机器学习笔记 - 深度相机技术原理路线概览

一、深度相机的应用和原理

        机器学习、人工智能、嵌入式视觉和处理技术的进步帮助创新者构建了能够在几乎没有人工监督的情况下导航环境的自主机器。此类设备的示例包括AMR（自主移动机器人），自动拖拉机，自动叉车等。

         使这些设备真正自主需要它们能够在没有任何手动导航的情况下四处移动。这反过来又需要能够测量深度，以便进行映射、定位、路径规划以及障碍物检测和避开。这就是深度相机发挥作用的地方。

         深度感应摄像头使机器能够三维感知环境。由于深度摄像头提供的信息更丰富，它们在视觉引导机器人、检查和监控等应用中变得越来越重要。3D 数据不太容易受到环境干扰，例如不断变化的光照条件。因此，机器在执行任务时变得更加可靠和精确，例如捡起物体并将其放置在其他地方。

        深度相机主要使用四种主流的方法检测深度：

1、立体相机

        基于双目立体视觉的深度相机类似人类的双眼，和基于TOF、结构光原理的深度相机不同，它不对外主动投射光源，二是依靠拍摄的两张图片（彩色RGB或者灰度图）来计算深度，因此有时候也被称为被动双目深度相机。

        立体传感器试图通过使用两个面向场景的摄像头来模仿人类视觉，它们之间有一定的距离&#x