关于深度相机的精度问题

本文转载自：https://www.jianshu.com/p/1a916ed3c503

常用的三种类型的深度相机^[1]，大致分为以下三种：基于主动投射结构光的深度相机（如Kinect 1.0, Intel RealSense, Enshape, Ensenso等）、被动双目相机（如STEROLABS 推出的 ZED 2K Stereo Camera, Point Grey 公司推出的 BumbleBee）以及ToF^[2]相机（如微软的Kinect 2.0, MESA 的 SR4000 , Google Project Tango 中使用的PMD Tech 的TOF相机，Intel 的 SoftKinect DepthSense, Basler基于松下的芯片开发的TOF相机以及国内一些初创公司基于TI的方案开发的TOF相机等等）

目前市面上常有的 3D 相机方案就就是下面3种，对应上面的：
(1) 结构光(Structured-light)，代表公司有奥比中光（国产，比较推荐，性价比可以，也有高分辨率的款），苹果(Prime Sense)，微软 Kinect-1，英特尔RealSense, Mantis Vision 等。
(2) 双目视觉(Stereo)，代表公司 Leap Motion， ZED，大疆;
(3) 光飞行时间法(TOF)，代表公司微软 Kinect-2，PMD，SoftKinect，联想Phab。

image_1cs5el5cb14m9bhr9ts11rvgve4i.png-82.7kB

1. Kinect

先给出结论，KinectV2的精度在2mm~4mm左右，距离越近精度越高，越远精度稍微差点；kinectV1误差约2mm~30mm。

Kinectv2 for Mobile Robot Navigation: Evaluationand Modeling

Kinect v2在不同位置的精度问题

image_1cs6h8fbdokn1ljf1npuogg1g2b5p.png-1587.5kB

如上图所示，右侧大三角是KinectV2在纵向（垂直于地面）的精度分布，下侧大三角是KinectV2在水平面（平行于地面）上的精度分布。在绿色区域精度最高，误差小于2mm，在黄色区域误差在2~4mm，红色区域误差大于4mm。所以在设计交互场景时，在黄色区域以内会达到最好的效果（3.5m内）。如果对精度要求很高，如控制机械，最好在绿色区域进行交互。

2 Kinect v2和Kinect v1

性能表对比

Kinect v2的rgb视场（FOV^[3]）是84.1 x 53.8，关于FOV的建模和模型可以参考。

image_1cs6hgs884u61c4cs061tp61d9466.png-274.2kB

如图所示，KinectV1随着距离增加，误差指数性增加，在距离达到4m时，kinectV1误差接近0.2m。而KinectV2的误差几乎不随距离增加而变化。V2比V1追踪准确度好20%。V2可以在户外进行人体跟踪，最远到4m。V2在近距离有比V1高2倍的精度，在6m有高数十倍的精度。

kinectv1和kinectv2比较
|KinectV1|KinectV2
----|----|----
检测范围(Range of Detecton)|0.8–6.0m|0.5 –4.5m
深度误差(depth Uncertainty)|2mm-30mm|<0.5% of range
角度(Angle，horizontal-vertical)|57-43|70-60

3. LeapMotion

LeapMotion的精度平均下来是0.7mm的精度，也是达不到所谓的0.01mm的。

Analysis of the Accuracy and Robustness of the Leap
Motion Controller

上面的论文对初步版本中的Leap Motion控制器进行研究，分别在静态与动态设置下的精度和准确性，考虑到人手的可达到的平均约为0.4mm，实验用设备使用参考笔，位置精度可达0.2mm，且参考笔对仪器精度测量无可观察到的影响。在基于静态设置的测量下，获得了期望的3D位置与小于0.2mm的测量位置之间的与轴无关的偏差。在动态情况下，独立于平面，可以获得小于2.5mm的精度（平均1.2毫米）。重复性平均小于0.17毫米。在基于姿势的用户界面方面，在实际条件下不可能实现0.01mm的理论精度，而是高精度（总平均精度为0.7mm）。