参考文献：

Fankhauser P, Bloesch M, Rodriguez D, et al. Kinect v2 for mobile robot navigation: Evaluation and modeling[C]//Advanced Robotics (ICAR), 2015 International Conference on. IEEE, 2015: 388-394.

嗯，英文论文真是一个好东西，百度到中文的资料真是太缺乏了~

1、Kinect v2和Kinect v1的性能表对比：

其中Kinect v2 的rgb视场（FOV）是84.1 x 53.8。

并且关于FOV的建模和模型可以参考下面的链接：

http://www.smeenk.com/webgl/kinectfovexplorer.html

2、Kinect v2的详细结构参数图：

这个0.8cm不是很清楚到底是啥~

其实关于这个22mm，真的很重要，博主之前检测相机深度值是否准确的时候，总是会差一两厘米，也不好测出相机主点到外壳的距离，所以很是头大，上面论文的作者就比较厉害了，他们把相机拆开，真的是测出来了。。。。

3、接下来说一下深度值的问题：

我用过奥比中光的相机和kinect 2,基本上拿到的深度值，都是点到相机平面的距离，而不是点到传感器的直线距离，我就不太清楚这到底是怎么回事儿？之间经历过什么样的计算吗？

在中文网站上的这篇博客，我看到了这样的描述：

深度值和三维数据

在介绍基于深度相机的三维重建技术之前，首先需要了解深度图像中的数据的具体含义。对于现实场景中的点，深度相机扫描得到的每一帧数据不仅包括了场景中的点的彩色RGB图像，还包括每个点到深度相机所在的垂直平面的距离值。这个距离值被称为深度值（depth），这些深度值共同组成了这一帧的深度图像（图1右）。也就是说，深度图像可以看做是一副灰度图像，其中图像中每个点的灰度值代表了这个点的深度值，即该点在现实中的位置到相机所在垂直平面的真实距离。图2简单说明了RGB图像和深度图像的关系。

只是它没有讲原因，我第一次拿到相机的时候，不是很理解，感觉应该depth是点到传感器的直线距离，但是后来，通过测试，发现应该确实是点到相机平面的距离。

期待大佬讲解其中转化的原理~