作为美妆产品零售店的丝芙兰，推出了一款产品让用户可以通过前置摄像头试用化妆品，只需在App内点选化妆品，不同的妆面效果就能通过AR技术呈现在面孔之上。如果对化妆品满意，直播，还可以直接在App内下单。

试妆技术的原理和大部分特效相机一样，人脸定点识别+边缘融合，就能让用户的面孔和种种特效完美结合。但实际上，由于光线、手机像素等等影响，所谓的化妆品试用很难和真正的试妆媲美，噱头远大于实用性。但对于丝芙兰这样的老牌零售来说，不失为一种够新潮的营销玩法。

同理，首饰试戴、服装试穿等等应用场景都有待挖掘，只不过技术没有人脸定点那么成熟。

案例之宜家互动产品目录

早在2013年，很多人还不知道AR为何物时，宜家就推出了一款互动产品目录，打开摄像头就能看到家具在自己家中的样子。

对于在宜家店中看着样板间毫无头绪，或是缺乏空间想象能力人来说，这款产品简直就是大救星。单独从这款产品看来，AR+家居还有不少局限性，比如不能合理比对尺寸，只能从外观上感受搭配，而不是帮助用户参考家具的大小是否合适。

但很多类似产品已经拥有了虚拟空间设计的功能，通过手机镜头“测量”出房间的尺寸，为家具购买提供参考。不过这样的功能依赖于深度传感器，也是下文会提到的，对AR未来发展十分重要的技术之一。

可以看出AR的应用场景本该是多种多样的，可我们见到的最成熟的AR应用却还是自拍和游戏。其中在AR的理想和现实之间，差的还是技术。

现在AR应用到最多的技术就是LSB、图像识别（其中大部分还是简单的人脸定点识别）和边缘融合。在本质上，开奖，这几种技术最多能做到图像（视频）和图像的简单结合。

改变这一现状所要倚仗的技术有两种，一是上文提到的深度传感器，二是即时定位于地图构建，也就是我们常说的SLAM。

深度传感器，是让摄像头进化为“眼睛”的重要一步。

镜头成像一直存在于像素、感光这些二维层面，不像生物拥有3D识别能力。于是AR想实现定位，就只能靠LBS和图像识别。而深度传感器，就是利用其他信号传输方式来获知周围环境。

目前常见的深度传感器技术是TOF（Time of flight），直译过来是飞行时间，原理是给目标续发送光脉冲，然后用传感器接收从物体返回的光，通过光脉冲往返的时间计算传感器和目标物体的距离，从和获得物体之间的位置关系。

早在四五年前，各大厂商就开始着手收购深度传感器公司或自行研发，一直致力于如何减少传感器功耗和体积。比如苹果就在2013收购了以色列传感器公司 PrimeSense，同年，谷歌也为深度传感器项目“Project Tango”立项，意图利用传感器和摄像头对室内进行3D建模。

微软已经在体感设备Kinect上进行过相关的尝试，利用“距离”、“位置”等概念优化体感游戏的体验。

总之，深度传感器在移动端上的普及离我们越来越近。有大量传闻称iPhone8中将搭载深度传感器，以配合更多AR相关功能。

至于SLAM，则真正的让摄像头“理解”环境。

SLAM其实是一个机器人领域的名词，指的是机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图，实现机器人的自主定位和导航。

听起来很复杂，其实扫地机器人第一次启动时，如何在家里走一遍后就制定了清扫路线，就是一个简单的SLAM过程。关键点就是解决定位和描绘周围环境。

SLAM在机器人、无人机等等领域都有丰富的应用，在AR领域中，凸显的是在无预处理场景下进行相机追踪。

也就是说，有了SLAM，AR不需LBS和识别图片，也能实现对周围3D环境的理解构建。举一个最简单的例子，如果我需要利用AR将一个卡通形象投射出去，普通的AR技术只能让卡通形象出现在画面的左上角，而SLAM则能让卡通形象出现在“我”的西北方。

现在对SLAM+AR用的最纯熟的当属HoloLens，随着头显方向的移动，AR视觉效果会相应出现，甚至在一些demo中，Hololens还能根据特征改变环境。如同图中显示，墙壁被改变成了地板的样子。