3. 深度相机技术原理
深度相机是3D视觉检测系统的“眼睛”，其核心任务是获取场景中每个像素对应的深度信息（Z轴距离）。不同技术路线的物理原理、适用场景和性能边界差异显著，选型错误往往导致项目后期精度不达标或成本失控。本章将系统拆解四种主流深度感知技术——结构光、飞行时间（ToF）、双目立体视觉和激光三角测量，从工作原理、关键参数、工程约束到实战选型逻辑进行横向对比，帮助学员建立“先懂原理、再谈选型”的工程思维。
3.1 结构光技术：编码图案的三角测量
核心原理
结构光技术通过投影仪向被测物体表面投射已知编码的红外光斑或条纹图案，这些图案在物体表面发生形变，由红外相机从另一角度拍摄。由于投影图案的编码信息已知，系统可以通过匹配相机图像中的图案与原始投影图案的对应关系，利用投影仪-相机之间的固定基线距离和三角几何原理，逐像素计算出深度值。其本质是“主动投影+单目三角测量”的变体。
关键参数包括：投影图案的编码密度（决定空间分辨率）、基线长度（决定深度精度）、红外光波长（通常为850nm或940nm，用于抑制环境光干扰）。
判断方法或操作流程
- 标定阶段：对投影仪和相机进行联合标定，获取两者的内参、外参和畸变系数。
- 投影与采集：投射编码图案序列（如格雷码+相移），同步触发相机采集多帧图像。
- 解码与匹配：对采集图像进行解码，恢复每个像素的投影坐标，建立对应关系。
- 三角解算：利用标定参数和对应点坐标，通过三角测量公式计算深度。
案例拆解：手机人脸识别中的结构光
以iPhone FaceID为例，其投射约30000个红外光点，由红外相机拍摄并计算深度。在30cm距离处，深度精度可达0.1mm级别。但该方案在强阳光下失效，因为太阳光中的红外成分会淹没投影图案。工程上通过提高光点密度和采用窄带滤光片来缓解，但无法完全消除。这提示我们：结构光适合室内、短距离、可控光照场景。
常见误区与总结
误区2：忽略多台结构光相机之间的相互干扰。多台设备同时工作时，投影图案会互相干扰，需采用时分复用或频分复用策略。
3.2 ToF（飞行时间）技术：光速测距
核心原理
ToF技术通过测量光脉冲从发射到接收的飞行时间来计算距离。根据调制方式不同，分为直接ToF（dToF）和间接ToF（iToF）。dToF直接测量单个光子的飞行时间，需要高精度时间数字转换器（TDC）；iToF则通过测量发射正弦波与接收波之间的相位差来推算距离，是目前主流方案。ToF传感器每个像素独立测量相位，因此无需复杂的匹配算法，计算量小，适合高帧率应用。
判断方法或操作流程
- 选型要点：关注调制频率（决定最大无模糊距离）、解调对比度（影响精度）、环境光抑制能力。
- 标定流程：包括距离偏移标定、温度补偿标定、像素灵敏度标定。
- 性能验证：在目标距离处放置标准反射率靶标，测量精度和重复性。
案例拆解：工业机器人避障中的ToF选型
某AGV（自动导引车）需要在3~8m范围内检测障碍物，帧率要求30fps以上。选用ToF方案后，实测在5m处精度为±2cm，满足避障需求。但发现黑色物体（反射率5%）在3m处出现大量无效像素。通过增加激光功率和采用HDR模式，将有效测量率从82%提升至97%。该案例说明：ToF对物体反射率敏感，选型时必须考虑目标物体的表面材质和颜色。
常见误区与总结
3.3 双目立体视觉：被动仿生学
核心原理
双目立体视觉模仿人眼，使用两个水平放置的相机同步拍摄同一场景，通过立体匹配算法找到左右图像中的对应像素点，计算视差（disparity），再根据相机基线距离B和焦距f，利用公式 Z = f·B/d 计算深度。其最大优势是不需要主动光源，适合室外和强环境光场景；最大挑战是立体匹配的计算复杂度和对纹理的依赖。
判断方法或操作流程
- 相机同步：硬件触发或软件同步，确保左右图像时间对齐。
- 立体标定：获取左右相机内参、外参（旋转和平移矩阵）并做极线校正。
- 立体匹配：采用块匹配（BM）、半全局匹配（SGM）或深度学习匹配算法。
- 深度生成：根据视差图生成深度图，并进行后处理（滤波、空洞填充）。
案例拆解：室外机器人导航的双目方案
某户外巡检机器人需要在强阳光下检测0.5~15m范围内的障碍物。选用双目方案后，在纹理丰富的草地和建筑场景中表现良好，但在纯色墙面和水泥地面出现大量匹配空洞。解决方案是引入主动红外纹理投射器（主动双目），在不改变算法的情况下将有效深度覆盖率从65%提升至95%。这展示了“被动双目+主动辅助”的混合设计思路。
常见误区与总结
3.4 激光三角测量：工业级微米精度
核心原理
激光三角测量法将激光束（点或线）以一定角度投射到物体表面，反射光经透镜在CMOS/PSD传感器上成像。当物体高度变化时，成像光斑位置发生横向偏移，通过几何三角关系可计算出高度变化。其精度可达微米级，是工业在线检测（如PCB焊点高度、锂电池极片厚度）的首选方案。
判断方法或操作流程
- 关键参数：激光波长（蓝紫光405nm适合高反光表面，红光660nm性价比高）、测量范围（Z轴行程）、线性度、分辨率。
- 安装要求：激光束与物体表面法线夹角通常为30°~45°，需保证物体表面不产生镜面反射。
- 标定方法：使用标准量块或高精度位移台进行多点标定，建立像素偏移与真实高度的映射曲线。
案例拆解：新能源电池极片厚度在线检测
某锂电池产线需要在线检测极片涂布厚度，精度要求±2μm，检测节拍为200ms/点。选用激光三角位移传感器（测量范围±5mm，分辨率0.1μm），安装在涂布机出口。初始阶段发现振动导致测量噪声达±5μm，通过加装减震支架和采用均值滤波（64次平均），将噪声降至±1.5μm。同时，针对极片表面的光泽度差异，调整激光功率和曝光时间，确保不同批次材料的测量一致性。该案例表明：激光三角测量的精度不仅取决于传感器本身，还受机械振动、表面特性、环境温度等多因素影响。
常见误区与总结
3.5 四种技术横向对比与选型决策
| 对比维度 | 结构光 | ToF | 双目立体视觉 | 激光三角测量 |
|---|---|---|---|---|
| 测量原理 | 编码图案三角测量 | 光飞行时间/相位差 | 视差三角测量 | 激光光斑偏移三角 |
| 典型精度 | 0.1~1mm | 1~3cm | 0.5~5mm（随距离变化） | 1~50μm |
| 测量范围 | 0.1~3m | 0.3~10m | 0.2~20m+ | 10~500mm |
| 帧率 | 10~60fps | 30~100fps | 10~90fps（受计算限制） | 1~10kHz（点/线） |
| 环境光敏感性 | 高（室内适用） | 中（可加滤光片） | 低（被动方案） | 低（主动光源+滤光） |
| 纹理依赖 | 不依赖（主动投影） | 不依赖 | 强依赖（无纹理失效） | 不依赖 |
| 计算复杂度 | 中 | 低 | 高 | 低 |
| 典型成本 | 中 | 中高 | 低（仅相机） | 高（工业级） |
| 主要应用 | 人脸识别、AR/VR | 避障、手势识别 | 导航、三维重建 | 工业测量、缺陷检测 |
选型决策流程
- 明确精度需求：微米级→激光三角；毫米级→结构光/双目；厘米级→ToF。
- 评估测量范围：<0.5m→结构光/激光；0.5~5m→ToF/双目；>5m→双目。
- 分析环境光照：强室外光→双目/激光；室内可控→结构光/ToF。
- 考虑动态性能：高帧率→ToF；静态场景→结构光/激光。
- 核算成本预算：消费级→结构光/双目；工业级→激光三角/高端ToF。
综合案例：3C电子装配线的深度相机选型
某3C代工厂需要为手机中框装配工位设计3D视觉引导系统，要求检测螺丝孔位深度（精度±0.05mm）、平面度（±0.02mm）以及引导机械臂抓取（精度±0.5mm）。经过需求拆解：螺丝孔位检测需要微米级精度，选用激光三角轮廓仪；平面度检测需要面阵测量，选用高分辨率结构光相机（如GOM ATOS系列）；机械臂抓取引导需要中距离、大视野，选用双目立体视觉。最终形成“激光+结构光+双目”的多传感器融合方案，虽然成本较高，但满足了全部检测需求。该案例说明：实际项目中往往需要多种技术组合，而非单一方案包打天下。
- 先明确检测对象的材质、颜色、反光特性，再选技术路线。
- 精度指标要区分“重复精度”和“绝对精度”，两者差异可能达数倍。
- 预留20%~30%的精度余量，以应对温度漂移、机械振动等工程因素。
- 验证阶段必须在实际产线环境测试，而非实验室理想条件。
深度相机的选型本质是“物理原理约束下的多目标优化”。结构光擅长短距离高精度但怕强光，ToF擅长中远距离动态但精度有限，双目成本低但依赖纹理，激光三角精度最高但范围窄。工程师需要根据具体场景的精度、范围、环境、成本和实时性要求，做出合理的权衡决策。掌握这四种技术的原理边界，是进行后续3D视觉检测算法开发和系统集成的基础。