雖然許多注意力一直集中在虛擬現實應用程序的預測跟蹤上,它對于增強現實技術方面也是非常重要的。舉例來說,如果你要顯示一個圖形覆蓋，使其出現在你通過增強現實眼鏡看到的物體的上方,非常重要的一點是保證疊加物在你轉頭時位置不變。觀察對象能夠被相機識別,但相機需要一些時間來捕捉幀,處理器需要確定對象在框架中的位置，圖形芯片要呈現新的覆蓋。通過使用預測跟蹤,你可以更好的記錄覆蓋圖像和物理對象。

　　如果你了解更多關于被追蹤的個體的信息，也可以提高預測精度。例如，當進行頭部跟蹤時,了解轉頭最快的速度和一般狀態下的速度,可以提升跟蹤模型。同樣,如果你做眼部跟蹤,你可以使用眼球追蹤信息預測這篇文章中討論到的頭部運動，

　　感應延遲。傳感器(如陀螺儀)可能是帶寬受限的，因而無法立即報告方向或位置變化。同樣,基于相機的傳感器可能出現延遲，通常在相機傳感器上的像素接收到跟蹤對象的光線到框架發送到主機處理器之間這段時間里。

　　在單一屏幕布局時---如手機屏幕---為雙眼提供圖像,通常情況下, 相對于另一只眼睛，映入在一只眼睛只有半幀(例如1/60秒的一半,大約8毫秒)。在這種情況下,最好給延遲的另一半屏幕使用提前8毫秒的預測跟蹤。

　　航跡推算。這是一個非常簡單的算法:如果位置和速度(或角位置和角速度)在給定的時間內是已知的，預測位置假設最終位置和速度是正確的,而且速度是相同的。例如,如果最后已知位置是100個單位,最后一個已知的速度是10單位/秒,因而未來10毫秒(0.01秒)內的預測位置100 + 10 x 0.01 = 0.01。雖然計算很簡單,但它假定的是過去的位置和速度是準確的(例如,忽略各種噪音)且速度是恒定的。而這兩個假設往往是不正確的。

　　alpha-beta-gamma。ABG預測器與卡爾曼預測器密切相關,但并不是很通用且數學程式簡單。我們可以從較高層面解釋一下。ABG不斷試圖估計速度和加速度并使用這些數值進行預測。由于這些估測將實際數據考慮在內所以一些測量上的誤差減少了。配置參數(,和)增強了反應與降噪能力。如果你想了解一下,請看這里: