这项工作的重点是简要讨论在虚拟或增强现实中使用智能手机传感器进行3D绘画的新概念。 进行这项研究的动机来自于使用我们智能手机中存在的不同类型的传感器(例如加速度计,陀螺仪,磁力计等)来跟踪虚拟现实中绘画的位置(例如Google Tilt Brush)的想法,但这种方法具有成本效益。 迄今为止,已经对有关估计位置,定位和跟踪的研究进行了全面的审查,以找到合适的算法,该算法将提供准确的结果,并且漂移误差最小。 研究了传感器融合,惯性测量单元(IMU),MEMS惯性传感器,基于卡尔曼滤波器的全局平移定位系统。 据观察,主要方法包括稳定性,随机偏差漂移,加速输出噪声,位置估计误差,鲁棒性或准确性,成本效益等问题。此外,运动不遵循物理定律,带宽,限制特性等问题。假设,还需要注意大空间的比例优化。 这种基于智能手机传感器的位置估计方法的优点包括更少的内存需求,非常快的操作,使其非常适合实时问题和嵌入式系统。 它们不受系统大小的影响,也可以有效地用于高维系统。 通过研究这些方法,可以观察到扩展的卡尔曼滤波器在跟踪过程中提供了最高的精度,同时减少了对过多硬件的需求。 当用于加速度传感器时,它可以提供更