1. 《Apple Patent | Devices And Methods For Measuring Using Augmented Reality（苹果专利：利用增强现实进行测量的设备和方法）》
专利所述的电子设备以第一放大倍率显示摄像头视场，并根据摄像头检测到的变化更新显示视场。视场包括三维空间的视图。响应于第一触控输入，设备在与视场中的第一位置添加第一测量点;随着摄像头的移动，设备在第一位置显示测量点;响应于第二触控输入，在视场中的第二位置添加并显示第二测量点;显示连接第一测量点和第二测量点的第一测量段。
2. 《Apple Patent | Method And System For Determining Spatial Coordinates Of A 3d Reconstruction Of At Least Part Of A Real Object At Absolute Spatial Scale（苹果专利：以绝对空间比例确定真实对象最少一部分的3D重建的空间坐标的方法和系统）》
专利描述的方法包括以下步骤：接收包括至少一部分的第一图像信息。使用第一摄像头捕获第一真实对象，包括使用第三摄像头捕获的第一真实对象至少一部分的第三图像，包括使用第二摄像头捕获第二真实对象至少第一部分的第二图像，以及包括使用第四摄像头捕获第二真实对象至少第二部分的第四图像。
3. 《Oculus Patent | Handheld Controller With Spring-Biased Third Finger Button Assembly（Oculus专利：带有弹簧偏置的三指按钮组件的手持式控制器）》
专利描述了一种具有弹簧偏置的三指按钮抓握检测的手持式控制器。手持控制器可以包括位于手柄上的三指按钮，并具有可枢转地连接到控制器主体的杠杆臂，从而允许三指按钮可在下压位置和释放位置之间移动。
4. 《Magic Leap Patent | Patterning Of High Refractive Index Glasses By Plasma Etching（Magic Leap专利：通过等离子刻蚀对高折射率玻璃进行刻蚀）》
专利描述了用于在高折射率玻璃基板中形成图案的等离子体蚀刻工艺。等离子体蚀刻工艺可以包括化学和物理蚀刻组件。
5. 《Magic Leap Patent | Dithering Methods And Apparatus For Wearable Display Device（Magic Leap专利：穿戴式显示装置的抖动方法和装置）》
专利描述的设备包括具有第一光栅结构的耦入光栅，以及具有第二光栅结构的扩展光栅。第二光栅结构配置为接收来自耦入光栅的光线。所述设备同时包括具有第三光栅结构的耦出光栅。耦出光栅配置为接收来自扩展光栅的光线并将光线输出到用户。
6. 《Magic Leap Patent | Methods And Systems For Performing Optical Coherence Tomography（Magic Leap专利：用于执行光学相干层析成像的方法和系统）》
专利描述了用于卫生系统和各种医疗保健应用的配置，如用于患者诊断，监测和/或治疗。所述的健康系统可包括：光产生模块，其用于将光或图像传输给用户;一个或多个传感器，用于检测用户身体的生理参数，包括他们的眼睛;以及处理电路，其用于分析输入并确定一种或多种健康状况或缺陷。
7. 《Magic Leap Patent | Three Dimensional Virtual And Augmented Reality Display System（Magic Leap专利：三维虚拟现实和增强现实显示系统）》
系统可以包括选择性透明的投影设备，并从相对于用户眼睛的空间中的投影设备位置向用户眼睛投射图像，所述投影设备在不投影图像时保持基本透明的状态;所述系统同时可以包括遮挡掩模设备，其耦合至投影设备，并配置成以与投影设备投影图像相关联的遮挡图案;所述系统同时可以包括边界板衍射图案形成设备，其位于用户眼睛和投影设备之间，并且配置成致使来自投射设备的光线在行进至眼睛时通过具有可选几何形状的衍射图案。
8. 《Magic Leap Patent | Neural Network For Eye Image Segmentation And Image Quality Estimation（Magic Leap专利：用于眼睛图像分割和图像质量估计的神经网络）》
专利描述了用于眼睛图像分割和图像质量估计的系统和方法。一方面，在接收到眼睛图像之后，诸如增强现实设备之类的设备可以使用具有合并架构的卷积神经网络来处理眼睛图像，并生成分割的眼睛图像和眼睛图像的质量估计。分割的眼睛图像可以包括背景区域，巩膜区域，虹膜区域或瞳孔区域。在另一方面，具有合并架构的卷积神经网络可以接受训练并用于眼睛图像分割和图像质量估计。在另一方面，所述设备可以使用分割后的眼睛图像来确定眼睛轮廓，例如瞳孔轮廓和虹膜轮廓。