‘’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:


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:本文为CSDN博主「bingoplus」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/bingoplus/article/details/56667475

RGBD-SLAM 深度摄像机资料介绍相关推荐

  1. 结构化场景中的RGB-D SLAM

    点云PCL免费知识星球,点云论文速读. 文章:RGB-D SLAM with Structural Regularities 作者:Yanyan Li , Raza Yunus , Nikolas B ...

  2. 面向动态环境基于面元的RGB-D SLAM系统

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者:robot L https://zhuanlan.zhihu.com/p/142175916 本 ...

  3. 那些珍贵的「视觉SLAM」课程资料总结(补充版/完整版)

    文章目录 一 前言 二 干货 原文链接: 那些珍贵的「视觉SLAM」课程资料总结(补充版/完整版) 在公众号「3D视觉工坊」后台,回复「SLAM」,获得以下资源的完整下载链接. 一 前言 之前曾经总结 ...

  4. 基于点云相关性的动态环境下RGB-D SLAM

    点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 标题:RGB-D SLAM in Dynamic Environments Using Point C ...

  5. BAD SLAM:捆绑束调整直接RGB-D SLAM

    BAD SLAM:捆绑束调整直接RGB-D SLAM BAD SLAM: Bundle Adjusted Direct RGB-D SLAM 论文地址: http://openaccess.thecv ...

  6. 全景视觉空间直线检测_视觉SLAM深度解读

    近年来,SLAM技术取得了惊人的发展,领先一步的激光SLAM已成熟的应用于各大场景中,视觉SLAM虽在落地应用上不及激光SLAM,但也是目前研究的一大热点,今天我们就来详细聊聊视觉SLAM的那些事儿. ...

  7. 机器学习和深度学习资料汇总【02】

    <Image Scaling using Deep Convolutional Neural Networks> 介绍:使用卷积神经网络的图像缩放. <Proceedings of ...

  8. 论文笔记_S2D.77_2013_TOR_使用RGBD相机的3D建图(RGBD SLAM V2)

    目录 基本情况 摘要 介绍 系统流程 特征提取 运动估计 EMM:Environment Measurement Model 回环检测 图优化 建图OctoMap 参考 基本情况 出处:Endres ...

  9. 视觉SLAM深度解读

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自 | 新机器视觉 近年来,SLAM技术取得了惊人的发展,领 ...

最新文章

  1. pytho基础之文件处理
  2. VS2012经常使用的快捷方式完成最全面
  3. 处理器体系结构(了解CPU的基本运行原理)——《深入理解计算机系统》
  4. 又一个停止申请后才知道的功能?QQ至尊保服务“下线” 已试运营三年
  5. 2680 Problem F: Coin Game
  6. 选择软件测试作为你的职业,一个无经验的大学毕业生,可以转行做软件测试吗?
  7. HTC Vive手柄实现在平面上划线
  8. c++ 数字后加f_电工电子学 | 数字集成电路
  9. Ubuntu 14.04下360/小米/百度等随身Wifi驱动安装方法
  10. 关于原理图库和封装库设计(三)
  11. 百度贴吧诱导用户操作CPA项目
  12. Python数据分析与机器学习27-拼写纠正实例
  13. Intel CPU的型号漫谈
  14. linux下载info安装包,Linux软件包安装(rpm、yum、apt-get)
  15. 高级PHP工程师所应该具备的一些技能
  16. WNMP项目环境部署
  17. latex初学者入门(二)
  18. 净现值与投资准则 - 财务管理(八)
  19. 2018年终个人总结
  20. JAVA注释、标识符、常量与变量、数据类型和数据类型转换

热门文章

  1. CentOS 6.4下安装中文输入法
  2. Linux Shell 只列出目录的方法
  3. (六)Amazon Lightsail 部署LAMP应用程序之升级到Amazon EC2
  4. SSL/TLS 协议简介与实例分析
  5. 使用bpf 排查 fd 泄漏
  6. 安装bigsur卡在12分钟_Big Sur为什么安装不了?macOS Big Sur无法完成安装的解决办法!...
  7. python键盘输入代码,python监控键盘输入实例代码
  8. php peridot 使用教程,PHP测试框架Peridot-支持BDD
  9. c语言单片机求最小公倍数,单片机常用的14个C语言算法,要熟记在心哦!
  10. elasticsearch学习之路---Linux 下安装并启动elasticsearch