3、室内环境深度测量精度的实验评估

室内环境深度测量精度的实验评估

1. 引言

计算机视觉（CV）技术的最新进展提升了整个社会的生活质量。计算机系统的不断改进使得强大应用的开发成为可能。各研究领域都对应用计算机视觉来解决主要问题感兴趣。例如，医疗保健应用通过计算机辅助诊断（CAD）得到增强，医学图像在诊断发展中起着重要作用，结合不同的诊断成像技术和CAD，能够实现疾病的早期预测。

同时，健康监测使用2D和3D相机作为CV的通用框架，可基于目标检测、目标跟踪和动作识别等CV技术分析或提取安全和健康监测的有用信息。如今，RGB - D相机因其低成本且商业上易于获取，成为任何CV的主要组成部分。这些相机在工业中广泛用于解决人类无法完成的机器视觉（MV）复杂挑战，可获取颜色（RGB）和深度（D）信息。在仓储中，移动机器人与操作员交互时，深度测量对安全至关重要。

MV应用的开发需要像RGB - D相机这样灵活且强大的设备，以实现无人干预的活动。在工业检查过程中引入计算机科学（CS），可使过程更智能，这体现了工业4.0的概念。此外，CS领域的研究，如人工智能（AI）、机器学习（ML）、机器人技术和CV，都需要RGB - D相机来开发算法，以提高深度计算的准确性，降低工业视觉检查的成本。

然而，相机在实际场景中会受到外部因素影响，如阳光、温度和湿度等，会干扰相机或任何相机技术，影响RGB - D相机在恶劣环境中的性能。技术视觉系统（TVS）可通过激光和孔径捕获返回光来扫描物体或表面以获取3D坐标，但在实际场景中，光照不足会影响其性能，且根据距离不同，可能无法捕获激光束。

本研究旨在应用机器视觉的主要技术，提高TVS在受控环境下检测激光束的性能。TVS和立体系统集成的实际应用可以是移动机器人