1. 数据集

   一系列 *.json 文件，每个文件中包含20轮实验数据，每轮数据：

   1. 以 {"round" : , "target" : } 开头，表示目标物体的世界坐标，深度 z 均为3

   2. 之后为每一帧的数据 {"t": , ...}

      t 表示与上一帧的时间差；

      headOri, headDir, gazeOri, gazeDir 分别表示头的位置、方向，视线的位置、方向；

      gazeX, gazeY, targetX, targetY 分别表示在以头为原点的局部坐标系下，视线和目标的方向，深度 z 均为1，（虽然这个数据可以通过前面的算出来，但是直接记下来比较方便）。

2. 目标

   预测注视点和目标物体的偏移，进行补偿

   令 y = gazePos - target

   `x1, x2,... = headPos, gazePos_{i-1}, ...?`
   

   求一个拟合的比较好的模型 y = f(x1, x2, ...)

   方法我比较倾向于 sklearn 里面的一些，比较好应用还好解释，不过直接深度学习也没啥问题