核心要点
定义深度：单目估计 vs 立体/结构光
说明在机器人、AR、自动驾驶中的作用
了解双目视差、SfM、深度网络
指出尺度模糊与传感器融合：回答时要先解释它的含义，再补一句适用场景或工程例子，避免只背名词。
简要回答
深度感知恢复场景三维结构，使机器理解物体距离与空间布局。双目视差、结构光、ToF 与单目深度估计网络（MiDaS）支撑机器人避障、AR 遮挡、自动驾驶路径规划与抓取。
标准回答
一、为何重要
2D 图像丢失距离信息；深度使系统能判断障碍物远近、场景几何、真实尺度，是物理世界交互的前提。
二、获取深度方式
- 双目立体：视差 $d$，深度 $Z = fB/d$（基线 B、焦距 f）
- 结构光 / ToF：主动投射图案或测量飞行时间
- 运动结构 SfM：多视角三角化
- 单目深度估计：CNN/Transformer 学先验（尺度模糊）
三、应用场景
- 自动驾驶：可行驶区域、障碍物距离、融合激光雷达
- 机器人：抓取规划、SLAM、避障
- AR：虚实遮挡、平面检测、锚定
- 工业：体积测量、缺陷三维形貌
四、挑战
回答思路
【定义】用一句话说清「深度感知在计算机视觉应用中有何意义」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：认为单目深度绝对准确；不说立体视觉基线限制；忽略与 IMU/LiDAR 融合。
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
