我对诸如 Kitti 或 NYUv2 等数据集中深度图的含义有点困惑。它们是相机中心与场景中物体之间的实际距离，还是物体与相机平面之间的距离（即 3D 坐标的 z 值）？
如果是后者：为什么人们会对这个价值感兴趣？此外，激光雷达传感器或 Kinect 摄像头是否也不会首先返回每个对象的实际距离？
我对诸如 Kitti 或 NYUv2 等数据集中深度图的含义有点困惑。它们是相机中心与场景中物体之间的实际距离，还是物体与相机平面之间的距离（即 3D 坐标的 z 值）？
如果是后者：为什么人们会对这个价值感兴趣？此外，激光雷达传感器或 Kinect 摄像头是否也不会首先返回每个对象的实际距离？