​

 大家好！

今天，我们很高兴地宣布我们为OAK-D-SR-PoE相机推出一套新的滤波。这些滤波极大地改善了原始ToF深度感知，降低了噪声，稳定了测量结果，并产生了更清晰的点云（PCLs）。

开箱即用，ToF提供强大的深度感测，但原始数据可能会有噪点、闪烁或不完整。有了我们的全新滤波系统，ToF现在可以提供更清晰、更稳定、对现实世界任务更有用的深度图和点云。

无论您是使用机器人、自动化还是消费设备，这都意味着ToF将成为立体视觉上遇到困难时最有力替代选择。

🚀为何滤波如此重要？

原始ToF深度数据具有令人难以置信的潜力，但如果不进行处理，就会变得混乱。新的滤波管道通过以下方式改变了这一点：

简而言之，这些滤波接收原始深度输入，并将其转化为稳定、可用的数据。这些改进在点云中尤为明显，以前噪点较多或不完整的曲面现在看起来更加干净连续。

更好的是：过滤器可以针对特定应用进行调整，因此无论您是需要近距离的细节还是远距离的稳定性，都可以调整平衡。

➰每个范围的预设

为了更容易地使用，我们为最常见的场景创建了预设参数。无需无休止地调整——只需选择适合您用例的选项：

每个预设都以不同的方式平衡降噪、边缘保持和稳定性。例如，低范围预设可最大限度地减少边缘模糊，而高范围预设则侧重于跨距离的平滑和一致性。

💻 尝试自定义筛选值

如您想要超越预设参数，尝试自己的滤波设置，您可以通过运行我们的示例项目进行尝试：

git clone https://github.com/luxonis/oak-examples.git
cd oak-examples/
python3 -m venv venv  # for Linux
source venv/bin/activate  # for Linux
cd depth-measurement/3d-measurement/tof-pointcloud/
pip install -r requirements.txt
python3 main.py

这将启动ToF点云演示，您可以在其中直接调整验证、空间和时间滤波，并实时查看它们对结果的影响。这是了解每个滤波如何发挥自身作用，以及为自己的应用程序进行微调的好方法。

为了显示差异，我们准备了三个简单但现实经常遇到的例子​

通过这些预设，您可以快速将ToF下放到实际应用程序中，并立即看到效果。

📦 Notes

1、在RVC2上，这些新滤波当前在主机上运行。

2、在RVC4上，OAK尚未推出ToF相机。

3、滤波显著地改善了结果，但它们无法在没有足够特征的地方创建于捕获信息——反射率非常低、距离极远或多径反射严重的场景仍然具有挑战性。

总结：随着这些新ToF滤波的发布，原始深度感知取得了巨大的进步。更清晰的地图、更平滑的点云和即插即用的预设使OAK-D-SR-PoE在各个行业中更容易使用! ​