虽然许多注意力一直集中在虚拟现实应用程序的预测跟踪上,它对于增强现实技术方面也是非常重要的。举例来说,如果你要显示一个图形覆盖，使其出现在你通过增强现实眼镜看到的物体的上方,非常重要的一点是保证叠加物在你转头时位置不变。观察对象能够被相机识别,但相机需要一些时间来捕捉帧,处理器需要确定对象在框架中的位置，图形芯片要呈现新的覆盖。通过使用预测跟踪,你可以更好的记录覆盖图像和物理对象。

　　如果你了解更多关于被追踪的个体的信息，也可以提高预测精度。例如，当进行头部跟踪时,了解转头最快的速度和一般状态下的速度,可以提升跟踪模型。同样,如果你做眼部跟踪,你可以使用眼球追踪信息预测这篇文章中讨论到的头部运动，

　　感应延迟。传感器(如陀螺仪)可能是带宽受限的，因而无法立即报告方向或位置变化。同样,基于相机的传感器可能出现延迟，通常在相机传感器上的像素接收到跟踪对象的光线到框架发送到主机处理器之间这段时间里。

　　在单一屏幕布局时---如手机屏幕---为双眼提供图像,通常情况下, 相对于另一只眼睛，映入在一只眼睛只有半帧(例如1/60秒的一半,大约8毫秒)。在这种情况下,最好给延迟的另一半屏幕使用提前8毫秒的预测跟踪。

　　航迹推算。这是一个非常简单的算法:如果位置和速度(或角位置和角速度)在给定的时间内是已知的，预测位置假设最终位置和速度是正确的,而且速度是相同的。例如,如果最后已知位置是100个单位,最后一个已知的速度是10单位/秒,因而未来10毫秒(0.01秒)内的预测位置100 + 10 x 0.01 = 0.01。虽然计算很简单,但它假定的是过去的位置和速度是准确的(例如,忽略各种噪音)且速度是恒定的。而这两个假设往往是不正确的。

　　alpha-beta-gamma。ABG预测器与卡尔曼预测器密切相关,但并不是很通用且数学程式简单。我们可以从较高层面解释一下。ABG不断试图估计速度和加速度并使用这些数值进行预测。由于这些估测将实际数据考虑在内所以一些测量上的误差减少了。配置参数(,和)增强了反应与降噪能力。如果你想了解一下,请看这里: