三维扫描原理：结构光、激光三角法、ToF、摄影测量等主流技术原理对比

三维扫描技术的本质是将物理世界的几何信息转化为离散的点云或网格数据。不同技术路线的核心差异在于“如何测量深度”——即如何确定物体表面某一点到传感器之间的距离。本章将深入剖析结构光、激光三角法、飞行时间法（ToF）和摄影测量四种主流方案的物理原理、数学建模、工程实现与适用边界，帮助开发者在系统选型和算法设计阶段建立清晰的技术坐标系。

2.1 结构光技术：编码投影与相位解算

核心原理：结构光系统由投影仪和相机组成，投影仪向物体表面投射已知编码图案（正弦光栅、格雷码、随机散斑等），相机从另一视角捕获被物体表面调制后的变形图案。由于投影图案的相位或码值已知，通过解算变形图案中每个像素对应的投影坐标，即可利用三角测量原理计算出深度。其数学模型可简化为：对于投影仪-相机双目系统，物体表面点P的深度Z满足 \( Z = \frac{f \cdot b}{d} \)，其中f为焦距，b为基线距离，d为视差。

工程实现要点：结构光系统需要精确标定投影仪和相机的内参、外参以及畸变系数。相移法（Phase Shifting）通常采用三步或四步相移获取包裹相位，再通过时间相位展开（Temporal Phase Unwrapping）或空间相位展开（Spatial Phase Unwrapping）得到相位。散斑结构光（如Kinect v1）则通过局部块匹配算法在参考散斑图中搜索对应块，计算视差。

实战场景：在手机3D人脸识别中，投影仪投射约3万点红外散斑，红外相机捕获后与出厂标定的参考散斑图进行相关运算，生成深度图。系统需在10ms内完成匹配，通常使用专用ASIC或DSP加速块匹配算法。

2.2 激光三角法：点/线扫描与几何建模

核心原理：激光三角法利用激光器（点激光或线激光）以已知角度照射物体表面，相机从另一角度拍摄激光光斑或光条。当物体表面高度变化时，光斑在相机图像传感器上的位置发生横向位移。通过标定得到的几何关系（激光平面方程、相机内参），可将像素位移精确换算为深度变化。其测量精度主要取决于基线长度、相机分辨率、光斑提取算法和标定精度。

操作流程：线激光扫描系统通常包含以下步骤：① 标定激光平面在相机坐标系下的方程；② 采集激光条纹图像，通过灰度重心法或Steger算法提取条纹中心线；③ 根据中心线像素坐标和激光平面方程计算三维坐标；④ 配合运动平台（直线导轨或旋转台）逐行扫描，拼接生成完整点云。

// 激光条纹中心提取伪代码（灰度重心法）
for each column x in image:
    sum_gray = 0; sum_weighted = 0
    for y in ROI_range:
        g = gray(x, y)
        sum_gray += g
        sum_weighted += g * y
    center_y = sum_weighted / sum_gray

案例拆解：某精密齿轮齿廓测量项目，采用线激光三角传感器（基线50mm，相机2000万像素），测量范围10mm，标定后重复精度达±2μm。实际测量中发现齿轮齿面存在镜面反射，导致条纹断裂。解决方案：① 将激光器与相机夹角从30°调整为45°，减少镜面反射进入相机；② 采用蓝色激光（405nm）配合窄带滤光片，抑制环境光干扰；③ 对高光区域采用多曝光融合，分别提取暗部和亮部条纹。最终测量结果与三坐标测量机对比，偏差小于5μm。

2.3 飞行时间法（ToF）：相位延迟与直接测量

核心原理：ToF传感器通过测量光脉冲从发射到接收的飞行时间来计算距离。直接ToF（dToF）使用单光子雪崩二极管（SPAD）记录光子到达时间，精度可达皮秒级；间接ToF（iToF）则发射连续调制光波，通过测量反射光与发射光之间的相位差来推算距离。iToF的测距公式为 \( d = \frac{c \cdot \phi}{4\pi f_{mod}} \)，其中c为光速，φ为相位差，f_mod为调制频率。调制频率越高，测距精度越高，但模糊距离越短。

关键参数与选型：iToF传感器的调制频率通常在10~100MHz，对应模糊距离为1.5~15m。实际系统中需通过多频调制（如20MHz+30MHz）来扩展模糊距离。ToF的精度受多路径干扰（MPI）影响严重——光线在场景中多次反射后叠加到直射信号上，导致测距偏差。

实战场景：在AGV避障系统中，采用多颗ToF传感器组成360°环视。由于AGV运行环境包含玻璃、金属等反射面，MPI效应导致部分区域测距跳变。工程上采用置信度图（Confidence Map）过滤低质量像素，并结合卡尔曼滤波对时间序列进行平滑。此外，通过调整调制频率（从20MHz切换到15MHz）可改变模糊距离，避免近距离多径干扰。

2.4 摄影测量：特征匹配与光束法平差

核心原理：摄影测量通过从不同视角拍摄多幅二维图像，利用特征点匹配建立对应关系，再通过三角测量恢复三维坐标。其数学基础是对极几何——两幅图像中匹配点满足基础矩阵F的约束 \( x'^T F x = 0 \)。在获得初始三维点后，通过光束法平差（Bundle Adjustment）同时优化相机位姿和三维点坐标，使重投影误差最小化。

操作流程：① 在物体表面布置编码标志点（用于自动识别和定向）；② 使用高分辨率相机从不同角度拍摄（重叠率>80%）；③ 提取SIFT/ORB特征并进行匹配；④ 通过RANSAC估计基础矩阵，剔除误匹配；⑤ 增量式或全局式SfM恢复相机位姿和稀疏点云；⑥ 使用MVS（多视图立体）算法生成稠密点云。

案例拆解：某大型雕塑数字化项目，雕塑高8m，需在1天内完成现场扫描。采用摄影测量方案：使用全画幅相机（6100万像素）搭配24mm定焦镜头，围绕雕塑拍摄约400张照片。关键操作：① 在雕塑表面粘贴约200个编码标志点，确保每张照片至少包含5个标志点；② 使用环形闪光灯消除阴影；③ 拍摄时保持相邻照片重叠率>85%，并控制相机到雕塑距离在3~5m；④ 处理阶段使用Agisoft Metashape，特征匹配耗时约2小时，生成稀疏点云后运行MVS生成约2亿点。最终点云与激光扫描结果对比，平均偏差3.2mm，满足文物数字化精度要求。

2.5 技术对比与选型决策框架

四种技术在精度、速度、范围、成本和环境适应性上各有优劣，不存在“万能方案”。选型时应从以下维度综合评估：

• 精度需求：微米级→激光三角法；亚毫米级→结构光；毫米级→ToF；厘米级→摄影测量
• 测量范围：<1m→结构光/激光；1~10m→ToF/结构光；>10m→摄影测量/ToF
• 动态性能：高速运动物体→ToF（单帧测距）；静态物体→结构光/摄影测量
• 环境光：强光环境→激光三角法（配合滤光片）；室内暗光→结构光
• 硬件成本：消费级→结构光（散斑）/ToF；工业级→激光三角法

混合方案趋势：当前高端三维扫描系统开始融合多种技术。例如，先通过ToF快速获取低精度全局点云，再用结构光或激光对感兴趣区域进行精细扫描；或使用摄影测量提供全局控制网，约束激光扫描的累积误差。这种“粗定位+精扫描”的混合架构，兼顾了效率与精度。

2.6 常见误区与工程复盘

误区一：盲目追求高精度。精度越高，往往意味着测量范围越小、速度越慢、成本越高。实际项目中应基于公差要求选择合适精度，避免“杀鸡用牛刀”。

误区二：忽略标定精度。所有三角测量类技术（结构光、激光）的精度上限由标定精度决定。一个标定误差0.1像素的系统，即使算法再优化，也无法突破物理极限。建议定期使用高精度标定板（陶瓷或玻璃基板）重新标定。

误区三：忽视表面特性。透明、高反光、吸光材料（如黑色橡胶）都会导致测量失败。工程上需准备显影剂、防眩光喷雾或采用多频/多曝光策略。

误区四：混淆坐标系。多传感器融合时，必须统一各传感器的坐标系。建议使用标定板或合作靶标建立刚体变换关系，并在系统启动时进行自动校验。

复盘案例：某项目使用结构光扫描汽车仪表板，初始精度达标但扫描速度过慢（单件需5分钟）。分析发现，相移法需要采集12帧图像，且每帧曝光时间较长。优化方案：① 将三步相移改为两步相移（减少1帧）；② 提高投影仪亮度，缩短曝光时间至2ms；③ 使用GPU并行处理相位解算。最终扫描时间缩短至1.8分钟，精度损失小于0.02mm，满足产线节拍要求。