2. 3D相机选型与成像原理：结构光、双目视觉、ToF原理对比、分辨率与精度权衡、选型实战建议

做3D视觉项目，第一步不是写代码，而是选相机。选错了，后面所有算法都是白搭。我见过太多团队，算法调得天花乱坠，最后发现相机本身精度就不够，白忙一场。

今天咱们就把三种主流3D相机的原理掰开揉碎，讲清楚它们各自适合干什么，不适合干什么。最后我会给出一套我自己用了多年的选型流程。

2.1 三种主流3D成像原理

目前工业3D测量领域，主流方案就三种：结构光、双目视觉、ToF。它们的底层逻辑完全不同。

2.1.1 结构光：精度之王，但娇气

结构光的原理，说白了就是「主动投射特征」。相机拍到的图案变形了，变形量就是深度信息。我最早接触结构光是在2016年做手机中框平面度检测，当时用的就是DLP投影加工业相机。

优点很明显：

• 精度极高，微米级不是梦
• 对被测物表面纹理没要求，光滑表面也能测

缺点也很要命：

• 怕环境光。太阳光一照，投影图案直接看不见
• 测量速度慢。多频外差需要拍多张图，不适合产线高速节拍
• 对反光表面敏感。镜面、高反光工件容易产生飞点

2.1.2 双目视觉：最像人眼，但依赖纹理

双目视觉的原理，就是模拟人的两只眼睛。左右相机看到同一个点，位置有偏差（视差），通过三角测量算出深度。这个方法最自然，成本也最低——两个普通相机就行。

但问题来了：如果被测物是一面白墙，左右相机看到的图像一模一样，视差算不出来。这就是双目视觉的致命伤——依赖纹理。

我做过一个项目，用双目视觉测纸箱堆叠高度。纸箱表面是牛皮纸色，纹理很弱，匹配点太少，点云稀疏得没法用。后来被迫在纸箱上贴了随机花纹贴纸，才解决问题。你想想看，产线上贴贴纸，这方案能推广吗？

2.1.3 ToF：速度最快，精度最差

ToF的原理最简单：发射光，等它反射回来，算时间差。光速是常数，时间差就是距离。所以ToF天生就是干「快活」的料——实时帧率，30fps甚至更高。

但精度嘛……说实话，工业测量场景里，ToF的精度基本不够看。消费级的ToF传感器（比如手机上的）精度在厘米级，工业级的也只能做到毫米级。而且ToF有「多路径干扰」的问题——光线在物体之间来回反射，测距会偏大。

我记得有一次，客户想用ToF测传送带上包裹的尺寸。包裹之间距离很近，ToF的光线在包裹缝隙里乱弹，测出来的尺寸忽大忽小。最后我们换成了结构光方案，虽然慢了点，但数据靠谱。

2.2 分辨率与精度的权衡

很多新手容易混淆两个概念：分辨率和精度。它们不是一回事。

• 分辨率： 点云中相邻点的间距。分辨率越高，点越密。
• 精度： 测量值与真实值的偏差。精度越高，数据越准。

举个例子：一台相机分辨率是1920×1080，但镜头畸变严重，标定没做好，测出来的数据可能偏差0.5mm。这就是「高分辨率、低精度」。反过来，分辨率低但标定精准，精度反而可能更高。

选型时，你需要权衡三个因素：

1. 视场大小（FOV）： 视场越大，单点分辨率越低。想看清小细节，就得缩小视场。
2. 测量距离： 距离越远，精度越差。这是所有光学测量系统的物理规律。
3. 点云密度： 点云越密，计算越慢。产线上节拍紧张时，别盲目追求高分辨率。

2.3 选型实战建议

说了这么多理论，最后给一套我自己的选型流程。这套流程我用过不下20个项目，基本没翻过车。

第一步：明确需求

• 被测物是什么材质？反光吗？有纹理吗？
• 测量精度要求多少？
• 产线节拍多少秒一个？
• 工作距离多远？

第二步：排除法选原理

• 精度要求<0.05mm → 结构光
• 精度要求0.05~0.5mm，有纹理 → 双目
• 精度要求>1mm，需要实时 → ToF

第三步：看环境

• 产线有强光？避开结构光，考虑双目或ToF
• 被测物会动？考虑ToF或高速结构光
• 空间有限？注意相机尺寸和安装角度

第四步：做验证

别光看参数表。借样机回来，拿实际工件测一下。我习惯用Halcon自带的3D标定板做精度验证，跑一遍标定流程，看看点云偏差。这一步省不了。

这张图是我自己画选型决策流程时常用的。从需求出发，按精度分叉，再考虑环境，最后一定要做样机验证。别偷懒，这一步能帮你省下后面几个月的返工时间。