计算机视觉|深度摄像头:一:深度了解深度摄像头计算机视觉|深度学习

目录
一.目的
1.想知道：深度了解深度摄像头
1.将其转载，避免作者删除，就没有了
二.参考
1.深度了解深度摄像头
1.可测深度摄像头TOF Camera 原理是什么？有哪些具体应用？
三.注意
四.操作:备份
一.目的

1.想知道：深度了解深度摄像头

1.将其转载，避免作者删除，就没有了

二.参考 1.深度了解深度摄像头 Sina Visitor System

百度百科

1.可测深度摄像头TOF Camera 原理是什么？有哪些具体应用？可测深度摄像头TOF Camera 原理是什么？有哪些具体应用？ - 知乎微软的Project Natal上摄像头为何没有在科研中广泛应用？请问监视摄像头运用这种技术岂不是可以更准确检…

文章图片
https://www.zhihu.com/question/26391866

第一代微软Kinect使用的是名为Light Coding（编码光）的结构光技术，该技术由PrimeSense公司提供。我们知道，当光投射到物体表面时，不可避免将出现畸变。因此，通过检测畸变光线，便能够获得关于物体的3D信息。而后通过算法分析处理，最终便能够获得一张完整的3D结构图。

2013年9月份，苹果公司以3.6亿美元正式收购了PrimeSense。

2013年，第二代微软Kinect正式上市。这一次，微软选择了ToF技术。

文章图片

三.注意

四.操作:备份 ??3D深度摄像头技术方案简析：
?
苹果将在新一代产品iPhone 8上使用前置3D深度摄像头的消息，让3D深度摄像头的概念进入了普通大众的视野。实际上，未来众多前沿领域的应用将越来越依赖深度摄像头，比如VR、机器人、安防、自动驾驶等，这也是为什么国际巨头都在布局于此的原因。前段时间本站报道了，华为在北京发布荣耀V9，是业内首款3D建模手机，用户可以通过激光对焦获得人脸数据，通过算法构建人像3D模型，进而通过预装的APP链接3D打印平台的各类消费需求。
?

文章图片

目前，3D深度摄像头已经渡过技术基础期，方向明确，将进入3－5年的成长期，未来将掀起3D传感器的浪潮。在这项技术引发革命前，我们先来简要了解一下。
【计算机视觉|深度摄像头:一:深度了解深度摄像头】?
什么是3D深度摄像头？
?
3D深度摄像头与普通摄像头的区别在于，除了能够获取平面图像，还可以获得拍摄对象的深度信息，也就是三维的位置和尺寸信息，于是整个计算系统就获得了环境和对象的三维立体数据，这些信息可以用在人体跟踪、三维重建、人机交互、SLAM等领域。
?
深度摄像头具备以下优点：
?
1）相对二维图像，可通过距离信息获取物体之间更加丰富的位置关系，即区分前景与后景；
?
2）深度信息依旧可以完成对目标图像的分割、标记、识别、跟踪等传统应用；
?
3）经过进一步深化处理，可以完成三维建模等应用；
?
4）能够快速完成对目标的识别与追踪；
?
5）主要配件成本相对低廉，包括CCD和普通 LED 等，对今后的普及化生产及使用有利；
?
6）借助 CMOS 的特性，可获取大量数据及信息，对复杂物体的姿态判断极为有效，无需扫描设备辅助工作。
?
3D深度摄像头采用的主流视觉技术
?
根据硬件实现方式的不同，目前行业内所采用的主流3D视觉技术有三种：结构光技术、飞行时间法（ToF）、双目多角立体成像。
?

文章图片

?
1）结构光（Structure Light）
?
通过激光的折射以及算法计算出物体的位置和深度信息，进而复原整个三维空间。结构光的代表产品有微软的Kinect一代。通过发射特定图形的散斑或者点阵的激光红外图案，当被测物体反射这些图案，通过摄像头捕捉到这些反射回来的图案，计算上面散斑或者点的大小，跟原始散斑或者点的尺寸做对比，从而测算出被测物体到摄像头之间的距离。
?
目前是业界比较成熟的深度检测方案，很多的激光雷达和3D扫描技术都是采用的结构光方案。不过由于以折射光的落点位移来计算位置，这种技术不能计算出精确的深度信息，对识别的距离也有严格的要求。而且容易受到环境光线的干扰，强光下不适合，响应也比较慢。
?

文章图片

?
典型的结构光方案包括：PrimeSense（微软Kinect1代）、英特尔RealSense（前置方案）。
?
2）飞行时间法（TIme of Flight）
?
TOF系统是一种光雷达（LIDAR）系统，可从发射极向对象发射光脉冲，接收器则可通过计算光脉冲从发射器到对象，再以像素格式返回到接收器的运行时间来确定被测量对象的距离。TOF系统可同时获得整个场景，确定3D范围影像。利用测量得到的对象坐标可创建3D影像，并可用于机器人、制造、医疗技术以及数码摄影等领域的设备控制。
?

文章图片

?
TOF方案的优点在于响应速度快，深度信息精度高，不容易受环境光线干扰，这些优点使其成为移动端手势识别最被看好的方案。代表厂商有微软（Kinect2代）、意法半导体、英飞凌、德州仪器等。
?
3）双目多角立体成像（MulTI－camera）
?
现在手势识别领域的佼佼者Leap MoTion使用的就是这种技术。它使用两个或者两个以上的摄像头同时采集图像，通过比对这些不同摄像头在同一时刻获得的图像的差别，使用算法来计算深度信息，从而多角三维成像。
?
Leap MoTion方案使用2个摄像机获得左右立体影像，该影像有些轻微偏移，与人眼同序。计算机通过比较这两个影像，就可获得对应于影像中物体位移的不同影像。该不同影像或地图可以是彩色的，也可以为灰阶，具体取决于特定系统的需求。
?

文章图片

?
双目多角立体成像方案的优点在于不容易受到环境光线的干扰，适合室外环境，满足7＊24小时的长时间工作要求，不易损坏。缺点是昏暗环境、特征不明显时不适合，目前应用在智能安防监控、机器人视觉、物流检测等领域。

文章图片

哪种技术最适合移动端？
?
综上，在主流的三种技术方案中，TOF方案响应速度快，深度信息精度高，识别距离范围大，不易受环境光线干扰，因此是移动端3D视觉比较可行也最被看好的方案；结构光方案由于技术较为成熟，工业化产品较多，也被部分厂商所采用；双目立体成像是比较新的技术，参与的厂商较少，更适合室外强光条件和高分辨率应用，目前主要应用在机器人视觉、自动驾驶等方面。
?
如文章开头所示，作为我们最为关注的移动端硬件——手机，尤其是苹果的功能提升，总会引发一场行业革命。苹果公司在iPhone7中使用了基于TOF原理的前置距离传感器（proximity sensor）。而在此之前，苹果的iPhone5和iPhone6s采用的都是LED＋光探测器的方案。从LED＋光探测器到TOF，表明移动端TOF方案在技术方面已经获得了巨大的进步。
?
相比其他两种技术，TOF时间光更加适合应用到智能手机上，采用TOF原理来实现动作追踪和深度感知已经出现在谷歌的Project Tango方案中，主要用于空间三维数据的采集，与应用于手势／脸部识别是非常接近的。
?
3D深度视觉技术已经出现在微软Kinect、英特尔RealSense等消费级产品中，随着硬件端技术的不断进步，算法与软件层面的不断优化，3D深度视觉的精度和实用性还将得到大幅提升，尤其是TOF方案与VCSEL的快速成熟，使得“深度相机＋手势／人脸识别”具备了大规模进入移动智能终端的基础。这必将进一步解放双手，打开新的智能人机交互空间。