关于深度相机的精度问题

一、关于深度相机的精度问题

常用的三种类型的深度相机 [1]，大致分为以下三种：基于主动投射结构光的深度相机（如 Kinect 1.0, Intel RealSense, Enshape, Ensenso等）、被动双目相机（如STEROLABS推出的 ZED 2K Stereo Camera, Point Grey公司推出的 BumbleBee）以及ToF [2]相机（如微软的 Kinect 2.0, MESA的 SR4000, Google Project Tango中使用的PMD Tech的TOF相机，Intel的 SoftKinect DepthSense, Basler基于松下的芯片开发的TOF相机以及国内一些初创公司基于TI的方案开发的TOF相机等等）

先给出结论， KinectV2的精度在2mm~4mm左右，距离越近精度越高，越远精度稍微差点；kinectV1误差约 2mm~30mm。

Kinectv2 for Mobile Robot Navigation: Evaluationand Modeling

如上图所示，右侧大三角是KinectV2在纵向（垂直于地面）的精度分布，下侧大三角是KinectV2在水平面（平行于地面）上的精度分布。在绿色区域精度最高，误差小于2mm，在黄色区域误差在 2~4mm，红色区域误差大于4mm。所以在设计交互场景时，在黄色区域以内会达到最好的效果（3.5m内）。如果对精度要求很高，如控制机械，最好在绿色区域进行交互。

Kinect v2的rgb视场（FOV [3]）是84.1 x 53.8，关于FOV的建模和模型可以参考。

如图所示，KinectV1随着距离增加，误差指数性增加，在距离达到4m时，kinectV1误差接近0.2m。而KinectV2的误差几乎不随距离增加而变化。V2比V1追踪准确度好20%。V2可以在户外进行人体跟踪，最远到4m。V2在近距离有比V1高2倍的精度，在6m有高数十倍的精度。

LeapMotion的精度平均下来是 0.7mm的精度，也是达不到所谓的0.01mm的。

Analysis of the Accuracy and Robustness of the Leap

上面的论文对初步版本中的Leap Motion控制器进行研究，分别在静态与动态设置下的精度和准确性，考虑到人手的可达到的平均约为0.4mm，实验用设备使用参考笔，位置精度可达0.2mm，且参考笔对仪器精度测量无可观察到的影响。在基于静态设置的测量下，获得了期望的3D位置与小于0.2mm的测量位置之间的与轴无关的偏差。在动态情况下，独立于平面，可以获得小于2.5mm的精度（平均1.2毫米）。重复性平均小于0.17毫米。在基于姿势的用户界面方面，在实际条件下不可能实现0.01mm的理论精度，而是高精度（总平均精度为 0.7mm）。

二、d435深度相机测距不准的原因

获取深度遇到黑洞。d435深度相机测距不准的原因是获取深度遇到黑洞。RealSense D435i拥有完整的模块系列,简化了系统的集成,同时采用带立体图像传感器的优质校准成像子系统,在与视觉处理器配对时,可通过USB输出深度数据。英特尔RealSense D435i深度相机使用立体视觉来计算深度,这里的深度像素值是来自成像器平行平面的测量值。立体视觉实现包括左成像仪、右成像仪和可选的红外投影仪。

三、一文读懂TOF深度相机与激光雷达的区别

本文旨在清晰解读TOF深度相机与激光雷达之间的差异，首先，让我们从概念、原理和分类三个角度来区分两者：

1.激光雷达与TOF深度相机的概念与原理

激光雷达，又名光学雷达，通过激光测距实现环境感知，其原理类似雷达。TOF深度相机，也称3D TOF相机，是TOF测距原理在3D领域的应用，通过测量光脉冲发射和反射的时间差，获取物体的深度信息。

2.激光雷达的分类与TOF深度相机的特例

激光雷达有机械、半固态和固态等多种类型，TOF深度相机则没有线束概念，采用全局成像，每个像素记录光子飞行时间，提供三维图像。

3. TOF深度相机与3D激光雷达的区别

3D激光雷达侧重于三维空间捕捉，而TOF深度相机是3D TOF测距技术在消费电子等领域的应用，精度和稳定性各有侧重。

4. TOF深度相机的分类及技术细节

TOF深度相机分为iTOF和dTOF，其中iTOF成本较低且产业链成熟，如Pulse iTOF和CW iTOF，各有优缺点。维感科技的DCAM和DS77系列展示了技术的不同发展路径。