3、选型前的需求分析：如何明确应用场景（工业检测、人脸识别、AR/VR、医疗等）对投射器的要求
结构光投射器并非“一个型号打天下”的通用器件。同样是投射散斑或编码条纹，工业检测要求亚像素级重复精度，人脸识别要求近红外波段的人眼安全功率，AR/VR要求低功耗与微型化封装，医疗内窥则要求生物相容性与无菌耐受。若在选型前未将应用场景的物理约束转化为可量化的技术指标，后续的光机设计、算法调试与量产一致性都将付出高昂代价。本章提供一套从场景到参数的拆解方法，帮助工程师在选型初期建立完整的需求映射。
3.1 核心原理：场景决定物理约束，物理约束决定器件选型
结构光投射器的本质是将已知编码图案投射到被测表面，通过相机捕获变形图案来重建三维信息。不同应用场景对“图案质量”“功率预算”“几何尺寸”的优先级完全不同。工业检测关注的是重复精度与抗环境光能力，因为产线中往往存在强环境照明；人脸识别关注的是人眼安全与近红外波段匹配，因为需要与RGB相机和ToF传感器协同；AR/VR关注的是低功耗与轻量化，因为要集成到头戴设备中；医疗内窥则关注小型化与生物相容性，因为要进入人体腔道。
选型需求分析的核心流程是：场景描述 → 物理参数提取 → 指标量化 → 器件选型 → 样机验证。其中最容易出错的是第二步——工程师往往只关注“分辨率”和“帧率”，而忽略了“工作距离范围”“环境光强度”“表面反射特性”等关键物理参数。例如，在黑色塑料工件上做检测，需要更高的投射功率或更长的曝光时间；在透明玻璃表面做测量，则需要考虑镜面反射带来的伪影。
3.2 判断方法：五步需求拆解法
以下五步方法可帮助工程师系统化地将应用场景转化为投射器选型指标：
- 定义工作距离与视场范围：测量目标表面到投射器的距离范围，计算所需视场角（FOV）。例如，工业机械臂抓取场景的工作距离为300-800mm，FOV需要覆盖200×200mm的区域；而人脸识别的工作距离通常为300-700mm，FOV需覆盖人脸轮廓。
- 确定波长与功率预算：根据环境光条件、表面反射率和相机灵敏度，计算所需的光学功率。室内工业检测可选用650nm红光（成本低），室外或强光环境需选用850nm或940nm近红外（抗环境光能力强）。功率预算需考虑安全法规（IEC 60825-1）和相机饱和阈值。
- 选择图案类型与编码方式：工业检测常用正弦条纹（相移法）或格雷码+相移（高精度），人脸识别常用随机散斑（深度计算简单），AR/VR常用编码点阵（稀疏匹配）。图案类型直接决定投射器的光学元件（DOE、光栅、MEMS微镜）。
- 评估体积、功耗与散热：手持设备功耗需控制在1W以内，头戴设备需控制在0.5W以内，而工业固定式设备可放宽至5W。散热方式也需同步考虑——激光二极管对温度敏感，温度漂移会导致波长偏移和功率下降。
- 列出环境鲁棒性要求：包括工作温度范围（工业-20~60℃，消费电子0~40℃）、振动冲击（车载/机器人）、湿度与防尘（IP等级）。这些参数直接影响封装形式和光学元件的选择。
| 需求维度 | 工业检测 | 人脸识别 | AR/VR | 医疗内窥 |
|---|---|---|---|---|
| 工作距离 | 100-2000mm | 300-700mm | 100-500mm | 5-50mm |
| 典型波长 | 405/450/650nm | 850/940nm | 850nm | 可见光/近红外 |
| 光学功率 | 10-100mW | 5-20mW（安全限制） | 1-10mW | 0.5-5mW |
| 图案类型 | 条纹/格雷码 | 随机散斑 | 编码点阵 | 微型条纹 |
| 体积约束 | 宽松 | 紧凑 | 超薄 | 极微型 |
| 环境光抗性 | 高（需滤光） | 中（近红外有优势） | 中 | 低（封闭环境） |
| 安全等级 | Class 1/3R | Class 1（人眼安全） | Class 1 | Class 1（组织安全） |
3.3 案例拆解：工业检测中的投射器选型实战
某汽车零部件厂商需要检测发动机缸体表面的微小气孔（直径≥0.1mm），产线节拍为30秒/件，工作距离500mm，视场范围300×300mm，环境光为荧光灯（约500lux）。初始方案选用650nm红光激光散斑投射器，搭配130万像素工业相机，但实际测试中发现：黑色缸体表面反射率仅8%，导致散斑对比度不足，深度图噪声大，无法稳定检出0.1mm气孔。
分析过程：首先计算所需横向分辨率——0.1mm气孔在300mm视场中占比0.033%，需要至少3000×3000像素的相机才能覆盖，但成本过高。改用“条纹投影+相移法”方案，投射器选用450nm蓝光LED光源（功率50mW），配合数字微镜器件（DMD）投射正弦条纹。蓝光在金属表面的反射率比红光高约30%，且DMD可灵活切换条纹频率，实现多频外差解相。
实际操作：将投射器与相机固定为三角测量结构（基线距离200mm），投射频率分别为1/8、1/16、1/32周期的三组条纹，每组4步相移。通过多频外差算法将相位展开误差控制在0.1%以内。最终深度分辨率达到0.05mm，成功检出0.1mm气孔。但代价是单次测量时间从散斑方案的0.5秒增加到3秒，需通过并行计算优化。
复盘经验：工业检测选型不能只看“分辨率”，必须综合表面反射率、环境光、测量时间三个因素。若工件表面反光强烈，可考虑偏振光方案；若节拍要求高，则需选用更高帧率的DMD或MEMS微镜投射器。
3.4 常见误区与总结复盘
误区一：功率越大越好。在近距离人脸识别场景中，过高的光学功率不仅造成人眼安全隐患，还会导致相机饱和，反而降低深度精度。正确做法是计算“最小可探测功率”——即相机信噪比达到20dB所需的最低光功率，再留1.5倍余量。
误区二：忽略温度漂移。激光二极管的波长随温度变化约0.3nm/℃，若DOE（衍射光学元件）的设计波长与激光实际波长偏差超过2nm，图案对比度会下降30%以上。因此选型时必须确认投射器是否内置TEC温控，或选用宽谱LED光源（对波长不敏感）。
误区三：只关注投射器本身，忽略与相机的协同。投射器的FOV必须与相机镜头视场匹配，且光轴夹角（三角测量角）需根据测量精度要求设计。三角测量角越大，深度灵敏度越高，但遮挡问题越严重。一般工业检测取15°-25°，人脸识别取5°-10°。
误区四：不验证“图案均匀性”。DOE投射的散斑或条纹在边缘区域往往存在亮度衰减，导致边缘深度误差增大。选型时应要求供应商提供全视场亮度均匀性数据（通常要求>80%），并在样机阶段用均匀白板验证。