具身机器人 RGB-D 模组选型：从任务反推到硬件参数

具身机器人的手眼系统对深度模组的要求，和传统工控场景有明显差别：机身更小、负载更敏感、供电与散热余量更少，但近距精度要求反而更高。本文按「需求 → 光学 → 结构 → 接口 → 功耗 → 标定 → 供应」的顺序，把 RGB-D 模组的选型拆成可核对的步骤。

一、总原则：参数不是挑出来的，是反推出来的

RGB-D 模组的常见参数有：基线长度、焦距、视场角、深度分辨率、帧率、接口带宽、功耗、体积、重量。这些参数彼此耦合，不可能同时最优。

正确的顺序是：先确定任务边界（工作距离区间、目标精度、节拍），再由任务边界反推光学参数，最后用结构、接口、功耗三个约束去收口。任何跳过需求直接比参数的选型方式，都会在集成阶段暴露出取舍错误。

二、工作距离与目标精度：需求的边界条件

工作距离要拆成两段来看：

• 搜索段：机械臂或头部在较大范围内寻找目标，此段只要求「看到」，对精度不敏感；
• 操作段：末端接近目标执行抓取或装配，此段要求「量准」，是整个系统精度的决定段。

目标精度应按操作段来定，并且要明确是「深度方向（Z 向）精度」还是「横向（XY）定位精度」——两者由不同的参数主导：Z 向精度主要由基线与视差解算决定，XY 精度更多由横向角分辨率与标定精度决定。

三、基线长度：近距精度的第一杠杆

双目（含主动双目）测距的基本关系为：

Z = f · B / d

其中Z为深度，f为焦距，B为基线，d为视差。对视差求导可得深度误差的敏感度：

dZ = (Z² / (f · B)) · dd

结论很直接：深度误差与距离的平方成正比，与基线、焦距成反比。也就是说，同样的视差测量误差下，基线越长、焦距越长、距离越近，深度越准。

这条公式解释了具身场景的核心矛盾：近距精度要求长基线，而紧凑机身只给得起短基线。工程上的做法通常不是一味加长基线，而是通过提高视差解算精度（亚像素匹配）与缩短有效工作距离来补偿。

还有两个容易被忽略的工程约束：

• 视差搜索范围：基线越长，同一深度对应的视差越小，但近距离目标可能超出最大视差范围而无法匹配，需要确认模组的有效基线—量程组合；
• 遮挡与纹理：双目匹配依赖左右视图能找到同名点。表面无纹理或左右视图被遮挡的区域会出现空洞，主动光源（散斑或结构光）正是为此引入，选型时要确认主动光源的工作距离区间是否覆盖操作段。

因此「基线多长」这个问题，答案不是「越长越好」，而是「在机身允许的宽度内，取能覆盖操作段精度要求的最短基线」，把省下来的体积留给散热与走线。

四、视场角、焦距与传感器尺寸的三角约束

视场角与焦距、传感器尺寸的关系为：

FOV = 2 · arctan(L / (2 · f))

L为传感器在该方向上的有效尺寸。三个量中任意两个确定，第三个就被锁死。

具身场景的典型需求是「工作台要尽量全程在画面内」，即视场角有下限；同时「近距要分辨细节」，即角分辨率有下限。两者在固定传感器尺寸下互相挤压，因此选型时要先确认传感器尺寸是否可调，再决定焦距取值。

五、深度分辨率与帧率：对齐任务节拍

深度分辨率决定单位面积内的测距点数量，直接影响能否分辨细窄结构；帧率决定深度图的更新速度。

两者都受接口带宽与功耗约束：分辨率越高、帧率越高，数据量越大，深度引擎的负载与发热也越高。合理的做法是先按节拍定帧率下限——抓取类任务通常远低于高速避障所需帧率——再把剩余预算给到分辨率与精度。

深度输出通常还要经过后处理：无效点滤除、时域滤波、空洞填补。这些处理会改善可视效果，但也会引入延迟。选型时需要确认后处理是由模组内部完成还是由主控软件完成，并把它计入端到端延迟预算。对力控或高速抓取场景，模组内部流水线带来的固定延迟有时比精度本身更关键。

另外要区分「物理分辨率」与「有效分辨率」：深度图上标注的点数不等于全部有效的测距点。无纹理表面、反光表面、超出量程的区域都会产生无效点，实际可用点数需要按场景实测确认，而不是按规格书标注值估算。

六、结构与体积：不可协商的硬指标

相机装在末端或头部，其重量会直接转化为关节负载，体积会挤占走线空间。结构上需要确认三点：

1. 外壳尺寸与安装孔位是否与现有结构件匹配；
2. 安装基准面刚度是否足够，避免运动中的微位移；
3. 出线方向能否顺着关节运动走向布置，避免线缆反复弯折。

安装刚性尤其关键：相机固定在运动部件上，任何微小松动都会表现为外参漂移，最终反映为抓取误差。

七、接口选型：MIPI 直连主控的取舍

具身机器人上常见的深度模组接口有两类取向：一类是 MIPI 直连主控，另一类是带 USB 转换的模组。

MIPI 直连的优势：链路上省掉一层协议转换芯片，延迟更低、线缆更少；主控可直接获取原始数据，便于把触发同步与时间戳做在同一板卡上。

MIPI 直连的代价：主控需要具备相应的 MIPI 接收通道与解串能力；线缆长度受限，走线必须按信号完整性设计；调试工具链依赖主控平台。

因此接口不能孤立评估，必须与主控方案一起选型。

八、功耗与散热：按连续作业核算

模组的功耗主要来自深度计算单元与主动光源。选型时应核算：

• 持续功耗而非峰值功耗——连续作业是具身机器人的常态；
• 散热路径——小型模组常依赖机身导热，结构设计阶段就要预留导热界面与气流路径；
• 降频行为——温升过高触发降频后，深度输出稳定性会下降，需要确认降频阈值与恢复策略。

九、标定一致性与手眼标定

模组出厂提供内参（焦距、主点、畸变）与外参（双目相对位姿），装到机器人上还需完成手眼标定，把相机坐标系与机器人末端（或基座）坐标系对齐。

选型要关注的不是「标定有多快」，而是：

• 批次一致性：同批模组内参离散度是否可控；
• 温漂与机械稳定性：温度循环与轻微振动后外参是否保持；
• 可复标性：重新标定的流程与所需工装是否简单。

批次一致性差意味着每台机器人都要单独标定并复检，产线成本会显著上升。

十、时间同步与多模组协同

若系统使用多个深度模组（例如头部 + 双腕），同步方式会直接影响数据可用性。需要确认模组是否支持外触发输入、是否输出硬件时间戳、多模组能否共享同一时基。软件同步在多模组场景下往往不足以满足对齐要求，硬件触发是更稳妥的路径。

十一、供货稳定性与批次可追溯

具身机器人的产品周期通常长于消费电子。模组定型后，希望在整个量产周期内保持参数与外形不变。因此需确认：

• 供应方的长期供货承诺与生命周期策略；
• 批次更换时是否有变更通知机制；
• 关键参数的批次追溯能力。

十二、常见选型误区

在实际项目中，以下四类误区出现频率最高：

1. 先选模组再定任务：拿到一款参数漂亮的模组后，反过来迁就它的工作距离，结果操作段精度不足，只能靠放慢节拍或增加二次定位来补救。
2. 只看横向分辨率，不看深度精度：RGB 图像的分辨率与深度图的测距精度是两个独立指标，前者高不代表后者好，二者由不同的物理量主导。
3. 忽视安装刚性：把相机当作普通传感器固定在钣金件上，运动中的微振动会让外参持续漂移，表现为「标定做完很快就不准」。
4. 按峰值功耗选型：以峰值功耗核算供电与散热，实际使用中长时间连续作业的温升更高，容易触发降频。

十三、选型核对表

十四、小结

RGB-D 模组的选型是一条有先后顺序的链路：任务边界 → 基线与焦距 → 视场角与传感器 → 分辨率与帧率 → 结构与接口 → 功耗与散热 → 标定与供货。

其中任何一环反过来做，都会在后面某一节被迫返工。把每一步的约束写成可核对的表格，比反复比较参数表更接近工程实际。