机器视觉中的深度估计技术是通过特定的算法和方法，从图像中提取出每个像素点到相机的距离信息。以下是深度估计技术的工作原理概述：
深度估计技术主要依赖于多种方法，包括多视角恢复、结构光扫描和单目视觉 。
1. 多视角恢复：
通过同时从多个角度拍摄同一个物体，然后利用相似性计算（如神经网络、SIFT特征等）来进行深度估计。
这种方法依赖于多个视角的图像信息，通过比较不同视角下的图像差异来推断物体的深度。
2. 结构光扫描：
也称为投影式立体测量，利用光投影技术得到三维物体表面的深度信息。
通常需要一个投影器和一个相机配合使用，通过光栅投影的方法得到物体的深度信息。
这种方法属于主动光探测方案，技术成熟、便携且低延时，适用于较近距离的深度估计。
3. 单目视觉深度估计：
仅通过一张图像来估计物体的深度信息，是深度估计中的一种挑战较大的方法。
单目深度估计方法通常依赖于图像的几何信息、运动信息或深度学习模型来学习图像与深度之间的映射关系。
近年来，基于深度学习的方法在单目深度估计中得到了广泛的应用，通过学习从单目图像到深度图像的映射关系来实现深度估计。
深度估计技术还可以根据输入图像的数目分为单目深度估计、双目深度估计和多视角立体视觉。双目深度估计是通过计算两个摄像头之间的视差来推断物体的深度，而多视角立体视觉则利用多个视角的图像信息来进行深度估计。
机器视觉中的深度估计技术通过不同的方法和技术手段，从图像中提取出物体的深度信息，为3D重建、自动驾驶、机器人导航等领域提供了重要的技术支持。
