前言
也许你已经在生活中见识过AR（即增强现实）技术所带给你的神奇感受了，肯德基搞过的魔法小精灵活动，腾讯QQ做过的火把传递，还有百度、阿里等都推出了自己的AR试水产品，应该都曾让你眼前一亮。作为一个旅游类ar应用开发的从业者，一年时间越坑不少思考很多，如果你也想了解或者想一起设计一款适合自己的ar产品，本文想要和你一起分析一下AR应用在技术和产品设计上的来龙去脉。毕竟，只让用户惊叹的发出好神奇！好炫酷！的声音显然不是目的，更深入的思考增强现实技术如何为客户带来更多的实际用处和价值，才是更重要的事情。在思考的过程中，我们将首先了解一点ar技术的原理，归纳种种可能的应用范围，然后对用户的需求特征进行深入挖掘，仔细分析如何让技术以产品为载体，以可能最有趣的形式，把可能最有意义的东西呈现给你的用户。
目录
-
PART1 增强现实技术及其边界
- 增强现实技术的原理
- 增强现实技术的边界
-
PART2 用户想要什么
- 从用户的真实需求出发
- 用AR技术表达用户需求的预期
- 分辨生活中的憧憬性预期和确定性预期
-
PART3 如何做出用户喜爱的AR应用
- 苹果ARKit对智能手机的解决方案
- 决定智能手机/平板AR应用体验的四个要点
- 生活中最适合表达的确定性预期
- 应用在智能手机/平板上适用的领域
- 用最恰当和有趣的方式呈现虚拟物体
PART1 增强现实技术及其边界
如果你觉得现实总是枯燥乏味，那么不要担心，在上图里的未来城市，你会被各种方便和有意思的虚拟信息所包围，你不会觉得无聊，因为你可以随时随地修改你喜欢的环境样貌，或调出你喜欢的游戏在各处玩耍，而且你也不再需要对着手机翻找周围有哪些好吃的，因为它们随时可以在你眼前给你最好的提示。AR技术会把我们的生活装点得像科幻大片，虚拟信息统统飞出手机，来到世界的各个角落。我们都说现实是残酷的，理想才是丰满的，而让理想的景象来到现实里做客，正是增强现实技术的目的。
增强现实技术的原理
自从人类有了画家这个行当以来，人们就有了一种能力，将现实中的三维的人或物体，描绘在一张二维的平面上。但如同文艺复兴时期的米开朗基罗一样，少数画家还同时是一个雕塑家，能将二维平面或是头脑中想象的事物还原为现实中的三维物体。如果从三维到二维的降维，就像画一座冰山露出水面一角的样子，还算是容易的，但要从这个冰山的一角，还原出整个冰山的三维原貌，由于你得不到当时没画在画里的任何额外信息，所以如果不借助想象力几乎不可能做到，因为在从三维物体转化到二维平面的时候信息都已经丢失掉了。
然而人脑拥有一种能够补充残缺信息的强大能力，因为人的思维天生要求事物的起因、过程与后果必须是连续的、可理解的，如果中间不连续，人就会自动脑补。回想一下当你阅读一段疏漏掉几个文字的时候你也许都不会察觉，当你在看完一集电视剧后总是急于想知道下一集会是怎样，或你在看完一场魔术表演后为什么那么好奇它背后的原理，就可以知道人的脑补能力有多么强大和迫切了。于是，在你望着前方的道路的时候，你不用看脚也能脑补出你脚下踩的也是道路，而不会认为是陷阱，当我们站在一个房间的客厅中央，看向阳台方向的时候，你脑中也可以顺着墙面和天花板、墙面和地面的四条延长线，想象出身后的房间样貌，这些对于人脑都是顺手拈来。
不管人脑是怎样做到脑补信息的，现在计算机在使用“机器视觉”的相关技术后，一定程度上也做到了。机器视觉实际上是人工智能技术的一个分支，目的是让机器代替人眼，来对现实中的事物做精准的测量或对情况做正确的判断。世界是三维的，而我们眼睛的视网膜或机器的观测镜面是二维的，人和机器都只能通过二维的方式去理解三维。机器一直在努力模仿人的能力，即通过已有的认知再加上对当前环境静态和动态的观察，判断出当前现实环境的具体情况以及自己在其中的位置，从而以此作为下一步行动的依据。那些在工业上检测产品质量的智能监控装置、自动驾驶汽车、深海探测机器人、无人机、火星探测车、甚至家庭的智能扫地机器人，都是因为有了机器视觉，对周边环境有了相对准确的了解，才能指导自己如何采取下一步行动完成自己的工作任务。
所以只要拥有机器视觉处理芯片及相关装置，机器人或飞行器在行走或飞行的时候就能始终提前预知周围现实场景的情况，就可以避免撞到墙等障碍物上面，当对周围环境有了仔细的探测或观察之后，便对周围的环境和物体信息了若指掌。还记得电影《盗墓笔记》里有这么一个情节，坏的女特工在发现洞穴入口之后，立即掏出一打微型飞行器撒手放进洞穴，然后这些飞行器就在洞穴里到处飞行、各处扫描，将扫描信息回传给了总部。这时大反派科学家在总部实验室桌面上方的半空中，便开始看到一个整个洞穴内部的虚拟模型正在神奇地慢慢搭建起来，从而让整个洞穴的全貌以及内部情况一览无余。如果打开百度地图的全景模式，你有时也会发现鼠标指针不光放在地面上有指示的圆圈，在高楼的侧面上也会有，百度采集车明显是采集过环境中的建筑三维信息才能做得到。这种扫描技术就叫做“激光点云”技术，采集装置从一个点出发向四面八方发射激光射线，通过检测反弹信号的时间和强度来获取障碍物点的材质信息以及距离，从而采集虚拟3D场景模型所需要的信息。
点云技术虽不在我们的讨论话题，但它背后的技术基础，并同时也是机器视觉中最重要的算法，就是我们要说的“SLAM”算法（Simultaneous Localization and Mapping，同步定位及地图构建）。就是因为SLAM相关的算法让机器有能力判断出环境和其中物体的相对透视关系，通过自身对环境更多的数据采集和尝试来跟踪这种环境关系的变化，从而判断出自身在环境中的精确定位。就像开车的时候突然不知道开到哪里了，除了多看看旁边环境的特征和标识外，还得再往前开一会儿多看看别的参照物，才能判断自己在什么位置一样。在SLAM算法中，比较重要的一个前提能力，就是要抓取和计算环境中明显的对象轮廓和图像特征，然后再根据它们的朝向和形状，以及在自身运动过程中它们图形的变化，来判断出空间环境的边界与透视关系。AR应用和开发中“标识物”的概念，其实就是指这些图像特征点阵中的一部分区域，只不过这个区域可能是有完整图案和意义的。标识物越明显，判断环境的基础依据就越准确。所以我们说，SLAM算法是AR技术的基础和核心，有了SLAM，AR才能把虚拟物体以最恰当的形式和姿态放进现实。
增强现实技术的边界
既然AR的基础是SLAM，那么“把虚拟物体放入现实”这件事，就只能以SLAM的识别精准程度为标准。也就是说AR技术相关的软件的表现能有多好，除了必须看硬件支持情况外，剩下的得指望SLAM算法有多么成熟。基于SLAM，软件程序能做的大概有以下四点：
- 如下图所示，SLAM精确的识别出用来做环境建模参考的标识区域点阵后，虚拟物体可以和这些有特征的点阵稳定地进行绑定，环境标识点阵变换到哪里，能计算出是什么方位，虚拟物体就也跟着一起去哪里、朝向什么方位。例如把虚拟精灵摆放在地面上，由于在镜头移动时SLAM检测到地面的点阵信息也在移动，所以精灵才能够在虚拟空间里跟随地面一起移动。
- SLAM的环境建模信息可以告诉程序现实环境中各个封闭或开放型物体的三维模型点的位置都在哪里，程序通过这个虚拟地图，计算出虚拟物体的活动边界和限制。下图中的小蛇才不会撞到墙上，也可以跳到桌子上、或从桌子边缘跌落到实际的地面上。
- 在计算环境建模的点阵信息时，SLAM利用深度检测算法，一并记录了每个点的深度信息（也就是距离镜头的距离），有了这些深度距离，就可以做到让距离小于小蛇的点阵所牵连的画面部分，遮挡在环境中跑动着的小蛇的前面。一旦有了遮挡，虚拟小蛇就不再像是一个只是贴到镜头上的杂耍，它竟然能躲在现实物体之后，这样画面才一下子真实了许多。
- 同样，有了这些环境的3D信息，也就能知道虚拟灯光等光源照射到相应特征点上该怎样发生怎样的反射或折射，照射在小蛇身上的光线，被小蛇阻拦后该在它身下的哪些表示地面的点上，呈现出怎样的阴影，并计算小蛇模型表面的颜色与强弱该如何随光源的方位而变化，从而给虚拟小蛇模拟出更加贴合环境的真实光感和扎实的立在地上的感觉，让这种虚拟世界的生物就像真的活在了现实中一样，栩栩如生地站在那里。
虽然基于机器视觉的理论基础在20世纪后期就已经非常完备，但由于现实环境的复杂性，需要的强力的运算能力和图形处理能力才能有希望实现。直到这个世纪初随着硬件技术的快速发展并出现了SLAM算法，基本开发需求才开始被迅速满足。但即便如此技术仍还在快速的完善中，在可接受的成本范围内往往得不到满意的功能效果。所以AR应用必须考虑对自己来说划算的硬件载体，例如机器人、飞行器或智能监控装置、增强现实眼镜，或是使用智能手机和平板。
机器人和监控摄像头等载体重点在于采集和识别环境信息，从而判定和指导自己下一步的行为，所以对于普通的增强现实应用的开发者来说，只有增强现实眼镜与智能手机/平板，这种带有反馈用户信息的显示屏的设备，才最适合制作“将虚拟物体投入现实环境”的AR应用。
智能手机/平板利用其屏幕和摄像头等传感器，借助OpenCV等机器视觉算法库，以及市面上已经出现的一些更简易的ARSDK的开发包支持，相当于一种AR眼镜的屏幕简化版。但比起AR眼镜，由于计算芯片能力所限，在最拖累计算效率的SLAM模块上有着许多的功能阉割，在以上所述SLAM功能上只能在第一点，具有明显点阵特征标识物的识别上体验较好，环境边界检测、遮挡以及光照阴影计算只有最简易的表现，很多还达不到满意的程度，简化后的算法版本距离最好的视觉体验还有很大的距离。
即便是AR眼镜，在几个最重要研发厂商的产品里，也还没有一个能做到让人完全满意的用户体验。增强现实眼镜由于昂贵的价格和较高的开发成本，只能做一些较大的行业级应用。所以无论AR眼镜还是智能手机/平板，目前还不能想做什么就做什么，开发增强现实应用时，最怕的就是拿着科幻大片里的效果，指望着AR眼镜或智能手机/平板能够开发出来。
总之，以机器视觉为基础建立起的SLAM算法是AR的核心，SLAM与当前硬件设备的技术成熟度，划定了AR技术产品的边界，使得我们只能开发边界之内的产品。但是，就像数学上的“无穷”除以100还是“无穷”一样，即使边界再狭窄，增强现实的想象空间依然是无限的。
PART2 用户想要什么
了解了技术的功能边界，我们可以再试着换到用户的角度，看一下用户想要什么，才好对那些我们萌生出的很多想法进行筛选和过滤。
从用户的真实需求出发
人这个物种就是欲望的集合，人们时时刻刻都有这样或那样的想做、在做的事情，而时时刻刻都可能有着种种对应的产品来满足这些当下的需求，作为一个人在生活里的行为，这些“需求”是真实存在的，因为用户真的在做这件事。所以，用户的真实需求就是无论如何都是他本来要做的事情，这时候的产品只是帮助他更好更快的做这件事情而已。进一步说，如果人们当前要做的这件事越难以被外界干扰和改变，就越是用户的真实需求，而不是可有可无，而另外，如果认为“好玩就会产生用户需求”、“我的需求肯定就是用户的需求”，都不一定是可靠的，都需要冒风险花成本去现实中尽快验证。
用AR技术表达用户需求的预期
虽然AR的本质是将虚拟物体或景象放入现实环境中，但对于人们来说，往往现实是现实，虚拟是虚拟，就像理想再丰满现实也很骨感、游戏玩得再好肚子也依然会饿一样，AR就是让事物变得更好，而不是改变事物本身，毕竟现实里的人类没有AR，也繁衍了好几万年。在未来真正成熟的AR技术大量的出现在生活里之前，人们时时刻刻还是得应对现实问题，有用的AR应用需要从人的现实问题出发。
人类区别于动物的核心一点就是大脑皮质的思维能力，从而让我们在现实的每件事上比动物更能够想象出更远的预期，这种预期能指导我们下一步的行为，即便见到不确定的事情我们也经过思考后会做出决策，至于结果是好是坏，都依靠我们对这件事情当时的预期。换句话说，人们的生活是现实的，但对当前所做事情目标状态的预期是虚拟的，是存在于人脑中的一种想象，这种想象基于嗜好和习惯、过去的经验或是对公共标准答案的记忆和认知。
所以，既然AR的特征就是在现实里表达虚拟，那么对于人们现实里的事情，AR就正巧有希望帮助人们表达出他们本来就对事物抱有的那些虚拟的预期。如果将预期的目标景象以某种形式呈现到人的面前，为用户提供最可靠的决策方案或行动指引的话，AR技术就能非常自然的接入人的生活了。
不管在科幻电影还是在小说里，我们早已经看到过这样的例子：
- 在主人公开车的时候，路牌更加丰富，并且是虚拟的，前方道路的地面上也会显示出巨大的箭头给你指引；
- 当钢铁侠来到他的房间控制各种系统设备的时候，摆手就能在空中调出虚拟屏幕，徒手进行界面操作；
- 宇宙飞船上的船员想在会议室与地球总部的BOSS开会，他的幻影影像可以直接出现在会议室的大厅中。
所以基于真实需求进行AR技术的预期呈现，能够非常完整的指导人们处理他要做的事情，现实与虚拟在具体的实践中，理论上可以做到非常完美的结合，从而让以前那些我们只能靠体力和经验、靠摸索和运气，尤其是靠时间才能完成的事情和工作任务，通过它可以顺利和快速的，并且用更准确的方式完成。
分辨生活中的憧憬性预期和确定性预期
在生活中，几乎人所有的现实行为都具有这样或那样的预期，因为人只有对事物有预期，才能有安全感。人的思考是线性的、连续的，如果连续性被打破、被模糊，人们就会陷入惊奇、困惑甚至恐惧，生活的安逸不就是来自于这种稳定的、线性的可见预期吗，那种希望最好时时都有，哪怕它是错的，甚至我们心知肚明这种预期是不可能实现的、一直在骗自己，那也好过没有预期。所以人们无论在做什么，都始终走在实现某个预期的目标之路上，并努力规避那些不符合预期的结果。例如：
- 我在运动减肥，我的预期是一个变瘦了的自己，越减越肥不是我的预期；
- 我在化妆，我的预期是一个好看的自己，化成妖孽也不是我的预期；
- 我在走路，我的预期是到达我想到达的地方，突然迷路必然也不是我的预期；
- 我在打扫卫生，我的预期是一个干净的环境，老有熊孩子捣乱或打扫后看不到效果，我以后就倾向于不去打扫。
然后，既然是预期的目标，就是要达成它，就需要有一种可衡量的标准来告诉我们“这件事我做到了”，然而如果说“走路走到地方”这种事情是肯定可以衡量的，那么生活里还有无数的事情是不好衡量甚至没法衡量的，比如：
- 我在努力赚钱，我的预期是赚钱之后有一个更幸福的生活。
什么叫更幸福的生活？就算定一个幸福的标准，你获得后会保证知足吗？ - 我在说服对方，我的预期是让他能理解我的观点。
“理解自己的观点”是一种什么样的情况？万一他口服心不服你却不知道呢？ - 我一直在学习，我的预期是让自己变得更强。
怎么叫变得更强？会不会永无止境呢？
这样的预期，自然对于软件程序来说不可衡量，但对于人来说还是有很多现实意义，毕竟从古至今无数的人们正是怀着某些莫名奇妙的预期，固执的活着、坚强的活着。有时候这就叫做信仰吧。因此我们暂且称这种预期为“憧憬性预期”。由于软件技术需要确定性的量化信息，所以AR技术对于此种预期是无可奈何的，我们需要寻找的是那些明确的、具体的、存在可行实现方法的预期，那样才是可以被程序量化和描述的。所幸这样的需求也有无数种，例如：
- 我在开车，我要去一个地方；
- 我在施工，我要按照设计图盖一个房子；
- 我在修复文物，我要把文物修成以前的样子；
- 我在操作一台新设备，我想要学习如何使用这台设备；
- 我在做一道数学题，我要得到正确答案；
- 我在景区观光，我想要知道怎么走才能逛得比较好；
- 孩子们在看书认识动物，他们对这些动物的知识很感兴趣；
- 我在设计3D模型，2D的屏幕上必须总得通过旋转模型才能看到完整的样子，我想要直接看到；
- ……
可见，即便这种需求的结果依然有好有坏，有多种结果的可能性，但总归是有相对确定的结果信息可以被技术所描述的。因此可以说，基于用户真实需求的AR技术应用，要表达的正是这一类生活中的确定性预期，需要依照确定性预期这一标准来筛选需求。
PART3 如何做出用户喜爱的AR应用
就像我们前面提到的，昂贵的AR眼镜还没有普及，而且还有这样或那样的问题，还因为篇幅和经验所限，我们如果想要设计和开发用户级产品，可以先思考一下怎样在智能手机/平板上做出一款用户喜爱的AR产品。
苹果ARKit对智能手机的解决方案
在智能手机上表现AR效果，首先就会存在以下三个问题：
- 用户行为成本较高：用户必须一直端着手机；
- 复杂环境的识别能力较差：由于软硬件的限制，手机只能拥有阉割后的不完整SLAM算法支持，不能奢望做出与复杂环境结合非常贴切的效果；
- 视野狭窄难以呈现全貌：手机屏幕只能看到一部分视野内容，其他方位上哪里需要发现，用户就必须将手机朝向哪里。这也提高了用户的行为成本。
其实前一阵苹果2017新品发布会上展示的ARKit的游戏展示，就巧妙地通过产品设计让问题得到了解决：
- 用户通常在什么情况下非常投入地端着手机？玩游戏啊；
- 既然对复杂环境不能很好的分析，那么就不识别复杂环境，只用一张桌子就可以了，将这种最简单的平面作为标识物显示出游戏地图；
- 手机游戏的视野本来就狭窄，而在手机游戏里，问题不在于视野狭窄，而在于用户一贯的用手指去移动游戏地图的操作成本。以前玩家必须用手指在手机屏幕上移动地图，现在玩家可以不做这个烦心的操作，只需要无脑地挪动手臂的朝向和位置，就达到了移动地图的效果，同时手机本身在游戏里还充当了一架在空中飞行的战斗机的角色，一举两得的解决了问题。
于是，这一表面看似换汤不换药没有太多亮点的游戏展示，实际上是用AR技术，以最现实有效的办法解决了游戏玩家的操作体验问题。
决定智能手机/平板AR应用体验的四个要点
无论是游戏还是其他类型的AR应用，在智能手机/平板上有一些要点需要考虑，每一个要点的支持情况都决定着用户体验是否可以满足要求。
-
网络支持
有网还是无网，有网情况下是带宽高流量大，还是带宽窄流量小，都绝对限制着应用的性质和表现能力。如果没有网络我们可能只能做封闭的单机应用，连用户记录都不能做到云端存储，而在网络和带宽情况极好的情况下，不光本地应用的容量可以做得极小，而且可以全程通过网络传输来呈现内容，甚至使用实时的高精度模型动画及在线播放高清视频。 -
现实环境标识物/介质支持
现实环境的标识物，提供了现实环境的坐标系参照，它一方面决定了虚拟物体出现在现实里时的可见性和稳定性，另一方面也决定了用户对AR应用的认知成本。AR应用如果没有稳定明显的标识物物体的协助，或是标识物在现实环境中让人不便寻找，都会让人觉得这不是一个完整的产品，从而形成认知困惑，造成用户的流失。所以，要么标识物用固定场景下大家熟知和最常见的东西，并且能轻易的知道哪里是那个需要扫描的物体，要么把标识物与应用程序捆绑发布，让人唾手可得。 -
GPS与陀螺仪定位支持
虽然手机平板上的SLAM还不够强，但设备上能通过GPS获得自身位置的地理定位信息，如果它足够精确，再加上陀螺仪模块提供的镜头的当前朝向，通过对比已经存储在应用里的地图数据和场景内容，就能精准的知道在哪里该投放什么样的虚拟物体，方位的问题就无需SLAM的帮助了，而且可能连标识物是否需要存在都变得无足轻重。然而这两点在现有设备上还远远达不到那样的准确程度，陀螺仪在各个手机上的表现也参差不齐。对于这两个硬伤，AR应用如果要想保证稳定的用户体验，考虑设计时就要规避这个短板，例如，对于GPS只考虑在公路或道路上信号比较精准时使用，或者第三方地图平台支持的在商场等室内有精准定位服务时使用，其它位置则不使用它指导AR呈现；而对于陀螺仪的方位功能则作为应用的附属，即便不好用也不会影响主要功能。 -
贴合AR技术的产品设计
由于AR应用需要呈现虚拟内容，而纯粹虚拟内容的APP明显以游戏方式最为擅长，于是AR应用多少都会掺有游戏的成分在里面。但是，传统的游戏设计可以纯粹按照完全杜撰的世界观和虚拟内容来随意布置整个世界，而AR应用则由于受现实环境限制，所以必须考虑线下环境的成分。这样在产品设计时，就非常不同于传统形式的APP应用程序，并且也不同于游戏。我们可以将这种产品分成“应用本身”与“环境介质”两部分，环境介质上要有安装应用的入口，应用里也要引导用户如何使用环境介质。
由于产品被分成了两部分，那么表现也可能因此不同。应用在使用到环境介质之前，可以按照应用自己的表达方式进行界面设计，但是一旦与环境介质一起呈现虚拟成分，那么就最好离开屏幕的2D交互模式，与真实三维场景中的介质以及3D虚拟物体配合起来，进入虚拟场景中的3D交互模式，交互界面将出现在环境介质里、虚拟物体上、或者悬浮在半空中，如此表达一种触碰世界本身的感觉。
但应用与介质分离的情况，会导致用户获取介质比获取应用的行动成本高得多的问题，并不利于产品的传播。所以当用户分享了一张应用生成的AR画面给朋友后，怎样让他的朋友除了觉得炫酷赞叹一下以外，还能很容易的获取到环境介质并下载应用，一起玩起来，是一个需要考虑的问题。例如，产品设计中的互动规则如果必须由多个人一起完成，这样也许可以形成人与人之间更有力的传播。
综合这四个要点可以看到，在5G到来之前，网络支持只能算刚及格，现在手机平板的GPS与陀螺仪定位的表现也还很不稳定，只有较低获取成本的现实环境标识物、和最贴合的产品设计这两个可以由优秀的产品设计人员进行把控。所以可以说，如果考虑一个最低风险的产品目标，那就是一个：尽量避免使用GPS和陀螺仪定位、不太依赖于网络支持、最易获取或绑定应用的环境标识物、巧妙融合应用与游戏的产品设计的AR应用。反之，最高风险的产品目标则是：需要大网络流量支持、必须基于地理位置定位和方位、需要靠用户自己寻找标识物、同时产品设计上不方便不适合AR技术呈现，这样理想化的一款应用。
生活中最适合表达的确定性预期
我们让AR应用表达点什么确定性预期呢？生活中究竟什么样的事情是有明确目标或标准答案的？经过前文关于确定性预期的分析和举例，我们会总结出确定性预期会有下列需求特征：
- 描述型：中国的首都是北京、这个鼻子很长的动物是大象、人的这个位置是心脏等，展示各种事实的信息；
- 导航型：人们到达一个地方之前的有限种最短路线信息；
- 建造型：按照预定的样子复制或建造，例如一点点的增加零件、一层层的盖楼房；
- 解题型：往往具有有限解的数学/几何/物理等底层学科的相关问题；
- 动作型：如机械设备操作方法、健身和做操的教学等，具有有限种固定的动作模式；
- 线索型：即便需求没有确定性预期，但该不确定性预期有时却有一些确定性的线索，例如：要想知道是什么导致了亡国，需要从调查皇帝当时吃的一个蓝色小药丸开始……
……
当然还可以举出一些，但也许其中的规律是：
- 大部分的“是什么”型需求（What）：“是什么”一般都是在描述事实，而事实大多是确定的；
- 一部分的“怎么做”型需求（How）：一部分“怎么做”是有相对标准的答案的，并且如果再改为“怎么做最好”的问题，可能会更多；
- 少数“为什么”型的需求（Why）：关于为什么的问题往往没有唯一的答案，众说纷纭看自己信什么。
可以想见在各行业中，教育行业的What用处最多，How各行各业都有。国内最早的AR产品之一“涂涂乐”火起来就是发现并发掘了教育领域这个最重要的AR金矿。原因很简单，最简单的AR应用需要对标识物进行识别，而识别标识物的同时，自然就可以想到能对它进行解释，解释它“是什么”，就能展示出对现实世界的提示。在此基础上，如果扫描大象的图片只出现“这是大象”的解释，就不如增加一些炫酷的3D模型和动画效果，让大象活起来，就比枯燥的文字要好玩的多了。
应用在智能手机/平板上适用的领域
人是能懒就懒的，所以在做一件事情，尤其是一件本身就动用身体的事情的时候，就无法集中注意力在行为成本高的其他事情上，例如跑步的时候，我们不喜欢老跟同伴说话，但可以边跑边听音乐，因为说话需要费体力，听音乐则不需要；再比如吃饭的时候，我们只需要抬起头就可以看电视，而这时拿起手机对着某物玩AR就是很费力的。同样，在人们使用技能处理各种工作任务时，总是占用着双手，这时除非我们戴上眼镜甚至用裸眼就能看到虚拟物体，否则这些事情即便再有需要也不方便使用。除非我们在做以下这些事情：
- 游戏娱乐：利用AR应用更好的玩游戏、玩玩具；
- 知识学习：利用AR应用学习书本知识；
- 技能学习：利用AR应用学习若干固定步骤组成的技能；
- 欣赏静物：利用AR应用看到一幅更炫目更完整的画或一座雕塑等。
- ……
很明显，学习知识适用于描述型、解题型等预期形式，而学习技能适用于动作型，欣赏作品则适用于描述型，因为游戏的边界极宽，所以游戏娱乐适用于前文所述各种类型的预期。在行业上，游戏娱乐、教育培训、玩具礼品、设备机械、建筑工程等等行业，都是可以有潜力用到AR技术的领域。
在学习有固定步骤的技能时，将步骤的指引在屏幕上相对于现实实物的位置明确地一个个标注出来，就可以给用户提供可用的提示。比如按某固定流程操作机器，AR应用将每一步的虚拟指引，显示在相应的操作位置上。学做一个蛋糕？学炒一盘菜？学一首钢琴曲？都可以如法炮制。
而前文提到的“导航型”所相关的交通出行、旅游等行业，由于暂时无法和GPS以及陀螺仪精确配合，难以做到稳定的产品表现，所以需要对需求更谨慎的筛选和考虑。
用最恰当和有趣的方式呈现虚拟物体
讨论了AR应用适用的领域之后，那么我们就可以通过三个步骤，让虚拟世界的物体活生生的出现在现实里。
第一步，让虚拟物以两大表现模式呈现出来
-
召唤模式
我们可以用召唤模式强调呈现出的虚拟物体，识别标识物之后凭空生成出与标识物关系不大的虚拟物体。比如模型或特效动画之类，这样我们就能实现识别神灯后飘出能满足你三个愿望的灯神，以及我们文中出现各种虚拟角色的例子都是使用这种模式，在游戏类型的创意中非常常见。 -
增强模式
该模式强调对于标识物的修饰，识别后生成出与环境标识物密切相关的虚拟物体，表现方式可以有：
- 特效增强：将电光火石烟尘水雾等粒子特效叠加在标识物的表面，例如体现出英雄雕像的气场，让肖像画流泪；
- 部件补充：让虚拟物与现实标识物相加，才能组成完整的物体，例如贝壳里出现珍珠、扫描残缺的地图后补完这张地图；如果是2D标识物，补充方式可以在第三个维度上进行3D补充，例如识别一张充满曲线的现代绘画作品时，让曲线突出画作成为三维曲线等。
- 部件标注：在现实标识物上呈现出对于其中部件的注解、指引等提示信息，导览、培训和教学类需求中需要经常使用。如我们上文中用户操作设备时可按照屏幕的标注提示，进行下一步操作或学习。
- 内容变换：动态修改标识物表面的内容，常用的一种办法是使用视频叠加，如识别一辆飞驰中的赛车图片，赛车真的动了起来，甚至驶出图片范围扑面而来等。
第二步，和虚拟物一起进入互动
虚拟物体或角色出现之后，用户就需要开始和它进行需要的交互操作了，可以使用以下几种交互模式来进行：
- 形体交互：需要仔细观察玩偶或古玩模型时，控制虚拟物的大小或朝向方位，可以在屏幕上对其进行旋转、缩放等操作。
- 界面交互：让虚拟物体的旁边出现操作按钮和选项，进行对虚拟物的控制操作。比如让一辆跑车模型的旁边出现切换车身颜色的选项；而如果虚拟物本身就是操作界面，那就直接在其表面进行操作，比如密码锁可以点击密码开锁，或华容道小游戏直接点击可玩。
- 动画交互：用户在触碰虚拟物体或角色时，它会以播放一个动画或动作的方式反馈给用户。若通过选项进行交互，就使用上述界面交互来控制它的动画效果。
- 场景交互：让虚拟物体或角色和它所在的真实场景进行适当的产生互动。例如虚拟角色如果是小枪手，那么用户在屏幕上指到哪里，它就开枪打到哪里，如果是一辆小赛车，用户指到哪里，小赛车就会开到哪里。如果未来能够结合前文所提SLAM算法完整的环境监测，角色就可以完全躲避现实中的障碍物体。
- 关联交互：让多个标识物产生的虚拟物，彼此交互。例如利用让用户收集AR卡牌，如果两张卡牌呈现出匹配度高的异性，那么他们会相互亲吻，如果是冲突度高的同性，那么用户需要控制他们相互PK对战等。国外还有一个有趣的产品，让孩子们收集和扫描卡牌，当识别出一张卡牌时出现动物的介绍，而同时识别出两张卡牌时它们竟然组合了起来，鸟头牛身、猪头鱼身，创造一个个新物种。
第三步，交互结束后给用户一个结果、积累与回忆
应用自然不能在交互结束后戛然而止，如何让用户在AR体验中得到奖励和收获，并且在不方便使用AR功能时也能通过过去积累的数值、收集的战利品相互比较和炫耀，是产品设计时需要考虑的问题，总之最终要从AR的世界，再次回到应用的世界，这里就不再详述了。
结语
谈到这里，我们已经从技术到用户，从用户到产品大概分析了一遍，而要得出针对具体领域明确的AR产品的设计方法，还是只能靠我们在实践中根据情况仔细思考和尝试。增强现实技术和它的相关硬件虽然还不够完善，但科技发展一直就那么的突飞猛进，逼着我们一方面需要保持对技术的持续关注，迎接一个个新特性和功能的到来，另一方面还必须保持更深入的思考，抓住技术背后不变的东西，才能以不变应万变。
从古至今，现实负责让我们无奈，娱乐负责让我们开心，但通过增强现实和相关技术，游戏和娱乐将会越来越多的来到现实里，让生活和工作变得充满新奇，让人们更加开心和方便。所以，像一个孩子一样，张开你想象力的翅膀，重拾你的好奇心，迎接未来那个有趣的时代吧！
