【计算机视觉】深度相机(三)--三种方案对比
来源:互联网 发布:mac os 10.11 编辑:程序博客网 时间:2024/05/05 19:47
原文:http://blog.csdn.net/app_12062011/article/details/52511701
RGBD方案对比:
关键技术规格:
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
目前主流的深度摄像头方案在检测距离上、精度、检测速度上相差不大,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。
双目RGB、结构光、TOF三种主流技术的详细的比较:
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。
0 0
- 【计算机视觉】深度相机(三)--三种方案对比
- 深度相机(三)--三种方案对比
- 深度相机(三)--三种方案对比
- 深度相机(三)--三种方案对比
- 三种主流深度相机方案对比
- 【计算机视觉】深度相机(七)--体感设备对比
- 【计算机视觉】深度相机(二)--结构光深度测距
- 深度学习入门(三) 深度学习与计算机视觉
- 【深度相机系列三】深度相机原理揭秘--双目立体视觉
- 【计算机视觉】深度相机(一)--TOF总结
- 【计算机视觉】深度相机(四)--Realsense概览
- 【计算机视觉】深度相机(五)--Kinect v2.0
- 【计算机视觉】深度相机(一)--TOF总结
- 计算机视觉的三种层次
- 计算机视觉源码链接(三)
- 【计算机视觉】深度相机(六)--Kinect v2.0 手势样本库制作
- 【计算机视觉】深度相机(八)--OpenNI及与Kinect for windows SDK的比较
- 【计算机视觉】深度相机(九)--OpenNI API及中间件说明
- MySQL分表--范围分区
- 【计算机视觉】深度相机(二)--结构光深度测距
- 关于比特币
- POJ-1159-Palindrome
- Tomcat 强制使用https访问,http自动跳转
- 【计算机视觉】深度相机(三)--三种方案对比
- 我的JAVA日记 三
- 1. Two Sum
- 154滑动(8)156(9)176(13)
- 安装ubuntu 后需要安装的软件
- consul 集群搭建
- angularjs学习笔记—事件指令
- 解决Spring MVC 对AOP不起作用的问题
- 奇延拓和偶延拓