3D 立体深度传感器在许多领域都有广泛应用，包括自动驾驶汽车的传感、逆向工程和制造自动化等。这些传感器的性能会受到多种因素的影响，例如传感器结构、传感器技术、传感器设置、环境等。为了对这些传感器进行表征以及制定相关标准，需要了解影响传感器输出的参数。随着机器学习（ML）在 3D 点云和深度数据方面的应用日益普及，了解这些模型使用的数据对于提高此类深度传感器的采用率至关重要。在某些领域中，传感器噪声和瞬态效应可能会成为主导因素。在将传感器数据与ML算法结合使用之前降低噪声对于提高算法准确性是必要的。为了对深度传感器进行表征，我们使用具有不同光泽度、颜色和纹理/图案的目标进行了实验。此外，我们还通过研究传感器参数（如曝光、增益和激光功率）来探究传感器数据质量和噪声。我们发现在传感器捕获的 2D 图像和深度数据中都存在瞬态效应。这些实验有助于为特定应用提供可能建议的操作条件以及针对这些传感器的未来标准。
会议录下载链接：https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=959923
