rgbd slam_深度感知摄像头

大家好，又见面了，我是你们的朋友全栈君。

‘’工欲善其事必先利其器‘’我们先从能够获取RGBD数据的相机开始谈起。首先我们来看一看其分类。 一、根据其工作原理主要分为三类： 1. 双目方案： （1） 原理： http://blog.csdn.net/shenziheng1/article/details/52883536 （2）产品： ZED：https://www.stereolabs.com/ Tango：http://www.androidcentral.com/tango/home 2. 结构光方案 （1） 原理： http://blog.sina.com.cn/s/blog_6ca5ea9f0101dt9j.html （2）产品： 微软Kinectv1：https://www.microsoft.com/enus/download/details.aspx?id=28782 http://www.k4w.cn/news/8.html 华硕xtion： https://www.asus.com/3D-Sensor/Xtion_PRO/ 3. TOF方案： （1） 原理： http://www.cnblogs.com/freshmen/p/4818196.html http://www.cnblogs.com/freshmen/p/5041197.html （2）产品： 微软Kinectv2： https://www.microsoft.com/en-us/download/details.aspx?id=44561 http://www.k4w.cn/news/1.html

开发博客：http://blog.csdn.net/jiaojialulu/article/details/53087988

英特尔RealSense系列： https://software.intel.com/zh-cn/realsense/get-started?language=fr HEPTAGON：http://hptg.com/ PMD：http://www.pmdtec.com/

二、关键技术参数： 1.检测范围；2.检测精度；3.检测角度；4.帧率；5.模块大小；6.功耗 目前的主流摄像头在检测范围、检测精度和检测角度等都相差不大，主要区别在于： 1、结构光方案优势在于技术成熟，深度图像分辨率可以做得比较高，但容易受光照影响，室外环境基本不能使用； 2、TOF方案抗干扰性能好，视角更宽，不足是深度图像分辨率较低，做一些简单避障和视觉导航可以用，不适合高精度场合。受环境影响小，传感器芯片并不成熟，成本很高，实现量产困难。 3、双目方案，成本相对前面两种方案最低，但是深度信息依赖纯软件算法得出，此算法复杂度高，难度很大，处理芯片需要很高的计算性能，同时它也继承了普通RGB摄像头的缺点：在昏暗环境下以及特征不明显的情况下并不适用。

三种方案对比：

这里写图片描述

三、总结： 1.双目方案：最大的问题在于实现算法需要很高的计算资源，导致实时性很差，而且基本跟分辨率，检测精度挂钩。也就是说，分辨率越高，要求精度越高，则计算越复杂，同时，纯双目方案受光照，物体纹理性质影响。 2.结构光方案：目的就是为了解决双目中匹配算法的复杂度和鲁棒性问题而提出，该方案解决了大多数环境下双目的上述问题。但是，在强光下，结构光核心技术激光散斑会被淹没。因此，不合适室外。同时，在长时间监控方面，激光发射设备容易坏，重新换设备后，需要重新标定。 3.TOF方案：传感器技术不是很成熟，因此，分辨率较低，成本高，但由于其原理与另外两种完全不同，实时性高，不需要额外增加计算资源，几乎无算法开发工作量，是未来。

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/192221.html原文链接：https://javaforall.cn