最近在公司做深度資料處理，申購了一台kinect感測器。首先來看看這個感測器有什麼特點。
微軟官方的說明文件提到，該感測器有兩種模式，一種是預設模式，另一種是近距離模式。二者的區別見下圖：
預設模式下，有效探測距離 0.8~4.0 m
近距模式下，有效探測距離 0.4~3.0 m
攝像頭返回的影象每個畫素表示該點距離攝像頭的距離，單位為mm。但實際上隨著距離的增加，探測精度會降低。
對有效範圍內的深度0.5m~3.5m進行直方圖統計：
最上面的是深度場景影象，採用primesense示例中的視覺化方法顯示。下面三副影象依次為 0.5~1.5m、 1.5~2.5m、2.5~3.5m範圍內以mm為單位的直方圖。
可以明顯看到在第一幅圖中，直方圖直接的間隔很小，幾乎是緊密相依的，下面兩幅間隔越來越大。說明深度跨度越來越大，也就是測量精度越來越低。兩個相鄰的深度級別相差越大。
在深度2.5m處，深度相差18mm，在深度為3.5m處，相鄰深度相差35mm。
看到這裡你就知道為啥微軟老大的識別中把手當做乙個點進行識別，沒有把手指都識別出來。
上面的深度場景圖中看到有很多紅色標記的點，並且進行了標號。對這些標記位置的點在一段時間內的深度值進行統計，然後繪製出來，看看這些靜止的點在時間序列中呈現怎樣的變化。
統計最近500幀的深度，以最低深度為基準，繪製如下的深度影象。標題中給出了每個點的編號和座標，與上面的影象對應。
表3.1 各取樣點動態範圍（單位mm）
取樣點編號
座標最小深度
最大深度
動態範圍
比率570,180
1.68%
460,130
1.81%
630,200
1.89%
136,138
2.12%
600,24
2.60%
對於靜止點，深度值存在一定的波動，距離近的點波動幅度相對較小，距離越遠的幅度越大，在3.5m範圍內，通常波動範圍一般小於3%。
在邊緣點處，波動範圍可能較大，超過該值。
靜止點的深度變化比較隨機，並不符合正態分佈。
順便說一句，如果想從深度影象中進行前景和背景分割，混合高斯模型這種演算法是不合適的。
感測器的主要特性分析
眾山科技從事物聯網無線感測網路的產品研發和生產已經有十多年，在智慧型感測器方面技術非常成熟，合作專案經驗豐富，在多年的經營中也接觸了很多感測器，下面一起了解下感測器的特性，主要包含7個方面。一 感測器的動態性。動特性是指感測器對隨時間變化的輸入量的響應特性。動態特性輸入訊號變化時，輸出訊號隨時間變化...
感測器檢測技術 感測器的靜態特性
3.靈敏度 4.解析度 5.靈敏限 6.遲滯 7.重複性 8.穩定性 感測器的輸入 輸出特性是感測器的基本特性。根據測量或控制過程中被測量的狀態有靜態和動態之分，從而將感測器的輸入 輸出特性分為靜態特性和動態特性。靜態特性是指感測器在穩態 輸入量為常量或變化極慢時 輸入訊號作用下，感測器輸出與輸入訊...
LoRa環境感測器特性介紹
目錄 一 什麼是lora環境感測器 二 lora環境感測器的功耗 三 lora環境感測器的個性化引數設定 四 lora環境感測器的體積大小 五 lora環境感測器的特別之處 需要選頻段 lora環境感測器，指的是搭載有環境感測器的lora節點，比如溫度感測器 濕度感測器 氣壓 室內空氣質量感測器等等...