得益於卓越的深度運算和紅外線（IR）成像能力，飛時測距（ToF）攝影機在工業應用，尤其是機器人領域越來越受歡迎。儘管具有這些優勢，但光學系統的固有複雜性往往會造成視野的侷限，進而限制獨立功能。本文討論的3D圖像拼接演算法專為支援主機處理器而設計，無需雲端運算。該演算法將來自多個ToF攝影機的紅外線和深度資料即時無縫結合，產生連續的高品質3D圖像，該圖像具有超越獨立單元的擴大視場。借助拼接的3D資料，應用先進的深度學習網路將能徹底改變視覺化及與3D環境的交互，使得深度學習網路在移動機器人應用中特別具價值。

飛時測距（ToF）攝影機能夠作為卓越的測距成像系統，主要視利用ToF技術來確定攝影機與圖像中每個點之間的距離。透過測量雷射或LED發射的人造光訊號的往返時間，便可計算出距離。ToF攝影機提供精準的深度資訊，因此在準確距離測量和3D視覺化十分重要的相關應用，例如在機器人和工業技術應用中，該攝影機是極具價值的工具，例如能夠在270°的視野（FOV）範圍執行碰撞檢測和人體檢測，進而提高安全性。
...
...