現(xiàn)象描述

官方回復(fù)1

圖像最左側(cè)的噪聲通常與稱為“無效深度帶”的現(xiàn)象有關(guān)，該現(xiàn)象會在相機靠近物體時擴大。
在當(dāng)前版本的400系列攝像機的數(shù)據(jù)表文檔的第59-60頁中對此進(jìn)行了描述。

The depth data generated with stereo vision uses the left imager as the reference for stereo matching resulting in a non-overlap region in the field of view of left and right imagers where we will not have depth data at the left edge of the frame.
Closer scenes result in a wider invalid depth band than scenes at larger distances.

用立體視覺生成的深度數(shù)據(jù)將左成像器用作立體匹配的參考，從而在左成像器和右成像器的視場中形成一個非重疊區(qū)域，在該區(qū)域中，幀的左邊緣將沒有深度數(shù)據(jù)。
與距離較遠(yuǎn)的場景相比，較近的場景會導(dǎo)致更寬的無效深度范圍。

官方回復(fù)2

I thought very carefully about your question. In the past, some users have taken the approach of removing invalid depth pixels from the image by converting them to a value of zero.

I wonder if trying to use post-processing filters to adjust invalid pixels may be easier.

https://dev.intelrealsense.com/docs/post-processing-filters

A tutorial for using post-processing filters in Python code is in the link below.

https://github.com/IntelRealSense/librealsense/blob/jupyter/notebooks/depth_filters.ipynb

我非常仔細(xì)地考慮過您的問題。 過去，一些用戶采用了通過將無效深度像素轉(zhuǎn)換為零值來從圖像中刪除無效深度像素的方法。

我不知道嘗試使用后處理濾鏡來調(diào)整無效像素是否更容易。

https://dev.intelrealsense.com/docs/post-processing-filters

下面的鏈接中有一個在Python代碼中使用后處理過濾器的教程。

https://github.com/IntelRealSense/librealsense/blob/jupyter/notebooks/depth_filters.ipynb

參考文章：Why is there some afterimage in my depth_image? #5456

總結(jié)

以上是生活随笔為你收集整理的Intel Realsense D435 深度图为什么会出现残影？（Invalid Depth Band 无效深度带）（黑洞）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。