iPhone X带起的深度摄像头热，移动端的路到底怎么走？

正文

请到「今天看啥」查看全文

而一旦获得这种三维信息，就能为机器感知和智能分析提供最基础的数据信息。

目前，市面上比较成熟的深度信息捕捉方案主要就三种：结构光、双目视觉以及TOF（飞行时间）。

第一种是结构光方案，通过发射特定图形的散斑或者点阵的激光红外图案，摄像头捕捉到被测物体反射回来的图案，计算上面散斑或者点的大小，然后跟原始的尺寸做对比，从而测算出被测物体到摄像头之间的距离。

第二个叫双目，主要通过两个普通的摄像头获得深度信息，简而言之它就是模仿人眼的结构，通过两个摄像头的视差来确定距离信息。

第三种是TOF，它是通过发出的激光反射回来的时间算距离，TOF的方案在第二代Kinect上有使用过，传感器发出调制的脉冲红外光，然后遇到物体反射后，它会计算出光线发射和反射时间差或者相位差，实现距离的测量，最终产生深度信息。

可以说，既有的三种方案各有所长，TOF的响应速度快、精度高，不易受环境光线干扰，但是功耗和成本都比较大；结构光的工业化应用较多；双目立体成像更适合室外强光条件和高分辨率应用，目前主要应用在机器人视觉、自动驾驶等方面。

但是，现在很多技术厂商在尽可能的取长补短，弥补既有技术的短板。

深度摄像头的产业链分解

无论是哪种方案，追根溯源其产业链的话，如下图所示：

从产业链来看， 相比较传统的摄像头，比较突出的就是红外相关的元件。 其实，如果对比两者的结构，也能很明显发现深度摄像头增加了不少新的硬件组件。

请到「今天看啥」查看全文