Computer vision 什么主要因素/特征解释了大多数工业计算机视觉硬件的高价格？

我是一名学生，目前正在从事一个计算机科学项目，该项目很快将需要计算机视觉，更具体地说，是用于深度检测的立体视觉。我现在正在寻找一台很棒的相机来完成这项工作，我发现了几个有趣的选择：

1-一套定制的两个廉价摄像头，即网络摄像头

2-古老、经典、经济且经验证的Kinect

3-专用立体声传感器

几个月前我发现了这个传感器：

我觉得它很有趣，因为它体积小，立体感强，是一家全新的美国公司。然而，如果我们把它附带的附加API拆开，我不明白当Kinect或便宜的相机至少便宜4-5倍，并且即使没有更好的规格，仍然有很好的规格时，你为什么要买它

这一点同样适用于：

---

有人能给我解释一下为什么我需要这样的设备吗？如果没有，为什么有些设备需要这样的设备？

与一对usb网络摄像头相比，你需要真正的立体摄像头的原因是同步。像大黄蜂这样的相机都有硬件触发功能，可以在拍摄两幅图像时几乎没有延迟。使用网络摄像头，两次拍摄之间总会有明显的延迟。如果您看到的是静态场景或物体缓慢移动的场景，这可能是正常的。但是如果你想在移动机器人上安装立体摄像机，你需要良好的同步

---

Kinect很棒。然而，一对好的立体相机有两个重要的优点。一是Kinect白天不在户外工作。明亮的太阳会干扰Kinect用于深度估计的红外摄像机。此外，Kinect的射程相当短，只有几米。通过增加基线，您可以在更大的距离上获得立体对的3D信息。

除了Dima已经指出的：您列出的两个摄像头都只提供原始图像数据。如果您对深度数据感兴趣，您必须自己计算这些数据，这可能需要大量资源，而且很难实时完成

我目前知道有一个硬件系统可以实时为您提供：

---

但我认为这也不便宜，而且你必须在工业摄像机上购买它。所以，如果你正在寻找一个便宜的解决方案，你应该选择Kinnect。

在计算机视觉中，我们总是想要一个理想的立体相机，比如像素不歪斜、完全匹配、对齐、相同的相机等等。摄像机每秒必须提供足够的图像，因为某些算法使用的时间信息需要高fps来近似连续运动。镜头也是一个很重要的部件，可能非常昂贵。此外，硬件供应商通常提供SDK。创建SDK是在为它们增加额外的价值，因为我们总是想关心什么对我们来说是重要的，比如算法。准备所需的软件以便将摄像头连接到PC或任何其他板可能会浪费我们的时间

---

Kinect使研究人员能够以非常好的价格轻松获得深度信息；但是，我同意Dima的观点，即它仅适用于室内应用，Kinect深度数据有一些通常需要填补的漏洞。

这不是真正的编程问题。更适合信号处理或机器人堆栈交换。好的，谢谢。我在问自己是否应该在这里发帖。我看到了一些关于带有“传感器”标签的硬件的问题，所以我尝试了一下。Kinect呢？我已经编辑了答案。