双目、结构光与ToF深度相机方案选型与精度对比

深度相机这个词这几年被用得很泛，好像只要输出一张带距离信息的图就能叫深度相机。但真正做过项目的人都知道，双目、结构光和 ToF 这三种主流 3D 成像方式，从物理原理到工程实现几乎是三套完全不同的活儿，选错了方案，后面无论怎么调参数都是在跟物理规律较劲。我这几年前后做过物流体积测量、机器人避障、工业件检测和消费类人机交互几个方向，三种方案都完整走过从选型、标定到量产调试的流程，踩过的坑够写一本小册子。这篇就把双目、结构光和 ToF 三条路线拆开讲透：每种方案靠什么物理量换深度、精度公式怎么算、量程边界在哪、什么场景该选谁，以及实际调试中最容易翻车的那些细节。不管你是刚接触深度感知、准备做方案选型，还是已经在调某一家的模组但点云一直不干净，下面这些内容应该都能直接拿去用。

1. 三条路线的分野：先搞清楚问题卡在哪

做 3D 成像，本质上要解决的都是同一件事：把一张二维的像素阵列，变成一组带 (X, Y, Z) 的三维坐标。相机传感器本身只能记录光强，Z 这个维度要么靠几何关系"算"出来，要么靠时间/相位"测"出来。双目和结构光走的是前一条路——用三角测量，靠两台"相机"（其中一台可以是投影仪）之间的基线做几何解算；ToF 走的是后一条路——直接给光打个时间戳，测它跑一趟回来花了多久，或者产生了多少相位延迟。这个根本差异决定了后面所有的性能取舍。

我习惯用一个类比来跟团队新人解释：双目像人用两只眼睛判断远近，靠的是左右眼看到的画面有差异，脑子把这个差异换算成距离；结构光像在黑屋子里拿一支手电筒打出一层细密的光斑，光斑落在不同距离的物体上会变形，看变形就能反推形状；ToF 则像蝙蝠回声定位，发出一束光，等它弹回来，看等了多久。这三句话虽然粗糙，但基本抓住了各自的技术内核，也解释了为什么双目怕无纹理、结构光怕强反光、ToF 怕多径反射。

1.1 从二维像素到三维坐标，缺的都是同一块信息

双目和结构光共享同一套三角测量公式：已知两个光心之间的距离 b（基线）、相机的等效焦距 f，以及同一个物点在两个成像面上的位置差 d（视差），深度就是 Z = f·b/d。这个公式简单到可以在白板上三秒钟写完，但它是整个被动/主动立体视觉的地基。它同时告诉你一件很重要的事：深度不是被"测量"出来的，而是被"除法"算出来的，分母是视差，所以视差只要差一点点，深度就会差一大截——这是所有立体视觉方案精度随距离平方衰减的根源。

ToF 走的是完全另一条数学路径。连续波调制（iToF）测的是发射光和接收光之间的相位差 φ，深度 d = c·φ/(4π·f_mod)，其中 c 是光速、f_mod 是调制频率。脉冲飞行时间（dToF）更直接，测的是光子的往返时间 t，深度 d = c·t/2。两条路径的共同点是：深度分辨率直接由时间或相位的测量分辨率决定，与场景纹理无关，这也是 ToF 在无纹理表面（白墙、纯色地面）上表现稳定的原因。

下面这张表是我在做方案预研时用来快速对齐认知的，把三种方式的"物理抓手"和由此衍生的强弱项摆在一起看，很多选型问题当场就有答案了。

1.2 为什么没有一种方案能通吃

经常有人问我：既然 ToF 不怕无纹理、结构光精度高，为什么还要用双目？答案藏在成本结构和场景约束里。双目只需要两颗普通图像传感器加算力，硬件成本是三兄弟里最低的，而且分辨率随便堆——两颗 500 万像素的模组做出来的点云密度，ToF 在可见的未来都追不上。它的代价是把复杂度全部推给了算法和算力，以及在某些场景下物理上就是拿不到数据。

结构光的处境有点像"精度刺客"：在 0.3 到 1 米这个距离段，它能做到亚毫米级的重复精度，工业检测、人脸建模这类应用几乎绕不开它。但它的投影模组需要精密的衍射光学元件来做图案投射，标定一旦漂移整个系统就废了，而且遇到镜面、高反光金属、阳光直射，基本就是当场罢工。ToF 的优势在于"直接"和"鲁棒"：帧率高、算法轻、对纹理不敏感、结构紧凑，特别适合需要实时性的移动平台。缺点是分辨率上不去、边缘飞点多、多机同时工作会互相干扰。

所以真实的工程决策从来不是"哪个技术更先进"，而是"在我的距离段、我的材质、我的成本、我的算力预算下，哪个方案的失效模式是我能兜住的"。这句话我在每个项目立项会上都会重复一遍，因为它能省掉很多无谓的技术争论。

2. 双目立体视觉：最像人眼，也最考验算法

双目是我接触的第一个深度方案，也是很多团队做深度感知的起点，因为它的硬件门槛实在太低了——两颗相机、一个刚性支架、一块能跑匹配算法的板子，就能出点云。但"能出点云"和"点云能用"之间隔着的距离，往往比想象中大得多。我见过不少项目在实验室的标定板前面效果漂亮，一到现场面对白墙、玻璃、阳光就全线崩盘，问题基本都能追溯到几个固定的地方。

2.1 三角测量的核心公式，以及误差是怎么被放大的

先把公式摆清楚。假设左右相机已经过极线校正，同一个物点在左图的横坐标是 x_L，在右图是 x_R，那么视差 d = x_L - x_R，深度 Z = f·b/d，其中 f 是校正后的等效焦距（单位像素），b 是基线（单位米）。把 X、Y 也算出来：X = (x_L - c_x)·Z/f，Y = (y - c_y)·Z/f，这就是从视差图反投影出点云的完整链路。

关键在于误差传递。对 Z = f·b/d 求导，得到深度误差与视差误差的关系：

ΔZ = (Z² / (f·b)) · Δd

这个公式值得贴在墙上。它说明三件事：第一，深度误差随距离平方增长，2 米处的误差是 1 米处的 4 倍；第二，加大基线 b 或者提高焦距 f 都能降低误差，但两者都有物理上限——基线太大会导致近距离视差超出搜索范围、遮挡区域变多，焦距太大会缩小视场角；第三，提升视差精度 Δd 是最直接的收益来源，而 Δd 取决于匹配算法、图像质量和纹理丰富程度。

拿一组真实参数算一遍。假设 f = 800 像素（对应约 2.8 mm 焦距配 3.5 μm 像元），b = 120 mm，匹配算法能做到 0.25 像素的亚像素精度：

看完这张表就明白为什么双目在近距离其实很能打，而到了 3 米以外如果没有长基线和大靶面，精度会迅速跌到厘米级。反过来，最小可测距离也受限制：如果搜索视差范围是 128 像素，那么 Z_min = f·b/d_max = 800×0.12/128 ≈ 0.75 m，比这更近的物体视差会超过搜索窗口，直接被算法判定为无效。这个坑我踩过一次——项目要求测 0.5 米，结果模组按 128 视差配的参数，近处一片空洞，排查了半天才反应过来是量程不够，把 numDisparities 提到 256 才解决。

2.2 极线校正：把二维搜索降成一维

原始的双目图像里，同一个物点在左右图中的位置既不同行也不同列，做匹配要在二维邻域里搜索，计算量是灾难级的。极线校正的作用就是通过一次单应变换，把两张图重投影到同一个虚拟成像平面上，使得同一个物点严格落在同一行——之后匹配只需要在水平方向找对应点，搜索空间从 O(W²) 降到 O(W)。

这一步的实现依赖于立体标定。标准流程是：先用棋盘格分别标定左右相机的内参（焦距、主点、畸变系数），再做双目标定，求出两台相机之间的旋转 R 和平移 T；然后调用 stereoRectify 计算两个校正变换矩阵和投影矩阵，其中投影矩阵里的第四行对应的就是那个著名的 Q 矩阵；接着用 initUndistortRectifyMap 生成映射表，remap 把原图重采样到校正后的坐标系。这套流程看起来很标准，但我在实际项目里发现至少一半的"校正后仍有明显垂直视差"的问题，都出在标定阶段，而不是代码写错了。

最常见的两个错误：一是标定图像覆盖范围不足。很多人拍十几张棋盘格全挤在画面中央，四角的畸变根本没被约束住，标出来的畸变系数在边缘区域就是错的，校正之后画面中间很准、四周仍然偏。正确做法是让棋盘格出现在画面的四角、中心、上下左右各个位置，并且要有不同倾斜角度（±30° 左右），一般 20 到 30 组比较稳妥。二是忽略了标定板的平整度。打印在普通 A4 纸上的棋盘格，贴到亚克力板上稍微有点气泡，或者纸张受潮起皱，重投影误差看着不大，但实际的空间精度会受影响。如果精度要求高，直接用陶瓷或玻璃基底的标定板，别省这个钱。

2.3 从标定到点云的完整实现

下面这套代码是我常用的最小可运行骨架，基于 Python 和一个主流开源视觉库。它的价值不在于代码本身有多精妙，而在于把整条链路的顺序和常见参数交代清楚，你可以直接改改参数就跑起来。

import cv2 import numpy as np # ---------- 1. 单目标定 ---------- # 棋盘格内角点 9x6，方格边长 25 mm pattern = (9, 6) square = 0.025 objp = np.zeros((pattern[0] * pattern[1], 3), np.float32) objp[:, :2] = np.mgrid[0:pattern[0], 0:pattern[1]].T.reshape(-1, 2) * square objpoints, imgpoints_l, imgpoints_r = [], [], [] for path_l, path_r in pairs: img_l = cv2.cvtColor(cv2.imread(path_l), cv2.COLOR_BGR2GRAY) img_r = cv2.cvtColor(cv2.imread(path_r), cv2.COLOR_BGR2GRAY) ok_l, c_l = cv2.findChessboardCorners(img_l, pattern) ok_r, c_r = cv2.findChessboardCorners(img_r, pattern) if not (ok_l and ok_r): continue crit = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 30, 0.001) c_l = cv2.cornerSubPix(img_l, c_l, (11, 11), (-1, -1), crit) c_r = cv2.cornerSubPix(img_r, c_r, (11, 11), (-1, -1), crit) objpoints.append(objp) imgpoints_l.append(c_l) imgpoints_r.append(c_r) ret_l, K_l, D_l, _, _ = cv2.calibrateCamera(objpoints, imgpoints_l, img_l.shape[::-1], None, None) ret_r, K_r, D_r, _, _ = cv2.calibrateCamera(objpoints, imgpoints_r, img_r.shape[::-1], None, None) # 经验阈值：单目重投影误差 < 0.2 px，双目标定后 < 0.3 px 才算可用 # ---------- 2. 双目标定 ---------- ret, K_l, D_l, K_r, D_r, R, T, E, F = cv2.stereoCalibrate( objpoints, imgpoints_l, imgpoints_r, K_l, D_l, K_r, D_r, img_l.shape[::-1], flags=cv2.CALIB_FIX_INTRINSIC # 单目标定可靠时固定内参，只解算外参 ) print("baseline(mm) =", np.linalg.norm(T) * 1000, " reproj =", ret) # ---------- 3. 立体校正 ---------- R1, R2, P1, P2, Q, _, _ = cv2.stereoRectify( K_l, D_l, K_r, D_r, img_l.shape[::-1], R, T, flags=cv2.CALIB_ZERO_DISPARITY, alpha=0 ) map1x, map1y = cv2.initUndistortRectifyMap(K_l, D_l, R1, P1, img_l.shape[::-1], cv2.CV_32FC1) map2x, map2y = cv2.initUndistortRectifyMap(K_r, D_r, R2, P2, img_l.shape[::-1], cv2.CV_32FC1) # ---------- 4. 视差计算 ---------- sgbm = cv2.StereoSGBM_create( minDisparity=0, numDisparities=256, # 必须是 16 的整数倍 blockSize=5, # 奇数，纹理弱时调到 7~11 P1=8 * 5 * 5, P2=32 * 5 * 5, disp12MaxDiff=1, uniquenessRatio=10, speckleWindowSize=100, speckleRange=2, preFilterCap=63, mode=cv2.STEREO_SGBM_MODE_SGBM_3WAY ) left_rect = cv2.remap(img_l, map1x, map1y, cv2.INTER_LINEAR) right_rect = cv2.remap(img_r, map2x, map2y, cv2.INTER_LINEAR) disp = sgbm.compute(left_rect, right_rect).astype(np.float32) / 16.0 # ---------- 5. 反投影点云 ---------- points = cv2.reprojectImageTo3D(disp, Q) mask = disp > disp.min() + 1.0 cloud = points[mask]

这段代码里有几个参数值得单独说。numDisparities 决定了最近可测距离，它和最小可测距离成反比，宁可开大一点，代价只是算力；blockSize 是匹配窗口，纹理弱的时候要加大到 7 或 11，但加大会导致边缘变糊、细小结构丢失；uniquenessRatio 是唯一性检验，对抑制重复纹理误匹配很有效，纹理单一的场景可以提到 15；P1/P2 是平滑惩罚项，官方推荐的初始值是 P1 = 8×通道数×blockSize²，P2 = 32×通道数×blockSize²，遇到噪点多就往上调，遇到边缘糊就往下调。SKIP 一下，这里不展开讲每种模式的区别，实际用起来 SGBM_3WAY 在精度和速度之间平衡得最好。

需要提醒的是，SGBM 输出的视差图是乘以 16 的定点数，必须除以 16 再送进 reprojectImageTo3D，这个细节漏掉的话点云深度会整体放大 16 倍，我第一次用的时候就被这个坑了半小时。另外 reprojectImageTo3D 必须有合法的 Q 矩阵，而 Q 来自 stereoRectify，所以如果你手动改过校正参数，Q 也要同步更新，两者不匹配会导致点云整体扭曲。

2.4 双目最容易翻车的几个场景

无纹理表面是双目的头号天敌。白墙、纯色纸箱、没有印刷图案的塑料外壳，左右图在这些区域长得一模一样，匹配算法找不到唯一对应点，输出就是大片空洞。解决办法有两条：一是加主动纹理投射，用一颗激光散斑投射器往场景里打随机斑点，人为制造纹理——这其实就是把双目往结构光的方向推了一步，市面上很多所谓"主动双目"就是这个思路；二是靠算法补，用 WLS 滤波或者基于深度学习的立体匹配网络把空洞填上，但填出来的值本质是插值，精度不能当真。

光照不均和过曝也会毁掉匹配。左右相机的曝光如果不一致，同一块区域在左图亮、右图暗，基于灰度相似度的代价计算就会失效，表现为整片区域的视差不连续。工程上的做法是让两颗相机共用同一个曝光控制环路，或者干脆锁死曝光时间，靠补光灯保证亮度。还有逆光场景，太阳直射进镜头会产生大面积饱和，那一片的视差全部丢失，加遮光罩是最简单有效的办法。

最后是同步问题。如果两颗相机不是硬件同步触发，拍动态物体时左右图的时刻不一致，物点位置对不上，视差计算直接出错。做静态测量可以不管，但只要是移动平台或者被测物在动，就必须用硬件触发线把两颗相机的曝光时刻对齐，误差控制在微秒级以内。这一点在选模组的时候就要确认，别等做完了才发现两颗相机只能软触发。

3. 结构光：用投影"刻"出纹理

结构光的思路特别巧妙：既然双目怕无纹理，那我就主动往场景里投射一套已知的图案，让每个像素都有独一无二的特征，匹配问题瞬间从"猜"变成"查表"。从几何上看，结构光系统和双目没有本质区别，只是把其中一台相机换成了一台投影仪——投影仪的光心就是第二个"相机光心"，投射的图案就是它"看到"的图像。所以前面那套三角测量的公式、误差传递的规律，在结构光这里全部适用，只是基线的两端变成了相机和投影仪。

3.1 把投影仪当成第二只"眼睛"

理解了这一点，很多工程细节就顺理成章了。结构光模组的基线指的是相机光心和投影仪光心之间的距离，一般比双目小得多，常见在 30 到 100 mm 之间——因为投影仪需要和相机共享大部分视场，基线太大重叠区域就没了。基线小意味着同样的视差误差下深度误差更大，但结构光的补偿在于它能拿到极其精确的"视差"：投射的图案是已知的，解码出来的对应点精度可以做到亚像素甚至更高，这就把 Δd 压得很小，整体精度反而上去了。

另一个关键点是投影仪也需要标定。很多人只标相机不标投影仪，结果点云整体有系统性偏差。投影仪不是相机，不能直接拍棋盘格，常用做法有两种：一是把投影仪当作逆光路相机，投射棋盘格到白板上，用相机拍下来，通过已知的相机位姿反算投影仪的内外参；二是把投影仪和相机组成一个整体，直接标定"相机-投影仪"系统的相位-深度映射关系，用几个已知深度的平面做拟合。前者通用性强，后者精度更高但换一个模组就要重标。

3.2 编码策略：格雷码、相移与散斑

结构光的"结构"就体现在图案的编码方式上，不同的编码方式直接决定了精度、速度和鲁棒性，这是选型时最该看懂的部分。

格雷码属于二值编码，把投影区域按二进制切成若干块，每次投射一位，接收端根据每个像素在序列中的明暗变化解出它属于哪一块。优点是解码简单、抗噪能力强、对反射率变化不敏感；缺点是需要投射 log₂(N) 张图，N 是条纹数，要做到高分辨率就得投十几张，不适合动态场景。而且格雷码在条纹边界处容易出错，因为边界像素会同时接收到相邻两个码区的光，解出来的码字是非法的。

相移法是目前精度最高的一类。它投射正弦条纹，通过移动相位投射多张（常见三步、四步、五步），然后对每个像素解出相位：

φ = arctan2(I₃ - I₁, I₀ - I₂) # 四步相移，相位步进 90°

这个公式简洁得让人愉悦，但它给出的是包裹相位，范围只有 [-π, π]，对应一个条纹周期内的位置。要得到绝对深度，必须做相位展开（unwrapping），把跨越多个周期的相位接起来。展开的方法有多频外差、格雷码辅助、多波长等等，实际项目里最常见的是"格雷码 + 相移"的组合：格雷码负责粗定位到哪一个周期，相移负责周期内的精确定位，两者结合既保证了绝对测量又保证了精度。

散斑投射则是另一条路，它不追求精确的相位，而是投射一张随机斑点图，然后像双目一样做块匹配。优点是单帧就能出深度，适合动态场景，而且模组可以做得很小、成本很低，很多消费级设备用的就是这套。代价是精度不如相移法，而且对斑点图案的质量依赖极大——斑点的大小、密度、随机性都直接影响匹配效果，这类图案通常是用衍射光学元件一次性做出来的，做坏了没法调。

3.3 精度与量程的参数账

结构光的精度同样可以用三角测量的误差公式估算，但要注意这里的"视差"是编码位置差。假设投影图案的一个周期对应 T 个像素的视差变化，相位测量精度为 Δφ（弧度），那么等效视差精度 Δd = T·Δφ/(2π)，代入误差公式：

ΔZ = (Z² / (f·b)) · (T · Δφ / (2π))

举个具体数字：f = 1500 像素，b = 60 mm，Z = 0.5 m，条纹周期 T = 32 像素，相位精度 Δφ = 0.05 rad（约 3°）。先算 Z²/(f·b) = 0.25/(1500×0.06) = 0.00278 m/px，再算等效视差误差 32×0.05/6.283 ≈ 0.255 px，乘起来得到 ΔZ ≈ 0.7 mm。这与实际模组在 0.5 米处的表现基本吻合，也解释了为什么结构光在近距离能做到亚毫米级。

量程方面，结构光的最近距离受限于相机和投影仪的视场重叠——太近了投影图案可能压根打不到相机视野里；最远距离受限于投影光功率和图案的对比度，距离一远，投影的条纹在相机里就糊成一团，解码失败。实际可用的工作范围通常是 0.2 到 1.5 米，超过 2 米还能用的模组基本要定制，而且成本会明显上升。

3.4 现场调试的几个硬经验

第一个经验是关于曝光的。结构光对曝光极其敏感，因为解码依赖条纹的对比度。场景里只要有一样东西反光强烈（比如金属件、包装膜），那一片就会过曝，条纹被削平，相位解算直接失败，而且失败区域往往会向外扩散，形成大片错误点云。解决办法是做多曝光融合：同一个图案用不同曝光时间拍几张，取每张里不饱和的像素合成一张 HDR 图再解码。这会牺牲帧率，但在工业检测这类静态场景完全值得。

第二个经验是关于互反射的。当被测物有凹陷、折角或者两个物体靠得很近时，投影的光打到 A 面反射到 B 面，再被相机接收，相机以为这是 B 面直接反射的光，算出来的深度就错了。这种误差在点云上表现为"褶皱"或者虚假的凸起，而且在单视角下几乎无法从数据上分辨。缓解手段有限：改变投射角度、多视角融合、或者用偏振片抑制。真正高精度的检测方案通常是多相机多投影仪从不同角度拍，靠冗余来剔除错误点。

第三个经验是温度漂移。投影仪里的激光光源和衍射元件都会随温度变化产生微小的形变，导致投射图案发生位移，而这个位移在系统标定里是没有被建模的。结果是设备开机半小时后精度慢慢变差，重启又好了。工程上的做法是开机预热一段时间再做标定，或者内置温度传感器做补偿表。这个坑很隐蔽，如果没遇到过，可能会花几周时间去怀疑算法。

4. ToF：直接测量光的飞行时间

ToF 的哲学和前面两种完全不同：它不关心场景长什么样，只关心光跑了多久。这个特性让它在无纹理表面上表现得极其稳定，也让它的误差模型跟双目、结构光几乎不重叠。ToF 分两大流派——连续波调制（iToF）和脉冲直接飞行时间（dToF），两者在原理、器件和适用场景上差别不小，实际选型时经常被混为一谈，这里分开讲。

4.1 iToF 的相位法

iToF 发出的是经过正弦调制的连续光，接收端把回光与本地参考信号做相关，通过多次不同相位的采样解出相位差。最经典的是四相位采样，在 0°、90°、180°、270° 四个时刻分别采集电荷量 I₀ 到 I₃，然后：

φ = arctan2(I₃ - I₁, I₀ - I₂)

深度 d = c·φ/(4π·f_mod)。同时还能算出两个副产品：幅度 A = √((I₃-I₁)² + (I₀-I₂)²)/2，反映回光强度，可以用来判断该像素是否可信；偏置 B = (I₀+I₁+I₂+I₃)/4，反映环境光强度，可以用来做环境光抑制。

相位法的固有问题是模糊距离。因为相位只能测到 2π 的范围内，超过这个范围就绕回来了，最大不模糊距离 d_max = c/(2·f_mod)。调制频率 20 MHz 对应 7.5 米，50 MHz 对应 3 米，100 MHz 对应 1.5 米。想要远距离就得用低频，但低频的相位测量精度差，深度误差大。这个矛盾的标准解法是多频调制：用两个或三个不同频率同时测，靠中国剩余定理的思路解出唯一距离。比如 20 MHz 和 21 MHz 组合，拍频相当于 1 MHz，不模糊距离一下扩展到 150 米，同时保留了高频的精度。代价是采样帧数翻倍，功耗和发热都上去了。

iToF 的深度精度同样可以算：

Δd = c · Δφ / (4π · f_mod)

假设调制频率 100 MHz，相位测量精度 1°（0.01745 rad），则 Δd = 3×10⁸ × 0.01745 / (4π × 10⁸) ≈ 4.2 mm。这个数字和市面上多数 iToF 模组在 1 米左右的实际表现是对得上的。想提高精度就得提高调制频率，但频率上去之后不模糊距离又下来了，这就是 iToF 设计里永恒的两难。

4.2 dToF 的单光子计数

dToF 更接近"雷达"的思路：发射一个极短的光脉冲（纳秒甚至皮秒级），然后用单光子雪崩二极管（SPAD）记录每个光子的到达时间，反复发射几百上千次，把到达时间做成直方图，直方图的峰值位置就是飞行时间。它的核心器件是 SPAD 阵列加上时间数字转换电路，每个像素独立计时，属于典型的"单光子统计"。

dToF 的优势非常明显：直接测时间，不存在相位模糊问题，天生适合远距离；单光子探测灵敏度极高，微弱回光也能捕捉；抗环境光能力强，因为环境光子在时间上是均匀分布的，而信号光子集中在一个窄峰里，做直方图之后信噪比很好。缺点是器件工艺复杂、像素填充率低、分辨率难做高，而且高精度的时间测量电路功耗不低。

工程上 dToF 有几个特有的误差要处理。一是走离误差（walk error），当回光很弱或者脉冲很宽时，直方图的峰值会被"拉偏"，导致测距偏大。二是多径干扰，光在场景里反弹多次才回来，直方图上会出现多个峰，选错峰就测错。三是飞点，在物体边缘，一个像素可能同时接收到前景和背景的回光，直方图上两个峰都很强，融合出来的深度落在两者之间，形成一个悬空的点。这些误差在点云上表现为物体边缘的"毛刺"，处理办法通常是做邻域一致性滤波，把和周围深度差太大的点剔除掉，但这会牺牲边缘的锐度，又是一个取舍。

4.3 误差源与工程对策

把 ToF 的误差源梳理一遍，会发现它跟双目、结构光的重叠很少，这也是为什么 ToF 在某些场景下能补上另外两者的短板。

窄带滤光片这一项值得单独说。ToF 模组通常会在传感器前加一片中心波长与发射光一致的窄带滤光片（带宽 20 到 50 nm），把环境光滤掉绝大部分。这一片小小的滤光片对性能影响巨大，我做过对比测试，同一颗模组拆掉滤光片之后，在室内日光灯下的深度噪声直接翻倍，在窗边阳光下基本不可用。所以如果你的模组在强光环境下表现异常，先检查滤光片的贴合是否完好、有没有漏光缝隙。

5. 三者怎么选：一张对比表和几条判断

技术细节讲完了，落到选型上，我一般按四步走：先定距离段，再定精度要求，再看材质和环境，最后看成本和算力。这个顺序很重要，因为距离段一旦定了，可选方案基本就锁定一半了。

5.1 关键参数横向对比

表格里最容易被误读的是"精度"这一行。不同厂商、不同模组的实际表现差异极大，同样是 iToF，有的模组在 1 米处能稳定在 5 mm，有的飘到 3 cm。所以表格只能用来做初筛，最终一定要拿样机在自己的真实场景里测。我做选型时有个固定动作：准备一套包含白墙、黑色橡胶、不锈钢件、透明亚克力、逆光窗口的测试场景，每种方案都跑一遍，把失败的样子看清楚，比看任何规格书都有用。

5.2 场景映射与选型判断

静态高精度测量，比如工业件尺寸检测、文物扫描、注塑件缺陷检查，结构光是首选。这类场景物体不动，可以慢慢投十几张图案，精度能压到亚毫米，而且工作距离近，正好在结构光的舒适区。要注意的是必须解决高反光问题，通常用多曝光融合加偏振片，必要时换用蓝光投射——蓝光在金属表面的漫反射比例更高，条纹质量更好，这是很多工业方案里不写在规格书上的小技巧。

中距离动态避障，比如移动机器人、自动导引车，iToF 或 dToF 更合适。这类应用对精度要求不高（厘米级足够），但对实时性和无纹理表面的鲁棒性要求高，ToF 正对口。选 iToF 还是 dToF 主要看距离：室内 3 米以内 iToF 的精度和分辨率更优；需要 5 米以上或者有强光直射，dToF 更稳。

成本敏感的消费类应用，比如体感交互、简单的存在检测，双目加一颗散斑投射器是很划算的组合。硬件便宜、分辨率高、算法可以跑在中低端芯片上，缺点是标定和一致性控制比较费功夫，量产时的良率要靠工艺保证。

远距离、大范围，比如仓储体积测量、料堆盘点，dToF 或者带长焦的双目更合适。这类场景视野大、距离远，精度要求反而是相对的——量一个两米的箱子，误差 2 cm 完全能接受。

还有一个经常被忽略的因素：被测物的运动状态。结构光需要多帧编码，被测物一动，几帧之间的图案对不上，解码就错了，所以它天然不适合测运动物体。双目和 ToF 单帧就能出结果，动态场景更友好。这一点在做产线检测时特别关键，如果工件在传送带上移动，结构光方案必须配合触发和停顿，节拍会被拉长。

6. 常见问题与排查实录

这一节是我这些年攒下来的故障速查表，基本都是"现象—原因—处理"的形式，遇到问题直接对号入座，能省不少时间。

6.1 故障速查表

6.2 几条踩过的坑

第一条：标定环境的温度要和实际使用环境接近。我做过一个项目，标定是在空调房里做的，设备装到没有空调的现场后，深度系统性偏了将近 1 厘米。查了很久才发现是支架的热胀冷缩导致基线变化，铝合金支架在 20℃ 温差下长度变化大概在几十微米量级，听起来很小，但配合三角测量的放大效应，反映到深度上就是毫米甚至厘米级。后来换了低膨胀系数的材料，并且把标定流程挪到现场做，问题才彻底解决。所以如果精度要求高，标定的环境温度一定要跟工作环境对齐，别在实验室标完了直接拉到现场用。

第二条：不要相信规格书上的精度数字。规格书上的精度通常是"在特定距离、特定反射率、特定环境光下、中心区域"的测试结果，和你实际场景里的表现可能差一个数量级。我见过标称 1% 精度的模组，在 2 米处对着一块灰板测出来误差 5%，一查是把边缘区域的点也算进去了，而边缘的畸变和飞点根本没被标称值覆盖。正确做法是自己搭一个简易的精度验证台：一块平板装在位移台上，从最近到最远走一遍，每 10 cm 采一组数据，算出每个距离段的误差分布，画成曲线，这才是你这个模组在你这个场景下的真实能力。

第三条：点云的可视化方式会影响你的判断。很多人调深度的时候只看深度图的灰度，觉得挺干净就以为没问题，结果转成点云一看全是褶皱。原因是深度图的灰度范围被自动拉伸了，小误差在视觉上被压掉了，而点云是真实的三维坐标，误差会直接体现为表面的凹凸。我的习惯是每次调参都同时看三样东西：深度伪彩图、点云侧视图、以及一个已知平面的拟合残差。平面拟合残差是最客观的指标，把一个标准平板放进去，用 RANSAC 拟合一个平面，看内点的 RMS 误差，低于 1 mm 才算及格。

第四条：主动光源的人眼安全不要想当然。结构光和 ToF 都要往外打光，功率上去之后就必须考虑安全等级。正规模组都会做相应的等级认证，但如果你自己搭系统、自己换光源，一定要确认峰值功率、脉宽、重复频率都在安全范围内，尤其是需要近距离照射或者可能被人直视的场景。这不是技术问题，是底线问题，别为了性能指标去赌。

第五条：多传感器融合时的外参标定，比单个传感器标定更容易出错。实际系统里深度模组往往还要和 RGB 相机、IMU 一起用，它们之间的外参一旦标错，融合结果会以一种很难排查的方式出问题——比如点云和图像看着对得上，但一测距离就偏。我用的办法是做一个简单的验证：在场景里放几个特征明显的标定球，分别用两个传感器测它们的球心，比较球心距离，如果对不上，就说明外参有问题。这个验证比看重叠效果可靠得多，因为人眼对小幅错位很不敏感。

最后说一个我个人的判断：这三种技术不会互相取代，长期看是各自守住自己的距离段和场景。双目守住低成本高分辨率的盘子，结构光守住近距离高精度，ToF 守住实时性和中远距离。真正做项目的时候，与其纠结"哪个更先进"，不如把场景里的约束条件列清楚——距离、精度、材质、动态、成本、算力、体积——然后看哪个方案的失效模式你能接受、能兜住。我在实际项目里最常见的情况是混合使用：近距离用结构光保证精度，中远距离用 ToF 做避障和定位，两套点云在同一个坐标系里融合，各自发挥长处。这种组合往往比死磕单一方案的效果好得多，代价只是多一套标定和同步的工作量，而这部分工作量，远比把某一套方案调到极限要划算。