1 引言
随着机器视觉，自动驾驶等颠覆性的技术逐步发展，采用3D相机进行物体识别，行为识别，场景建模的相关应用越来越多，可以说深度相机就是终端和机器人的眼睛。深度相机又称之为3D相机，它能检测出拍摄空间的景深距离，这也是与普通摄像头最大的区别。
普通的彩色相机拍摄到的图片能看到相机视角内的所有物体并记录下来，但是其所记录的数据不包含这些物体距离相机的距离。仅仅能通过图像的语义分析来判断哪些物体离我们比较远，哪些比较近，但是并没有确切的数据。而深度相机则恰恰解决了该问题，通过深度相机获取到的数据，我们能准确知道图像中每个点离摄像头距离，这样加上该点在 2D 图像中的(x,y)坐标，就能获取图像中每个点的三维空间坐标。通过三维坐标就能还原真实场景，实现场景建模等应用。
本课题采用深度相机的上述特性来标定目标的坐标，利用一个具有兼容性、完整性的3D扫描系统实现物体位置图象扫描[1]，进行三维建模[2][3]并结合双目测距计算物体平面法线技术锁定目标[4][5][6]，最终实现工件的激光除锈。在整个项目中最重要的部分就是通过深度相机的数据采集分析确定目标的坐标位置[7]。
2 国内外研究现状
2.1 深度相机发展现状
目前市面上常有的深度相机方案有以下三种：结构光(Structured-light)、双目视觉(Stereo)、光飞行时间法(TOF) 。
2.1.1 结构光深度相机
结构光，英文叫做 Structured light，其原理是基本原理是，通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，会因被摄物体的不同深度区域，而采集不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，以此来获得三维结构。简单来说就是，通过光学手段获取被拍摄物体的三维结构，再将获取到的信息进行更深入的应用。通常采用特定波长的不可见的红外激光作为光源，它发射出来的光经过一定的编码投影在物体上，通过一定算法来计算返回的编码图案的畸变来得到物体的位置和深度信息。根据编码图案不同一般有：条纹结构光，代表传感器enshape；编码结构光，代表传感器Mantis Vision、Realsense(F200)；散斑结构光，代表传感器 apple(primesense)、奥比中光。
下图是一个典型的结构光相机的示意图:
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
