课程导入：学习目标、课程结构、结构光投射器在3D视觉中的核心作用

欢迎进入《结构光投射器选型避坑手册》的第一章。在正式开始选型之前，我们需要先建立全局视野。结构光投射器是3D视觉系统的“光源引擎”，它的性能直接决定了点云质量、深度精度、环境适应性和系统成本。本章将明确课程的学习目标与结构，并深入剖析投射器在3D视觉链路中的核心地位，为后续章节的选型决策打下坚实基础。

1.1 学习目标：从“能用”到“选对”

本课程不打算罗列所有投射器的规格书参数，而是聚焦于选型决策中的“坑”与“桥”。学完本课程，你应该具备以下四项核心能力：

• 建立选型决策框架：能够根据应用场景（如人脸识别、工业测量、AGV导航）推导出投射器的关键性能指标（KPI），而不是盲目追求高参数。
• 识别关键参数陷阱：理解标称功率、波长、散斑粒度、均匀性、温漂等参数的真实含义，避免被“纸面性能”误导。
• 掌握系统级匹配逻辑：投射器必须与相机、滤光片、算法、结构设计协同工作。你将学会从系统视角评估投射器的适配性。
• 具备排障与验证能力：当3D成像出现噪点、暗角、摩尔纹或精度下降时，能够快速定位是投射器问题还是其他环节问题。

1.2 课程结构：30章递进式学习路径

本手册共30章，分为四大模块，逻辑上层层递进：

这种结构设计是为了让你在遇到具体问题时，能够快速定位到对应章节。例如，如果你在户外强光下深度数据丢失，可以直接跳到“环境光抑制”相关章节，而不必重读全部内容。

1.3 结构光投射器在3D视觉中的核心作用

3D视觉系统的基本任务是获取场景中每个像素的深度信息。结构光技术通过主动投射已知图案，并分析图案在物体表面发生的形变来计算深度。投射器就是这个“主动光源”的载体，其性能直接决定了系统的“视力”上限。

核心原理：主动编码与三角测量

结构光投射器将特定图案（如随机散斑、正弦条纹、格雷码）投射到物体表面。相机从另一视角拍摄被调制的图案。由于物体表面的几何形状不同，图案会发生对应的位移、扭曲或相位变化。通过标定好的相机-投射器几何关系（基线距离、角度），算法可以计算出每个像素的深度值。

投射器的作用不仅仅是“照亮”，而是主动编码空间信息。图案的对比度、锐利度、空间频率稳定性直接决定了深度解算的置信度。例如，在散斑结构光中，散斑颗粒的尺寸和密度必须与相机分辨率、基线距离匹配，否则会产生大量误匹配点。

投射器性能如何影响系统级指标

我们可以将投射器的影响拆解为三个可量化的维度：

• 深度精度与点云完整性：散斑图案的均匀性（U_min/U_max）影响暗角区域的点云密度。如果投射器边缘光强衰减过快，视场边缘的深度数据会出现大量空洞。
• 环境适应性：波长选择决定了系统对环境光（如太阳光中的红外成分）的抑制能力。例如，室外场景通常选用850nm或940nm波长，并配合窄带滤光片，以减少阳光干扰。
• 功耗与热管理：投射器（尤其是激光二极管阵列）的功耗和发热直接影响设备的持续工作能力。温漂会导致波长偏移和散斑图案变形，这是选型中极易被忽略的“隐形坑”。

案例拆解：一个“高规格”投射器的失败教训

某机器人公司为室外导航避障选型，采购了一款标称功率5W、波长850nm的激光投射器，散斑颗粒密度为每平方度200个。实验室测试时点云效果极佳，但在夏季午后强光下，深度图出现大面积“黑洞”。

分析过程：

1. 现象：户外逆光场景下，有效深度范围从标称的8米骤降至1.5米。
2. 关键数据：相机传感器在850nm波段的量子效率约为12%，而太阳光在850nm附近的辐照度约为0.6 W/m²·nm。投射器虽然功率高，但光斑覆盖视场角90°×70°，实际单位面积光功率密度并不高。
3. 判断：问题不在总功率，而在“有效光功率密度”和“背景光抑制比”。投射器没有配备窄带滤光片，且散斑图案在远距离时过于稀疏，导致信噪比不足。
4. 操作步骤：更换为940nm波长投射器（太阳光在该波段能量更低），增加带通滤光片（带宽20nm），并优化散斑图案的远场分布。
5. 结果对比：有效深度范围恢复至6米，点云完整性提升40%。代价是传感器在940nm的量子效率略低（约8%），但综合信噪比反而提升。

常见误区与复盘

• 误区一：认为投射器是标准件，随便选一个“差不多”的即可。实际上，投射器的光学设计（DOE图案）与算法解算器是强耦合的，更换投射器往往需要重新训练或标定算法。
• 误区二：忽略投射器的启动时间与同步延迟。在高速运动场景中，投射器与相机的同步误差超过1ms就会导致运动模糊和深度拖影。
• 误区三：只关注常温性能。投射器在-20℃或60℃环境下，激光二极管的阈值电流和波长漂移会导致散斑图案对比度下降，必须做高低温验证。