4、眼动追踪技术基础：眼动追踪的物理原理、主要技术路线及性能指标

眼动追踪（Eye Tracking）是近眼显示（NED）系统中实现注视点渲染、视线交互、瞳距自适应和用户状态感知的核心前置技术。在AR/VR设备中，眼动追踪模块通常由红外LED、微型摄像头、反射镜组和专用处理芯片构成，其本质是通过光学手段捕捉眼球运动并解算视线方向。理解眼动追踪的物理原理、技术路线和性能指标，是进行光学联动方案设计的前提。本章将从角膜反射与瞳孔中心的几何光学基础出发，对比主流技术路线，并给出工程选型中必须关注的性能参数体系。

上图展示了眼动追踪系统的完整物理链路：红外LED照射眼球产生角膜反射点（P1），相机采集包含瞳孔和反射点的图像，经图像处理提取特征，最终通过几何模型或回归模型解算视线方向。该链路中每一个环节都会影响最终的系统性能，下面逐一展开。

4.1 眼动追踪的物理原理

眼动追踪的物理基础在于眼球是一个具有光学特性的非球面体。角膜（Cornea）是眼球前部透明的凸面结构，其曲率半径约为7.8mm，对红外光（700-900nm）具有较高的反射率。瞳孔（Pupil）是虹膜中央的圆形开口，在红外光照射下呈现为高对比度的暗区（因视网膜吸收红外光）。当眼球转动时，角膜顶点位置和瞳孔中心位置均发生位移，但两者的位移量并不相同——角膜曲率中心与瞳孔中心之间存在约4.5mm的偏移，这一几何差异构成了视线解算的基础。

双普尔基涅法（Dual Purkinje）进一步利用角膜前表面反射（P1）和晶状体后表面反射（P4）的向量差。P1和P4的间距随眼球转动呈非线性变化，其差值对眼球平移不敏感，因此能有效抑制头部运动带来的误差。该方法在需要亚度级精度的科研设备中常见，但光学系统复杂、成本高，在消费级NED中较少采用。

物理特征	光学特性	对眼动追踪的意义
角膜前表面	曲率半径≈7.8mm，反射率≈2.5%（红外）	产生P1反射点，作为参考基准
瞳孔	红外下呈暗区，边缘清晰	瞳孔中心提取，与CR构成向量
晶状体后表面	曲率半径≈-6.0mm	产生P4反射点，用于双普尔基涅法
视网膜	吸收红外光，反射率低	增强瞳孔与虹膜对比度

在实际近眼显示设备中，由于镜片和光波导的存在，角膜反射点可能产生畸变。因此，工程上通常采用暗瞳-亮瞳交替照明技术：亮瞳模式下，红外LED与相机光轴同轴，瞳孔呈现亮斑；暗瞳模式下，LED偏离光轴，瞳孔呈现暗斑。通过两帧差分，可显著提高瞳孔分割的鲁棒性。

4.2 主要技术路线对比

当前眼动追踪技术路线主要分为三类：视频式（Video-Oculography, VOG）、红外反射式（Infrared Reflectance Oculography, IROG）和电极式（Electro-Oculography, EOG）。在近眼显示领域，VOG占据主导地位，但其他方案在特定场景仍有应用价值。

• 视频式（VOG）：使用摄像头采集眼球图像，通过图像处理提取瞳孔和角膜反射特征。优点是非接触、精度高（0.5°-1°）、可同时输出瞳孔直径和眨眼信息；缺点是计算量大、对光照敏感、需要标定。在AR/VR中，VOG通常与红外LED配合，实现暗瞳追踪。
• 红外反射式（IROG）：利用多个红外光电二极管（PD）检测角膜反射光强变化。当眼球转动时，各PD接收到的反射光强比例改变，通过差分信号解算视线。优点是响应快（可达10kHz）、功耗极低、成本低；缺点是只能输出二维视线方向，无法获取瞳孔直径，且对个体差异敏感。
• 电极式（EOG）：在眼周皮肤贴附电极，测量角膜-视网膜电位差（约0.4-1.0mV）。眼球转动时，电位差方向改变。优点是采样率极高（可达1kHz以上）、不受光照影响、可长时间记录；缺点是信号漂移严重、需要皮肤接触、空间分辨率低（约2°-3°），且无法区分注视与扫视。

技术路线	精度	采样率	延迟	功耗	适用场景
VOG（视频式）	0.5°-1°	120-1000Hz	5-15ms	50-200mW	AR/VR注视点渲染、瞳距调节
IROG（红外反射）	1°-2°	1-10kHz	<1ms	<10mW	低功耗眼动鼠标、驾驶监测
EOG（电极式）	2°-3°	100-1000Hz	1-5ms	<5mW	睡眠研究、医疗诊断

在近眼显示系统中，VOG方案通常采用双目双相机配置：每只眼睛对应一个红外相机（分辨率通常为400×400至640×480），配合4-8个红外LED（850nm或940nm）。相机帧率需与显示刷新率匹配，例如90Hz显示对应120Hz眼动采样，以确保注视点渲染的实时性。

4.3 性能指标体系与测量方法

眼动追踪系统的性能评估需从精度、采样率、延迟、鲁棒性和可用性五个维度展开。其中，精度和延迟直接决定注视点渲染的质量，采样率决定时间分辨率，鲁棒性影响用户体验的一致性。

1. 精度（Accuracy）与准确度（Precision）：精度指测量视线方向与真实视线方向的平均误差，通常以度（°）为单位。准确度指多次测量的标准差，反映系统的重复性。在NED中，精度需≤1°，准确度需≤0.5°，否则注视点渲染会出现可见的模糊区域偏移。
2. 采样率（Sampling Rate）：指每秒采集的视线样本数。对于注视点渲染，采样率需至少为显示刷新率的1.5倍（如90Hz显示对应120Hz采样），以避免运动伪影。对于眼动交互（如视线输入），120Hz已足够；对于眼动动力学研究，需500Hz以上。
3. 延迟（Latency）：指从眼球运动发生到系统输出视线数据的时间差。延迟包括曝光时间、图像传输、算法处理、数据输出四部分。在NED中，端到端延迟需<20ms，其中眼动追踪部分应<10ms。延迟过高会导致注视点渲染滞后，产生晕动症。
4. 鲁棒性（Robustness）：包括光照适应性（强光/暗光）、个体差异（瞳距、眼睑下垂、佩戴眼镜）、运动状态（头部快速运动、眨眼）。工程上需通过多LED布局和算法补偿来提升。

指标	定义	测量方法	NED推荐值
精度	平均误差	用户注视9点标定网格，计算误差均值	≤0.8°
准确度	标准差	同一注视点重复测量20次	≤0.3°
采样率	每秒样本数	示波器测量数据输出频率	≥120Hz
延迟	运动到输出时间差	高速相机拍摄眼球运动与数据时间戳对比	≤10ms
追踪范围	水平/垂直视角	用户转动眼球至极限，检测丢失点	水平±30°，垂直±20°

延迟测量是工程中的难点。常用方法为：在屏幕上显示一个快速跳动的目标点，同时用高速相机（500fps）记录眼球运动，对比目标跳变时刻与眼动数据输出时刻。另一种方法是利用眨眼产生的瞳孔丢失信号，测量从眼睑闭合到系统输出眨眼事件的时间差。

4.4 案例拆解：AR眼镜注视点渲染系统的眼动追踪选型

某AR眼镜项目需实现注视点渲染功能，显示分辨率为1920×1080，刷新率90Hz，光学系统为Birdbath方案。系统约束：整机功耗预算2W，其中眼动模块分配150mW；光学引擎与眼动相机共用同一光学路径，需避免光路干扰。

初始现象与目标：初期采用单目VOG方案（640×480@120Hz），实测精度1.2°，延迟18ms，导致注视点渲染的模糊区域偏移明显，用户反馈视觉疲劳。目标是将精度提升至≤0.8°，延迟降至≤10ms。

关键输入数据与参数：

• 相机：OV9281全局快门，640×480@120Hz，功耗90mW
• LED：4颗850nm红外LED，峰值电流100mA，占空比5%
• 算法：CPU端Canny边缘检测+椭圆拟合，处理时间8ms
• 标定：9点标定，多项式回归模型

分析判断过程：延迟18ms中，曝光时间2ms、图像传输3ms（MIPI 2-lane）、算法处理8ms、输出缓冲5ms。精度1.2°主要源于标定模型阶数不足（仅2阶多项式）和瞳孔分割在低光照下的边缘抖动。

实际操作步骤：

1. 将LED波长切换至940nm，减少显示光串扰，提升瞳孔对比度（信噪比提升约30%）。
2. 算法迁移至FPGA硬件加速，采用自适应阈值+连通域标记，处理时间降至1.5ms。
3. 标定模型升级为3阶径向基函数（RBF），并增加5点交叉验证。
4. 优化MIPI传输为1-lane，减少传输延迟1ms。
5. 增加预测滤波（卡尔曼滤波），对输出数据进行1ms超前预测。

结果对比：优化后精度0.7°，延迟9.2ms，功耗135mW。注视点渲染的模糊区域偏移从12像素降至4像素，用户主观评分从3.2分提升至4.5分（5分制）。

风险与代价：FPGA实现增加了BOM成本约$3.5，且开发周期延长2周。940nm LED在低照度下需要更高驱动电流，导致LED功耗增加10mW。

复盘经验：眼动追踪系统的性能瓶颈往往不在传感器而在算法流水线。硬件加速是降低延迟的最有效手段，但需权衡成本。此外，标定模型的复杂度对精度提升显著，建议在量产前进行人群多样性标定测试。