RGBD-SLAM 深度錄影機資料介紹

‘’工欲善其事必先利其器‘’我們先從能夠擷取RGBD資料的相機開始談起。首先我們來看一看其分類。

一、根據其工作原理主要分為三類：

1. 雙目方案：

（1） 原理：

http://blog.csdn.net/shenziheng1/article/details/52883536

（2）産品：

ZED：https://www.stereolabs.com/

Tango：http://www.androidcentral.com/tango/home

2. 結構光方案

（1） 原理：

http://blog.sina.com.cn/s/blog_6ca5ea9f0101dt9j.html

（2）産品：

微軟Kinectv1：https://www.microsoft.com/enus/download/details.aspx?id=28782

http://www.k4w.cn/news/8.html

華碩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）産品：

微軟Kinectv2：

https://www.microsoft.com/en-us/download/details.aspx?id=44561

http://www.k4w.cn/news/1.html

開發部落格：http://blog.csdn.net/jiaojialulu/article/details/53087988

英特爾RealSense系列：

https://software.intel.com/zh-cn/realsense/get-started?language=fr

HEPTAGON：http://hptg.com/

PMD：http://www.pmdtec.com/

二、關鍵技術參數：

1.檢測範圍；2.檢測精度；3.檢測角度；4.幀率；5.子產品大小；6.功耗

目前的主流攝像頭在檢測範圍、檢測精度和檢測角度等都相差不大，主要差別在于：

1、結構光方案優勢在于技術成熟，深度圖像分辨率可以做得比較高，但容易受光照影響，室外環境基本不能使用；

2、TOF方案抗幹擾性能好，視角更寬，不足是深度圖像分辨率較低，做一些簡單避障和視覺導航可以用，不适合高精度場合。受環境影響小，傳感器晶片并不成熟，成本很高，實作量産困難。

3、雙目方案，成本相對前面兩種方案最低，但是深度資訊依賴純軟體算法得出，此算法複雜度高，難度很大，處理晶片需要很高的計算性能，同時它也繼承了普通RGB攝像頭的缺點：在昏暗環境下以及特征不明顯的情況下并不适用。

三種方案對比：

三、總結：

1.雙目方案：最大的問題在于實作算法需要很高的計算資源，導緻實時性很差，而且基本跟分辨率，檢測精度挂鈎。也就是說，分辨率越高，要求精度越高，則計算越複雜，同時，純雙目方案受光照，物體紋理性質影響。

2.結構光方案：目的就是為了解決雙目中比對算法的複雜度和魯棒性問題而提出，該方案解決了大多數環境下雙目的上述問題。但是，在強光下，結構光核心技術雷射散斑會被淹沒。是以，不合适室外。同時，在長時間監控方面，雷射發射裝置容易壞，重新換裝置後，需要重新标定。

3.TOF方案：傳感器技術不是很成熟，是以，分辨率較低，成本高，但由于其原理與另外兩種完全不同，實時性高，不需要額外增加計算資源，幾乎無算法開發工作量，是未來。

————————————————

版權聲明：本文為CSDN部落客「bingoplus」的原創文章，遵循CC 4.0 BY-SA版權協定，轉載請附上原文出處連結及本聲明。

原文連結：https://blog.csdn.net/bingoplus/article/details/56667475