常用的三种类型的深度相机[1]，大致分为以下三种：基于主动投射结构光的深度相机（如Kinect 1.0, Intel RealSense, Enshape, Ensenso等）、被动双目相机（如STEROLABS 推出的 ZED 2K Stereo Camera, Point Grey 公司推出的 BumbleBee）以及ToF[2]相机（如微软的Kinect 2.0, MESA 的 SR4000 , Google Project Tango 中使用的PMD Tech 的TOF相机，Intel 的 SoftKinect DepthSense, Basler基于松下的芯片开发的TOF相机以及国内一些初创公司基于TI的方案开发的TOF相机等等）
目前市面上常有的 3D 相机方案就就是下面3种，对应上面的：
(1) 结构光(Structured-light)，代表公司有奥比中光（国产，比较推荐，性价比可以，也有高分辨率的款），苹果(Prime Sense)，微软 Kinect-1，英特尔RealSense, Mantis Vision 等。
(2) 双目视觉(Stereo)，代表公司 Leap Motion， ZED， 大疆;
(3) 光飞行时间法(TOF)，代表公司微软 Kinect-2，PMD，SoftKinect， 联想Phab。
1. Kinect
先给出结论，KinectV2的精度在2mm~4mm左右，距离越近精度越高，越远精度稍微差点；kinectV1误差约2mm~30mm。
Kinectv2 for Mobile Robot Navigation: Evaluationand Modeling
- Kinect v2在不同位置的精度问题
如上图所示，右侧大三角是KinectV2在纵向（垂直于地面）的精度分布，下侧大三角是KinectV2在水平面（平行于地面）上的精度分布。在绿色区域精度最高，误差小于2mm，在黄色区域误差在2~4mm，红色区域误差大于4mm。所以在设计交互场景时，在黄色区域以内会达到最好的效果（3.5m内）。如果对精度要求很高，如控制机械，最好在绿色区域进行交互。
2 Kinect v2和Kinect v1
Kinect v2的rgb视场（FOV[3]）是84.1 x 53.8，关于FOV的建模和模型可以参考。
如图所示，KinectV1随着距离增加，误差指数性增加，在距离达到4m时，kinectV1误差接近0.2m。而KinectV2的误差几乎不随距离增加而变化。V2比V1追踪准确度好20%。V2可以在户外进行人体跟踪，最远到4m。V2在近距离有比V1高2倍的精度，在6m有高数十倍的精度。
kinectv1和kinectv2比较
|KinectV1|KinectV2
----|----|----
检测范围(Range of Detecton)|0.8–6.0m|0.5 –4.5m
深度误差(depth Uncertainty)|2mm-30mm|<0.5% of range
角度(Angle，horizontal-vertical)|57-43|70-60
3. LeapMotion
LeapMotion的精度平均下来是0.7mm的精度，也是达不到所谓的0.01mm的。
Analysis of the Accuracy and Robustness of the Leap
Motion Controller
上面的论文对初步版本中的Leap Motion控制器进行研究，分别在静态与动态设置下的精度和准确性，考虑到人手的可达到的平均约为0.4mm，实验用设备使用参考笔，位置精度可达0.2mm，且参考笔对仪器精度测量无可观察到的影响。在基于静态设置的测量下，获得了期望的3D位置与小于0.2mm的测量位置之间的与轴无关的偏差。在动态情况下，独立于平面，可以获得小于2.5mm的精度（平均1.2毫米）。重复性平均小于0.17毫米。在基于姿势的用户界面方面，在实际条件下不可能实现0.01mm的理论精度，而是高精度（总平均精度为0.7mm）。
最后比较一下以上设备的优缺点
1. Microsoft Kinect
优点：
- 可以获取深度数据（320＊240）、rgb
- 数据（640＊480）、声音、骨骼节点（20个）
- 拥有三套 SDK：微软 SDK、OpenNI、libfreenect
- 后两个 SDK 是跨平台，支持各种开发语言
- 价格便宜
- 社区成熟，开发资源丰富
缺点：
- 传感器分辨率不够，看不清手指
- 由于使用结构光技术，深度传感器的可视范围无法重叠
- OpenNI 和 libfreenect 虽然跨平台，但是功能远不如微软 SDK
- 设备尺寸大，需要一坨电源线
- 致命缺点，微软已宣布停止生产 Kinect 一代
2. Microsoft Kinect One
优点：
- 分辨率更大、可以看到更广阔的场景
- 可以检测到的人体关节点更多（25个），能看清手指
- 拥有两套 SDK：微软 SDK、libfreenect2
- 可以开发 Windows Store 应用
缺点：
- libfreenect2 基本不能检测骨骼，功能缺太多，同时 OpenNI 也不支持它，因此局限于 Windows 平台
- 设备尺寸比一代更大，需要一坨电源线，比一代贵一些
- 致命缺点：只能运行在 64 位 Windows 8 系统上，必须使用 USB 3.0 端口
3. Intel / Creative / SoftKinetic
优点：
- 小巧，普通 USB 摄像头的尺寸
- 不需要外界电源线
- 近距离使用，可实现表情分析和手势识别
缺点：
- 不适合远距离交互，也无法检测完整的身体
- 只能在中高端的 Intel CPU 上才能运行
4. Leap Motion
优点：
- 小巧，一根 usb 线就可以使用
- 跨平台
- 支持的开发语言比较多，甚至通过 WebSocket
- 实现了浏览器中的 JavaScript API
- 跟踪手指和手掌，精度较高
缺点：
- 检测范围小，手臂酸疼（见上图）
- 不能检测身体和脸部
- 作为生产力工具，完全无法替代鼠标键盘
- 致命缺点：找不到合适的使用场景
5. PrimeSense / Apple / 华硕（ASUS）
和 Kinect 一代的优缺点类似，
