深度視覺智能相機在機器人抓取應用中仍然面臨許多挑戰：
（1）點云空洞：用3D相機捕捉反光、透明、網狀物體表面的點云信息，經常會出現數據的丟失，丟失的點云數據形成了點云空洞；
（2）點云粘連：多個物體雜亂堆放或者兩個物體表面靠近擺放時，不同物體表面的點云會粘連在一起，這就涉及到如何穩定、準確地進行點云分割；
（3）點云密度不一致：物體表面與3D相機之間的相對位姿、物體表面的顏色均會影響點云的密度，使得目標場景的點云密度不一致，這在一定程度上給點云處理算法帶來了困難；
（4）視野局限：有限的相機視角、遮擋和陰影效果，都會阻礙3D相機獲得抓取目標的表面全貌，進而阻礙對抓取目標的識別；
（5）速度：3D視覺的原理要求其處理的數據量較大。3D相機的分辨率越高，所采集的點云質量越好，越能表征物體表面更細微的幾何特征，但相應地帶來的數據量就越大。為了適應實際應用需要，如何提高3D相機獲取目標場景點云的速度、點云處理算法的速度仍是需要研究的課題。

 深度視覺智能相機技術參數：