えび

•

0 j'aime•256 vues

T

Takashi Yoshinaga

AzureKinectを肴に飲む会でのLT資料

 エビ養殖業者から海老の認識がしたいと相談
 KinectをはじめとするRGB-Dセンサで実験

 ToF(Time of Flight): Kinect V2, Xtion 2
 パターン照射：Real Sense, Structure Sensor
Real Sense
Structure Sensor
Kinect V2
Xtion 2

 ToF(Time of Flight): Kinect V2, Xtion 2
 パターン照射：Real Sense, Structure Sensor

ToF (Kinect V2):
壁・床、椅子などの構造は綺麗だがエッジ周辺のノイズ多し
パターン照射 (Real Sense)
近いものは綺麗だが、遠く(>1.5m)なると精度が低下

Real Sense Kinect V2
パターン照射型のReal Senseの方が立体感が分かった
斜め上真横

パターン照射で様々な視点で撮影したデータを使用
https://monocle.steampunk.digital/view/jtl0g0jp-x7bvo4a3

 エビのように透過性・光沢のある物体はパターン
照射方式の方が良い結果を得られた
 Azure KinectはToFだけど結果はいかに？？
To Be Continued...

Recommandé

Hiroshima Motion Control Network 12, September, 2015

Hiroshima Motion Control Network 12, September, 2015

Hiroshima Motion Control Network 12, September, 2015Tomoaki Ueda

3次元計測とフィルタリングNorishige Fukushima

Slide for M1GP2015

Slide for M1GP2015

Slide for M1GP2015Takahiro Hashizume

コンピュテーショナルフォトグラフティの基礎

コンピュテーショナルフォトグラフティの基礎

コンピュテーショナルフォトグラフティの基礎Norishige Fukushima

デプスセンサとその応用Norishige Fukushima

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...grafi_tt

物体検知（Meta Study Group 発表資料）

物体検知（Meta Study Group 発表資料）

物体検知（Meta Study Group 発表資料）cvpaper. challenge

論文紹介: Fast R-CNN&Faster R-CNN

論文紹介: Fast R-CNN&Faster R-CNN

論文紹介: Fast R-CNN&Faster R-CNNTakashi Abe

Recommandé

Hiroshima Motion Control Network 12, September, 2015

Hiroshima Motion Control Network 12, September, 2015

Hiroshima Motion Control Network 12, September, 2015Tomoaki Ueda

3次元計測とフィルタリングNorishige Fukushima

Slide for M1GP2015

Slide for M1GP2015

Slide for M1GP2015Takahiro Hashizume

コンピュテーショナルフォトグラフティの基礎

コンピュテーショナルフォトグラフティの基礎

コンピュテーショナルフォトグラフティの基礎Norishige Fukushima

デプスセンサとその応用Norishige Fukushima

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...

20180427 arXivtimes 勉強会: Cascade R-CNN: Delving into High Quality Object Det...grafi_tt

物体検知（Meta Study Group 発表資料）

物体検知（Meta Study Group 発表資料）

物体検知（Meta Study Group 発表資料）cvpaper. challenge

論文紹介: Fast R-CNN&Faster R-CNN

論文紹介: Fast R-CNN&Faster R-CNN

論文紹介: Fast R-CNN&Faster R-CNNTakashi Abe

AGA_CVPR2017nonane

Efficient DetTakeruEndo

tsuji bharmonylab

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417Masakazu Shinoda

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3Toshinori Hanya

Tuji mharmonylab

Cq off 20190718

Cq off 20190718

Cq off 20190718Takefumi MIYOSHI

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisDeep Learning JP

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, StrongerDeep Learning JP

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向Yusuke Uchida

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisKento Doi

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesispflab

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れKazuki Motohashi

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video PriorDeep Learning JP

My article s_endo

My article s_endo

My article s_endoShinEndo1

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)Taichi Iki

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門伸男伊藤

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)Takanori Ogata

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezakikanejaki

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXRTakashi Yoshinaga

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発Takashi Yoshinaga

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介Takashi Yoshinaga

Contenu connexe

Tendances

AGA_CVPR2017nonane

Efficient DetTakeruEndo

tsuji bharmonylab

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417Masakazu Shinoda

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3Toshinori Hanya

Tuji mharmonylab

Cq off 20190718

Cq off 20190718

Cq off 20190718Takefumi MIYOSHI

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisDeep Learning JP

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, StrongerDeep Learning JP

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向Yusuke Uchida

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View SynthesisKento Doi

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesispflab

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れKazuki Motohashi

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video PriorDeep Learning JP

My article s_endo

My article s_endo

My article s_endoShinEndo1

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)Taichi Iki

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門伸男伊藤

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)Takanori Ogata

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezakikanejaki

Tendances (19)

AGA_CVPR2017

Efficient Det

tsuji b

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417

物体検出の歴史まとめ(1) 20180417

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Object Detection & Instance Segmentationの論文紹介 | OHS勉強会#3

Tuji m

Cq off 20190718

Cq off 20190718

Cq off 20190718

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, Stronger

[DL輪読会]YOLO9000: Better, Faster, Stronger

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向

畳み込みニューラルネットワークの研究動向

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

[解説スライド] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesis

Muramatsu Bachelor Thesis

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れ

R-CNNの原理とここ数年の流れ

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior

My article s_endo

My article s_endo

My article s_endo

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)

GRU-Prednetを実装してみた(途中経過)

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門

わんくまT84 kinect深度情報処理入門

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)

SSD: Single Shot MultiBox Detector (ECCV2016)

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezaki

cvsaisentan20141004 kanezaki

Plus de Takashi Yoshinaga

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXRTakashi Yoshinaga

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発Takashi Yoshinaga

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介Takashi Yoshinaga

AI x WebAR: MediaPipeのハンドトラッキングを使ってみよう

AI x WebAR: MediaPipeのハンドトラッキングを使ってみよう

AI x WebAR: MediaPipeのハンドトラッキングを使ってみようTakashi Yoshinaga

iPad LiDARでエンジニアカフェを3Dスキャン

iPad LiDARでエンジニアカフェを3Dスキャン

iPad LiDARでエンジニアカフェを3DスキャンTakashi Yoshinaga

AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう

AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう

AI x OpenCV x WebAR: Selfie Segmentationを使ってみようTakashi Yoshinaga

Web技術ではじめようAR/VRアプリ開発

Web技術ではじめようAR/VRアプリ開発

Web技術ではじめようAR/VRアプリ開発Takashi Yoshinaga

MRTKをNreal Lightに対応させてみた

MRTKをNreal Lightに対応させてみた

MRTKをNreal Lightに対応させてみたTakashi Yoshinaga

Nreal Lightハンズオン

Nreal Lightハンズオン

Nreal LightハンズオンTakashi Yoshinaga

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオン

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオン

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオンTakashi Yoshinaga

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)Takashi Yoshinaga

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現Takashi Yoshinaga

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介Takashi Yoshinaga

Voxon Photonics VX1で遊んでみた

Voxon Photonics VX1で遊んでみた

Voxon Photonics VX1で遊んでみたTakashi Yoshinaga

AR-Frame x AR.js入門

AR-Frame x AR.js入門

AR-Frame x AR.js入門Takashi Yoshinaga

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！Takashi Yoshinaga

コロナ禍中のコミュニティ活動Takashi Yoshinaga

Project HoloBox

Project HoloBox

Project HoloBoxTakashi Yoshinaga

AR Fukuoka紹介2020

AR Fukuoka紹介2020

AR Fukuoka紹介2020Takashi Yoshinaga

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020Takashi Yoshinaga

Plus de Takashi Yoshinaga (20)

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXR

HoloLens2とMeta QuestではじめるWebXR

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発

【準備編】OculusQuest/HoloLens2対応WebXR開発

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

ARコンテンツ作成勉強会( #AR_Fukuoka )紹介

AI x WebAR: MediaPipeのハンドトラッキングを使ってみよう

AI x WebAR: MediaPipeのハンドトラッキングを使ってみよう

AI x WebAR: MediaPipeのハンドトラッキングを使ってみよう

iPad LiDARでエンジニアカフェを3Dスキャン

iPad LiDARでエンジニアカフェを3Dスキャン

iPad LiDARでエンジニアカフェを3Dスキャン

AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう

AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう

AI x OpenCV x WebAR: Selfie Segmentationを使ってみよう

Web技術ではじめようAR/VRアプリ開発

Web技術ではじめようAR/VRアプリ開発

Web技術ではじめようAR/VRアプリ開発

MRTKをNreal Lightに対応させてみた

MRTKをNreal Lightに対応させてみた

MRTKをNreal Lightに対応させてみた

Nreal Lightハンズオン

Nreal Lightハンズオン

Nreal Lightハンズオン

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオン

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオン

【準備編！】HoloLens 2/Oculus Quest対応WebXRハンズオン

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)

A-Frameで始めるWebXRとハンドトラッキング (HoloLens2/Oculus Quest対応)

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現

Holo-SDKハンズオン：はじめようヘッドトラッキングを用いた3D表現

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介

FUKUOKA Engineers Day 2021 発表資料：AR Fukuoka & HoloBox紹介

Voxon Photonics VX1で遊んでみた

Voxon Photonics VX1で遊んでみた

Voxon Photonics VX1で遊んでみた

AR-Frame x AR.js入門

AR-Frame x AR.js入門

AR-Frame x AR.js入門

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！

AI x WebXR: フェイストラッキングを用いた擬似3D表現を解説！

コロナ禍中のコミュニティ活動

Project HoloBox

Project HoloBox

Project HoloBox

AR Fukuoka紹介2020

AR Fukuoka紹介2020

AR Fukuoka紹介2020

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020

iPad LiDARで作ってみた in AR Fukuoka 忘年会2020

Dernier

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdf

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdf

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdfTakayuki Nakayama

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介Hyperleger Tokyo Meetup

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアルCRI Japan, Inc.

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用KLab Inc. / Tech

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。iPride Co., Ltd.

情報を表現するときのポイントonozaty

Keywordmap overview material/CINC.co.ltd

Keywordmap overview material/CINC.co.ltd

Keywordmap overview material/CINC.co.ltdkokinagano2

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイル

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイル

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイルCRI Japan, Inc.

Dernier (8)

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdf

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdf

ネットワーク可視化振る舞い検知(NDR)ご紹介_キンドリル202405.pdf

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介

Hyperledger Fabricコミュニティ活動体験＆ Hyperledger Fabric最新状況ご紹介

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル

LoRaWAN無位置ロープ式水漏れセンサーWL03A 日本語マニュアル

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用

2024年5月17日　先駆的科学計算フォーラム2024　機械学習を用いた新たなゲーム体験の創出の応用

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。

MPAなWebフレームワーク、Astroの紹介 (その1) 2024/05/17の勉強会で発表されたものです。

情報を表現するときのポイント

Keywordmap overview material/CINC.co.ltd

Keywordmap overview material/CINC.co.ltd

Keywordmap overview material/CINC.co.ltd

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイル

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイル

LoRaWAN無位置ロープ型水漏れセンサー WL03A-LB/LSカタログ　ファイル

えび

1.

2.  エビ養殖業者から海老の認識がしたいと相談  KinectをはじめとするRGB-Dセンサで実験

3.  ToF(Time of Flight): Kinect V2, Xtion 2  パターン照射：Real Sense, Structure Sensor Real Sense Structure Sensor Kinect V2 Xtion 2

4.  ToF(Time of Flight): Kinect V2, Xtion 2  パターン照射：Real Sense, Structure Sensor

5. ToF (Kinect V2): 壁・床、椅子などの構造は綺麗だがエッジ周辺のノイズ多しパターン照射 (Real Sense) 近いものは綺麗だが、遠く(>1.5m)なると精度が低下

6. Real Sense Kinect V2 パターン照射型のReal Senseの方が立体感が分かった斜め上真横

7. パターン照射で様々な視点で撮影したデータを使用 https://monocle.steampunk.digital/view/jtl0g0jp-x7bvo4a3

8.  エビのように透過性・光沢のある物体はパターン照射方式の方が良い結果を得られた  Azure KinectはToFだけど結果はいかに？？ To Be Continued...