1.3D深度摄像头介绍
3D深度摄像头与普通摄像头的区别在于，除了能够获取平面图像，还可以获得拍摄对象的深度信息，也就是三维的位置和尺寸信息，于是整个计算系统就获得了环境和对象的三维立体数据，这些信息可以用在人体跟踪、三维重建、人机交互、SLAM等领域。
2.三种主流技术
1.结构光
通过激光的折射以及算法计算出物体的位置和深度信息，进而复原整个三维空间。结构光的代表产品有微软的Kinect一代。通过发射特定图形的散斑或者点阵的激光红外图案，当被测物体反射这些图案，通过摄像头捕捉到这些反射回来的图案，计算上面散斑或者点的大小，跟原始散斑或者点的尺寸做对比，从而测算出被测物体到摄像头之间的距离。
目前是业界比较成熟的深度检测方案，很多的激光雷达和3D扫描技术都是采用的结构光方案。不过由于以折射光的落点位移来计算位置，这种技术不能计算出精确的深度信息，对识别的距离也有严格的要求。而且容易受到环境光线的干扰，强光下不适合，响应也比较慢。
典型的结构光方案包括：PrimeSense（微软Kinect1代）、英特尔RealSense（前置方案）。
2.飞行时间法（TIme of Flight）
TOF系统是一种光雷达 （LIDAR） 系统，可从发射极向对象发射光脉冲，接收器则可通过计算光脉冲从发射器到对象，再以像素格式返回到接收器的运行时间来确定被测量对象的距离。TOF系统可同时获得整个场景，确定3D范围影像。利用测量得到的对象坐标可创建3D影像，并可用于机器人、制造、医疗技术以及数码摄影等领域的设备控制。
TOF方案的优点在于响应速度快，深度信息精度高，不容易受环境光线干扰，这些优点使其成为移动端手势识别最被看好的方案。代表厂商有微软（Kinect2代）、意法半导体、英飞凌、德州仪器等。
3.双目多角立体成像（MulTI－camera）
现在手势识别领域的佼佼者Leap MoTion使用的就是这种技术。它使用两个或者两个以上的摄像头同时采集图像，通过比对这些不同摄像头在同一时刻获得的图像的差别，使用算法来计算深度信息，从而多角三维成像。
Leap MoTion方案使用2个摄像机获得左右立体影像，该影像有些轻微偏移，与人眼同序。计算机通过比较这两个影像，就可获得对应于影像中物体位移的不同影像。该不同影像或地图可以是彩色的，也可以为灰阶，具体取决于特定系统的需求。
双目多角立体成像方案的优点在于不容易受到环境光线的干扰，适合室外环境，满足7＊24小时的长时间工作要求，不易损坏。缺点是昏暗环境、特征不明显时不适合，目前应用在智能安防监控、机器人视觉、物流检测等领域。
3.列举几个不同的摄像头
1.Kinect v1
用的是Kincet1代，测距是0.6到4m,帧率30， 总的来说精度还是满足要求的，可以算是用过的里面比较准的（不敢说自己用过很多）。
它的彩色图和深度图在匹配性很好（个人感觉），测距精度可以达到几毫米。
但是深度图会出现一般深度图的缺点，就是会有空洞，在物体的边缘处也会出现空洞，面对一些材质，对于红外光的反射也很差，出现大面积的黑色（像素值是0），如果运动过快，摇晃的太过距离，图像的空洞也比较明显。
图像的左右边缘都是黑色（大概有50列像素），上下边缘也是黑色（大概是20-30行像素）。
另外Kinect需要使用Openni或者官方的SDK去开发。
2.Fotonic 摄像头
也是一种深度摄像头，但是比较而言，没有Kinect的深度效果好。
深度图来说不及Kinect v1 v2 的精度，要稍微大一点。
3.ZED摄像头
算是质量比较好的摄像头了，有自带的比较成熟的API,增加了一个位置追踪的程序，能够实现全场定位，但是测试之后发现抖动、颠簸（这是指那种剧烈的颠簸）对于摄像头的精度影响很大，几乎不能用，如果使用在轮式机器人上面倒是可以试一试（其实用来做slam是比较好的，奈何不会用，就只是测试了它的官方的历程）。
具体的测试情况如下:
1、手持摄像头，在运动不剧烈的情况下，4.5m的偏差5cm, 6m偏差10cm
2、剧烈的震动的情况下，3m就会出现1m的偏差
同时这个Positional Tracking 程序还只能够识别静止的场景。在有人的时候会出现无法识别的情况（这是指活动的人在图像中占据了一大半的情况），同时对于纯净的背景（没有任何东西的单调平面）来说也没有办法实现定位（应该是基于提取特征点的方式），有很大的漂移。
它通过两张彩色图计算得到深度图，可以提取深度的信息，但是深度图还没有Kinect的广，几乎不是方形的深度图（类似椭圆，但并不准确）。
但是视场角是比较广的，看的比较广。
zed算是比较轻的，只有230克左右。
zed的接口也要求是3.0的接口，2.0的会出现很严重的掉帧现象（只有15帧），如果zed无法使用，有一个工具（在zed sdk里面）可以测试是什么问题。
