Technologia zastosowanaa w Kinect narodziła się w laboratoriach wojskowych. Izraelska firma PrimeSense na potrzeby wojska stworzyła układ obróbki obrazu, który za pomocą kamery był w stanie ustalić rozmiary pomieszczenia i dokładnie określić pozycje umieszczonych w nim osób. W ten sposób powstał PrimeSensor – serce nowego ruchowego kontrolera Microsoftu.
Opracowana technologia pozwala śledzić i na bieżąco analizować ruchy osób (maksymalnie 6 naraz), znajdujących się w zasięgu kamery. Przypomina to nieco sesje motion-capture, ale na znacznie mniejszą skalę i przy pomocy skromniejszych środków. Według głównych założeń do właściwej identyfikacji monitorowanego obszaru wymagany jest emiter światła podczerwonego oraz sensor potrafiący odczytać jakiekolwiek zmiany otoczenia. Układ ten potrafi śledzić obiekty oddalone od czujnika od 0,8 do 3,5 metra z dokładnością do 1 cm. Obecnie jednak wartości te pozostają jedynie na papierze.
Mimo że PrimeSense cały czas pracuje nad swoim wynalazkiem, Kinect jest jedyną działającą platformą wykorzystującą tę technologię. Dostosowując ów patent do potrzeb Xboksa, 360 Microsoft wprowadził sporo innowacji. Oprócz emitera światła podczerwonego i kamerki monochromatycznej umożliwiającej wykrywanie głębi pola dodano kamerę RGB służącą do rozpoznawania obrazu i sylwetek użytkowników. Co ciekawe, kamerki zostały wyposażone w duże soczewki i autofocus. Dzięki temu możliwa jest nie tylko obserwacja pomieszczenia, ale również i nagrywanie tego co dzieje się przed sensorem.
Emiter podczerwieni, którego rolę pełni chłodzony ogniwem Peltiera laser o niewielkiej mocy (klasa 1) wysyła wiązkę światła poprzez umieszoną przed nim siatkę dyfrakcyjną. Dzięki temu pomieszczenie, w którym umieszczony jest sensor rozświetlone zostaje tysiącami święcących punkcików służących do obliczania odległości od obiektu. Intensywność światła i wzajemne ustawienie punktów wobec siebie są w tym przypadku kluczowe dla prawidłowego określenia położenia obiektu w trójwymiarowej przestrzeni. Tym właśnie zajmuje się monochromatyczna kamerka umieszczona w Kinect oraz układ PrimeSensor.
Efekt pracy emitera podczerwieni
Rozwiązanie to ma jednak swoje wady. Po pierwsze w ten sposób nie da się uzyskać dużej dokładności śledzenia ruchów poszczególnych elementów ciała człowieka. Im dalej znajduje się obserwowany obiekt, tym mniejsza wydaje się precyzja działania sensora. Po drugie – w ten sposób gromadzona jest ogromna ilość danych. Dlatego Microsoft tworząc własne oprogramowanie zarządzające Kinectem skupił się na 48 ściśle określonych punktach na ciele gracza. To one są śledzone na bieżąco i to ich analiza pozwala przenieść nasze ruchy na trójwymiarowy model prowadzonego przez nas awatara.
Zebrane w ten sposób dane przesyłane są do układu PrimeSense, który zajmuje się jedynie ich wstępnym przetwarzaniem. Reszta pracy zależy od procesora konsoli, gdzie wysyłane są skondensowane informacje o trójwymiarowej mapie obserwowanego pomieszczenia oraz jego kolorowy obraz. Microsoft zdecydował się ograniczyć koszty, eliminując z konstrukcji urządzenia osobny procesor, który miał zajmować się pełną analizą i przetwarzaniem danych.
Ciekawostka
Pierwsze informacje o nowym kontrolerze Microsoftu pojawiły się podczas targów E3 w 2008 roku. Zaprezentowana wówczas niezwykle obiecująca technologia pozwalająca samemu stać się kontrolerem nazwana została Project Natal. Określenie to bardzo szybko trafiło do graczy, stając się synonimem tajemniczego urządzenia mającego zrewolucjonizować świat gier. 14 czerwca 2010 roku Project Natal przeszedł do historii, a narodził się Kinect.
Zdaniem Microsoftu zmiana nazwy była konieczna dla lepszego dotarcia do właściwej grupy docelowej, do której tak naprawdę kierowany jest nowy kontroler. O ile bowiem o Project Natal słyszeli przede wszystkim zapaleni gracze z zainteresowaniem śledzący wydarzenia w branży gier, o tyle zwykli „zjadacze chleba” określani mianem niedzielnych graczy (casual players) nie wiedzieli nic o szykowanej rewolucji Microsoftu. Nowa marka - Kinect - pozwoliła na gigantyczną kampanię reklamową jednoznacznie ukierunkowującą skojarzenia z rodzinną zabawą przed telewizorem.