摘要：近年來，機(jī)器人自動(dòng)化領(lǐng)域越來越多地應(yīng)用3D視覺技術(shù)對(duì)目標(biāo)物體進(jìn)行定位。本文主要研究3D視覺技術(shù)在機(jī)器人抓取作業(yè)中的應(yīng)用，總結(jié)了3D視覺技術(shù)在識(shí)別、定位物體時(shí)面臨的挑戰(zhàn)，給出了抓取作業(yè)機(jī)器人3D視覺系統(tǒng)的設(shè)計(jì)方法，歸納了現(xiàn)有的3D表面成像方法和視覺處理算法，最后給出一個(gè)結(jié)合3D視覺技術(shù)對(duì)白色抽屜紙盒進(jìn)行抓取分揀的實(shí)際應(yīng)用案例。

1 引言

隨著經(jīng)濟(jì)的發(fā)展與科技的進(jìn)步，人們?cè)絹碓蕉嗟貙⒆詣?dòng)化技術(shù)應(yīng)用到生產(chǎn)與生活中，與此同時(shí)，也對(duì)自動(dòng)化技術(shù)提出了更高的要求。近十年來，工業(yè)機(jī)器人的普及使得機(jī)器人自動(dòng)化得到了更廣泛的應(yīng)用和關(guān)注。很多機(jī)器人系統(tǒng)已經(jīng)集成了視覺系統(tǒng)，利用機(jī)器視覺技術(shù)實(shí)現(xiàn)檢測(cè)、識(shí)別、定位等功能，為后續(xù)的機(jī)器人運(yùn)動(dòng)提供必要的信息。

在許多自動(dòng)化應(yīng)用場(chǎng)合中，如自動(dòng)化分揀、裝配、拆垛、碼垛、上料等過程中，工業(yè)機(jī)器人經(jīng)常被用來進(jìn)行抓取作業(yè)。要完成抓取操作，機(jī)器人系統(tǒng)可能需要完成目標(biāo)感知、運(yùn)動(dòng)規(guī)劃、抓取規(guī)劃等一系列任務(wù)。視覺系統(tǒng)在機(jī)器人抓取作業(yè)中的作用就是識(shí)別、定位目標(biāo)物體，為機(jī)器人提供目標(biāo)物體的類型與位姿信息。其中，位姿估計(jì)的精度關(guān)系到抓取的成功率與精度，是非常重要的技術(shù)參數(shù)。

3D視覺技術(shù)作為新興的技術(shù)領(lǐng)域還存在很多亟待解決的問題，但2D視覺已不能滿足空間抓取的應(yīng)用要求。與2D視覺相比，3D視覺技術(shù)的優(yōu)點(diǎn)有：

（1）3D視覺可以提供目標(biāo)物體6DOF的位姿數(shù)據(jù)，而2D視覺僅能提供平面內(nèi)3DOF的位姿數(shù)據(jù)；

（2）3D視覺能給出目標(biāo)物體的深度信息或物體表面的點(diǎn)云信息。

但與此同時(shí)，3D視覺技術(shù)在機(jī)器人抓取應(yīng)用中仍然面臨許多挑戰(zhàn)：

（1）點(diǎn)云空洞：用3D相機(jī)捕捉反光、透明、網(wǎng)狀物體表面的點(diǎn)云信息，經(jīng)常會(huì)出現(xiàn)數(shù)據(jù)的丟失，丟失的點(diǎn)云數(shù)據(jù)形成了點(diǎn)云空洞；

（2）點(diǎn)云粘連：多個(gè)物體雜亂堆放或者兩個(gè)物體表面靠近擺放時(shí)，不同物體表面的點(diǎn)云會(huì)粘連在一起，這就涉及到如何穩(wěn)定、準(zhǔn)確地進(jìn)行點(diǎn)云分割；

（3）點(diǎn)云密度不一致：物體表面與3D相機(jī)之間的相對(duì)位姿、物體表面的顏色均會(huì)影響點(diǎn)云的密度，使得目標(biāo)場(chǎng)景的點(diǎn)云密度不一致，這在一定程度上給點(diǎn)云處理算法帶來了困難；

（4）視野局限：有限的相機(jī)視角、遮擋和陰影效果，都會(huì)阻礙3D相機(jī)獲得抓取目標(biāo)的表面全貌，進(jìn)而阻礙對(duì)抓取目標(biāo)的識(shí)別；

（5）速度：3D視覺的原理要求其處理的數(shù)據(jù)量較大。3D相機(jī)的分辨率越高，所采集的點(diǎn)云質(zhì)量越好，越能表征物體表面更細(xì)微的幾何特征，但相應(yīng)地帶來的數(shù)據(jù)量就越大。為了適應(yīng)實(shí)際應(yīng)用需要，如何提高3D相機(jī)獲取目標(biāo)場(chǎng)景點(diǎn)云的速度、點(diǎn)云處理算法的速度仍是需要研究的課題。

此外，相機(jī)傳感器的噪聲，點(diǎn)云分割噪聲，光照條件的變化，物體的顏色等諸多因素都是3D視覺技術(shù)所面臨的問題。

本文主要研究3D視覺技術(shù)在機(jī)器人抓取作業(yè)中的應(yīng)用。文章第二部分介紹抓取作業(yè)機(jī)器人3D視覺系統(tǒng)的設(shè)計(jì)，包括視覺設(shè)備的選擇、與機(jī)械設(shè)計(jì)的關(guān)系；第三部分介紹幾種3D表面成像技術(shù)；第四部分介紹3D視覺處理算法，包括點(diǎn)云分割、3D匹配等；第五部分給出一個(gè)實(shí)際應(yīng)用案例：工業(yè)機(jī)器人結(jié)合3D視覺分揀白色抽屜紙盒；第六部分為總結(jié)。

2 抓取作業(yè)機(jī)器人3D視覺系統(tǒng)的設(shè)計(jì)

2.1 3D相機(jī)的選擇

圖1 3D相機(jī)的選擇

選擇3D相機(jī)時(shí)需要考慮相機(jī)與目標(biāo)場(chǎng)景之間的距離以及目標(biāo)場(chǎng)景的尺寸。目標(biāo)場(chǎng)景最好位于相機(jī)的中間視場(chǎng)附近，不超出近視場(chǎng)和遠(yuǎn)視場(chǎng)的邊界，即目標(biāo)場(chǎng)景的高度不超出測(cè)量范圍。

3D相機(jī)的成像精度需要滿足應(yīng)用場(chǎng)景的抓取精度要求。通常，工作距離越大，3D相機(jī)的視場(chǎng)越大，但成像的精度越低。此外，相機(jī)的分辨率、點(diǎn)云的獲取速度也是評(píng)價(jià)3D成像系統(tǒng)的重要指標(biāo)。其中，相機(jī)的分辨率決定了點(diǎn)云數(shù)據(jù)量的大小及其對(duì)物體細(xì)節(jié)的表征程度，關(guān)系到點(diǎn)云處理算法的設(shè)計(jì)。點(diǎn)云的獲取時(shí)間加上點(diǎn)云處理算法的執(zhí)行時(shí)間必須滿足抓取應(yīng)用的節(jié)拍要求。

此外，相機(jī)的性價(jià)比、系統(tǒng)的可靠性也是選擇相機(jī)時(shí)需要考量的因素。

2.2 光源、遮光板的選擇

為了避免外界環(huán)境光對(duì)視覺系統(tǒng)的影響、保證視覺系統(tǒng)的穩(wěn)定性，有時(shí)需要外加光源和遮光板。外加的光源不能影響3D相機(jī)成像。

2.3 視覺系統(tǒng)對(duì)機(jī)械設(shè)計(jì)的要求

當(dāng)相機(jī)固定安裝時(shí)，機(jī)器人需要手持標(biāo)定板做手眼標(biāo)定。為了方便進(jìn)行手眼標(biāo)定，可設(shè)計(jì)專門的Tool抓持標(biāo)定板，留出足夠的空間以保證標(biāo)定板在手眼標(biāo)定過程中不會(huì)與機(jī)器人發(fā)生干涉。相機(jī)固定安裝的優(yōu)點(diǎn)是，對(duì)Tool位姿進(jìn)行變更后，無需再做機(jī)器人手眼標(biāo)定。

當(dāng)機(jī)器人手持相機(jī)拍照時(shí)，一般要求抓取作業(yè)Tool（夾具、吸盤）不遮擋相機(jī)的視野。

3 3D表面成像技術(shù)

3D表面成像/重構(gòu)/測(cè)量技術(shù)，可用于測(cè)量物體表面上點(diǎn)的（x，y，z）坐標(biāo)，測(cè)量結(jié)果可表示為深度圖{zij=（xi，yj），i=1，2，…，L，j=1，2，…，M}。除了測(cè)量三維坐標(biāo)，3D表面成像系統(tǒng)也可輸出物體表面空間點(diǎn)的其他光學(xué)特征值，如反射率、顏色等。這時(shí)的點(diǎn)云測(cè)量結(jié)果可一般表示為{Pi=（xi，yi，zi，fj），i=1，2，…，N}，其中，fi為一向量，代表第i個(gè)點(diǎn)的光學(xué)特征值。如常見的RGB-D（紅綠藍(lán)-深度）測(cè)量數(shù)據(jù)可表示為{Pi=（xi，yi，zi，ri，gi，bi），i=1，2，…，N}。

目前，常見的3D表面成像技術(shù)有：雙目立體視覺（binocular stereo vision），多目立體視覺（multi-view stereo vision），線結(jié)構(gòu)光三角測(cè)量（laser triangulation with sheet of light），編碼結(jié)構(gòu)光三角測(cè)量（encoded structured light），飛行時(shí)間深度測(cè)量（time of flight），聚焦深度測(cè)量（depthfrom focus），光度立體視覺（photometric stereovision）。

3.1 雙目立體視覺（binocular stereo vision）

使用兩個(gè)相機(jī)拍攝同一個(gè)目標(biāo)場(chǎng)景，通過匹配場(chǎng)景內(nèi)同一物理目標(biāo)點(diǎn)投影到兩幅圖像中的像點(diǎn)（同源點(diǎn)），測(cè)量得到該點(diǎn)的空間三維坐標(biāo)。雙目立體視覺的主要任務(wù)是雙目系統(tǒng)的標(biāo)定和同源點(diǎn)的匹配。其中，同源點(diǎn)的匹配（立體匹配，stereo matching）方法有相關(guān)法、多重網(wǎng)格法和多掃描線法。這些方法都依賴于目標(biāo)場(chǎng)景的紋理、結(jié)構(gòu)等特征，因此若能主動(dòng)制造特征，如投射隨機(jī)分布的散斑圖案、編碼結(jié)構(gòu)光等圖案，則能變被動(dòng)為主動(dòng)，通過增強(qiáng)匹配的魯棒性，使方法具有普適性。

圖2 雙目立體視覺原理示意圖

3.2 線結(jié)構(gòu)光三角測(cè)量（laser triangulation with sheet of light）

線激光器投射出的光平面照射到物體表面上會(huì)形成表征其輪廓的亮線，這些窄亮的細(xì)線通常被稱為光條。線結(jié)構(gòu)光三角測(cè)量的基本思想是：通過相機(jī)拍攝線結(jié)構(gòu)光發(fā)射器所照射的目標(biāo)物體，得到物體表面上光條中心位置的一系列3D坐標(biāo)。因此，目標(biāo)物體與線結(jié)構(gòu)光成像系統(tǒng)之間做相對(duì)運(yùn)動(dòng)并在多個(gè)不同位置進(jìn)行拍照測(cè)量，才能獲得目標(biāo)物體完整的3D表面輪廓。

線結(jié)構(gòu)光三角測(cè)量的主要任務(wù)是：標(biāo)定相機(jī)及其與光平面之間的相對(duì)位姿，標(biāo)定目標(biāo)物體與成像系統(tǒng)之間的相對(duì)運(yùn)動(dòng)，提取光條的中心點(diǎn)。

圖3 線結(jié)構(gòu)光三角測(cè)量原理示意圖

3.3 編碼結(jié)構(gòu)光三角測(cè)量（encoded structured light）

編碼結(jié)構(gòu)光激光器向目標(biāo)物體投射經(jīng)過特殊設(shè)計(jì)的編碼圖案，基于不同的圖案編碼方法，相機(jī)可能需要拍攝一幅或多幅被激光器照射的目標(biāo)物體表面圖像，通過對(duì)比圖像上經(jīng)過物體表面調(diào)制的編碼光圖案與未調(diào)制的編碼光圖案可以測(cè)量獲得目標(biāo)表面的3D形貌。與線結(jié)構(gòu)光三角測(cè)量相比，只要編碼光能夠照射到整個(gè)物體表面，物體與成像系統(tǒng)之間無需做相對(duì)運(yùn)動(dòng)即可獲取物體表面的幾何全貌。

圖4 編碼結(jié)構(gòu)光原理示意圖

3.4 飛行時(shí)間深度測(cè)量（time of flight）

傳感器向目標(biāo)物體發(fā)射經(jīng)過調(diào)制的近紅外光脈沖，然后再接收從物體表面反射回來的光脈沖，通過計(jì)算返回脈沖與發(fā)射脈沖之間的相位差即可測(cè)出目標(biāo)物體的深度。

3.5 聚焦深度測(cè)量（depth from focus）

由于相機(jī)的景深有限，在某物距下，目標(biāo)物體表面上只有一部分點(diǎn)能夠在成像平面上清晰成像。聚焦深度測(cè)量利用這一原理，通過拍攝不同物距下同一物體的多幅圖像，提取圖像上清晰成像的像點(diǎn)位置，計(jì)算得到物體表面上各點(diǎn)的深度坐標(biāo)。聚焦深度測(cè)量技術(shù)的精度一般高于雙目立體視覺和線結(jié)構(gòu)光三角測(cè)量，但因其需要配合遠(yuǎn)心鏡頭或顯微鏡頭使用，只適于對(duì)小尺寸物體進(jìn)行測(cè)量。

3.6 光度立體視覺（photometric stereo vision）

物體表面反射光量的多少取決于該表面與光源和觀察者之間的相對(duì)姿態(tài)。采用不同的角度對(duì)靜止目標(biāo)物體進(jìn)行照明，在每個(gè)照明角度下，使用同一臺(tái)相機(jī)在同一個(gè)固定視角下拍攝一幅圖像，光度立體視覺技術(shù)使用這組圖像估計(jì)出目標(biāo)物體表面的法向量。目前，機(jī)器人抓取應(yīng)用中使用的3D相機(jī)主要采用3.1 ~ 3.4中的成像原理。

4 3D視覺處理算法

按照不同的功能，3D視覺處理算法可分為：

4.1 點(diǎn)云濾波

點(diǎn)云的濾波（filter）算法主要用于點(diǎn)云數(shù)據(jù)的預(yù)處理，可實(shí)現(xiàn)去噪、平滑、采樣、特征提取等功能。濾波方法有：雙邊濾波、高斯濾波、條件濾波、隨機(jī)采樣一致性濾波等。

4.2 點(diǎn)云特征估計(jì)

4.2.1 點(diǎn)云局部特征估計(jì)

點(diǎn)云的局部特征（local feature）估計(jì)算法用于估計(jì)點(diǎn)云中一點(diǎn)或一點(diǎn)周圍數(shù)個(gè)鄰近點(diǎn)的特征值。這些特征包括法向量、曲率、邊界、點(diǎn)特征直方圖（PFH）、快速點(diǎn)特征直方圖（FPFH）、視角特征直方圖（VFH）、NARF描述子、旋轉(zhuǎn)投影統(tǒng)計(jì)特征（Rotational Projection Statistics）等。

4.2.2 點(diǎn)云整體特征估計(jì)

點(diǎn)云的整體特征（global feature）估計(jì)算法用于估計(jì)某個(gè)點(diǎn)云集合的特征，如點(diǎn)云的表面積、最小外接盒、最大直徑、截面曲線等。

4.3 點(diǎn)云關(guān)鍵點(diǎn)提取

關(guān)鍵點(diǎn)（key point），也稱為興趣點(diǎn)，因?yàn)榫哂心撤N特點(diǎn)，可依照預(yù)先定義的標(biāo)準(zhǔn)被穩(wěn)定地識(shí)別出來。點(diǎn)云關(guān)鍵點(diǎn)的提取算法有：Harris3D、ISS3D、NARF、SIFT、SUSAN、Trajkovic3D。

4.4 點(diǎn)云配準(zhǔn)

由于遮擋等原因，為了獲得完整的目標(biāo)表面3D點(diǎn)云，常常需要從不同的視角對(duì)同一目標(biāo)物體進(jìn)行掃描。點(diǎn)云配準(zhǔn)（registration）技術(shù)是將這些點(diǎn)云數(shù)據(jù)兩兩進(jìn)行匹配，計(jì)算它們之間互相重疊的部分，將它們拼接在一起，獲得更全面的目標(biāo)物體表面點(diǎn)云。點(diǎn)云配準(zhǔn)算法有最近點(diǎn)迭代法（ICP）。

4.5 點(diǎn)云分割

點(diǎn)云分割（segmentation）算法用于將點(diǎn)云數(shù)據(jù)分割成不同的子集。依據(jù)應(yīng)用需求，可采用不同的分割方法，如平面分割、柱面分割、歐幾里得聚類提取、超體聚類分割、區(qū)域生長(zhǎng)分割、基于最小割的點(diǎn)云分割、基于法向量差的點(diǎn)云分割等。除了上述的3D點(diǎn)云分割方法，點(diǎn)云的分割也可結(jié)合2D圖像進(jìn)行。先在2D圖像上應(yīng)用邊緣提取、深度學(xué)習(xí)等算法，然后再對(duì)點(diǎn)云進(jìn)行分割。

4.6 三維匹配

三維匹配（3D matching）算法的功能是在搜索數(shù)據(jù)中找到目標(biāo)物體并確定它的3D位姿，其中，搜索數(shù)據(jù)可以是3D點(diǎn)云或2D圖像。三維匹配算法可分為基于形狀的3D匹配、基于表面的3D匹配和可變形表面的3D匹配。

4.7 點(diǎn)云擬合

如果某個(gè)點(diǎn)云子集為已知的幾何形狀，如平面、柱面、球面，可利用點(diǎn)云擬合算法進(jìn)行擬合求出相應(yīng)的位姿和幾何參數(shù)信息。

此外，點(diǎn)云處理算法還包括k維樹、八叉樹等方法。

在機(jī)器人抓取作業(yè)中，視覺的重要任務(wù)之一是目標(biāo)物體位姿的估計(jì)。要估計(jì)位姿，正確地分割點(diǎn)云是前提。通常，綜合利用4.1~4.4中的方法，然后再對(duì)點(diǎn)云進(jìn)行分割，最后利用三維匹配或點(diǎn)云擬合估計(jì)出目標(biāo)物體的位姿。

5 實(shí)際案例研究

5.1 白色抽屜紙盒機(jī)器人3D視覺分揀

任務(wù)描述：料框內(nèi)雜亂堆放著不同型號(hào)的白色抽屜紙盒，并且這些紙盒的各個(gè)表面的長(zhǎng)寬尺寸各不相同。3D視覺系統(tǒng)通過識(shí)別紙盒表面的尺寸將不同型號(hào)的紙盒區(qū)分開來，再由機(jī)器人將它們分別分揀到不同的料框中。

5.1.1 視覺系統(tǒng)設(shè)計(jì)

長(zhǎng)方形鐵質(zhì)料框的尺寸為500 X 385 X 180 mm，壁厚為1.5 mm，為避免反光并增加視覺對(duì)比度，在料框表面噴涂啞光黑漆。3D相機(jī)采用固定安裝，在長(zhǎng)方形料框的正上方進(jìn)行拍攝。考慮到ABB 2600機(jī)器人的工作范圍，3D相機(jī)距離料框底部的高度需大于1000 mm并盡可能取小值。

綜合考慮各種因素，這里選用Ensenso N20-1202-16-BL相機(jī)，該相機(jī)的工作原理是投射散斑紋理的雙目立體視覺技術(shù)，其分辨率為1280 X 1024像素，最小、最大和最佳工作距離分別為1100 mm、2200 mm、1400 mm。料框底部距離相機(jī)的距離設(shè)計(jì)為1400 mm，在該距離下3D相機(jī)的Z向分辨率為1.037 mm，能夠滿足四個(gè)真空吸盤的抓取精度要求；紙盒的最大堆疊高度不超過230 mm，Ensenso N20-1202-16-BL在1150mm工作距離下的視野范圍為572.90 X 497.96 mm，能夠滿足視野要求。為避免環(huán)境光的影響，在相機(jī)頂部上方安裝遮光板，在相機(jī)旁邊加設(shè)白色光源。

5.1.2 視覺方法描述

為了識(shí)別紙盒表面的長(zhǎng)寬尺寸、估計(jì)紙盒表面的位姿，就需要對(duì)紙盒表面的3D點(diǎn)云進(jìn)行正確分割。這里將2D圖像處理技術(shù)與3D點(diǎn)云處理技術(shù)相結(jié)合：首先，相機(jī)接收到觸發(fā)信號(hào)，打開散斑投影儀拍攝一幅3D點(diǎn)云圖像；然后，關(guān)閉散斑投影儀，拍攝一幅左相機(jī)矯正灰度圖像。Ensenso通過計(jì)算左相機(jī)矯正圖像上各像素點(diǎn)的空間3D坐標(biāo)，生成一幅3D點(diǎn)云圖像。因而，Ensenso所拍攝的3D點(diǎn)云圖像（有三個(gè)通道，其像素值分別代表X，Y，Z坐標(biāo)）上各點(diǎn)的像素值與左相機(jī)矯正圖像上同一位置的像素值是一一對(duì)應(yīng)的，可通過分割左相機(jī)矯正圖像來實(shí)現(xiàn)紙盒表面3D點(diǎn)云的分割。

視覺程序設(shè)計(jì)思路：

首先，利用邊緣提取、邊緣連接、腐蝕、膨脹等算法在左相機(jī)矯正圖像上分割出不同的紙盒表面區(qū)域；

然后，取每個(gè)區(qū)域所對(duì)應(yīng)的3D點(diǎn)云，估計(jì)這片點(diǎn)云的厚度，若厚度小于閾值t，則認(rèn)為這片點(diǎn)云代表了一個(gè)紙盒表面的幾何形貌，計(jì)算這片點(diǎn)云的3D最小外接盒區(qū)域，即可估算得到紙盒表面的長(zhǎng)寬尺寸、中心位置與姿態(tài)；若厚度大于閾值t，則認(rèn)為2D圖像分割失敗，這片點(diǎn)云至少代表兩個(gè)紙盒表面的幾何形貌，這時(shí)先根據(jù)點(diǎn)云的法向量、曲率等特征對(duì)其進(jìn)行3D分割，然后再進(jìn)入上述的厚度判斷與尺寸、位姿的計(jì)算程序。為了縮短程序執(zhí)行時(shí)間，對(duì)點(diǎn)云做3D分割之前，預(yù)先對(duì)其進(jìn)行采樣以減少數(shù)據(jù)量。

檢查紙盒表面上方是否有遮擋，過濾掉上方有遮擋的結(jié)果，防止抓取過程中發(fā)生碰撞或損壞。

最后，將處理結(jié)果按照表面中心高度、姿態(tài)方向和表面尺寸進(jìn)行綜合排序，輸出到機(jī)器人抓取路徑規(guī)劃程序當(dāng)中。路徑規(guī)劃程序根據(jù)視覺輸出的結(jié)果引導(dǎo)機(jī)器人運(yùn)動(dòng)并控制夾具動(dòng)作。

5.1.3 視覺算法處理結(jié)果

如圖6（左上）所示，料框中散亂堆放著三種型號(hào)的白色抽屜紙盒，由視覺程序輸出的紙盒表面尺寸與位姿的排序結(jié)果如表1所示。可以看出，視覺程序沒有給出被遮擋紙盒表面的計(jì)算結(jié)果。

圖6左上：Ensenso左相機(jī)矯正灰度圖；右上：3D點(diǎn)云渲染效果圖；左下：排序輸出結(jié)果；右下：5#紙盒表面點(diǎn)云圖

表1 白抽屜盒視覺算法輸出結(jié)果

經(jīng)過測(cè)試，在該視覺系統(tǒng)下，紙盒表面尺寸的測(cè)量誤差小于5 mm，表面中心定位誤差小于2 mm，表面姿態(tài)估計(jì)誤差小于5度。使用intel i7-6820HQ CPU、主頻2.7GHz的LenovoP50筆記本計(jì)算機(jī)，視覺處理時(shí)間為3~5 s。

6 總結(jié)

本文主要研究3D視覺技術(shù)在機(jī)器人抓取作業(yè)中的應(yīng)用，歸納了3D視覺技術(shù)在機(jī)器人抓取作業(yè)中面臨的挑戰(zhàn)，對(duì)機(jī)器人抓取視覺系統(tǒng)的設(shè)計(jì)方法進(jìn)行了總結(jié)，搜集了當(dāng)前主要的3D成像技術(shù)及3D視覺算法，最后給出了應(yīng)用案例。

編輯：黃飛

?