常用的三種類(lèi)型的深度相機(jī)[1]，大致分為以下三種：基于主動(dòng)投射結(jié)構(gòu)光的深度相機(jī)（如Kinect 1.0, Intel RealSense, Enshape, Ensenso等）、被動(dòng)雙目相機(jī)（如STEROLABS 推出的 ZED 2K Stereo Camera, Point Grey 公司推出的 BumbleBee）以及ToF[2]相機(jī)（如微軟的Kinect 2.0, MESA 的 SR4000 , Google Project Tango 中使用的PMD Tech 的TOF相機(jī)，Intel 的 SoftKinect DepthSense, Basler基于松下的芯片開(kāi)發(fā)的TOF相機(jī)以及國(guó)內(nèi)一些初創(chuàng)公司基于TI的方案開(kāi)發(fā)的TOF相機(jī)等等）
目前市面上常有的 3D 相機(jī)方案就就是下面3種，對(duì)應(yīng)上面的：
(1) 結(jié)構(gòu)光(Structured-light)，代表公司有奧比中光（國(guó)產(chǎn)，比較推薦，性價(jià)比可以，也有高分辨率的款），蘋(píng)果(Prime Sense)，微軟 Kinect-1，英特爾RealSense, Mantis Vision 等。
(2) 雙目視覺(jué)(Stereo)，代表公司 Leap Motion， ZED， 大疆;
(3) 光飛行時(shí)間法(TOF)，代表公司微軟 Kinect-2，PMD，SoftKinect， 聯(lián)想Phab。
image_1cs5el5cb14m9bhr9ts11rvgve4i.png-82.7kB
1. Kinect
先給出結(jié)論，KinectV2的精度在2mm~4mm左右，距離越近精度越高，越遠(yuǎn)精度稍微差點(diǎn)；kinectV1誤差約2mm~30mm。
Kinectv2 for Mobile Robot Navigation: Evaluationand Modeling
image_1cs6h8fbdokn1ljf1npuogg1g2b5p.png-1587.5kB
如上圖所示，右側(cè)大三角是KinectV2在縱向（垂直于地面）的精度分布，下側(cè)大三角是KinectV2在水平面（平行于地面）上的精度分布。在綠色區(qū)域精度最高，誤差小于2mm，在黃色區(qū)域誤差在2~4mm，紅色區(qū)域誤差大于4mm。所以在設(shè)計(jì)交互場(chǎng)景時(shí)，在黃色區(qū)域以內(nèi)會(huì)達(dá)到最好的效果（3.5m內(nèi)）。如果對(duì)精度要求很高，如控制機(jī)械，最好在綠色區(qū)域進(jìn)行交互。
2 Kinect v2和Kinect v1
性能表對(duì)比
Kinect v2的rgb視場(chǎng)（FOV[3]）是84.1 x 53.8，關(guān)于FOV的建模和模型可以參考。
image_1cs6hgs884u61c4cs061tp61d9466.png-274.2kB
如圖所示，KinectV1隨著距離增加，誤差指數(shù)性增加，在距離達(dá)到4m時(shí)，kinectV1誤差接近0.2m。而KinectV2的誤差幾乎不隨距離增加而變化。V2比V1追蹤準(zhǔn)確度好20%。V2可以在戶外進(jìn)行人體跟蹤，最遠(yuǎn)到4m。V2在近距離有比V1高2倍的精度，在6m有高數(shù)十倍的精度。
3. LeapMotion
LeapMotion的精度平均下來(lái)是0.7mm的精度，也是達(dá)不到所謂的0.01mm的。
Analysis of the Accuracy and Robustness of the Leap
Motion Controller
上面的論文對(duì)初步版本中的Leap Motion控制器進(jìn)行研究，分別在靜態(tài)與動(dòng)態(tài)設(shè)置下的精度和準(zhǔn)確性，考慮到人手的可達(dá)到的平均約為0.4mm，實(shí)驗(yàn)用設(shè)備使用參考筆，位置精度可達(dá)0.2mm，且參考筆對(duì)儀器精度測(cè)量無(wú)可觀察到的影響。在基于靜態(tài)設(shè)置的測(cè)量下，獲得了期望的3D位置與小于0.2mm的測(cè)量位置之間的與軸無(wú)關(guān)的偏差。在動(dòng)態(tài)情況下，獨(dú)立于平面，可以獲得小于2.5mm的精度（平均1.2毫米）。重復(fù)性平均小于0.17毫米。在基于姿勢(shì)的用戶界面方面，在實(shí)際條件下不可能實(shí)現(xiàn)0.01mm的理論精度，而是高精度（總平均精度為0.7mm）。
最后比較一下以上設(shè)備的優(yōu)缺點(diǎn)
1. Microsoft Kinect
image_1cs835f4eiaa4gb1ln31cndcb2an.png-99.9kB
優(yōu)點(diǎn)：
- 可以獲取深度數(shù)據(jù)（320＊240）、rgb
- 數(shù)據(jù)（640＊480）、聲音、骨骼節(jié)點(diǎn)（20個(gè)）
- 擁有三套 SDK：微軟 SDK、OpenNI、libfreenect
- 后兩個(gè) SDK 是跨平臺(tái)，支持各種開(kāi)發(fā)語(yǔ)言
- 價(jià)格便宜
- 社區(qū)成熟，開(kāi)發(fā)資源豐富
缺點(diǎn)：
- 傳感器分辨率不夠，看不清手指
- 由于使用結(jié)構(gòu)光技術(shù)，深度傳感器的可視范圍無(wú)法重疊
- OpenNI 和 libfreenect 雖然跨平臺(tái)，但是功能遠(yuǎn)不如微軟 SDK
- 設(shè)備尺寸大，需要一坨電源線
- 致命缺點(diǎn)，微軟已宣布停止生產(chǎn) Kinect 一代
2. Microsoft Kinect One
image_1cs83c41h1bpip0qjqvc2s1aub4.png-84.5kB
優(yōu)點(diǎn)：
- 分辨率更大、可以看到更廣闊的場(chǎng)景
- 可以檢測(cè)到的人體關(guān)節(jié)點(diǎn)更多（25個(gè)），能看清手指
- 擁有兩套 SDK：微軟 SDK、libfreenect2
- 可以開(kāi)發(fā) Windows Store 應(yīng)用
缺點(diǎn)：
- libfreenect2 基本不能檢測(cè)骨骼，功能缺太多，同時(shí) OpenNI 也不支持它，因此局限于 Windows 平臺(tái)
- 設(shè)備尺寸比一代更大，需要一坨電源線，比一代貴一些
- 致命缺點(diǎn)：只能運(yùn)行在 64 位 Windows 8 系統(tǒng)上，必須使用 USB 3.0 端口
3. Intel / Creative / SoftKinetic
image_1cs83s6uv6941lg0gaonlg1ocp19.png-259.3kB
優(yōu)點(diǎn)：
- 小巧，普通 USB 攝像頭的尺寸
- 不需要外界電源線
- 近距離使用，可實(shí)現(xiàn)表情分析和手勢(shì)識(shí)別
缺點(diǎn)：
- 不適合遠(yuǎn)距離交互，也無(wú)法檢測(cè)完整的身體
- 只能在中高端的 Intel CPU 上才能運(yùn)行
4. Leap Motion
image_1cs83t6bukpppr9f021dtt1cdo1m.png-170.4kB
優(yōu)點(diǎn)：
- 小巧，一根 usb 線就可以使用
- 跨平臺(tái)
- 支持的開(kāi)發(fā)語(yǔ)言比較多，甚至通過(guò) WebSocket
- 實(shí)現(xiàn)了瀏覽器中的 JavaScript API
- 跟蹤手指和手掌，精度較高
缺點(diǎn)：
- 檢測(cè)范圍小，手臂酸疼（見(jiàn)上圖）
- 不能檢測(cè)身體和臉部
- 作為生產(chǎn)力工具，完全無(wú)法替代鼠標(biāo)鍵盤(pán)
- 致命缺點(diǎn)：找不到合適的使用場(chǎng)景
5. PrimeSense / Apple / 華碩（ASUS）
image_1cs8479dm6sncqr1ulgb1e1l5r23.png-80.6kB
和 Kinect 一代的優(yōu)缺點(diǎn)類(lèi)似，
-
https://zhuanlan.zhihu.com/p/28274727 ↩
-
https://baike.baidu.com/item/TOF/19952376?fr=aladdin ↩
-
http://www.coloreye.cn/wiki/doc-view-716.html ↩