XiaoMi-AI文件搜索系统
World File Search SystemHololens
f/a-18 跟踪腐蚀评估工具
利用 Hololens 应用程序协助用户进行腐蚀检查 IETM 通过提供 IETM 步骤高效利用时间并提供免提用户体验 能够在检查期间拍摄图像（有或没有用户交互） 使用 CV/ML 算法检测腐蚀/其他特征 将检测到的腐蚀/特征显示在 3D 模型上 生成报告，其中包含检查摘要和检测到的问题
3DV项目2024
3D世界中的全息图位置是需要像素准确 / cm级别准确性的应用中的薄弱环节。由于HoloLens（例如HoloLens）用于将内容直接放置在3D世界中，因此这是一种常用的内容放置方法。但是，此模式无法准确捕获用户的意图，从而导致感知全息图中的设备框架与相关的错误。直接在3D世界中的位置代表了用户不透明的“抽象”锚的全息图。用户可以将全息图连接到按钮或角落。用户将全息图放置在他们认为是正确的位置和方向的地方。系统代表全息图，不是相对于预期的位置，而是内部锚。总是锚漂移以产生不准确的全息图感知。我们将不仅使用3D放置，而且还可以使用明确的图像输入来实现明确的用户意图。图像输入将用于准确渲染与表达的用户意图对齐的全息图，从而导致渲染的准确性很高。关键项目步骤：（1）在HoloLens2上使用全息图。（2）使用简单的接口来捕获用户意图。（3）构建用于对齐捕获图像与HoloLens2的在线数据的算法。（4）实时实验并评估算法。
运营中的增强现实和虚拟现实 - 凯捷
新泽西州汤姆斯河市政公用事业局 (TRMUA) 的现场工作人员使用虚拟现实和增强现实技术查看隐藏的公用设施，例如水、煤气、电力、卫生和雨水下水道设施。这种“看透地面”的概念可以通过处理地理信息系统 (GIS) 数据的应用程序实现，Microsoft HoloLens 最终根据用户的位置和方向将这些数据转换为地下公用设施的全息投影。这项创新提高了现场工作人员的日常工作效率，尤其是在火灾或洪水等紧急情况下。4
解剖学（ANAT）
ANAT 301. 多模态人体解剖学。4 个学分。本课程使用尸体解剖和数字 3D 技术（包括创新的 Microsoft HoloLens）向学生介绍人体的大体解剖结构。它与大多数传统解剖学课程（包括 ANAT 411）的不同之处不仅在于它使用了三维成像技术，还在于它采用的是系统方法而非局部方法；人体结构是通过研究器官系统（例如神经系统、肌肉系统）而不是一次只关注一个区域（例如胸部或下肢）来学习的。这种方法让学生对人体的组织方式有了“大致了解”，从而为其他更详细地介绍人体解剖结构的课程奠定了坚实的基础。尸体演示让学生能够在上下文中看到解剖系统，并应用通过虚拟技术学到的知识。以 ANAT 301 和 ANAT 401 的形式提供。
基于数字孪生的起重机混合现实界面
在此应用环境中，工作首先确定硬件和软件设置，然后实现和评估原型 - 一个由可视化、交互、通信和注册模块组成的 MR 应用程序。这些模块使应用程序能够充当起重机数字孪生平台（通过起重机 GraphQL 服务器）和用户（通过 HoloLens 界面）之间双向信息交换的桥梁。在一个方向上，起重机数据被处理并显示在用户视图前的虚拟仪表板中以供监控；在另一个方向上，用户可以通过固定或可移动目标控制方法与全息图交互来导航起重机，通过空间跟踪和注册确保了极大的灵活性和移动性。然后对原型进行定量评估，以评估两种控制方法的准确性，测试数据通过误差椭圆体很好地可视化，这表明固定目标控制方法优于可移动方法，方差更低。在工作结束时，提出并阐述了进一步开发 MR 应用程序的六个具体研究主题。
通过工业过程层析成像增强现实
今天，原位分析和监测对于确保受到封闭式环境的成功和健康的工业过程至关重要。随着数字化的快速发展，增强现实（AR）已被用于使人们与必要的信息融洽相互作用。但是，与对复杂数据的有效分析有关的AR技术和域用户之间仍然存在知识差距。因此，增强域用户能力的新解决方案将使整个行业受益。在这项研究中，我们报告了一个初始的原型，该原型支持工业过程断层扫描（IPT）中整个3D周围环境中的复杂数据可视化和分析。Microsoft Hololens 2配备了用户与3D信息进行交互，该信息表征了工业过程中高级沉浸式工艺的工作流程。与现有解决方案相比，我们的工作明显改善了性能，指向应如何在帮助IPT系统的AR部署和开发AR的道路上。
一项初步研究
摘要 — 大多数以 AR 和脑机接口 (BCI) 系统为特色的研究工作都没有利用整合两个数据平面的机会。此外，使用头戴式显示器 (HMD) 的 AR 设备面临一个主要问题：持续靠近屏幕使得难以避免虚拟环境中的干扰。在这个项目中，我们通过包含有关当前注意力状态的信息来减少这种干扰。我们首先介绍了一种用于 AR-BCI 集成的夹式解决方案。为 Microsoft HoloLens 2 设计了一个简单的游戏，该游戏根据通过脑电图 (EEG) 测量的用户注意力状态实时变化。只有当注意力方向被归类为“外部”时，系统才会做出响应。十四名用户测试了注意力感知系统；我们表明界面的增强提高了系统的可用性。我们得出结论，更多系统将受益于清晰地可视化用户的持续注意力状态以及进一步有效地集成 AR 和 BCI 耳机。
基于数字孪生的起重机的混合现实界面
摘要：数字孪生技术通过不断增加的数据量为工业世界的数字化转型提供了助力，同时也为设计用于操作机器的人机界面 (HMI) 创造了挑战性环境。这项工作旨在为基于数字孪生的服务创建 HMI。以工业起重机平台为例，我们介绍了一款在 Microsoft HoloLens 1 设备上运行的混合现实 (MR) 应用程序。该应用程序由可视化、交互、通信和注册模块组成，允许起重机操作员通过交互式全息图和双向数据通信来监控起重机状态和控制其运动，并通过 MR 环境的空间注册和跟踪增强了移动性。我们按照为标准化测量程序而定义的分步协议，对原型进行了 20 次测量的控制精度定量评估。结果表明，目标位置和实际位置之间的差异在三维空间中在 10 厘米范围内，对于典型的物流起重机操作用例而言，这被认为足够小，并且可以在我们未来的工作中采用强大的配准和跟踪技术来改进。
在协作中有效的对象检测和跟踪
很快，混合现实（MR）和人工智能（AI）技术变得越来越好。这意味着它们在各个领域都有新的和重要的应用，包括医疗，教育和工人培训。这些作者提出了一种新的方法，可以在共享的MR环境中使用Yolov4深学习模型，以便可以实时跟踪和确定对象。这项工作解决了使用基本和复杂的计算机方法诸如遮挡，动态照明和空间对齐等问题的事实，可以区分它。主要的MR工具Microsoft Hololens以及单个相机饲料有助于拟议的系统进行对象检测。根据MS COCO数据集的测试，Yolov4模型的性能优于Yolov2和Yolov3模型。平均平均精度（MAP）为0.988，Yolov4模型是快速且相当精确的。基于统计数据，该策略似乎使小组可以在MR设置中进行协作，以提供在线帮助，培训和基于模拟的学习。对系统的未来研究将使它在更广泛的情况下更加灵活，并能够更好地识别附近的对象。
Theia：混合现实耳机的视线驱动和感知感知的体积内容
在保持满意度的视觉质量的同时最大程度地减少带宽消耗，成为体积内容交付的圣杯。但是，由于要流的3D数据，严格的延迟需求以及高计算工作量，实现这一雄心勃勃的目标对于移动混合现实现实耳机可能充满挑战，这可以自然地使观众的动作具有六个自由度，但计算能力有限。以我们对50多名参与者的眼动作的批判性观察的激励，在本文中，我们提出了Theia，这是一种首要的视线驱动的和感知感知的感知式含量内容交付系统，有效地将以下创新纳入了整体系统中：（1）（1）实时创建FolumeTed网络数据的网络数据，以减少网络数据的真实创建; （2）效率增强动脉糊化内容以促进用户体验； （3）基于眼动的自适应省略外围含量以进一步节省带宽。我们使用Microsoft Hololens 2个耳机实现了Theia的原型，并广泛评估其性能。我们的结果表明，与最新技术相比，Theia可以将带宽的消耗量大幅减少高达67.0％，并将视觉质量提高高达92.5％。