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Project Tango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Pokemon Go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。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。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。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Microsoft的Kinect.
官方微信：hypower-cn