能量是平地行走的一半[18]。在此基础上，它们通过在垂直方向上重定向来实现上坡和下坡运动。Matsumoto等人报告称，VE中的垂直增益范围比前后方向上的垂直增益范围更宽[19]。同时，他们确认无人机条件下的阈值范围更宽，可能是由于FOV更窄。跳跃过程主要包括向前和垂直两个方向。RDJ的引入是为了节省物理跟踪区域并增强VR中用户的身体运动体验[10]。Hayashi等人发展了RDJ的概念，并研究了三种基本跳跃动作的有效操作范围：水平，垂直和旋转。随后，他们讨论了不可察觉的操纵增益的范围。特别地，可以在用户没有注意到的情况下容易地操纵低跳期间的高度。Hayashi等人展示了一个简短的VR体验，重点是RDJ，以减少物理跟踪空间[5]。他们报告说，当使用2.0的增益系数时，物理空间可以减少30%。Jung等人检查了RDJ中不同曲率增益的检出率[20]。他们发现，设计师可以实现更大的操纵RDJ比RDW。此外，他们得出结论，隐喻的潜在组合可以进一步减少VR中运动所需的物理空间。这项研究的重点是曲率增益与RDW进行比较。然而，这些研究没有考虑环境和其他因素对RDJ的DT的影响。因此，小巷的不同宽度导致不同的FOV。Williams等人表明FOV影响RDW的DT。我们的工作重点是研究不同小巷宽度对DT的影响[9]。2.3视觉运动知觉缩放VE中用户的移动会影响地标，同时改变光流运动信息的感知速度。这种对光流线索的操纵可能是影响自我运动感知的一个因素[21]。沉浸式VE显著影响用户对VE中的距离、空间关系和自我运动的感知[22]。Steinicke等人发现，当用户在VR中行走时，旋转、平移和曲率可能被低估或高估[23]。Lappe等人将这种现象归因于视觉自我运动的感知[24]。在虚拟环境中，不同的虚拟场景和用户的视野也会影响自我运动感知。Riecke等人证实，简单地将场景颠倒呈现会显著影响自我运动错觉的说服力[25]。Basting等人证明，头戴式显示器（HMD）中的FOV会影响用户的感知矢量[26]。Riecke等人报告称，使用逼真的视觉刺激可以增强运动模拟的有效性[27]。这些刺激提供了丰富的线索，图像深度，相对距离和视觉方向。因此，虚拟场景可以影响自我运动感知。然而，RDJ中的各种虚拟场景对用户自我感知的影响的研究是必要的。3跳转到小巷场景本节解释RDJ中距离、高度、旋转和跳跃状态检测的操作。3.2跳变检测为了研究VR中的自然跳跃行为，有必要检测用户的跳跃动作我们Xiaolong LIU et al：在虚拟场景中重定向跳跃473将Vive追踪器（6-DoF）绑定到用户的脚部和腰部，实时获取跳跃时脚部和腰部的位置信息，并使用HTC Vive Pro头盔（2160× 1200@90Hz，110度对角视野）获取用户的头部位置。图1显示了用户身上的三个Vive Tracker、两个控制器和一个HMD。当用户进入跳跃检测系统后，我们开始记录每个帧在现实世界中的位置。当当前帧和第一帧的位置相差超过3厘米时，系统判断用户处于“跳跃”状态。相邻帧之间的位置差被认为是用户在现实世界中的位置的变化。虚拟摄像头在VR世界中的位置变化与用户在现实世界中的位置对应。3.3重定向跳转中的重定向增益图1实验设置：一个HMD，两个控制器和三个跟踪器。跳跃包括距离，高度和旋转运动。对于这三个移动方向，RDJ中的距离、高度和旋转增益已经给出[10]。这三个增益定义了真实世界运动到虚拟世界运动的映射。3.3.1RDJ中的距离增益当用户进入跳跃检测系统时，我们开始记录用户在现实世界中的每一帧位置。在先前的P_pre帧和当前的P_cur帧中记录的位置之间的差异是系统检测到的用户位置的变化。用户在现实世界中的水平位置变化由dreal指示。虚拟相机d虚拟在VR世界中的位置变化使用用户在现实世界中的位置进行相应匹配。dreal和dvirtual之间的比率被认为是距离增益：dvirtual = dvirtual/dreal。当用户向前跳跃时，距离增益被应用于水平移动，并且VR中的虚拟相机被移动矢量d虚拟 = gd ×d真实。我们研究了RDJ中小巷宽度对距离增益DT的影响。3.3.2RDJ中的高度增加高度增益是垂直方向上的增益，在重定向机翼中不存在。我们表示用户在真实世界中的垂直位置变化为h_real。虚拟相机的位置变化，使用用户在真实世界中的位置来逐个匹配VR世界中虚拟的垂直方向h。hreal和hreal之间的比率是高度增益：gh = hvirtual/hreal。当用户跳起来时， 增益被应用于垂直移动。虚拟现实中的虚拟摄像机通过矢量hvirtual = gh × hreal移动。我们探讨了在RDJ的高度增益DT的小巷的宽度的效果3.3.3RDJ中的旋转增益在现实世界中，用户的头部旋转由包含三个角度的向量表示：俯仰、偏航和滚动。这些矢量方向的变化被映射到虚拟相机。真实世界头部和虚拟相机的旋转的偏航角分别表示为rreal和rvirtual。rreal与rvirtual之间的比率被定义为旋转增益gr= rvirtual/rreal。当用户旋转跳跃时，虚拟现实智能硬件2021年11月3日第6474将旋转增益应用于旋转运动。VR中的虚拟相机旋转矢量rvirtual =gr × r实数。我们研究了通道宽度对RDJ中旋转增益DT的影响4实验研究4.1研究设计我们进行了18个实验，以研究当用户在VR中跳跃时，通道宽度对DT的影响。这些实验根据小巷的宽度分为六个部分。在实验中，我们选择的小巷的最小宽度为1.0米。当小巷宽度为40米时，受试者已经感觉不到墙的影响。因此，我们考虑了1、2、8、16、24和40米的小巷宽度。我们测量的DT的距离增益（gd），高度增益（gh），和旋转增益（gr）的参与者所感知的范围。此外，我们收集的反应（大/小）的所有实验使用2-AFC任务。我们使用2D心理测量函数拟合对数据进行统计分析[5，8，10，27]。基于我们之前对RDW和RDJ的研究，我们将主观平等点（PSE）定义为当50%的用户的响应是“更长”时的值。“较长”意味着用户在VE中感知的距离/高度/旋转大于实际距离。此外，我们将DT定义为25%和75%的参与者的响应时间较长的增益。增益的范围是从DT中的差的绝对值计算的。在这个范围内，操纵跳跃距离、高度和旋转对参与者来说几乎是不可察觉的。由于参与者在实验过程中反复跳跃容易疲劳，因此实验被分成多个组。参与者完成了模拟器疾病问卷（SSQ）[28]，该问卷在完成小巷宽度实验后测量了主观模拟器疾病。参与者被要求在实验之间休息一天。每个实验需要一个半小时，整个测试持续三天。4.2硬件和软件所有任务均在4m × 4m的实验室中进行。我们使用了一个HTC Vive系统，带有一个跟踪HMD，三个外部跟踪器和两个无线手持控制器，如图1所示。HMD连接到台式PC（Intel Core i7处理器，16 GBRAM和NVIDIA 1080-ti显卡）。使用OpenGL以每只眼睛90 fps的速度渲染虚拟场景。实验中使用无线手持控制器作为输入设备，参与者通过手柄判断自己的动作。4.3参与者共有16名参与者（10名男性和6名女性）被纳入我们的用户研究，其中包括12名学生。参与者年龄在20至30岁之间（M=24，SD=4）。记录受试者的身高（M=171.4cm，SD=5.6）。12名参与者使用了沉浸式VR应用程序。此外，参与者的视力正常或矫正，没有人报告视力或平衡障碍。其中两名参与者使用HMD跳入VE。4.4任务1：距离重定位在这项任务中，我们调查了通道宽度是否会影响用户对水平跳跃的感知Xiaolong LIU et al：在虚拟场景中重定向跳跃475距离根据先前研究的结果，增益控制在0.6和1.4之间，间隔为0.1[5，10]。当用户向前跳跃时，随机选择距离增益并将其应用于用户的距离移动。每次跳跃后，每个用户都回答感知距离是否大于或小于实际跳跃距离。4.4.1设计和程序每个参与者完成了324次试验（9次增益× 6次重复× 6次宽度），其中包括12组27次试验，随机顺序。我们根据小巷的宽度将任务1分为12个实验阶段。每个小巷的宽度被随机分为两个实验阶段。参与者首先被告知有关实验的信息，并被要求签署知情同意书。随后，他们填写了SSQ和一份简短的问卷。接下来，他们移动到VR工作区，戴上HMD和跟踪器，并学习如何握住控制器并使用控制器输入答案。参与者每次进入虚拟环境时都必须站在虚拟环境的黑色圆圈内，如图2所示。图2阿凡达在不同宽度的小巷中向前跳跃。化身的移动被重定向与distanncegain。虚拟角色是由角色的头部、头部、头部和脚部的位置驱动的。进入虚拟环境后，参与者首先进行练习阶段，要求他们跳0.8米到虚拟环境中远离他们的蓝线。练习阶段的主要目的是让参与者体验0.8米的跳跃，1.0. 为了消除其他因素的影响，我们使用了一个简单的场景进行测试-一个接地平面，两个墙壁，其中网格纹理映射在地面和墙壁上，网格线以0.5m的间隔分开，如图2所示。在每次向前跳跃之后，参与者返回到虚拟场景的起点（黑色圆圈），并为随后的实验阶段做准备，如图2所示。在完成这三项工作后，开始了实验阶段。每个阶段包括27个实验。参与者每次完成小巷宽度实验时都要填写SSQ问卷。在这个阶段，VE中没有0.8米的蓝线。参与者被要求根据自己的判断向前跳0.8米。在参与者完成向前跳跃后，他们回答了一个问题：“与实际距离相比，你在VE中的距离是短了还是长了？”“参与者使用控制器输入他们的答案，然后用它来初始化场景。最后，他们被要求走回虚拟场景的黑圈，准备下一次跳跃。4.4.2结果系统无法检测5184次跳跃中的176次。我们删除了这些未检测到的数据，并使用F（x）= 1/（1 + b×e-ax）（a，b在R中）形式的心理测量函数对其进行调整。图3显示了不同小巷宽度下的拟合心理测量函数曲线，其中∞ m仅表示地板场景下的心理测量函数。我们得到的DT，PSE，和R2（决定系数）从拟合的虚拟现实智能硬件2021年11月3日第6476图3中的心理测量函数，如表1所示。表2列出了平均值和标准差（SD）在任务1中的SSQ问卷。BE是实验前SSQ的结果。试验后对应巷道宽度的SSQ结果为1、2、8、16、24、40 m。我们使用配对样本t检验评估各组的得分，发现它们之间没有显著差异（p>0.05）。此外，SSQ评分通常会随着时间的推移而增加;然而，增加主要是由于疲劳和出汗。一些参与者在整个实验过程中抱怨模拟器疾病。在试验期间，参与者没有报告任何形式的不适。图3任务1中拟合的心理测量函数。在相应的巷道宽度为1m、2m、8m、16m、24m和40m时拟合曲线。∞ m个虚拟场景只有一个平面（地板）。表1DT（0.25和0.75）、PSE、距离增益范围和R20.25PSE0.75范围R21m0.70150.99091.28030.57880.97282m0.67221.00141.33070.65850.97588m0.63971.01451.38930.74960.933116m0.53730.97881.42040.88310.921224m0.55830.99041.42260.86430.944940m0.55150.99151.43140.87990.8729表2任务1结果被1281624`40是说2.586.107.817.2111.8611.568.80SD2.522.662.464.804.444.282.60实验结束后，我们对每个参与者进行了简短的采访。我们发现，大多数参与者通过观察靠近着陆的网格线来预测距离。一些与会者观察到PoV过渡的速度。小巷狭窄的时候，他们并没有什么不适感。4.4.3讨论为了研究壁宽和DT之间的关系，我们在表1中列出了数据。图4表明RDJ中不可感知的距离增益的范围与小巷的宽度无关。根据我们的采访，参与者根据地面上的网格来判断跳跃距离，忽略了两堵墙。因此，车道宽度不会影响RDJ中的距离增益。此外，我们发现，当在VR中跳跃时，我们可以忽略遮挡距离对距离增益的影响。因此，在VR中的RDJ的设计中，距离遮挡对距离增益的DT的影响可以忽略。4.5任务2：高度重新定位在这项任务中，我们研究了通道宽度对用户垂直跳跃高度感知的影响。当用户跳跃时，随机选择高度增益并将其应用于用户的垂直移动。在每次跳跃任务后，每个用户都描述了感知的高度是大于还是小于Xiaolong LIU et al：在虚拟场景中重定向跳跃477图4（a）小巷宽度、DT和PSE之间的关系。L25中的值是DT的最小值。LPSE中的值是PSE。L75中的值是DT的较大值。LH 25和LH 75中的值来自RDJ[10];(b)通道宽度与增益范围的关系。RH是RDJ[10]的增益范围，RN是我们任务中空平面的增益范围。RW是每个通道宽度的增益范围。实际跳跃高度4.5.1设计和程序每个参与者完成了252次试验（7次增益× 6次重复× 6次宽度），由12组随机顺序的21次试验组成。我们根据小巷的宽度将任务2分为12个实验阶段。每条小巷的宽度分为两个阶段。根据现有研究，增益控制在0.25至1.75之间，间隔为0.25[10]。进入虚拟环境后，参与者首先进行练习阶段，要求他们跳到虚拟环境中距离头部0.2米的蓝线处。练习阶段的主要目的是让参与者适应跳跃0.2米并达到1.0的高度增益。为了消除其他因素的影响，我们使用了一个简单的场景进行测试：一个地平面和两个墙壁，网格纹理映射在地面和墙壁上，网格线以0.5的间隔分开，如图5所示。每次跳跃后，参与者返回到虚拟场景的起点（黑色圆圈），如图5所示，并为实验阶段做好准备。图5阿凡达在不同宽度的小巷中跳跃。化身的移动随着高度的增加而改变方向。虚拟角色是由角色的头部、头部、头部和脚部的位置驱动的。在完成这三个练习后，进行了12个实验阶段，每个阶段包括21个实验。参与者每次完成一个小巷宽度的实验时都被要求完成SSQ问卷。在该阶段，VE中没有0.2 m蓝线。参与者被要求根据自己的判断跳0.2米。在参与者完成了垂直方向的跳跃后，他们首先回答了这个问题：“你在VE中的跳跃高度是小于还是大于虚拟现实智能硬件2021年11月3日第6478实际高度？“参与者使用控制器输入他们的答案，然后用它来初始化场景。最后，他们被要求走到虚拟场景的黑色圆圈处，准备下一次跳跃。4.5.2结果系统无法检测4032次跳跃中的156次。因此，我们删除了这些未检测到的数据，并用心理函数F（x）= 1/（1+ be-ax）（a，b in R）的形式进行调整。图6显示了不同小巷宽度下的拟合心理测量函数曲线，其中∞ m仅表示地板场景下的心理测量函数。我们从图6中拟合的心理测量函数中获得了DT、PSE和R2，如表3所示。图6任务中的拟合心理测量函数2.在相应的1、2、8、16、24和40米的小巷宽度中拟合曲线。∞ m个虚拟场景只有一个平面（地板）。表4列出了任务2中SSQ问卷的平均值和SD。BE是实验前SSQ的结果。试验后对应巷道宽度的SSQ结果为1、2、8、16、24、40 m。我们使用配对样本t检验评估各组的得分，未发现显著差异（p>0.05）。在试验期间，参与者没有报告任何不适。表3DT（0.25和0.75）、PSE、高度增益范围和R20.25PSE0.75范围R21m0.71451.03741.36031.40850.97492m0.50900.96411.41920.980.98948m0.37681.00891.64110.43450.984816m0.26111.13932.01750.54040.946324m0.13431.10392.07360.60350.981440m0.11251.09952.08660.79120.8974表4任务2结果被128162440是说2.144.178.0810.0313.0911.4312.62SD2.583.423.805.716.055.144.81实验结束后，我们对每个参与者进行了简短的访谈，发现一些参与者在跳跃过程中通过观察墙上的一条近网格线来预测跳跃高度，并做出更长/更短的判断。许多研究监测了PoV转变的速度。此外，当小巷特别狭窄时，参与者并没有感到不适。4.5.3讨论为了研究壁宽和DT之间的关系，我们在表3中提供了数据。由图7可知，当巷道宽度小于24 m时，高度增益与巷道宽度呈负相关;当巷道宽度大于等于24 m时，高度增益与巷道宽度无相关性，高度增益小于以往研究结果[10]。因此，在我们的研究中，小巷的宽度影响RDJ的高度增益，并导致高度增益小于先前报道的结果[10]。因此，建议在设计RDJ时考虑遮挡距离对跳跃重定向高度增益的影响。在遮挡距离的特定范围内，遮挡距离越小，Xiaolong LIU et al：在虚拟场景中重定向跳跃479图7（a）小巷宽度、DT和PSE之间的关系。L25中的值是DT的最小值。 LPSE中的值是PSE。L75中的值是DT的最大值。LH 25和LH 75中的值分别来自RDJ[10];（b）通道宽度与增益范围之间的关系。RH是RDJ[10]的增益范围，RN是我们任务中空平面的增益范围。RW是每个通道宽度的增益范围。高度增益的操作范围越小。由于我们的实验结果是使用六个宽度实现的，设计者可以选择以下方案来获得高度增益：将遮挡距离作为Y轴值，并找到图7a中所示的对应的两个X轴值。这两个X轴值表示DT。4.6任务3：轮调在这项任务中，我们调查了用户的跳跃旋转角度的感知上的小巷宽度的影响。当用户旋转跳跃时，随机选择旋转增益并将其应用于用户的旋转移动。在每个跳跃任务之后，每个用户回答感知旋转角度是大于还是小于实际跳跃旋转角度（7次增益× 6次重复× 6次宽度）。4.6.1设计和程序每个参与者完成252次试验（7次增益× 6次重复× 6次宽度），其中包括12组21次试验，随机顺序。我们根据小巷的宽度将任务3分为12个实验阶段。每条小巷的宽度分为两个阶段。根据现有研究，增益控制在0.7至1.3之间，间隔为0.1[10]。练习和实验阶段在任务3中出现。在练习阶段，参与者被要求旋转90°，同时旋转跳跃。他们按照地面上的指示线在VE中转向90°。每次跳跃后，参与者返回到虚拟场景的起点（黑色圆圈），如图8所示，并为随后的实验阶段做准备。图8化身在不同宽度的小巷中旋转跳跃。化身的移动随着旋转增益而被重定向。虚拟角色是由角色的头部、头部、头部和脚部的位置驱动的。虚拟现实智能硬件2021年11月3日第64804.6.2结果系统无法检测4032次跳跃中的163次。因此，我们删除了这些未检测到的数据，并以F（x）= 1/（1 +）的形式用心理函数对其进行调整。 b ×e-ax）（R中的a，b）.图9示出了在不同小巷宽度下的拟合的心理度量函数曲线，其中∞ m仅表示地板场景下的心理度量函数。我们从图9中拟合的心理测量函数中获得了DT、PSE和R2，如表5所示。表6显示了任务3中SSQ问卷的平均值和SD。BE是实验前SSQ的结果。试验后对应巷道宽度的SSQ结果为1、2、8、16、24、40 m。图9任务中的拟合心理测量函数3.在相应的1、2、8、16、24和40米的小巷宽度中拟合曲线。∞ m个虚拟场景只有一个平面（地板）。我们使用配对样本t检验评估各组的得分，未发现显著差异（p> 0.05）。在试验期间，参与者没有报告任何不适。表5DT（0.25和0.75）、PSE、旋转增益范围和R20.25PSE0.75差异R21m0.26121.0091.75691.49570.89482m0.44370.99111.54851.11480.86808m0.79981.01221.22450.42470.974616m0.71501.02091.32690.61190.955124m0.63401.00281.37150.73750.937140m0.61451.00121.38790.77340.9297表6任务3结果被128162440是说3.297.4519.6020.0017.9912.7015.6SD2.753.618.339.358.247.068.45实验结束后，我们对每个参与者进行了简短的访谈，发现当小巷的宽度是1米或2米时，参与者很难确定哪一个更大。许多参与者被要求观看地面上的网格，然后回答问题。当通道宽度为8、12和20 m时，大多数参与者观察到PoV过渡速度。此外，当小巷特别狭窄时，参与者并没有感到任何不适。4.6.3讨论为了研究壁的宽度和DT之间的关系，我们在表6中列出了数据。图10显示RDJ中旋转增益的不可感知范围在小于8 m时与小巷宽度成反比，在8- 24 m范围内与小巷宽度成正比。当巷道宽度大于24 m时，巷道宽度与旋转增益无关。同时，当小巷的宽度为1.0或2.0m时，DT范围比以前的情况下更大，这使得我们能够更自然地探索更大的虚拟空间。因此，在设计过程中应考虑遮挡距离对跳跃重定向旋转增益的影响。这一结果表明，当遮挡距离小于2m时，设计人员可以使用RDJ旋转增益在更大的物理范围内跳跃，Xiaolong LIU et al：在虚拟场景中重定向跳跃481图10（a）小巷宽度、DT和PSE之间的关系。L25中的值是DT的最小值。LPSE中的值是PSE。L75中的值是DT的最大值。LH 25和LH 75中的值分别来自RDJ[10];（b）通道宽度与增益范围之间的关系。RH是RDJ[10]的增益范围，RN是我们任务中空平面的增益范围。RW是每个通道宽度的增益范围。跟踪空间然而，当遮挡距离大于2m时，旋转增益的操纵范围减小。由于我们的实验结果是使用六个宽度实现的，设计者可以选择以下方案来获得旋转增益：使用遮挡距离作为Y轴值，并找到对应的两个X轴值，如图10 a所示。这两个X轴值表示DT。5局限性和今后的工作在本研究中，我们探讨了在RDJ中，小巷宽度对DT的影响。此外，本文还对影响RDJ中DT的因素进行了初步探讨。本研究的局限性如下：首先，在RDJ中，我们只考虑了小巷场景宽度对DT的影响，而没有考虑不同类型的小巷对DT的影响。虚拟环境中的小巷有许多类型，如小巷、小路、通道和大道。在未来的工作中，我们将探讨RDJ中各种小巷对DT的影响。此外，我们没有考虑复杂的纹理在小巷中的DT的影响。这是一个重要的因素，需要在今后加以研究。第二，除了小巷场景，还有很多场景，比如房间，不同的地形，360°全景视频。因此，需要进一步的研究来调查这些场景对RDJ中DT的影响。在未来，我们的工作将探索全景视频和VE对RDJ中DT的影响。第三，当我们探索小巷宽度对DT的影响时，参与者总是站在小巷中间，我们没有考虑参与者不在小巷中间的条件。未来的工作将更好地指导VR应用程序使用我们的实验结果。6结论我们研究了半遮挡环境对RDJ中DTs的影响。我们设计了六个不同宽度的小巷，并对距离，高度和旋转增益的操作范围进行了用户研究。研究结果表明，RDJ中距离增益的操作范围与小巷宽度无关。高度增益的操作范围与小巷宽度呈负相关，并且小于先前研究中获得的结果。当巷道宽度小于2m时，旋转增益的可调范围大于已有研究报道的范围。当旋转增益大于2m时，旋转增益控制范围内的巷道宽度为负值虚拟现实智能硬件2021年11月3日第6482相关性和小于先前研究报告的结果。得到了复杂环境下3种RDJ增益的遮挡距离与操作范围的关系，为RDJ中3种增益的选择提供了指导原则。这些发现与其他重定向技术相结合，提供了自然而丰富的VR体验。竞合利益我们声明我们没有利益冲突。引用1岩田湾Torus跑步机：在VE中实现运动。计算机图形学与应用，1999，19（6）：30–35DOI：10.1109/38.7997372Nilsson N C，Serafin S，Laursen M H，Pedersen K S，Sikström E，Nordahl R.点击到位：通过新颖的手势输入增加沉浸式原地行走运动的自然性。2013年IEEE Symposium on 3D User Interfaces（3DUI）。美国佛罗里达州奥兰多，IEEE，2013年，31DOI：10.1109/3dui.2013.65501933杨伟，王伟.房间级VR的运动技术评估：操纵杆、远距离传送和重定向行走。在：虚拟现实国际会议-拉瓦尔虚拟。拉瓦尔法国， 美国纽约州纽约市，ACM，2018，1DOI：10.1145/3234253.32342914李晓梅，李晓梅，李晓梅.重定向行走欧洲地理，2001年5Havlík T，Hayashi D，Fujita K，Takashima K，Lindeman R W，Kitamura Y. Jumpinvr：在有限的物理空间内增强跳跃体验。In：SIGGRAPH Asia，2019，19我1145/3355355。336189562005年10月27日，李文辉，李文辉.在沉浸式虚拟环境中重定向行走的15年研究。IEEE Computer Graphics andApplications，2018，38（2）：447吴 伟 ， 王 伟 ， 王 伟 . 在 类 洞 穴 虚 拟 环 境 中 检 查 旋 转 增 益 。 IEEE Transactions on Visualization and ComputerGraphics，2016，22（4）：1462DOI：10.1109/tvcg.2016.25182988张J，Langbehn E，Krupke D，Katzakis N，Steinicke F.基于360°视频的远程呈现系统中旋转和平移增益的检测阈值。IEEE Transactions on Visualization and Computer Graphics，2018，1671DoI：10.1109/TVCG.2018.27936799Williams N，Peck T C.考虑FOV和性别的重定向行走的旋转增益阈值估计。2019年IEEE虚拟现实和3D用户界面（VR）会议。大坂，日本，IEEE，2019，122910林林D，藤田K，高岛K，林德曼R W，北村Y.重定向跳跃：潜移默化地操纵跳跃虚拟现实中的动作2019年IEEE虚拟现实和3D用户界面（VR）会议。大坂，日本，IEEE，2019，386DOI：10.1109/vr.2019.879798911[10]杨文，杨文.人类对重定向行走的敏感性分析。2008年ACM虚拟现实软件和技术研讨会论文集。波尔多，法国，纽约：ACM出版社，2008年，149DOI：10.1145/1450579.145061112[10]杨文，杨文.重定向步行技术的检测阈值估计。IEEE Transactions on Visualization and Computer Graphics，2010，16（1）：17DOI：10.1109/tvcg.2009.6213[10]杨文，杨文，杨文.弯曲曲线：对弯曲路径的敏感性及其应用Xiaolong LIU et al：在虚拟场景中重定向跳跃483在房间规模的虚拟现实中。IEEE Transactions on Visualization and Computer Graphics，2017，23（4），1389-1398DOI：10.1109/tvcg.2017.265722014Neth C T，Souman J L，Engel D，Kloos U，Bülthoff H H，Mohler B J.重定向行走的速度相关动态曲率增益。IEEE虚拟现实会议，2011，151DOI：10.1109/vr.2011.575945415放大图片作者：Bruder G，Lubos P，Steinicke F.重定向行走的认知资源需求。IEEE Transactions on Visualizationand Computer Graphics，2015，21（4）：539DOI：10.1109/TVCG.2015.239186416Bölling L，Stein N，Steinicke F，Lappe M.缩小圆圈：在重定向行走中适应增加的曲率增益。IEEE Transactionson Visualization and Computer Graphics，2019，25（5）：203217放大图片作者：Reimer D，Langbehn E，Kaufmann H，Scherzer D.全身再现对平移和曲率增益的影响。2020IEEE Conference on VR and 3D User Interfaces Abstracts and Workshops（VR和3D用户界面摘要和研讨会）2020，15418[10]杨文，李文. VR和无人机远程呈现系统中垂直增益的检测阈值。2020年IEEE虚拟现实和3D用户界面（VR）会议美国佐治亚州亚特兰大IEEE，2020，101DOI：10.1109/vr46266.2020.0002819[10]张文辉，张文辉，张文辉.上坡和下坡行走：重定向垂直方向行走。在：ACM SIGGRAPH 2017海报.洛杉矶加利福尼亚州，纽约，NY，美国，ACM，2017，120Jung S，Borst C W，Hoermann S，Lindeman R W.重定向跳跃：曲率增益的感知检测率。第32届ACM用户界面软件与技术研讨会论文集。美国路易斯安那州新奥尔良ACM，2019，1085DOI：10.1145/3332165.334786821杨晓萍，王晓萍，王晓萍.用视觉错觉调整VR中的自我运动感知。IEEE Transactions on Visualization and ComputerGraphics，2012，18（7）：1068DOI：10.1109/TVCG.2011.27422放大图片Lappe M，Jenkin M，Harris L R.基于漏路径积分的视觉运动行程估计。实验脑研究，2007，180（1）：35DOI：10.1007/s00221-006-0835-623[10]杨文，杨文.重定向步行技术的检测
