初探Kinect：OpenNI/NITE vs 微软SDK

"这篇文档是关于作者初次学习和探索Kinect设备及其开发工具的总结，主要对比了微软的SDK和OpenNI/NITE框架，并决定采用OpenNI/NITE进行手势识别项目开发。文中详细介绍了Kinect如何捕捉3D影像以及其工作原理，同时提及了微软Kinect SDK的安装和使用步骤，包括支持的开发语言、开发环境和API参考。" 在深入理解Kinect技术之前，我们首先需要知道它如何检测3D影像。Kinect不采用Time-of-Flight (TOF) 技术，而是利用LightCoding技术。这种技术基于激光光散斑，通过向测量空间发射连续的近红外光并对其编码。传感器捕获编码后的光线，然后由芯片解码，生成包含3D深度信息的图像。因此，Kinect能构建出环境的三维模型。 至于骨骼追踪系统，它是通过复杂的算法分析接收到的影像数据，识别出人体的关键关节位置，从而实现对动作的识别和追踪。微软Kinect的性能指标包括：30Hz的视频帧率，8位VGA分辨率（640x480像素），最佳识别距离为1.2-3.5米，可扩展至0.8-4米，视野范围为水平57°，垂直43°。系统能够同时追踪最多两个人，每人的20个关键关节。 微软的Kinect SDK（Beta）是开发者常用的一个工具，它支持Windows 7平台和Visual Studio 2010环境，提供了VB.NET、C#和C++的编程接口。在安装SDK后，开发者可以添加“Microsoft.Research.Kinect”引用，并利用提供的API，如NUI初始化、关闭、传感器属性、图像相机API和骨骼API等进行开发。例如，C++开发时需包含“MSR_NuiApi.h”，链接“MSRKinectNUI.lib”，并使用SDK的DLLs和命名空间。 在SDK中，有一个名为SkeletalViewer的示例，它使用了Direct3D9和Windows图形显示接口（GDI），展示了如何实时追踪和渲染骨骼信息。通过这些基础，开发者可以进一步构建复杂的交互应用，比如本文作者计划的手势识别项目。 OpenNI/NITE是PrimeSense公司提供的开源框架，它与微软的SDK相比，可能更适用于特定的场景和需求。作者在评估后决定采用OpenNI/NITE，这表明在手势识别方面，该框架可能提供了更适合的工具和算法。开发者可以继续研究这两个框架的特性，以便选择最适合自己的项目需求。