近年來，在AR/VR以及自動駕駛、無人機、機器人等人工智能領域，對深度視覺的需求十分突出。目前的深度視覺產品主要是深度攝像頭。深度攝像頭除了能夠獲取平面圖像以外，還可以獲得拍攝對象的深度信息，也就是三維的位置和尺寸信息，使得整個計算系統獲得環境和對象的三維立體數據。
按技術分類，深度攝像頭可分爲以下三類主流技術：結構光、雙目視覺和TOF飛行時間法。
結構光
結構光是目前最主流、應用最廣泛的深度感知方案，其基本原理是由結構光投射器向被測物體表面投射可控制的光點、光條或光面結構，並由圖像傳感器獲得圖像，通過系統幾何關係，利用三角原理計算得到物體的三維座標。
結構光法測量原理
應用：目前是業界比較成熟的深度檢測方案，很多的激光雷達和3D掃描技術都採用結構光方案。結構光的代表產品有微軟的Kinect一代。
優勢：結構光方案優勢在於技術成熟，識別距離遠，深度圖像分辨率可以做得比較高，但容易受光照影響。
缺點：由於以折射光的落點位移來計算位置，這種技術不能計算出精確的深度信息，對識別的距離也有嚴格的要求。而且容易受到環境光線的干擾，強光下不適合，響應也比較慢。
雙目視覺
此類方案是指安裝兩個攝像頭，利用雙目立體視覺成像原理，通過兩個攝像機來提取包括三維位置在內的信息進行深度感知。
雙攝像頭模擬雙目視覺成像
應用：目前應用在智能安防監控、機器人視覺、物流檢測等領域。市場上的典型的產品有LeapMotion，大疆無人機等。
優勢：雙目視覺的方案不容易受到環境光線的干擾，適合室外環境，滿足7*24小時的長時間工作要求，不易損壞。而且，由於不涉及光學系統，因此雙目視覺的成本是三種深度感知方案中最低的。
缺點：不足的是，這種技術需要龐大的程序計算量，對硬件設備有一定配置要求，同時受外界環境影響大，比如環境光線昏暗、背景雜亂、有遮擋物等情況下不適用。
TOF飛行時間法
TOF是飛行時間（Time of Flight）技術的縮寫，基本原理是傳感器發出經調製的近紅外光，遇物體後反射，傳感器通過計算光線發射和反射時間差或相位差，來換算被拍攝景物的距離，以產生深度信息，此外再結合傳統的相機拍攝，就能將物體的三維輪廓以不同顏色代表不同距離的地形圖方式呈現出來。
TOF原理
應用：可用於機器人、製造、醫療技術以及數碼攝影等領域的設備控制。市場上的典型產品有Kinect2代。
優點：TOF其實是相對結構光和雙目視覺來說受環境影響最小的技術，響應速度快、深度信息精度高。
缺點：由於傳感器芯片並不成熟，成本很高，所以實現量產困難。另一方面，TOF分辨率不高，因此不適合精度要求高的場景。
深度攝像頭的應用範圍非常廣泛：工業領域、智能監控、物流領域、AR/VR等等，隨着技術的發展，整個行業將爲深度感知尋找更加豐富的應用場景