深度相机初探：立体视觉（Stereo Vision）、结构光（Structured Light）、TOF（Time of Flight，飞行时间）

深度相机

深度相机的核心功能是获取场景中物体的三维深度信息（即 “距离”），其技术方案主要分为三类：立体视觉（Stereo Vision）、结构光（Structured Light）、TOF（Time of Flight，飞行时间）。三者的本质区别在于 “如何计算深度”—— 前两者基于 “三角测量原理”，TOF 基于 “光的飞行时间”，具体原理、特点及应用可通过以下维度简析：

一、立体视觉（Stereo Vision）：模仿人眼的 “被动式” 深度感知

立体视觉是最接近人眼视觉原理的技术，属于 “被动式”（不主动发射光信号，依赖环境光），核心靠 “双相机视差” 算深度。

1. 核心原理

模仿人眼 “左右眼看到同一物体的位置差异”（即 “视差”），通过三角几何关系反推深度：

• 步骤 1：双相机校准。深度相机内置两个平行且参数一致的 RGB 相机（类似人眼间距，称为 “基线”），先通过算法校准两相机的位置偏差，确保拍摄的图像在同一坐标系下。
• 步骤 2：拍摄与匹配。两相机同时拍摄同一目标场景，得到两张 “略有偏移” 的图像（左图、右图）。
• 步骤 3：计算视差与深度。通过 “特征匹配算法”（如 SIFT、SURF）找到两张图像中 “同一物体点” 的像素位置差异（即 “视差”）；再结合两相机的固定间距（基线）、焦距等参数，用三角公式计算该点到相机的深度（视差越小，深度越远）。
  

2. 关键组件

• 双 RGB 相机（核心，需严格校准）；
• 图像处理器（用于特征匹配与深度计算）。

3. 优缺点

• 优点：
  • 被动式，无主动光发射，不会因强光（如阳光）导致自身信号被淹没；
  • 成本较低（仅需双相机，无特殊光发射器）；
  • 适合户外自然光照场景。
• 缺点：
  • 依赖环境光，弱光 / 无光环境（如黑夜、暗室）完全失效；
  • 特征匹配难度高：若场景中物体纹理少（如白墙、纯色桌面），易出现 “匹配失败”，导致深度图缺失；
  • 精度受 “基线” 影响：基线越短（如手机尺寸限制），远距离精度越差；基线越长，近距离易 “盲区”。

4. 典型应用

• 低成本室内机器人（如扫地机器人避障）；
• 户外监控（辅助识别物体距离）；
• 早期 VR/AR 设备（如 Oculus Rift 初代）。

二、结构光（Structured Light）：主动投射 “图案” 的 “高精度” 深度感知

结构光是主动式技术（主动发射已知图案的光信号），核心靠 “图案形变” 反推深度，属于 “主动三角测量” 的延伸。

1. 核心原理

通过投射 “预先设计的光图案” 到目标，利用图案的形变计算深度：

• 步骤 1：发射编码光。由红外发射器（如 VCSEL 垂直腔面激光器）向目标投射 “已知结构的光图案”，常见类型：

  • 散斑结构光（如苹果 Face ID）：投射随机分布的 “微米级散斑”（类似无数小光斑）；
  • 条纹结构光：投射连续的条纹 / 网格图案（如工业检测设备）。
    

• 步骤 2：接收形变图案。由专用红外传感器（避免环境光干扰）接收目标反射的光图案 —— 由于目标各点距离不同，图案会产生 “拉伸、偏移、扭曲” 等形变（距离越近，形变越明显）。

• 步骤 3：计算深度。通过算法对比 “原始图案” 与 “形变图案” 的差异，结合发射器与传感器的固定位置（三角关系），反推目标各点的三维坐标。
  

2. 关键组件

• 红外发射器（投射编码图案）；
• 红外传感器（接收反射图案）；
• 处理器（图案对比与深度计算）。

3. 优缺点

• 优点：
  • 主动光信号，不依赖环境光，弱光环境仍有效；
  • 近距离精度极高（通常 ±1% 以内，1 米距离误差＜1cm）；
  • 帧率高（30~60fps，可实时输出深度图）。
• 缺点：
  • 量程短（通常 0.1~10 米），远距离图案形变不明显，精度骤降；
  • 抗强光能力弱：户外阳光会淹没红外图案，导致深度计算失效；
  • 易受高反射 / 低反射物体影响（如镜子会反射图案，黑布会吸收光，均导致形变无法识别）。

4. 典型应用

• 消费电子：手机人脸识别（苹果 Face ID、安卓厂商 3D 人脸识别）、手机 AR 测量（部分方案）；
• 工业领域：零件尺寸检测、精密装配定位；
• 室内机器人：近距离物体抓取（如服务机器人）。

三、TOF（Time of Flight）：直接 “测时间” 的 “长量程” 深度感知

TOF 是主动式技术（主动发射光信号），核心靠 “光的飞行时间” 直接计算距离，无需依赖图案或视差，属于 “直接测距”。

1. 核心原理

利用 “光从发射到反射回传感器的时间差”，结合光速计算深度（距离 = 光速 × 时间差 / 2，除以 2 是因为光需往返）。根据测量方式，分为两类：

• dTOF（直接飞行时间）：发射 “短脉冲激光”，直接测量单个脉冲从发射到接收的时间差（如 iPhone 12 及以后的 LiDAR 模块）；
• iTOF（间接飞行时间）：发射 “调制光”（如周期性的红外光），测量发射光与反射光的 “相位差”，通过相位差反推时间差（更常见于消费级深度相机）。
  

2. 关键组件

• 光发射器（dTOF 用脉冲激光器，iTOF 用调制红外 LED/VCSEL）；
• 光电传感器（如 SPAD 单光子雪崩二极管，高精度接收光信号）；
• 计时器 / 相位检测器（测量时间差或相位差）。
  

3. 优缺点

• 优点：
  • 量程长（通常 1~50 米，部分工业级可达 100 米以上）；
  • 抗干扰能力强：光信号波长特定（多为 905nm），不易受阳光、环境光影响，户外性能优于结构光；
  • 对物体纹理无依赖：即使是白墙、纯色物体，也能稳定测距（无匹配失败问题）。
• 缺点：
  • 精度略低于结构光（通常 ±2%~5%，10 米距离误差约 20~50cm）；
  • 成本高于立体视觉和结构光（需高精度计时器与传感器）；
  • 易受 “多路径干扰”（如光经多个物体反射后回到传感器，导致时间差计算偏差）。

4. 典型应用

• 消费电子：手机 AR 导航（如 iPhone LiDAR）、平板 / 笔记本手势控制；
• 户外机器人：无人配送车、巡检机器人避障；
• 安防监控：远距离人体检测与距离判断；
• 工业测绘：中短距离场景三维建模。

四、三种技术核心差异总结

技术类型	工作方式	核心原理	精度（近距离）	量程	环境适应性	成本	典型应用
立体视觉	被动式（无发光）	双相机视差 + 三角测量	中（±3%~5%）	中短	依赖环境光，弱光失效	低	扫地机器人、户外监控
结构光	主动式（投图案）	图案形变 + 三角测量	高（±1% 以内）	短（0.1~10m）	弱光有效，强光失效	中	人脸识别、工业质检
TOF	主动式（发光信号）	飞行时间 / 相位差→距离	中（±2%~5%）	长（1~50m+）	弱光 / 户外有效	高	手机 AR、户外机器人

五、选择逻辑

1. 若需低成本、被动式、户外自然光场景（如扫地机器人），选立体视觉；
2. 若需室内高精度、弱光场景（如人脸识别、工业检测），选结构光；
3. 若需户外长量程、抗干扰场景（如 AR 导航、户外机器人），选TOF。