RGB-Dデータとは、通常の赤・緑・青のカラー情報（RGB）に、各画素の奥行き情報（Depth）を加えた画像データのことです。2次元の視覚情報と3次元の距離情報を同時に保持できるため、コンピュータビジョンやロボット工学において、対象物の正確な位置測定や3次元形状認識などに広く活用されています。
RGB-Dデータとは
RGB-Dデータとは、赤・緑・青のカラー画像データ（RGB）に、カメラから被写体までの距離（奥行き）を示すデプスデータ（Depth）を組み合わせた画像データです。2次元の色彩と3次元の空間情報を同時に表現でき、コンピュータビジョン分野で広く用いられています。
詳しく解説
RGB-Dデータは、通常のデジタルカメラが捉える2次元の平面色情報（RGB）と、センサー（赤外線やToF技術など）によって計測された各ピクセルごとの距離情報（D）が同期した形で構成されています。これにより、コンピュータは画像に写っている物体の「色」だけでなく、その「3次元的な形状」や「カメラからの絶対的な距離」を正確に把握することができます。ディープラーニングなどの機械学習手法、特に畳み込みニューラルネットワークを応用することで、高度な物体検出やセグメンテーションが可能になります。自動運転技術やロボットのナビゲーション、AR/VRにおける環境マッピングにおいて極めて重要な役割を果たしています。
具体例・使われ方
具体的な利用例としては、お掃除ロボットや自動搬送ロボットが障害物の距離を立体的に認識して回避する自律移動システムが挙げられます。また、スマートフォンの顔認証システムや、手の動きを検知するジェスチャー認識、AR技術で現実空間にバーチャルな家具を正確に配置するシミュレーションなどにもRGB-Dデータが使われています。さらに、製造ラインにおいて部品の「高さ」や「重なり」を判別する外観検査や、人間の関節位置を立体的に特定する骨格推定などにも応用されています。
似た用語との違い
通常の「RGB画像」はカラー情報のみを持ち、奥行き情報を持ちません。一方で「点群データ」は3次元の空間座標（X, Y, Z）の集まりですが、格子状に整列したピクセル構造を持たないため、画像処理アルゴリズムをそのまま適用するのが困難です。これに対しRGB-Dデータは、2次元のグリッド構造（画像ピクセル）を維持したまま奥行き情報（デプスチャネル）を統合しているため、従来の画像処理技術や畳み込みニューラルネットワークを応用しやすいという利点があります。
注意点
RGB-Dデータには、計測距離の限界や、光の反射による誤差が存在します。特に太陽光が強い屋外環境や、ガラス・水面などの透明・半透明の物体、鏡のような高反射な表面では、デプスデータの取得に失敗して値が欠損する（ノイズが発生する）ことがよくあります。また、RGBカメラとデプスセンサーの物理的な位置ズレ（視差）を補正（キャリブレーション）する必要があり、これが不十分だとカラー情報と奥行き情報にズレが生じ、AIの認識精度が低下する原因となります。