In this paper our primary focus is

In this paper our primary focus is on the depth data. The objective of the paper is to provide an insight into the geometric quality of the Kinect depth data through calibration and an analysis of the accuracy and density of the points. We present a mathematical model for obtaining 3D object coordinates from the raw image measurements, and discuss the calibration parameters involved in the model. Further, a theoretical random error model is derived and verified by an experiment.

結果 (中文) 1:

在本文中我们主要的重点是深度的数据。文件的目的是准确性的提供深入的几何数据质量的 Kinect 深度通过校准和分析和点的密度。我们提出从 raw 图像测量，获得 3D 对象坐标的数学模型，并讨论在模型中所涉及的标定参数。此外，一个理论随机误差模型是派生和实验所证实。

結果 (中文) 2:

在本文中我们主要的重点是深度数据。本文的目的是提供一种洞察Kinect的深度数据通过校准的几何质量和各点的精度和密度的分析。我们提出用于获得3D对象的数学模型，从原始图像的测量坐标，并讨论涉及的模型的校准参数。此外，理论随机误差模型推导并验证了一个实验。

結果 (中文) 3:

在本文中，我们主要关注的是深度数据。本文的目的是提供一个洞察的Kinect的深度数据通过校准和点的精度和密度分析的几何质量。我们提出了用于获得三维物体坐标从原图像测量的数学模型，并讨论了模型中涉及的参数标定。此外，一个理论的随机误差模型推导和实验验证。