Kinect czy RealSense: która kamera głębi do instalacji?

Kinect czy RealSense: która kamera głębi do instalacji interaktywnej

Okazuje się wtedy, że "najlepsza kamera głębi" to nie pojęcie bezwzględne: jedne urządzenia lepiej radzą sobie w kontrolowanym świetle galerii, inne - gdy obraz musi powstawać w plenerze albo przy silnych lampach scenicznych. Azure Kinect (oraz jego hardware'owy spadkobierca, linia Orbbec Femto) i rodzina Intel RealSense D400 to dwa różne podejścia do tego samego problemu - rozpoznania, gdzie w przestrzeni znajduje się widz albo aktor. Warto je poznać, zanim wybór padnie na którykolwiek z nich.

Ewolucja rynku: co stało się z Azure Kinect i dokąd zmierza RealSense

Zanim porównamy obie technologie, trzeba uporządkować fakty - bo sam rynek sensorów głębi przeszedł w ostatnich latach poważne przetasowania i pytanie "Kinect czy RealSense" w 2025 r. brzmi inaczej niż w 2018.

Microsoft w 2023 r. ogłosił zakończenie produkcji i sprzedaży zestawu deweloperskiego Azure Kinect DK. Ostatnie zamówienia w oficjalnej dystrybucji zostały zrealizowane jesienią tamtego roku. Technologia indirect Time-of-Flight oraz rozwiązania software'owe (tracker, Body Tracking SDK) nie zniknęły jednak z rynku - licencję na hardware przejęła firma Orbbec, która rozwija równoległą linię sensorów pod marką Femto Bolt oraz Femto Mega. To oznacza, że w nowych projektach mówimy raczej o platformie iToF Orbbec/Azure Kinect niż o konkretnym zestawie z logo Microsoftu.

Z drugiej strony Intel w 2021 r. zrestrukturyzował ofertę RealSense: wycofał z produkcji kamerę LiDAR L515 oraz tracker T265. Z linii został przede wszystkim rdzeń - stereoskopowa seria D400, w tym modele D415, D435, D435i i D455. To one są dzisiaj realnym zapleczem hardware'owym dla instalacji opartych na aktywnej wizji stereo IR. RealSense nie zniknął, ale z oferty odpadły alternatywne gałęzie (LiDAR i dedykowane urządzenie śledzące), więc cała paleta wyboru dla projektantów zawęziła się do jednej rodziny czujników.

W praktyce mamy więc dzisiaj do czynienia z dwoma żywymi ekosystemami: iToF (Azure Kinect / Orbbec Femto) i Active IR Stereo (RealSense D400), z których każdy dostarcza własny stack SDK, własne algorytmy szkieletowania i własną filozofię montażu.

Mechanika pomiaru: iToF kontra aktywna wizja stereoskopowa

Różnica między tymi rodzinami zaczyna się na poziomie fizyki, a nie marketingu, i ma bezpośrednie przełożenie na to, jak kamera zachowuje się w konkretnej sali.

Jak mierzy Azure Kinect i linia Orbbec Femto

Czujnik Azure Kinect (a więc też Femto Bolt i Femto Mega) działa w technologii indirect Time-of-Flight. Sensor emituje modulowaną wiązkę światła podczerwonego, a następnie mierzy, z jakim opóźnieniem fazowym fala wraca do matrycy. Z tego przesunięcia fazowego rekonstruowana jest odległość do każdego piksela - niezależnie od tekstury powierzchni.

Konsekwencje są trzy:

• uzyskana chmura punktów jest bardzo spójna - każdy piksel dostaje własny, niezależny pomiar głębokości,
• sensor nie potrzebuje kontrastu na tle ani widocznych krawędzi, żeby zmierzyć dystans - działa nawet na jednokolorowej ścianie,
• generowana rozdzielczość głębi sięga rozmiarów typu 640×576 w trybie NFOV lub 512×512 w trybie WFOV, co jest wartością rzadko spotykaną w segmencie konsumenckim.

To podejście ma jednak wyraźną słabość: fala iToF jest modulowaną wiązką zbliżonej do światła widzialnego długości fali, którą łatwo "wypalić" silne światło słoneczne albo stroboskop sceniczny. Stąd też druga strona medalu - świetne wyniki w pomieszczeniach, problemy w plenerze.

Jak mierzy Intel RealSense D400

Stereoskopowa seria D400 (D415, D435, D435i, D455) pracuje w innej filozofii: mamy tu dwie kamery IR ustawione na stałej bazie oraz wbudowany projektor podczerwieni, który "dorysowuje" na scenie niewidoczny wzorzec kropek. Algorytm stereo dopasowuje wzorzec między lewym a prawym okiem i z dysparycji oblicza odległość.

Efekty są tu odwrotne niż w iToF:

• silne światło zastane lub promienie słoneczne nie zakłócają pracy tak bardzo, bo projektor i kamery pracują w paśmie bliskiej podczerwieni z własnym oświetlaczem,
• system zależy od widoczności krawędzi i tekstury - na jednolitych powierzchniach (np. biały karton, gładka ściana) gęstość punktów głębi spada,
• jakość głębi skaluje się z bazą optyczną kamery - stąd właśnie D455 ma większy zasięg niż D435 przy tej samej rozdzielczości.

W instalacjach, które działają w dzień przy oknach albo na zewnątrz pod pochmurnym niebem, RealSense odzyskuje przewagę, którą w pomieszczeniach oddaje iToF.

Śledzenie postaci i szkieletowanie wewnątrz budynków

W instalacjach interaktywnych najczęściej zależy nam nie na samej mapie głębi, lecz na tym, czy algorytm poprawnie rozpozna sylwetkę widza i odczyta pozycję jej kończyn. To obszar, w którym iToF Azure Kinect i Orbbec Femto ma przewagę trudną do podważenia.

Dlaczego iToF wygrywa we wnętrzach

Po pierwsze, chmura punktów z iToF jest gęstsza i bardziej jednorodna niż to, co oferuje stereoskopowy RealSense w podobnej półce cenowej. Po drugie - i to ważniejsze dla trackerów typu Body Tracking SDK - sensor dostarcza stabilniejsze dane o powierzchni ciała, bez typowych "dziur" w chmurze pojawiających się na jednolitych koszulkach i w półcieniu. W rezultacie algorytmy skeletal tracking odczytują pozycję 32 stawów z większą ciągłością, a sylwetka nie "gubi się" przy szybkim obrocie.

W praktyce oznacza to:

• mniejsze opóźnienia przy reakcji instalacji na gest,
• mniej "pływających" kończyn, które potrafią frustrować widza,
• możliwość pracy z większą liczbą osób jednocześnie w kadrze.

To wyjaśnia, dlaczego w instalacjach muzealnych z mapowaniem na podłogę, a także w pracach tanecznych z real-time trackingiem, tak często spotykamy Orbbec Femto Bolt - hardware jest w praktyce zgodny ze stosem Azure Kinect i przejmuje jego dotychczasową rolę.

Gdzie RealSense utrzymuje pozycję

RealSense D400 z własnymi SDK (librealsense2) nie dorównuje Azure Kinect w czystym śledzeniu postaci, ale wciąż oferuje użyteczny body tracking z bibliotekami takimi jak Nuitrack czy OpenPose wzbogaconymi o kanał głębi. Tam, gdzie:

• scena jest dobrze oświetlona światłem zastanym,
• widzowie nie wchodzą w głęboki cień,
• odległość od kamery jest znana i mieści się w zakresie 0,3-3 m albo 0,6-6 m,

RealSense nadal daje stabilne, przewidywalne wyniki. Węższa przewaga zaczyna się dopiero wtedy, gdy pracujemy z bardzo gęstym tłem albo ubraniami o intensywnych wzorach, które potrafią zmylić moduł IR.

Wyzwania oświetleniowe: galeria kontra plener

Światło jest najczęstszym powodem, dla którego gotowa instalacja "nie działa" po przeniesieniu z laboratorium do sali wystawowej. Każda z omawianych rodzin sensorów reaguje na nie inaczej.

Galeria z kontrolowanym oświetleniem

W zamkniętych przestrzeniach z miękkim, rozproszonym światłem (muzea, czarne boxy, studia) obie technologie działają poprawnie, ale iToF wyraźnie zyskuje na spójności chmury punktów. To też środowisko, w którym Microsoft/Azure Kinect SDK i jego następca (Orbbec Body Tracking SDK) zostały najlepiej przetestowane. Jeżeli projektujesz instalację typu mapping na podłogę, kinetyczna ściana reagująca na gesty albo taniec z projekcją - kontrolujesz światło, więc kontrolujesz warunki sensorowe.

Wniosek: galeria, stałe oświetlenie, publiczność stojąca w wyznaczonym polu - tu linia Orbbec Femto / Azure Kinect ma przewagę.

Scena z silnymi projektorami i stroboskopami

Scena teatralna lub klubowa to osobny case. Światło jest tu nie tylko zmienne, ale i agresywne wobec pasma podczerwieni: stroboskopowe flesze, lasery sceniczne i ruchome głowy potrafią w ciągu ułamka sekundy zmienić warunki pomiaru. Sytuacja, w której Azure Kinect traci blokadę fazy, a RealSense nadal trzyma parę stereo, zdarza się częściej, niż sugerują suche specyfikacje.

Dla bezpieczeństwa warto przy takich instalacjach:

• zaplanować strefę wykluczenia z bezpośredniego padania światła na sensor,
• zostawić margines ekspozycji w trackerze,
• mieć przygotowany fallback - drugą kamerę w innej pozycji albo plan B oparty na module IMU czy markerach.

Plener i bezpośrednie światło słoneczne

Bezpośrednie słońce to najtrudniejsze środowisko dla iToF - fala nośna łączy się z promieniowaniem słonecznym w podobnym paśmie i algorytm traci rozdzielczość fazy. RealSense D400, oparty na aktywnej wizji stereo z własnym projektorem wzorca, radzi sobie w tych warunkach zauważalnie lepiej, choć i tu skrajne kontrasty (cień + słońce) potrafią rozbijać chmurę punktów.

W praktyce plenerowe instalacje interaktywne zazwyczaj wybierają RealSense D435 albo D455 z filtrem IR, mocowaniem z daszkiem przeciwsłonecznym i starannym planowaniem pory dnia, w której instalacja ma działać.

Dobór zasięgu: D435 kontra D455 i realne ograniczenia instalacji

W projektach site-specific zasięg bywa ważniejszy niż rozdzielczość. Zbyt bliskie cięcie powoduje, że widz "wchodzi" w strefę martwą; zbyt dalekie - że ruchy są zbyt subtelne, by sensor je uchwycił.

Co mówią karty katalogowe

Zasięg operacyjny różni się wyraźnie między modelami:

• Intel RealSense D435 - optymalny zakres od ok. 0,3 m do 3 m; sprawdza się w mniejszych pomieszczeniach, niszach projekcyjnych, kabinach interaktywnych.
• Intel RealSense D455 - rozszerzony zakres od ok. 0,6 m do 6 m dzięki większej bazie stereoskopowej; typowy wybór do większych sal, scen i wejść do wystawy.

Modele D415 i D435i uzupełniają rodzinę, ale w typowej instalacji wybór sprowadza się do pytania: ile metrów kwadratowych mam ogarnąć z jednej pozycji kamery?

Jak to przekłada się na projekt

Przy małej kubaturze (do 25 m², widzowie w odległości 1-3 m) D435 bywa w zupełności wystarczający i tańszy. Przy większej sali albo kinetycznej ścianie reagującej na ruch z 4-5 m lepiej sięgnąć po D455 - zysk z większej bazy stereo i wyższej odporności na światło zastane uzasadnia różnicę w cenie.

Po stronie Orbbec Femto

Linia Femto (Bolt, Mega) pracuje w trybach NFOV i WFOV o rozdzielczości 640×576 / 512×512, a zakres efektywny (zwykle ok. 0,5-5 m) daje się regulować charakterystyką optyki. W praktyce iToF bywa bardziej "wybaczający" w kwestii kąta niż RealSense, ale mniej przewidywalny w plenerze - to kolejny powód, by deklarować lokalizację instalacji zanim wybierzemy platformę.

Decyzja w praktyce: co wybrać, zanim zamówisz sprzęt

Wybór między Azure Kinect / Orbbec Femto a Intel RealSense D400 nie musi być deklarowany w próżni. Większość błędów przy tego typu instalacjach wynika z dopasowania sensora do wnętrza, które dopiero powstaje, zamiast odwrotnie.

Kiedy wybrać Orbbec Femto / Azure Kinect (iToF)

• Instalacja działa w pełni kontrolowanym wnętrzu - muzeum, galeria, studio, czarny box.
• Kluczowe jest śledzenie sylwetki: taniec, gest, reakcja na ruch całego ciała.
• Zależy Ci na najwyższej gęstości chmury punktów i spójności danych w czasie.
• W projekcie planujesz stos Azure Kinect SDK albo jego bezpośredni odpowiednik w Orbbec, a zatem przenosisz już istniejące pipeline'y.

Kiedy wybrać Intel RealSense D400 (Active IR Stereo)

• Praca odbywa się w świetle mieszanym, w plenerze albo przy silnych oknach.
• Potrzebujesz elastycznego zasięgu od 0,3 do 6 m z jednego sensora - zwykle wybierasz wtedy D455.
• W grę wchodzi mniejszy budżet albo potrzeba wymiany hardware co kilka wersji ekspozycji.
• Stos technologiczny jest oparty o OpenCV, ROS, libelium i własne algorytmy z normalizacją danych stereo.

Dobra instalacja zaczyna się od pytania, gdzie wisi kamera i co ma złapać - nie od specyfikacji na papierze. Światło, dystans i gest projektuje się razem, a sensor dobiera na końcu.

Co jeszcze warto sprawdzić, zanim odpalasz pierwszą instalację

Kilka rzeczy, które regularnie przewracają projekty w dniu montażu, a których nie widać w żadnej tabelce porównawczej:

• Kompatybilność SDK z systemem operacyjnym - Azure Kinect SDK wymaga specyficznych wersji Windows/Linux; linia Orbbec Femto ma własny SDK, który nie zawsze pokrywa wszystkie API z czasów Microsoftu.
• Dostępność uchwytów i obudów ochronnych - RealSense D400 ma bogatszy rynek akcesoriów 3D-print; Orbbec Femto Bolt dziedziczy niektóre po Azure, ale oferta jest węższa.
• Zasilanie i sposób podłączenia - oba sensory korzystają z USB-C, ale niektóre instalacje wymagają aktywnych hubów lub dodatkowego zasilania; brak tego punktu w briefie bywa częstą przyczyną opóźnień.
• Wsparcie producenta i gwarancja - RealSense ma stabilną, kilkuletnią historię wsparcia; Orbbec przejął technologię i rozwija ją intensywnie, ale warto sprawdzić, które firmware'y są obecnie rekomendowane dla planowanego wariantu tracker'a.
• Polityka licencyjna trackerów ciała - Azure Body Tracking SDK był darmowy do użytku niekomercyjnego; dla projektów komercyjnych obowiązują odrębne warunki. Orbbec przenosi te zasady w swoich produktach - kwestia do potwierdzenia przed premierą.

Wybór sensora głębi to nie sprint po najnowszy model - to inwestycja w cały pipeline: SDK, tracker, obudowę, backup. Sprzęt to połowa roboty; drugą połowę robi wsparcie producenta i dokumentacja, z którą twój zespół spędzi najbliższe miesiące.

Na co patrzeć w najbliższych miesiącach

Rynek sensorów głębi nie stoi w miejscu. Warto śledzić trzy kierunki:

• Rozwój linii Orbbec Femto - kolejne modele Bolt i Mega przejmą nie tylko hardware po Azure Kinect, ale też rozszerzą wsparcie dla popularnych trackerów ciała.
• Nowe wersje firmware RealSense D400 - Intel konsekwentnie poprawia algorytmy stereo i redukuje szum na obrzeżach kadru.
• Integracje z platformami typu TouchDesigner, Notch, Unity - producenci tych środowisk szybko adoptują nowe sensory, ale nie zawsze równo z premierą hardware.

Rynek iToF (Azure Kinect / Orbbec Femto) oraz rynek aktywnej wizji stereo (Intel RealSense D400) współistnieją i raczej nie zbiegną się w jeden standard - obie technologie obsługują różne sektory instalacji. Dla projektanta oznacza to jedno: nie ma sensu szukać jednego "zwycięzcy". Jest sens dobrać sensor do konkretnej sali, konkretnego gestu i konkretnej publiczności - a wybór między Kinectem a RealSense po prostu wynika z tego, która technologia lepiej wypełnia te wymagania.