深度感知在计算机视觉应用中有何意义？

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

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。

获取深度方式

1. 双目立体：视差 $d$，深度 $Z = fB/d$（基线 B、焦距 f）
2. 结构光 / ToF：主动投射图案或测量飞行时间
3. 运动结构 SfM：多视角三角化
4. 单目深度估计：CNN/Transformer 学先验（尺度模糊）

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

挑战

• 单目尺度不确定
• 透明/反光/无纹理表面
• 室外远距离精度
• 实时性与标定维护

工具：RealSense、OpenCV StereoBM/SGBM、PyTorch 深度模型。详见 三维视觉。