3D扫描，可靠的3D成像解决方案

3D点云图像捕获和RGB-Z彩色图像已成为广泛应用中必不可少的工具。工业机器视觉，车载信息娱乐系统以及情境感知的家用机器人，各种各样的3D成像方法正在进入我们的设备，家庭和工作场所。

已经实现了多种使能技术，其中一些使用立体相机，结构化灯光和飞行时间方法的知名解决方案，新颖技术在3D图像传感器设计中采用了经济的方法。

大多数常规3D技术都具有一定程度的复杂性和各种性能限制。例如，立体摄像机的一个共同限制是场景的某些部分放置不适当，无法允许立体摄像机的“双眼”都应用双目视觉原理来从左右摄像机之间的差异推断出深度。依赖于结构化或伪随机光投影的解决方案可能会因窗户或其他坚硬，发亮的表面而受到严重挑战。

即使建立了3D成像性能基线，也要确保准确性和一致的结果还有许多工作要做。度量对于确保任何3D图像捕获系统提供适合预期应用程序的性能至关重要。必须以有意义和可重复的方式量化性能，以便具有正确的规格可以转化为现实世界中的可靠性能。

当已知的好的方法可以指出3D成像解决方案的潜在改进和增强之时，它们将变得更加有价值。除了建立性能基准外，人们通常还希望了解在面对各种场景，视角变化和变化的照明条件时，特定解决方案的稳定性。必须分别分析几种可能情况中每一种情况的影响，以提供改善性能的清晰途径。

精度和精度指标：噪声，失真和校准误差

使用不同的方法可以缓解不同的错误源。让我们考虑三个方面。

噪声：深度测量的精度主要由静态物体的测量深度剖面中的高空间频率波动水平决定。这些波动可以通过平滑滤波器轻松消除，可以与其他影响分开考虑。

局部失真：看起来不像噪声的低空间频率伪像可能仍会使测得的深度失真。在不影响精度和空间分辨率的情况下，无法轻易滤除这些失真。尽管它们具有较高的相对精度，但可能会例如使面部的表面轮廓变形而使外观无法识别。

校准误差：除了已经描述的两个因素之外，其他系统误差可能会在整个深度剖面中应用。这些是由于不正确或不完整的校准而发生的。不管系统是否正确校准，噪声和局部失真在很大程度上决定着系统的深度分辨率：两个对象之间的最小深度，可以放心地确定它们与传感器的距离不相同。

噪声，失真和校准误差从根本上决定了所有深度测量的准确性。在理想的深度传感器中，这三个误差源不存在，而3D点云数据则以完美的保真度对真实场景进行建模。

理想情况下，无论场景的内容如何，深度传感器都应保持一致的性能。需要对非等效目标场景进行相同深度测量一致性的适当定量测试。尽管3D深度测量的标准是业界合作的活跃主题，但可以阐明这一一般概念。场景的某些特征最有可能降低点云中数据的可重复性或保真度。

最重要的因素分为以下六类。颜色：在阳光或人造白光源照射的场景中，可能存在颜色不同的表面。此外，可以在低照明条件下使用近红外照明。不管产生多少对比色，都应准确且一致地报告表面的深度轮廓。

对比度：与立体声匹配算法一样，使用边缘来提供稀疏的深度图。根据场景的内容，可能会在颜色，亮度和方向上产生广泛的对比。尽管复杂，但强大的3D图像捕获技术应提供相同的精度。

范围：深度估计的准确性取决于从物体到相机的距离。精度随深度的降低决定了特定3D成像解决方案在给定应用中的有用范围。

邻近性：如果要准确报告其深度，则两个要素之间必须有多少空间间隔？一些深度图后处理算法可能会导致附近的两个特征的测量轮廓发生变化。

运动：任何运动模糊都会降低图像的对比度和清晰度。必须评估其对深度测量精度的影响，以确定传感器在测速等应用中的有用性。

视野：理想的3D成像器可以准确报告物体的深度，而无需考虑物体在传感器中的明显位置。

测试工件，可提供非平面深度参考，以与测量的深度点进行比较。它允许根据深度，颜色，对比度，对比度角度甚至运动来提取性能指标。当然，从光学工程师到软件开发人员的视觉行业专家都将认识到，上面给出的简短摘要不能完全涵盖3D图像捕获技术解决的许多现实情况中的所有潜在复杂性。

根据您的应用程序，基于3D成像解决方案旨在执行的任务以及目标，光学器件和照明的特定特征，可能需要考虑其他因素。此外，在有源解决方案的情况下，相关场景参数可能存在显着差异。这使得在不同技术的性能和健壮性之间进行比较非常具有挑战性。

标准对用户和制造商都有利。它们使制造商可以确定其系统的规格，而用户则可以在理想或现实条件下验证系统的规格。鉴于3D感知解决方案的开发和部署速度很快，这些努力势必将塑造这些引人入胜的技术的未来。