一、课程导论：什么是深度相机？
大家好，我是这门课的主讲。先聊聊深度相机这事儿。
普通相机拍出来的是啥？一张平面照片，RGB像素点。你看到的是颜色、亮度，但不知道物体离你多远。深度相机不一样——它每个像素点不光有颜色信息，还带一个深度值（Z轴距离）。说白了，就是给照片加上了“距离感”。
我最早接触深度相机是在2015年，当时做一个人体交互项目。用普通摄像头做手势识别，效果惨不忍睹——光照一变就废。后来换成深度相机，嗯，世界清静了。
深度相机的工作原理
市面上主流的有三种技术路线：
| 技术类型 | 代表产品 | 原理简述 | 适用场景 |
|---|---|---|---|
| 结构光 | Kinect v1、Intel RealSense | 投射红外光斑，通过变形计算深度 | 室内、中近距离 |
| 飞行时间(ToF) | Kinect v2/Azure、iPhone LiDAR | 发射光脉冲，测量往返时间 | 室内外、动态场景 |
| 双目立体视觉 | ZED、Intel T265 | 两个摄像头视差计算深度 | 室外、纹理丰富场景 |
我个人习惯用ToF方案做动作捕捉。为什么？因为它速度快、抗干扰强。结构光在强光下容易失效，双目在弱纹理区域（比如白墙）会“瞎掉”。ToF虽然分辨率低一点，但胜在稳定。
二、姿态估计与动作捕捉的应用领域
这玩意儿能干啥？我列几个我实际接触过的领域。
游戏行业
你玩过《舞力全开》或者《健身环大冒险》吗？那就是典型的姿态估计应用。摄像头捕捉你的动作，游戏角色跟着动。我在2018年帮一家游戏公司做过一个VR格斗游戏，用深度相机识别玩家的出拳、踢腿动作。说实话，延迟控制在50ms以内，体验就很好了。
影视制作
好莱坞大片里的CG角色，比如《阿凡达》里的纳美人，动作都是真人演员穿着动捕服演的。但深度相机的出现，让无标记点动捕成为可能。你不需要穿那身带反光球的紧身衣了，站在相机前就行。我参与过一个小成本动画项目，就用两台Azure Kinect完成了全身动捕，预算省了80%。
医疗康复
这个领域我感触最深。中风患者需要做康复训练，但去医院太麻烦。用深度相机在家就能做——系统实时检测患者的动作是否标准，给出反馈。我曾经帮一家康复机构做过原型，患者抬手角度不够，系统会语音提示“再抬高5度”。效果比单纯看视频好太多。
机器人
机器人要抓取物体，得知道物体在哪儿、怎么抓。深度相机就是机器人的“眼睛”。我见过一个仓储机器人项目，用深度相机识别货架上的包裹，抓取成功率从70%提升到95%。
三、课程目标与学习路径
这门课的目标很明确：让你从零开始，搭建一套基于深度相机的姿态估计与动作捕捉系统。
你会学到什么？
- 深度相机原理与选型——不同场景该用哪种相机，参数怎么看
- 点云处理基础——滤波、配准、分割，这些是基本功
- 人体姿态估计算法——从OpenPose到MediaPipe，从2D到3D
- 动作捕捉实战——实时追踪、骨骼绑定、数据导出
- 性能优化——延迟、精度、鲁棒性，怎么平衡
学习路径建议
我建议你按这个顺序来：
- 先搞懂深度相机——别急着写代码，先拿一台相机玩两天。拍点东西，看看点云长什么样。
- 再学点云处理——PCL库是绕不开的。我当年啃PCL文档啃了整整一周，但值得。
- 然后上姿态估计——从2D姿态开始，再过渡到3D。别一上来就想做全身动捕。
- 最后做系统集成——把相机、算法、可视化串起来，跑通一个完整的demo。
知识体系总览
下面这张图，是我自己画的课程知识结构。你可以把它当作地图，随时回来看看自己走到哪儿了。
这张图里，从底层到顶层，就是咱们这门课要走的路。每一步都有对应的章节和实战项目。
你需要准备什么？
- 一台深度相机（推荐Azure Kinect或Intel RealSense D435）
- 一台带GPU的电脑（GTX 1060以上就行）
- Python基础（会numpy、opencv就行）
- 一点点线性代数和3D几何知识
嗯，差不多就这些。准备好了吗？咱们开始吧。