1 探测范围
最近在公司做深度数据处理,申购了一台KINECT传感器。首先来看看这个传感器有什么特点。
微软官方的说明文档提到,该传感器有两种模式,一种是缺省模式,另一种是近距离模式。二者的区别见下图:
缺省模式下,有效探测距离 0.8~4.0 m
近距模式下,有效探测距离 0.4~3.0 m
2 探测精度
摄像头返回的图像每个像素表示该点距离摄像头的距离,单位为mm。但实际上随着距离的增加,探测精度会降低。
对有效范围内的深度0.5m~3.5m进行直方图统计:
最上面的是深度场景图像,采用PrimeSense示例中的可视化方法显示。下面三副图像依次为 0.5~1.5m、 1.5~2.5m、2.5~3.5m范围内以mm为单位的直方图。
可以明显看到在第一幅图中,直方图直接的间隔很小,几乎是紧密相依的,下面两幅间隔越来越大。说明深度跨度越来越大,也就是测量精度越来越低。两个相邻的深度级别相差越大。
在深度2.5m处,深度相差18mm,在深度为3.5m处,相邻深度相差35mm。
看到这里你就知道为啥微软老大的识别中把手当做一个点进行识别,没有把手指都识别出来。
3 像素稳定性
![](https://img-my.csdn.net/uploads/201208/10/1344591765_6647.png)
表3.1 各采样点动态范围(单位mm)
采样点编号 | 坐标 | 最小深度 | 最大深度 | 动态范围 | 比率 |
1 | 570,180 | 1904 | 1936 | 32 | 1.68% |
2 | 460,130 | 3046 | 3101 | 55 | 1.81% |
3 | 630,200 | 1581 | 1611 | 30 | 1.89% |
4 | 136,138 | 3583 | 3659 | 76 | 2.12% |
5 | 600,24 | 1768 | 1814 | 46 | 2.60% |
对于静止点,深度值存在一定的波动,距离近的点波动幅度相对较小,距离越远的幅度越大,在3.5m范围内,通常波动范围一般小于3%。
在边缘点处,波动范围可能较大,超过该值。
静止点的深度变化比较随机,并不符合正态分布。
顺便说一句,如果想从深度图像中进行前景和背景分割,混合高斯模型这种算法是不合适的。