3D目标检测在定位这一任务上的目标是返回3D bounding boxes（边界框），而其需要的信息除了2D的RGB图像以外，还包含了与之对应的深度信息Depth Map：
RGB-D = 普通的RGB三通道彩色图像 + Depth Map
Depth Map(深度图):
指将从图像采集器到场景中各点的距离（深度）作为像素值的图像，它直接反映了景物可见表面的几何形状。深度图像经过坐标转换可以计算为点云数据，有规则及必要信息的点云数据也可以反算为深度图像数据。
深度数据流所提供的图像帧中，每一个像素点代表的是在深度感应器的视野中，该特定的（x, y）坐标处物体到离摄像头平面最近的物体到该平面的距离（以毫米为单位）。
目前，深度图像的获取方法有激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法等等。
深度图像是物体的三维表示形式，一般通过立体照相机或者TOF照相机获取．