我想构建一个输出 RGB-D 图像/视频的程序/功能。RGB-D 图像是普通的 rgb 图像，但每个像素也有一个像这样的深度分量：
这段代码可以访问你手机的所有数据，所以我可以访问多个摄像头、加速度计、方向数据等。我的目标是制作最好的 RGB-D 视频。
我发现了两种主要的方法，一种是 VO（视觉里程计），您可以将普通视频输入到一些算法中，通常是 CNN（卷积神经网络）。该算法比较某些跟踪点的距离变化，并得出深度图，如下所示：
VIO（视觉惯性里程计）数据类似，但它采用惯性测量，例如加速度计数据。我已经看到 ARCore 在这里这样做：
问题是，我不确定哪种方法可以产生更好的 RGB-D 数据，而且我无法与地面真实值进行比较。我很想使用 ARCore/WebXR，因为它有一个易于使用的 JS Api，它很容易使用，因为它可以在手机上运行，而不是为 VO 编译 C++ 代码，它使用 KITTI 或 SLAM 等算法。
我的问题是，收集最准确的 RGB-D 数据的最佳方法是什么？