機器視覺中的深度估計技術是通過特定的算法和方法，從圖像中提取出每個像素點到相機的距離信息。以下是深度估計技術的工作原理概述：

深度估計技術主要依賴于多種方法，包括多視角恢復、結構光掃描和單目視覺 。

1. 多視角恢復：

通過同時從多個角度拍攝同一個物體，然后利用相似性計算（如神經網絡、SIFT特征等）來進行深度估計。

這種方法依賴于多個視角的圖像信息，通過比較不同視角下的圖像差異來推斷物體的深度。

2. 結構光掃描：

也稱為投影式立體測量，利用光投影技術得到三維物體表面的深度信息。

通常需要一個投影器和一個相機配合使用，通過光柵投影的方法得到物體的深度信息。

這種方法屬于主動光探測方案，技術成熟、便攜且低延時，適用于較近距離的深度估計。

3. 單目視覺深度估計：

僅通過一張圖像來估計物體的深度信息，是深度估計中的一種挑戰(zhàn)較大的方法。

單目深度估計方法通常依賴于圖像的幾何信息、運動信息或深度學習模型來學習圖像與深度之間的映射關系。

近年來，基于深度學習的方法在單目深度估計中得到了廣泛的應用，通過學習從單目圖像到深度圖像的映射關系來實現(xiàn)深度估計。

深度估計技術還可以根據(jù)輸入圖像的數(shù)目分為單目深度估計、雙目深度估計和多視角立體視覺。雙目深度估計是通過計算兩個攝像頭之間的視差來推斷物體的深度，而多視角立體視覺則利用多個視角的圖像信息來進行深度估計。

機器視覺中的深度估計技術通過不同的方法和技術手段，從圖像中提取出物體的深度信息，為3D重建、自動駕駛、機器人導航等領域提供了重要的技術支持。