3 种深度相机原理对比：双目、结构光与 ToF 在 5 米内的精度与适用场景

3种深度相机原理对比：双目、结构光与ToF在5米内的精度与适用场景

当机器人需要在仓库中自主导航、工业检测系统要测量零件尺寸，或是AR设备试图理解周围环境时，深度相机成为了它们的"眼睛"。不同于普通相机只能捕捉二维图像，深度相机能获取每个像素点到相机的距离，构建三维空间信息。目前主流的深度相机技术包括双目视觉、结构光和飞行时间(ToF)三大类，它们在精度、成本和环境适应性上各有千秋。

1. 深度感知技术基础

深度感知的本质是测量物体到相机的距离。想象一下人类如何判断距离：当我们将手指靠近眼睛时，双眼会自然向内转动，大脑通过眼球肌肉的紧张程度和两幅图像的差异来计算距离。深度相机也采用类似的原理，但具体实现方式各不相同。

**视差(Disparity)**是理解这些技术的关键概念。它指的是同一物体在不同视角下成像位置的差异。就像交替闭上一只眼睛观察手指时，会发现手指似乎在背景上"跳动"，这个跳动的幅度就是视差。视差越大，物体距离越近；视差越小，物体距离越远。

三种主流技术的核心区别在于如何产生和利用视差：

在5米以内的应用场景中，这三种技术各有优劣。下面我们将深入分析每种技术的原理、性能边界和典型应用场景。

2. 双目立体视觉技术

双目相机模仿人类双眼，使用两个相隔一定距离(基线)的摄像头同时拍摄场景。通过计算同一物体在两幅图像中的像素位置差异(视差)，可以推算出物体的距离。

2.1 工作原理与精度分析

双目系统的测距精度取决于几个关键参数：

• 基线距离(B)：两个相机中心的距离。基线越大，远距离测量精度越高，但会减小视场重叠区域。
• 焦距(f)：相机的光学焦距。焦距越长，视场角越小，但能提高远处物体的分辨率。
• 像素大小：传感器单个像素的物理尺寸，直接影响可检测的最小视差。

深度(Z)的计算公式为：

Z = (B × f) / d

其中d是视差(以像素为单位)。从这个公式可以看出：

1. 对于固定基线B和焦距f，距离Z与视差d成反比
2. 当物体距离增加时，视差减小，测量误差增大
3. 在5米距离上，典型双目系统的精度约为距离的1%-2%

实际测试数据： 在基线8cm、200万像素摄像头的配置下：

2.2 优势与局限性

双目视觉的主要优势包括：

• 纯被动工作，不发射任何光线，适合室外使用
• 硬件结构简单，成本相对较低
• 可同时获取彩色图像和深度信息

但同时也存在明显局限：

• 依赖物体表面纹理，对纯色墙面等低纹理场景效果差
• 光照条件变化大时匹配困难
• 计算复杂度高，需要专用硬件加速

提示：在自动驾驶场景中，双目相机常与雷达配合使用。前者擅长近距离高精度，后者擅长远距离探测。

2.3 典型应用场景

双目相机特别适合以下场景：

• 移动机器人导航：在室内环境中避障和建图
• 体积测量：物流行业测量包裹尺寸
• 智能交通：车辆检测和距离估算

一个有趣的案例是农业机器人使用双目相机区分成熟和未成熟的水果，通过三维形状分析实现选择性采摘。

3. 结构光技术

结构光技术通过投射特定的光图案(如条纹、点阵)到场景中，然后分析图案变形来推算深度。不同于双目相机的被动观察，结构光是主动感知技术。

3.1 工作原理与精度分析

典型的结构光系统包含以下组件：

1. 图案投影器(通常使用红外激光或LED)
2. 红外摄像头(用于捕捉变形图案)
3. 处理单元(计算深度图)

测量过程分为三步：

1. 投射已知图案到场景
2. 摄像头捕获变形后的图案
3. 通过三角测量计算每个点的深度

在编码策略上，常见的有：

• 时间编码：快速连续投射多幅不同图案
• 空间编码：单次投射包含足够信息的复杂图案

精度表现： 结构光在短距离内能达到亚毫米级精度，但随着距离增加精度迅速下降：

3.2 优势与局限性

结构光的核心优势：

• 近距离精度极高，适合精密测量
• 不受物体表面纹理影响
• 在弱光环境下表现良好

主要局限包括：

• 室外强光下性能大幅下降
• 测量范围有限，通常不超过5米
• 多设备同时工作时会相互干扰

3.3 典型应用场景

结构光技术广泛应用于：

• 工业检测：零件尺寸测量和缺陷检测
• 生物识别：人脸识别和支付验证
• 医疗影像：牙科扫描和整形手术规划

苹果的Face ID就是结构光技术的典型应用，它使用3万个红外点构建用户面部精确的三维模型。

4. 飞行时间(ToF)技术

ToF相机通过测量光脉冲从发射到返回的时间差来计算距离。不同于前两种基于几何关系的技术，ToF直接测量光的飞行时间。

4.1 工作原理与精度分析

ToF系统包含三个关键组件：

1. 光源(通常为红外激光或LED)
2. 传感器(特殊设计的ToF芯片)
3. 计时电路(皮秒级精度)

工作流程：

1. 发射调制过的光脉冲
2. 接收从物体反射回来的光
3. 测量发射和接收的时间差Δt
4. 计算距离d = (c × Δt)/2，其中c是光速

现代ToF相机更多使用相位测量法：

• 发射正弦调制光波
• 测量反射波的相位偏移
• 通过相位差计算距离

精度表现： ToF的精度相对稳定，不随距离显著变化：

4.2 优势与局限性

ToF技术的优势：

• 测量范围大，可达数十米
• 帧率高，适合动态场景
• 计算简单，可直接输出深度图

主要局限：

• 受环境光干扰，特别是阳光直射
• 对反射率敏感，黑色物体测量困难
• 近距离精度不如结构光

4.3 典型应用场景

ToF相机常用于：

• 手势识别：AR/VR中的自然交互
• 人数统计：商场和公共场所客流分析
• 自动驾驶：远距离障碍物检测

微软的Kinect v2就采用了ToF技术，能够实时捕捉全身动作，为游戏和健身应用提供支持。

5. 技术对比与选型指南

选择深度相机技术时，需要综合考虑精度、距离、环境条件和成本等因素。以下是三种技术在5米内的综合对比：

选型建议：

• 工业检测：优先考虑结构光，特别是需要亚毫米精度的场景
• 室外机器人：双目相机更适合变化的光照条件
• 动态交互：ToF的高帧率优势明显
• 成本敏感：双目方案最具性价比

在实际项目中，经常会组合使用多种技术。例如，物流分拣机器人可能同时使用：

1. 结构光相机用于精确测量包裹尺寸
2. ToF相机监控整个工作区域
3. 双目相机辅助导航和避障

随着技术的发展，这些界限正在变得模糊。一些新型混合系统开始出现，如结合双目和结构光的主动双目系统，既保留了纹理分析能力，又通过主动照明改善了低光性能。