在机器人眼中，玻璃并不存在

主要观点总结

文章主要介绍了在3D扫描中遇到的老问题：透明、反光的东西难以扫描。作者尝试了新的3D扫描设备Revopoint MetroY，但效果并不理想。随后，作者提到了蚂蚁团队开发的LingBot-Depth模型，该模型通过AI补全的方法解决这些问题。文章还详细解释了深度相机的测距原理以及AI补全的思路和方法，并给出了LingBot-Depth模型的实际应用效果。

关键观点总结

关键观点1: 透明、反光物体在3D扫描中的挑战

透明、反光物体在3D扫描中一直是个难题，市面上的深度相机在面临这类物体时常常会出现深度图上缺失、噪声、错误的深度值等问题。

关键观点2: Revopoint MetroY的使用体验

作者尝试使用新的3D扫描设备Revopoint MetroY来解决这个问题，但实际效果并不理想，还存在很多问题。

关键观点3: LingBot-Depth模型的介绍

蚂蚁团队开发的LingBot-Depth模型通过AI补全的方法来解决透明、反光物体在3D扫描中的难题。该模型利用了深度相机的缺失数据作为学习材料，通过训练让模型学会识别这些物体。

关键观点4: 深度相机的测距原理

文章介绍了深度相机的几种测距原理，如ToF（飞行时间）、结构光和双目视觉等。

关键观点5: LingBot-Depth模型的实际应用效果

LingBot-Depth模型在多个数据集上的表现优异，特别是在室内数据集上的表现更是令人瞩目。在实际应用中，该模型也能有效地识别透明、反光物体，提高了机器人抓取的成功率。