服务热线：021-51001615

中文

【技术文章】抬头显示器的视差与驾驶视觉安全

2025-11-28 09:31

原文：《Parallax of Head-Up Displays and Visual Safety for Driving》[1]

作者：Jun Song, Zihang Fan, Wei Xu, Zhengxin Ji, Yandan Lin

简介：平视显示器（HUD）是新颖的虚拟显示形式，其光学的特点一种结构是典型的双眼虚拟显示系统。这种结构表现出双眼视差对视觉感知的，尤其是当上显示多种深度信息时影响屏幕，眼睛会在不同的视差条件下切换，容易影响视觉任务的完成，诱发视觉疲劳。这项研究为 AR-HUD 中相邻显示图标之间的视差控制提供了参考。对视觉表现的影响程度研究通过模拟整体视差效应和屏幕上的阶跃变化，对视觉舒适度和任务性能进行了实验评估，确定二维虚拟显示系统（HUD）可接受的视差阈值，尤其是相邻位置的视差阈值，以优化 AR-HUD 的设计，提高驾驶安全性。

关键词：Automobile lamp; heat-resistant analysis, temperature prediction, machine learning

编译：复旦大学林燕丹课题组郭子固

指导：林燕丹

应用场景

在日常交通环境中，视觉疲劳和视觉任务表现是对行车安全造成严重威胁的重要因素之一。由于视觉疲劳不仅影响驾驶员的专注度和信息处理能力，而且可能导致驾驶过程中的误判和延迟反应，因此迫切需要一种能够有效控制视觉疲劳并优化视觉任务表现的技术手段。在AR-HUD显示中，视差是容易被忽略的一种现象，但是视差也是引起视觉疲劳的重要因素，在AR-HUD设计与质量管控中，需要对视差进行合理的设计和阈值的管控。从而有效降低因视觉疲劳导致的交通事故风险。

研究目标

研究目标是通过实验评估抬头显示器（HUD）中视差对视觉疲劳和任务表现的影响，确定在二维虚拟显示系统中可接受的视差阈值，特别是在相邻位置之间的阶梯视差。研究旨在为HUD设计提供参考，尤其是在增强现实HUD（AR-HUD）中，控制相邻显示图标之间的视差，以提高驾驶安全性和视觉舒适性。此外，研究还探讨了阶梯视差与视觉表现错误率之间的关系，并建立了一个模型来预测水平阶梯视差对虚拟显示中视觉表现的影响程度。通过这些研究，论文旨在为HUD的设计和优化提供科学依据，从而提升驾驶体验和安全性。

研究方法

本研究采用实验设计，深入探究抬头显示器（HUD）中视差对视觉疲劳和任务表现的影响。

表1 自变量与因变量的数据集描述

实验采用了 D2测试任务，这是一种常用的注意力测试任务，用于评估参与者的视觉任务表现，如图1所示。参与者在投影的图像上使用鼠标完成D2任务，任务内容包括识别和选择特定的字母或符号。D2任务的评估指标包括：

TN-E：总得分减去错误得分。E1：遗漏错误率（未识别出目标）。E2：违规错误率（错误识别非目标）。CP：集中度（反映参与者的注意力集中程度）。FR：波动率（反映参与者注意力的波动情况）。主观疲劳评估：在每次视觉任务完成后，参与者填写了两份主观疲劳问卷：VAS-F（视觉模拟疲劳量表）：用于评估参与者的疲劳程度。VFS（Heuer视觉疲劳量表）：用于评估参与者的视觉疲劳感受。问卷的得分越高，表示参与者的视觉疲劳程度越高。

图1 实验内容

图2 实验现场

实验流程：实验分为四个阶段进行，每个阶段分别完成一种视差类型下的所有条件测试，并覆盖被试。每个阶段中，七种视差条件以随机顺序呈现。实验开始前，受试者需进行20分钟的暗适应，随后进入视觉任务环节。视觉任务完成后，受试者需填写主观问卷调查。每完成一个视差条件的测试后，受试者休息10分钟，再进入下一个视差条件的测试，实验现场如图2所示。实验流程示意图如图3所示。实验中采用视觉任务作为D2测试任务，以同时评估受试者的任务表现。在每种视差条件下，受试者通过鼠标操作完成投影图像的视觉任务。任务结束后，受试者需立即填写主观疲劳问卷，包括用于评估疲劳严重程度的视觉模拟量表（VAS-F）以及豪雅主观视觉疲劳量表（VFS）。

图3 实验流程

实验结论

如在视觉疲劳的主观评估中，将 VAS-F 和 VFS 的单项得分之和作为疲劳评估的总分，得分越高表示疲劳越严重。图4显示了主观问卷的视觉疲劳分析结果。图4a 显示了 VAS-F 评估得分的趋势，图4b 显示了 VFS 评估得分的趋势；当总体视差为 3.31 mrad 时，两者的疲劳得分都最小。

图 4 总体视差条件下的 VAS-F 和 VFS 问卷得分趋势

图5a 显示了 VAS-F 评估得分的趋势，图5b 显示了 VFS 评估得分的趋势；当阶梯视差为 0.85 mrad 时，两者的疲劳得分都最小。这一结果表明，根据 VAS-F 和 VFS 分数，较低时的疲劳度最高。较低视差优于无视差条件，这表明在某些条件下水平视差可以改善视觉舒适感，但并没有显示出显著差异。

图5 阶跃视差条件下 VAS-F 和 VFS 问卷得分的趋势

图6进一步分析了各阶跃视差变化汇总的变异性。变异性分析表明，在 4.05 mrad 和 4.65 mrad 的阶跃视差条件下，与视差值小于这些条件的 TN-E、CP、E1 和 E2 评估指标之间存在显著差异。此外，还出现了任务表现下降的趋势。这一结果表明，两种阶跃条件对视觉任务有显著影响。由于视觉任务的常规视觉方向是水平方向从左到右，图像在水平方向上相邻位置之间的视差会使眼睛频繁进行辐辏调整，从而影响视觉舒适度和视觉表现。D2 任务的总成绩和错误率表现出较为明显的变异性和变化趋势。此外，利用总成绩和错误率变化趋势的中位数对单因素变化趋势进行拟合，得到了指数关系的拟合函数。

图6 水平视差条件下 D2 测试任务总成绩和错误率的变化趋势

在本实验的四种视差变化中，整体水平和垂直视差对主观疲劳感知和D2任务表现均未产生显著差异。然而，较小视差条件下的视觉舒适感最佳，尤其是水平视差的效果最为明显，这与HUD视差设计的相关研究一致。研究发现，最佳水平视差为3.31 mrad，低于传统3D显示屏的最佳值，这可能与二维显示屏的中间力处于同一视差水平有关，减少了眼睛的焦点调整频率，从而降低了视觉疲劳。在阶梯水平视差测试中，相邻位置的视差越大，任务表现越差，尤其是当阶跃视差超过3.31 mrad时，差异显著。这表明阶跃视差会迫使眼睛在不同水平面上频繁切换焦点，增加视觉辐辏调整频率，加剧视觉疲劳。因此，AR-HUD屏幕中相邻位置的水平视差应控制在较小范围内，以避免影响信息读取效率并减少视觉疲劳。

由于视觉任务的常规视觉方向是水平方向从左到右，图像在水平方向上相邻位置之间的视差会使眼睛频繁进行辐辏调节，从而影响视觉舒适度和视觉表现。D2 任务的错误率表现出较为明显的变异性和变化趋势。此外，利用总成绩和错误率变化趋势的中位数对单因素变化趋势进行拟合，得到了指数关系的拟合函数。图7显示了 D2 性能测试中总分 TN-E 与水平阶梯变化趋势之间的拟合效果。拟合相关系数为 R2 = 0.99，大于 0.8，拟合结果被接受。拟合曲线方程为y=y₁+A_1e^x/t1

图7 D2 任务总体表现的拟合趋势与视差步长值的比较

图8显示了 D2 性能测试遗漏误差率 E1 与样本水平阶跃变化趋势的拟合关系。拟合相关系数为 R2=0.98，大于 0.8，拟合结果可接受。拟合曲线公式y=y₂+A_2e^x/t2

图 8 在 D2 任务中，遗漏错误率与视差步长值的拟合趋势比较

通过函数拟合，阶跃视差与D2任务得分的关系可进一步量化，为HUD视差设置提供了计算方法参考，有助于提高驾驶员任务表现和驾驶安全性。未来可进一步验证该模型并开发数学标识符以量化研究成果。

进一步分析垂直视差整体均匀和阶跃变化的结果，主观疲劳问卷分析结果见图9和 10。同样，发现主观量表疲劳评分没有明显差异。对于整体视差，在 VAS-F 评估得分中，当整体视差为 2.24 mrad 时，其疲劳得分最小，如图 9a 所示。但在 VFS 评估中，视差增加的同时整体视觉疲劳得分也增加了，如图 9b 所示。这表明视差的增加会影响视觉疲劳的整体感觉。然而，对于阶梯视差的增加，如图 10a、b 所示，视觉疲劳得分总体上相对平缓，没有显著趋势。

图9 不同视差条件下 VAS-F 和 VFS 疲劳评估分数的变化趋势

图 10 垂直视差阶跃变化的视觉疲劳评分误差趋势垂直视差阶跃变化的视觉疲劳分数.误差趋势

分析了垂直视差整体均匀和阶跃变化的结果，主观疲劳问卷分析结果见图9和 10。同样，发现主观量表疲劳评分没有明显差异。对于整体视差，在 VAS-F 评估得分中，当整体视差为 2.24 mrad 时，其疲劳得分最小，如图 9a 所示。但在 VFS 评估中，视差增加的同时整体视觉疲劳得分也增加了，如图 9b 所示。这表明视差的增加会影响视觉疲劳的整体感觉。然而，对于阶梯视差的增加，如图 10a、b 所示，视觉疲劳得分总体上相对平缓，没有显著趋势。

图11 不同垂直视差阶跃变化条件下总成绩和注意力的变异性分析结果

对集中度和波动度进行了两两比较，其差异如图11所示。在 4.05 mrad 的阶跃视差条件与 0、0.53 和 1.71 mrad 的阶跃视差条件之间，两个评价指标都有显著差异；但在≥ 2.24 mrad条件下，没有发现显著差异。在 4.05 mrad 的阶跃视差条件下，浓度和挥发性的结果都最差。作为最大可接受阶跃垂直视差的参考，2.24 mrad 被用作显著差异的临界值。

可以发现，阶梯垂直视差对视觉疲劳和D2任务表现的影响较小，但当阶跃视差达到2.24 mrad时，浓度（CP）和波动比（FR）出现显著差异。垂直视差可能导致眩晕、像差和重影，个体差异较大，因此相邻位置的垂直视差也应控制在可接受范围内。

主要结论

在本研究中，通过实验模拟了在 AR-HUD 的相应视角下视差对视觉疲劳和任务表现的影响。实验结果表明，在显示屏幕上均匀分布一定的视差对视觉疲劳和任务表现的影响不大，而较小的水平视差则能改善视觉。，只需在初始状态下完成视觉融合和视觉会聚调整。当显示屏上相邻位置之间存在视差差异，即阶梯视差时，会对视觉任务的产生显著影响。水平阶梯视差会增加视觉会聚调整的频率，降低视觉表现；垂直阶梯视差会增加视觉整合的难度，带来眩晕等感觉。此外，还观察到水平阶梯视差与视觉表现错误率之间存在指数变化关系，该公式可用于预测虚拟显示中水平阶梯视差对视觉表现的影响程度。本研究为 AR-HUD 中相邻显示图标之间的视差控制提供了参考。

文

献

来

源

[1]Song J, Fan Z, Xu W, et al. Parallax of Head-Up Displays and Visual Safety for Driving[J]. Applied Sciences, 2023, 13(24): 13189.

-END-

↑点击直接报名↑

推荐阅读：

1）【技术文章】BSDF 、BTDF、BRDF 基础知识

2）成像领域新利器——认识高光谱相机

3）成像领域新利器——高光谱相机应用案例

4）Specim在垃圾分类领域的应用

5）Specim在医疗应用上的解决方案

6）【光学设计】TracePro 的开创性功能：杂散光分析仪

7）【实例讲解】蒙特卡洛公差分析--在 TracePro 的3D交互优化器

8）【光健康】从阅读台灯到生物节律高清阅读台灯

9）【人因照明】乐刚：大健康生态下的追光人

关于我们

上海复瞻智能科技有限公司是专精特新企业，高新技术企业。依托复旦大学电光源研究所专家团队在视觉光健康方面的多年研究成果。在光环境工程、光学检测校准、光学设计与仿真，人因工程研究、行业标准研制及认证、图像算法开发等方面提供专业产品和服务。

公司与中国国际汽车照明论坛（IFAL），上海市智能视觉人因工程专业技术服务平台，复旦大学人因照明与颜色科学实验基地，复旦临港产业化创新平台车辆人因光环境实验基地长期深度战略合作。

公司致力于为光品质、光健康的实施和评估，提供最权威的专业技术保障和服务平台。我们的使命是：让全人类用上安全、舒适、健康的光！

AR-HUD检测系统

上海复瞻智能开发的HUD检测系统，可实现HUD测试系统光学性能，成像质量，电气性能等多方面的自动化测试。满足HUD器件厂、HUD玻璃厂、 OEM厂商、在实验室对于HUD产品性能的评价，以及生产线对产品品质的管控。

光学设计软件

TracePro® 是一款享誉世界的用于光学设计，分析及优化光学和照明系统的几何光学软件。凭借其直观的CAD界面和诸如交互式优化器之类的强大功能，TracePro为用户提供了强大的光学设计环境，而且学习周期较短，从而加快了产品上市时间。

Specim 高光谱

高光谱成像技术是将传统的二维成像技术和光谱技术有机结合的技术,具有空间可识别性、超多波段、光谱分辨率高以及图谱合一等优点,可应用于大气、食品、药品安全检测等领域。快照式高光谱成像技术是高光谱成像技术的一种,该技术通过一次拍照即可获取目标二维空间和一维光谱的全部信息,具有成像速度快,可进行实时监测等突出优点。

联系我们

电话：+86-21-51001615

手机：+86 13501743070

邮箱：info@fulllightcn.com

地址：上海市虹口区松花江路2539号复旦科技园1号楼5层