文档摘要

2.2 视觉感知：从 2D 到 3D 几何与语义 机器人不能只看到「像素」，它必须看到「物体在哪里、是什么形状、能不能抓」。这一节讲清视觉从 2D 像素到 3D 几何表征的演进。 2.2.1 为什么 2D 视觉不够用 普通相机拍出来的是一张二维像素网格，没有任何深度信息。但对机器人而言，抓一个杯子需要知道： 杯子在世界坐标系的三维位置（不是像素坐标） 杯子的形状与朝向（决定抓取姿态） 杯子与桌子、其他物体的空间关系（决定碰撞规避） 这些都无法从单张 2D 图像直接得到。因此机器人视觉必须从 2D 走向 3D。3D 视觉的表征经历了几个阶段： 2.2.2 深度图与点云 深度图（Depth Map）：每个像素存储的不是颜色，而是相机到该点的距离。

---