4. 结构光深度相机详解

结构光深度相机，说白了就是主动投射已知图案，然后通过观察图案的变形来推算深度。我最早接触这个技术是在2014年，当时用第一代Kinect做人体扫描，那个红外散斑的效果让我印象很深。嗯，今天咱们就把它的底裤扒干净。

4.1 单目结构光 vs 双目结构光

很多人搞不清单目和双目的区别。我简单说：单目结构光是一个投影仪加一个相机，双目结构光是一个投影仪加两个相机。就这么简单。

但背后的原理差异很大。

4.1.1 单目结构光原理

投影仪向场景投射已知编码图案（比如条纹、散斑）。相机拍摄被物体调制后的图案。通过比对原始图案和变形图案，就能算出每个像素的偏移量，进而得到深度。

核心公式就一个三角测量：

Z = (f * B) / (d + Δd)

其中Z是深度，f是焦距，B是基线（投影仪和相机之间的距离），d是原始偏移，Δd是变形偏移。

4.1.2 双目结构光原理

双目结构光多了一个相机。投影仪只负责投射纹理（通常是散斑），两个相机像双目立体视觉那样做匹配。投影仪的作用是给低纹理区域“画上”特征点，让双目匹配更鲁棒。

说白了，双目结构光 = 双目立体视觉 + 主动纹理投影。

这样做的好处是：

• 深度精度比纯双目高（纹理丰富）
• 抗环境光干扰比单目结构光强（两个相机可以独立曝光）
• 对投影仪功率要求降低

但代价是：计算量翻倍，标定也更复杂（需要标定两个相机+投影仪）。

4.2 散斑编码技术

散斑，就是随机分布的红外光斑。你想想看，如果投射的是均匀光，那物体表面没有特征点，双目匹配根本没法做。散斑的作用就是给物体表面“纹身”，让每个局部区域都有独一无二的图案。

散斑编码有几个关键指标：

• 散斑密度：每平方毫米多少个光斑。密度越高，匹配精度越高，但计算量也越大。
• 散斑随机性：光斑位置必须是伪随机的，不能有周期性。否则会出现匹配歧义。
• 散斑对比度：光斑和背景的亮度差。对比度越高，越容易检测。

散斑的生成方式有两种：

1. 衍射光学元件（DOE）：用激光通过衍射光栅生成散斑。优点是功耗低、体积小。苹果Face ID用的就是这种。
2. 数字投影：用DLP或LCD投影仪投射编码图案。优点是图案可编程，灵活度高。但体积大、功耗高。

4.3 典型产品分析

4.3.1 Intel RealSense D400系列

RealSense D435是我用得最多的深度相机。它采用双目结构光方案，左右两个红外相机加一个红外投影仪。投影仪投射的是不可见的红外散斑。

它的优势很明显：

• 室内外通用：我曾在正午阳光下测试，深度数据依然可用（虽然精度下降）。
• 帧率高：最高90fps，适合动态场景。
• SDK完善：librealsense开源，文档齐全。

但缺点也不少：

• 近距离盲区：小于0.2米时深度数据完全不可用。
• 多机干扰：两台RealSense同时工作会互相干扰。我试过用分时同步，但帧率砍半。
• 精度一般：在1米处精度约±1-2mm，不如激光雷达。

4.3.2 苹果Face ID

Face ID用的是单目结构光，但它的投影仪很特殊——点阵投影器。它通过DOE把激光分成约30000个红外光点，投射到人脸上。

为什么Face ID这么强？

• 功耗极低：VCSEL激光器效率高，一次扫描只需几毫秒。
• 体积小：整个模组只有指甲盖大小。
• 安全性高：用3D人脸做活体检测，照片骗不过去。

但Face ID不是万能的：

• 工作距离短：只有25-50厘米。远了散斑太稀疏，匹配失败。
• 不能用于远距离：超过1米基本废了。
• 封闭生态：你没法拿它做二次开发。

4.4 优缺点分析

结构光深度相机不是万能的。我总结一下它的优缺点，帮你做选型参考。

4.4.1 优点

• 精度高：在近距离（<2m）精度优于双目立体视觉。
• 纹理无关：不依赖物体表面纹理，白墙也能测。
• 帧率高：可以做到30-90fps，适合动态场景。
• 成本低：比激光雷达便宜一个数量级。

4.4.2 缺点

• 环境光敏感：强光下散斑被淹没，深度数据失效。
• 多机干扰：多台结构光相机同时工作会互相干扰。
• 近距离盲区：太近时散斑无法聚焦，深度数据不可用。
• 高反光/透明物体：玻璃、镜面、水面基本测不了。
• 功耗较高：投影仪需要持续工作，不适合电池供电设备。

4.5 结构光深度相机知识体系

下面这张图把结构光深度相机的核心知识点串起来了。你可以把它当作选型时的检查清单。

结构光深度相机在机器人、人脸识别、3D扫描领域应用广泛。但选型时一定要考虑你的使用场景——室内还是室外？静态还是动态？近距离还是远距离？没有完美的传感器，只有合适的方案。