我們知道普通雙目傳感器都是需要畸變校準的，比如張正友方法，但是雙目的深度信息并不很好。能否用雙目的圖片或者視頻，通過神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練？逼近人眼的狀態(tài)？ 

　　比如視察比較，是基于特征點計算的，特征點的匹配，是數(shù)學(xué)上的。并不能識別物。人眼可以很好的區(qū)分物，知道物的邊界。物的邊界反過來，又能更好的進行特征點匹配。

　　雙目視覺傳感器和神經(jīng)網(wǎng)絡(luò)逼近人眼視覺，難點是提高神經(jīng)網(wǎng)絡(luò)的性能。雙目視覺所用傳感器，不管是分辨率、鏡頭、頻譜范圍，都可以遠遠超過人的雙眼。之所以最終表現(xiàn)不如人，主要原因是分析處理算法上的進展，還沒有達到媲美人腦的程度。目前趁著深度學(xué)習(xí)的熱潮，應(yīng)該會有不少突破，畢竟原理上人腦能做到的，計算機也可以做到。而且在速度、可重復(fù)性、耐力上，計算機的性能肯定是非人腦可比的。之前看到過很多基于深度學(xué)習(xí)的模型，比如3dShapeNet,或者BING+GP-LVM+ConvNet之類。最近看到一個FusionNet，看上去應(yīng)該很有效：

　　轉(zhuǎn)載請注明來源：賽斯維傳感器網(wǎng)（m.renegade-mag.com）