我們知道普通雙目傳感器都是需要畸變校準(zhǔn)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(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練？逼近人眼的狀態(tài)？ 

　　比如視察比較，是基于特征點(diǎn)計(jì)算的，特征點(diǎn)的匹配，是數(shù)學(xué)上的。并不能識(shí)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(guò)來(lái)，又能更好的進(jìn)行特征點(diǎn)匹配。

　　雙目視覺(jué)傳感器和神經(jīng)網(wǎng)絡(luò)逼近人眼視覺(jué)，難點(diǎn)是提高神經(jīng)網(wǎng)絡(luò)的性能。雙目視覺(jué)所用傳感器，不管是分辨率、鏡頭、頻譜范圍，都可以遠(yuǎn)遠(yuǎn)超過(guò)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(jìn)展，還沒(méi)有達(dá)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(huì)有不少突破，畢竟原理上人腦能做到的，計(jì)算機(jī)也可以做到。而且在速度、可重復(fù)性、耐力上，計(jì)算機(jī)的性能肯定是非人腦可比的。之前看到過(guò)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(gè)FusionNet，看上去應(yīng)該很有效：

　　轉(zhuǎn)載請(qǐng)注明來(lái)源：賽斯維傳感器網(wǎng)（ysdinuanwang.com）