Vive Pro Eye + Unity 2021：一个毕业生的VR眼动数据采集实战（附避坑代码）-开发者社区

Vive Pro Eye + Unity 2021：一个毕业生的VR眼动数据采集实战（附避坑代码）

当VR设备遇上眼动追踪技术，一场关于人类注意力研究的革命正在悄然发生。作为一名教育学研究者，我最初接触Vive Pro Eye时，完全没预料到这套设备会成为我毕业论文的核心工具。在实验室角落里积灰的VR头盔，经过一年的折腾，最终变成了一个能够精确记录受试者视线轨迹的数据采集系统。这篇文章将分享我从零开始搭建VR眼动追踪系统的完整历程，包括那些让我熬了无数个夜晚的"坑"和最终找到的解决方案。

1. 环境搭建：版本选择的艺术

选择正确的开发环境版本，往往是项目成功的第一步。在VR开发领域，版本兼容性问题比普通软件开发更加棘手。经过多次尝试，我确定了以下配置组合：

Unity 2021.3.19f1：这个LTS版本在VR开发中表现稳定
SteamVR 2.7.3：必须与Unity版本匹配
SRanipal Runtime SDK 1.3.3.0：关键的眼动追踪组件

注意：SRanipal SDK 1.6.x版本存在严重兼容性问题，务必使用1.3.3.0版本

配置过程中最令人头疼的是SDK版本问题。Vive官方已经转向OpenXR，但国内相关资料匮乏。以下是几个关键检查点：

确保SteamVR正常运行并能识别头显
安装SRanipal Runtime（非Unity包）到系统
在Unity中导入SRanipal SDK插件包

// 简单的环境检查代码 if(!SRanipal_Eye_Framework.Instance.EnableEye) { Debug.LogError("眼动追踪未启用，请检查SDK安装"); return; }

2. 核心代码改造：从Demo到数据采集

SRanipal SDK自带的EyeSample场景只能展示基础功能，要获取原始数据必须对GazeRaySample.cs进行深度改造。我的目标是获取以下数据：

3D凝视点坐标
瞳孔直径（左/右）
睁眼程度（0-1标准化值）
时间戳

改造后的核心代码如下：

// 新增数据记录功能 private void UpdateGazeData() { pupilDiameterLeft = eyeData.verbose_data.left.pupil_diameter_mm; pupilDiameterRight = eyeData.verbose_data.right.pupil_diameter_mm; pupilPositionLeft = eyeData.verbose_data.left.pupil_position_in_sensor_area; pupilPositionRight = eyeData.verbose_data.right.pupil_position_in_sensor_area; eyeOpenLeft = eyeData.verbose_data.left.eye_openness; eyeOpenRight = eyeData.verbose_data.right.eye_openness; // 写入文件 dataWriter.WriteLine($"{Time.time},{pupilDiameterLeft},{pupilDiameterRight},{ eyeOpenLeft},{eyeOpenRight}"); }

数据存储格式采用CSV，便于后续分析：

时间戳,左瞳孔直径,右瞳孔直径,左眼睁眼程度,右眼睁眼程度 0.125,3.82,3.79,0.92,0.91 0.251,3.81,3.80,0.93,0.92

3. 视频录制：双摄像机的陷阱

为满足研究需求，必须同时记录两种视角：

第一人称视角（玩家实际看到的画面）
全局固定视角（用于生成热点图）

Unity的多摄像机系统有个隐藏陷阱：

参数	错误配置	正确配置
Depth值	相同	主相机0，副相机1
Clear Flags	都设为Solid Color	主相机设为Skybox
Culling Mask	相同	按需区分

配置不当会导致画面闪烁或其中一个摄像机完全不渲染。正确的设置流程：

创建两个摄像机
主相机Depth设为0，副相机Depth设为1
主相机Clear Flags设为Skybox
副相机Clear Flags设为Depth Only

// 摄像机初始化代码 mainCam.depth = 0; mainCam.clearFlags = CameraClearFlags.Skybox; overviewCam.depth = 1; overviewCam.clearFlags = CameraClearFlags.DepthOnly;

4. 数据分析：从原始数据到科学发现

采集到的原始数据需要经过处理才能用于分析。我开发了Python脚本来实现：

注视点识别：连续凝视同一区域超过200ms视为注视点
AOI分析：通过物体标签识别兴趣区域
热点图生成：使用OpenCV进行可视化

# 注视点识别算法核心 def detect_fixations(data, threshold=0.1, min_duration=0.2): fixations = [] current_start = None last_point = None for timestamp, x, y, z in data: if last_point is None: last_point = (x,y,z) current_start = timestamp continue distance = math.sqrt((x-last_point[0])**2 + (y-last_point[1])**2 + (z-last_point[2])**2) if distance > threshold: duration = timestamp - current_start if duration >= min_duration: fixations.append((current_start, timestamp)) current_start = timestamp last_point = (x,y,z) return fixations