我们知道普通双目传感器都是需要畸变校准的，比如张正友方法，但是双目的深度信息并不很好。能否用双目的图片或者视频，通过神经网络进行训练？逼近人眼的状态？ 

　　比如视察比较，是基于特征点计算的，特征点的匹配，是数学上的。并不能识别物。人眼可以很好的区分物，知道物的边界。物的边界反过来，又能更好的进行特征点匹配。

　　双目视觉传感器和神经网络逼近人眼视觉，难点是提高神经网络的性能。双目视觉所用传感器，不管是分辨率、镜头、频谱范围，都可以远远超过人的双眼。之所以最终表现不如人，主要原因是分析处理算法上的进展，还没有达到媲美人脑的程度。目前趁着深度学习的热潮，应该会有不少突破，毕竟原理上人脑能做到的，计算机也可以做到。而且在速度、可重复性、耐力上，计算机的性能肯定是非人脑可比的。之前看到过很多基于深度学习的模型，比如3dShapeNet,或者BING+GP-LVM+ConvNet之类。最近看到一个FusionNet，看上去应该很有效：

　　转载请注明来源：赛斯维传感器网（www.sensorway.cn）