主流的工业3D相机及其区别

机器视觉中，3D相机则通过获取三维点云数据，让机器真正“看懂”了世界。目前市场上主流的工业3D相机有结构光、ToF、双目视觉、激光三角测量等，它们之间到底有什么区别？今天我们就来一探究竟。

一、结构光：主动编码 + 三角测量

原理简述：投影仪向场景投射空间编码的图案（格雷码、相移条纹、散斑等）。相机拍摄被物体表面调制后的变形图案。通过解码得到每个像素在投影图案中的对应坐标，再结合投影仪‑相机标定参数，利用三角测量计算深度。

精度：编码方式决定了亚像素匹配精度 

基线距越大、相机分辨率越高、投影图案频率越高，精度越高。理论上可达 0.01mm ~ 0.1mm 级

缺点： 

1. 强光淹没：环境光强度超过投影图案强度时，信噪比急剧下降，解码失败。因此户外基本不可用。 

2. 镜面/透射材质：高反光或透明表面会破坏投影图案的结构一致性。 

3. 测量距离有限：通常 0.3m ~ 3m，远了投影光斑发散、能量不足。

典型场景：汽车车身焊锡检测（可精确到0.03mm的焊道缺陷）、手机中框平面度测量、3C电子产品零件尺寸测量

二、ToF：时间飞行法

原理简述：发射调制的光信号（脉冲波或连续波），测量从发射到反射返回的时间差或相位差。 

 dToF：直接计时，皮秒级精度，单光子雪崩二极管（SPAD）阵列 

 iToF：发射连续正弦波，测量相位偏移及深度。

核心优势：帧率高（通常>30fps），测距远，可以覆盖几十米甚至上百米的范围，适合大空间感知

为什么精度低 

时间测量精度限制：即使 1ps 的计时误差对应约 0.15mm 距离误差，但实际系统受抖动、温度、噪声影响，典型精度为 1cm @ 5m（相比结构光低 1~2 个数量级） 

空间分辨率：受 SPAD 或像素工艺限制，通常低于结构光和双目

典型应用：AGV 避障、大件行李分拣、作为机器人的安全避障主雷达

三、双目立体视觉

原理简述：模仿人类双眼，通过两个相机视差来计算距离。就像人的手指远近测试一样，两个眼睛看到的图像差异越大，物体就越近

核心优势：成本较低，不需要复杂的发射装置，在纹理丰富的环境中表现稳定。 被动感知：不发射能量，适合户外、电池供电设备

缺点：

1、对纹理依赖极高：白墙、纯色地面、水面、玻璃 → 匹配失败 

2、光照敏感：过曝、欠曝、阴影区域也会破坏匹配 

3、计算量大：SGM 或深度学习立体匹配在嵌入式设备上吃力

典型场景：机器人导航、自动驾驶辅助、双目避障、无人机定高

四、线激光：主动线扫描 + 三角测量

原理简述：激光二极管投射一条细直线到物体表面。相机与激光器成一定角度安装。激光线在物体表面发生高度调制，成像点在相机传感器上的位置随高度变化。

精度 ：可达 0.1μm ~ 10μm 级，取决于激光线宽（光学衍射极限）、相机分辨率、镜头畸变校正精度 

相比结构光，线激光的单线信噪比极高，抗环境光能力强（配合窄带滤光片）

缺点： 必须扫描：单线只给出一条轮廓。获得 3D 表面需要物体与激光器相对运动（传送带、转台、机械臂）。 

速度慢：扫描时间随采样线数线性增长。 

不适用于动态场景：无法捕捉瞬时全貌。

典型场景：半导体晶圆表面粗糙度检测、发动机关键零部件的轮廓测量、电池极片涂布厚度监测、PCB 焊锡高度检测、轮胎胎面轮廓检测等

有完美的相机，只有最适合的方案。如果追求极致的检测精度，结构光和激光三角测量是你的必然选择；如果侧重高速抓取和环境感知，双目和ToF则更具成本优势。未来，随着视觉技术的进一步融合，工业机器人的“眼睛”将看得更远、更清、更准。