深度 传感器 的应用
1.AR/ VR ：用于感知真实的3D环境并在虚拟世界中重建它们
深度信息对于VR/AR设备的人机交互也是必需的。设备必须准确响应用户的3D运动，因此肯定需要高性能的深度传感器。
例如，谷歌的ProjectTango使用深度传感器来准确地 测量 实际环境，并通知其 图形 算法将虚拟内容放置在适当的位置。与PokemonGo的AR模式相反，由于算法没有环境深度信息，因此用户经常可以看到Pokemon放置在不正确的位置。
2.机器人：用于导航，定位，地图绘制和避免碰撞
许多仓库已经利用了将物品从一个地方运输到另一个地方的全 自动驾驶 汽车。车辆自行行驶的能力需要深度感应，以便能够知道它在环境中的位置，其他重要事物的位置，最重要的是，它如何安全地从A移到B.类似地，任何用于拾取目的依赖于深度感应来了解目标对象在哪里以及如何获取它。
这些相同的应用对于任何自动驾驶汽车的成功都是必不可少的。实际上，目前 无人驾驶 汽车面临的最重大挑战之一是为汽车配备精确的深度传感器和CV系统，而不会大幅增加成本。这仍然是一个竞争激烈的市场，许多新创公司都在争夺领导地位。
3.面部识别：在防止欺诈的同时提高便利性
大多数 人脸识别 系统使用2D相机捕获照片并将其发送给算法来确定人的身份。但是，这存在很大的漏洞：糟糕的演员会欺骗系统，因为他们无法分辨是看到的是真实的3D面孔还是2D照片。为了使人脸识别安全，必须使用具有深度感应功能的3D相机。
除了阻止漏洞外，3D人脸建模还可以传达人脸的更多特征，以实现更准确的识别。
4.手势和接近检测：用于游戏，安全性等
飞行时间（ToF）深度传感器已被许多设备用于这些目的。在简单的实现方式中，深度传感器仅需要检测一个点的深度信息，例如用于手势检测的手或用于接近度检测的脸部。因此，具有简单的 光学 器件（和较窄的视场）的深度传感系统就足够了。随着手势检测的发展，使用了更复杂的深度感应系统，例如 Mi crosoft的Kinect.
深度传感器的创业机会
在未来几年中，深度感应将成为一个巨大的市场。当前，深度感测中的许多技术仍有很大的改进空间，这可能是技术初创公司的机会。此外，初创公司可以尝试将当前的深度感应技术用于新兴应用。
深度感测技术与CV应用程序的结合
深度感测系统可以与当前的 计算机 视觉应用程序结合使用，以大大提高其性能并满足实际部署的需求。这也有助于减轻极端情况的影响-2D中的许多极端情况实际上可能是3D世界中的正常情况！结果，深度感测可以使CV算法执行我们生活中更重要的事情，其中一些甚至可以是破坏性的创新，从而创造更多的市场，例如面部识别。
ToF传感器——以合理的价格使用脉冲 激光
当前，用于移动设备的ToF传感器通常使用低成本的基于调制的光源。如前所述，基于调制的光源具有范围模糊性，并且其性能通常不如脉冲激光器。脉冲激光器已经成功地用于LiDAR中，但其成本，功耗和尺寸仍然不适用于移动设备。
但是，LiDAR中的激光源最近发展很快。初创企业有可能将脉冲激光引入用于深度动态，性能至关重要的系统的移动式ToF传感器中，例如针对面向业务的电子市场领域的AR和VR.这些应用程序还可以提供很高的利润率，对于初创企业来说是一个理想的机会。
ToF传感器——改善 LED 性能
ToF传感器的另一端是对成本敏感的应用程序，例如 IoT .对于低成本设备，激光仍然太昂贵。LED可以在ToF传感器中用于低成本应用，但性能会下降。ToF传感器的LED性能问题可以在设备或系统级别解决。通过该装置，可以使用具有更高调制频率容量的新型LED.通过改进系统的模拟信号处理 电路 ，重新配置系统（即使用LED阵列并组合结果）或通过实施一种新的深度评估算法。
ToF和结构光——提高亮度容限
环境亮度是ToF和结构光深度传感器的瓶颈。为了忍受来自环境的更多光，已经提出了几种背景消除技术。例如，在 意法半导体 （STMicroelectronics）生产的ToF传感器芯片中，还集成了环境光传感器和深度传感器像素，以估算来自环境光的干扰。其他一些公司也提出了信号处理（模拟和数字）中的背景消除算法。
但是这些解决方案并不完美。为ToF和结构光提供更好的背景消除仍然是深度传感技术中的一个悬而未决的问题。如果初创公司可以解决这个问题，那么它的价值将是巨大的，特别是对于背景消除而言，可以使结构的光深度感应系统在明亮的环境中工作。
摄像头阵列与ToF结合使用可实现高分辨率
尽管ToF传感器的分辨率较低，但相机阵列的分辨率较高，但存在匹配问题。但是，智能设备完全可能同时包含摄像头阵列和ToF传感器。相机阵列还可以用于深度感应以外的应用程序，例如智能对焦。可能会合并来自摄像机阵列和ToF传感器的信息，从而以高分辨率和良好的深度精度计算深度图。该深度传感系统的总成本甚至可能低于具有更高分辨率的ToF传感器。
这些只是带有深度传感器的新型计算机视觉应用的众多未来机会中的少数。到目前为止，绝大多数计算机视觉应用程序都涉及通过摄像机解释2D世界。借助深度传感器，我们为计算机提供了整个数据范围，极大地扩展了计算机能够执行的功能的可能性。
