企业官网建设流程全解析

上周有个做机器人抓取Demo的朋友问我，买哪种3D相机合适。预算几千块，要识别乱放的工件，还想在室外用。我反问他：你要的是双目、结构光，还是ToF？他愣了一下，说“不都是3D相机吗”。这个困惑其实特别普遍——市面上叫“3D相机”的设备，背后的3D光学传感原理至少能数出六种，每一种的精度、量程、场景适应性和价格完全不在一个量级，选错了不是调调参就能救回来的。

这篇文章就把主流的六种3D光学传感技术完整梳理一遍：双目立体视觉、结构光、ToF、激光三角测量、条纹投影、光场成像。我会讲清楚每种技术的物理原理、适用场景、关键参数，以及我在实际项目里踩过的坑和验证过的方法。不管你是做机器人、工业检测、逆向建模还是消费级产品选型，希望能帮你少交点学费。

1. 选3D相机前，先把三组关键参数对齐

1.1 深度图、点云和“精度”到底指什么

聊技术之前，先对齐概念。3D相机输出的结果通常有两种形式：一种是深度图（Depth Map），每个像素存一个距离值，看起来是灰度图，越亮代表越近；另一种是点云（Point Cloud），输出一大堆三维坐标点，每个点带XYZ，有些还会带颜色或反射强度。

“精度”这个词在3D视觉里特别容易把人带沟里。它至少有三种含义：绝对精度、相对精度、重复精度。很多厂商最喜欢标重复精度，因为同一位置反复测，读数很稳定，但这不代表测出来准。我见过有人在理想条件下用白板测出0.1毫米的重复精度，一到黑色哑光零件上直接翻好几倍。所以看参数表时，先确认一个细节：这个精度指标是在多远距离、什么材质的物体上测出来的。另外还要分清深度精度和点云精度，深度图上的像素级误差经过三维换算后会被放大，两回事。

1.2 主动光学与被动光学的分水岭

六种技术可以按一个很本质的标准分成两拨：有没有自带光源。

被动光学不发光，靠环境光成像，双目立体视觉就是代表。它好处是功耗低、结构简单、成本便宜，坏处是极度依赖场景纹理和光线条件。主动光学则会主动投射红光、红外激光、条纹光栅之类的信号源，采集设备再去读取被物体形变后的信号。结构光、ToF、激光三角、条纹投影、光场成像里也有一部分属于“半主动”思路（比如光场相机本身不需要投光，但深度估计有时依赖纹理）。

这个分水岭决定了你的应用场景能不能成立。户外强阳光下，红外方案大概率被太阳光淹没；暗光无纹理的仓库里，纯双目又容易瞎。选型的第一步不是比谁参数好看，而是先搞清楚你的环境在哪个阵营。

1.3 精度、量程、速度的“不可能三角”

3D光学传感普遍存在一个三角约束：精度、量程、速度，最多只能同时满足两项。

ToF速度快、量程大，但精度一般在厘米级；激光三角测量精度能到几十微米级，但通常是逐点或逐线扫描，做不到全场一次成型；条纹投影全场精度很高，但需要连续拍摄多帧，被测对象必须保持静止。理解这个三角，后面看每种技术的取舍就有谱了。所谓选型，本质是选一个符合你应用优先级的平衡点。

2. 双目立体视觉：用视差脑补深度的被动派

2.1 核心原理：把三角测量搬到像素层面

双目立体视觉的原理和人眼一样，靠两个有固定间距（称为基线Baseline）的相机观察同一个场景。场景里某个物点会分别落在左图和右图的不同像素坐标上，这两个像素位置的横向差异，叫视差（Disparity）。

深度和视差成反比关系，公式很简洁：

Z = f * B / d

其中Z是深度，f是焦距（以像素为单位），B是基线长度，d是视差（单位也是像素）。物体越近，视差越大；物体越远，视差越小。这也是为什么双目相机的基线越长，能测的距离就越远、精度越高——基线是放大视差的杠杆。

这句话读起来很轻松，但真正落地时，麻烦全在“d”上。

2.2 最难的不是几何，是找对应点

计算视差的前提是：左右两幅图里，你得知道同一个物点分别在哪。这个叫“对应点匹配”（Stereo Matching），是整个双目方案最大的痛点。

纯白墙面、光滑塑料、天空这类缺少纹理的区域，左右图长得一模一样，匹配算法只能瞎猜，结果就是深度图上一片“黑洞”或者噪声花纹。反过来，有重复纹理的场景也不行，比如铁丝网、百叶窗，算法会匹配错周期，深度出现整段的跳变。

我在一个项目里吃过这个亏：仓库里的货物很多是黑色缠绕膜包裹，表面既有高光又有暗区，双目相机匹配出来的点云边缘全是毛刺。后来我们往场景里补了一盏红外补光灯，配合一个散斑投射器，相当于“给场景人为加上随机纹理”，匹配成功率立刻上来了。这种“双目+散斑投射器”的组合，在行业里被称为主动双目（Active Stereo），算是把双目和后面的结构光思路杂交了一下。

2.3 标定和极线校正决定生死

双目能算准的前提，是两台相机的内参（焦距、主点、畸变）、外参（相对位移和旋转）都标得准。常用的标定手段是棋盘格标定板，拍几十张不同位姿的图片，算出相机参数，再做极线校正（Rectification）。校正之后，左右图的对应点搜索从二维变成一维——只需要在同一行上找匹配点，计算量大幅下降。

这里有个容易被忽略的坑：双目的机械结构必须是刚性的。我用过一款用铝型材和螺丝固定的双目支架，刚装好时标定精度没问题，跑了一周后发现深度值整体漂移了。原因很简单，设备发热和户外温差让支架产生了形变，基线变了，原来的标定就失效了。所以工业现场用双目，要么选一体化的刚性外壳设计，要么把定期重标定写进运维流程。

2.4 场景适配与成本

双目最大的优势是便宜和灵活。两个工业相机加上镜头，几千块钱就能做出一个不错的原型系统，而且被动方案不发光，户外阳光下依然能用。消费级的双目模块在1到3米范围内的深度精度通常在毫米到厘米级别，做避障、跟随、简单定位够用，做精密测量就不太行了。

3. 结构光：先把场景“编码”再解码深度

3.1 从散斑到编码条纹

结构光的思路和双目完全不同：它不依赖场景本身的纹理，而是主动向物体投射一个“已知”的图案，再用相机拍摄被物体表面调制后的图案，通过图案的变形或编码来恢复深度。相机知道投影器发出去的是什么，只要算图案扭曲了多少，就能算出高度差。

结构光分两大流派。一类是散斑结构光，投射器打出一片看似杂乱、实际有确定分布的随机光斑，相机拍摄后再和投影器里的参考散斑图做相关匹配。另一类是编码结构光，投射竖条纹或方格图案，条纹本身带编码信息（格雷码、正弦相位等），每个像素都能知道自己“看的是第几根条纹”。

散斑方案的优点是单帧就能解出深度，速度快，但空间分辨率和精度一般；编码条纹方案精度更高，但通常要连续投影很多帧图案，物体必须保持静止，适合扫描静态物体。

3.2 为什么手机3D面部解锁偏爱结构光

很多人第一次接触3D相机应该都是通过手机的面部解锁。那类方案的典型配置是：一个红外激光投射器，打出上万个散斑点的点阵；一个红外相机拍摄人脸；再加一个泛光照明器。人脸在几十厘米距离上，深度精度能做到毫米级，形变明显、欺骗难度高，而且整个模组体积可以做得非常小。

这类方案在近距离（0.3到1米）表现很好，但有两个天然软肋。第一，红外光对深色物体吸收严重，头发、黑色橡胶这类目标在红外图里接近“隐身”，重建出的点云经常缺一块；第二，人脸或者物体快速移动时，散斑图会产生动态误差，所以这类模组通常要配合算法做运动补偿。

3.3 强光下的结构光“扑街”现场

结构光方案最怕的就是强环境光，尤其是太阳光里的红外成分。户外大白天，投射器的信号直接被环境红外淹没，相机里看到的只有一片泛白，散斑几乎无法分辨。

手段不是没有：在相机前面加窄带滤光片，只允许投射波长附近的光通过；提高投影光源功率；用调制频率区分环境光和信号光。但这些都会增加成本、功耗和发热。所以我给移动机器人项目做技术评审时，凡是明确要在户外强光下使用的，基本优先考虑双目或ToF，纯结构光方案只排在备选。

再补充一个容易被忽略的材料问题：高反光的金属表面会产生镜面反射，结构光的图案会被二次反射打乱，生成一堆虚假点；而表面特别黑的吸光材料，又会因为回光太弱直接丢失数据。遇到这两种情况，都要靠喷涂消光粉或者换测量方案来解决。

4. ToF：用光子的往返时间当尺子

4.1 直接ToF与间接ToF

ToF（Time of Flight）的核心是计时：光源发出一束光，打到物体表面再反射回来，传感器记录光子飞行的往返时间Δt，深度就是：

d = c * Δt / 2

这里c是光速，除以2是因为光走了“去”和“回”两趟。听起来简单，但光速是每秒30万公里，测1米距离只需要约6.7纳秒的飞行时间，普通电子元件根本数不过来，所以才演化出两条技术路线。

直接ToF（dToF）用极窄的激光脉冲，配合单光子雪崩二极管（SPAD）这类灵敏度极高的传感器，直接统计光子的到达时刻。它能够“数光子”，所以抗环境光能力更强，苹果的激光雷达扫描仪其实就是这种思路，当然我这说的是原理路线，不是说某款产品。间接ToF（iToF）则发射连续的正弦波调制光，通过测量发射信号与接收信号之间的相位差来反推飞行时间。iToF方案对芯片和光源的工艺要求相对低一些，所以现在手机里的ToF前置镜头大多是这条路。

间接ToF的相位换算公式是：

φ = 4π f d / c

其中φ是相位差，f是调制频率，d是深度。相位差只能在0到2π之间测量，超出这个范围就会出现“模糊距离”问题，也叫距离混叠。ToF能测的最大非模糊距离是：

d_max = c / (2f)

调制频率100MHz时，最大非模糊距离约1.5米；要测更远，只能降低调制频率，但精度会跟着变差。频率、量程、精度三者的拉扯，是设计间接ToF系统的基本功。

4.2 墙角测距偏远的“多径效应”

ToF最让人头疼的问题不是精度不够，而是多径效应（Multipath）。想象一束光照到墙角，一部分光直接反射回传感器，另一部分光打在A面后弹到B面，再从B面反射回来。光子绕了一小段冤枉路，飞行时间变长，测出来的距离就会系统性偏远。

这个偏差在墙角、凹槽、金属曲面周边特别明显，深度图边缘会糊成一片，而且很难用简单标定消除，因为它是几何和材质共同决定的，每个像素的污染程度都不同。做高精度应用的人常说“ToF是测大概很好，测精确很难”，指的就是这个。

4.3 优点与典型场景

ToF的优势同样明确：没有基线，模组可以做得很小；不需要左右图匹配，深度计算直接由芯片完成，帧率能做上30到60帧；配合窄带滤光片后，户外强光下依然能用。所以它在体感交互、AR/VR、手势识别、扫地机器人沿墙导航、汽车驾舱监测这些“要速度、要体积、不要极高精度”的场景里非常流行。

它的精度通常在厘米级。别被某些宣传里“毫米级”的字眼迷惑，工程上能稳定的精度，和环境、物体材质强相关，黑色衣服、透明水瓶、深色地毯都会让结果明显变差。

4.4 实测中必做的“材质-距离拟合”

我使用ToF模块做项目时有个习惯：拿到样机先不做任何数据美化，直接用白墙、灰纸、黑布、硅胶垫四类目标，分别放在0.3米、0.8米、1.5米、3米四个距离上测试，记录偏差。测完你会发现，偏差曲线既跟距离有关，也跟反射率有关。对多数应用来说，没有捷径，只能按“材质+距离”组合做查表校正，把偏差拟合掉一部分。另外指示灯、窗帘缝里的直射阳光、金属桌面的反光，都是实测中最常出现的噪声源，测试环境越接近真实生产线越好。

5. 激光三角测量：工业级定点测距的经典

5.1 原理：用角度杠杆放大微小位移

激光三角测量的经典结构是：一束激光以固定角度投射到被测物体表面，相机在另一个角度接收散射光。物体表面高度发生变化时，相机里激光光斑的位置就会横向移动。这个位移被镜头成像放大后，由像素做亚像素级定位，再通过标定系数换算成高度变化。

它本质上是用一个“角度杠杆”把微观高度变化放大成可观测的像素位移。激光与相机光轴的夹角越大，同样高度差对应的像素位移越大，分辨率越高；但代价是测量量程变窄、遮挡问题更严重、结构也更难做。在设计系统时，夹角是核心权衡参数，没有“越大越好”一说。

测量关系近似可以写成：

Δh ≈ Δp * K

其中Δp是光斑在传感器上的像素位移，K是标定系数，主要由激光与相机的夹角、镜头焦距、物距共同决定，实际工程中以标定板实测为准。请你务必自己算的时候依赖实测标定，不要只按几何推导的公式去估算，因为透镜畸变和光斑能量分布都会影响结果。

5.2 点激光、线激光与扫描模式

激光三角测量有三种常见形态。点激光是单点测距，结构最简单，速度快，常用于在线测厚、测振动位移。线激光向被测物投射一条激光线，相机一次抓到整条轮廓线，输出的是物体的二维剖面（2D轮廓），比如焊缝的截面形状、管材的外径、型材的轮廓。这个剖面数据通过编码器或运动平台带动连续扫描，就能拼成完整的三维点云。

如果被测物不方便移动，也可以用振镜把激光线扫过整个表面，实现小范围的高速度扫描。选择哪种形态，取决于你是在线检测（物体快速经过、要实时出结果）还是离线扫描（物体静止、可以慢慢扫）。

5.3 材质和反光决定成败的上限

激光三角测量的精度上限很高，近距离配置下几十微米甚至亚微米级别都能做到，但这个上限非常脆弱。高光金属表面会产生镜面反射，激光条纹在曲率突变处会断裂，得到满屏“飞点”；黑色吸光表面回光太弱，轮廓线断断续续；透明玻璃和透明塑料更离谱，激光直接透进去，相机看到的是前后两个面的混合信号。

应对方案有几种：换用蓝紫激光，波长更短、金属吸收率高，能缓解高光问题；调整相机和激光的相对姿态，避开镜面反射角度；给被测物喷显影剂（前提是允许接触工件）。我特别提醒做产线的朋友，显影剂这招要用得极其谨慎，它虽然能把黑色橡胶和高光金属全部“洗白”，但会污染工件表面，很多行业是不接受任何残留的。在方案设计阶段，就要先确认你的工件允不允许涂层预处理。

还有一条安全经验：工业激光测量头的输出功率大多是Class 3B甚至Class 4级别，直射眼睛会造成不可逆损伤。现场最常见的事故是调试人员拿黑纸去挡光看光斑位置，激光瞬间把纸烧穿，非常危险。所有调试操作，请先确认激光处于关闭或低功率状态。

6. 条纹投影与相移法：把相位当高精度标尺

6.1 正弦条纹和相移测相

条纹投影轮廓术（Fringe Projection Profilometry）是结构光里的“精细流派”。它投射的不是二值的黑白条纹，而是一系列亮度呈正弦变化的条纹图案。物体表面的高低起伏会使正弦条纹发生形变，而这个形变信息被编码在条纹的相位里。只要能精确解出每个像素的相位，就能换算出高度。

怎么解相位？最常用的是相移法。投射4张相位依次移动90°的正弦条纹，分别记为I1、I2、I3、I4，那么：

I1 = A + B*cos(φ)I2 = A - B*sin(φ)I3 = A - B*cos(φ)I4 = A + B*sin(φ)

联立求解，相位φ可以用反正切函数直接算出：

φ = atan2(I4 - I2, I1 - I3)

写成代码也就几行：

import numpy as np def phase_from_4step(imgs): # imgs: 依次传入I1,I2,I3,I4四帧灰度图 sin_term = imgs[3] - imgs[1] # 2B * sin(φ) cos_term = imgs[0] - imgs[2] # 2B * cos(φ) return np.arctan2(sin_term, cos_term)

这个解出来的相位是被包裹的（Wrapped Phase），数值范围只有-π到π之间，看起来像锯齿，因为反正切函数丢掉了2π的整数倍信息。

6.2 相位展开：从“锯齿”到连续深度

要把锯齿状的包裹相位恢复成连续相位，这个过程叫相位展开（Phase Unwrapping），是条纹投影方案里最考验功力的环节。实际应用里，物体会在边缘、遮挡、反射异常处产生断点和跳变，空间展开算法容易被这些噪声“带偏”，一处错，整行都可能跟着错。

更稳的做法是时间相位展开，典型代表是多频外差法：用几种不同频率的条纹分别测量，利用频率之间的拍频关系确定每个像素的条纹级次N，再把绝对相位恢复出来。它牺牲了采集帧数（测一个场景往往要拍几十张图），但抗噪声能力强，是目前高精度3D扫描仪的主流选择。这也决定了这类方案的硬性条件：被测物体在整个拍摄期间必须纹丝不动。

6.3 蓝光扫描仪为什么“娇贵”但精度高

条纹投影早期使用白光投影，后来行业内普遍改用蓝光。原因有三个：蓝光波长更短，在金属表面的散射更可控；蓝光对环境光中的红光和黄光干扰更敏感地隔绝；配合窄带滤光片后，即使在车间照明下也能稳定采集。

市面上牙模扫描、涡轮叶片检测、精密注塑件测量、手办和文物数字化用的高精度3D设备，大多是这条路子。精度能到微米级，但使用约束也不少：物体要稳定，环境不能有强振动；黑色高光件基本都要喷显影剂；相机和投影仪的相对位姿要用高精度标定流程反复校准。另外，条纹投影在广义上属于结构光家族，也就是第3节说到的“编码结构光”的精细版，这里单独拎出来讲，是因为它在原理、算法和工程实践上都已经自成体系，值得当成一个独立技术门类来对待。

7. 光场相机：记录光线方向的计算成像路线

7.1 微透镜阵列：给光路装一个“方向分拣器”

光场相机的思路在六种技术里最另类。普通相机在传感器上只记录光线的位置和强度，把方向信息全部丢掉了。光场相机则在主镜头和传感器之间加了一层微透镜阵列，每个微透镜负责把进入主镜头的光线按方向拆分，传感器上不同像素记录的是同一场景点、来自不同入射角度的光线。

这等于把普通的二维图像升级成了四维光场数据：每个位置上有哪些方向的光线。因为记录了方向，它能做到普通相机做不到的事——先拍照、后对焦。

7.2 先拍摄后对焦和深度估计

拍完一张光场照片后，通过算法把不同方向的光线重新累加，可以选择性地聚焦到不同深度的平面上：想清晰保留前景，就把后景的光线“故意虚焦”；想换个微视角，也可以合成出几个像素范围内的视角平移——这个能力叫“数字重对焦”。

深度估计同样从光场数据里来：把每个微透镜下的特定方向的光线抽出来，分别拼成一张“子孔径图像”，这些图像相当于从不同微小视角看同一个场景，把它们当成极短基线的多目立体匹配输入，就能算出深度图。优点是不需要额外投射任何光源，纯粹是被动方案，拍一张照片就同时拿到光场和深度信息。

7.3 用分辨率换来的“计算摄影”

光场相机最直接的代价是空间分辨率。传感器总像素数是固定的，分给不同方向后，每张子孔径图像的实际分辨率只剩传感器像素数除以方向数的比例。主镜头光圈越大，能分辨的方向越多，角度分辨率越好，但空间分辨率牺牲越严重。这个此消彼长的关系，是光场相机一直难以同时兼顾画质和3D精度的根本原因。

它在工业3D测量里不算主流，但在科研和特殊场景有独特价值：透明样本的内部结构观测、微小液体流场的三维重构、消费级摄影的“先拍后焦”体验。如果你对体积、成本敏感，又不需要亚毫米级精度，光场相机是个值得关注的方向。

8. 六种技术横向对比与选型决策

8.1 一张表看清差异

这张表不是绝对值，具体产品的差异可以很大，但作为选型大方向足够了。看表的要点是：精度越高的方案，对场景静止性和表面质地的要求越苛刻；量程越大的方案，精度越难做到精细。

8.2 按场景对号入座

根据我实际接触过的项目，比较典型的需求和方案匹配大致是这样：

• 手机人脸解锁、刷脸支付门禁：首选短距结构光，0.3到0.8米范围内毫米级精度，模组体积又小。
• 机器人对乱序工件抓取：室内环境优先结构光，识别准确、点云密度高；如果工件表面特别光滑，改成主动双目或加喷粉方案。
• 户外巡检、无人车避障：优先双目或ToF，避免主动光在强太阳光下失效；ToF对高速运动更友好。
• 焊缝跟踪、型材轮廓、在线厚度测量：激光三角测量是标准答案，剖面数据实时性好，抗环境光能力强。
• 牙模、手办、文物、精密零件逆向建模：条纹投影（蓝光）扫描仪，追求微米级细节，前提是配置稳定的三维转台和暗室。
• 手势交互、AR/VR、动态人体重建：ToF的30到60fps全场深度最合适。
• 低成本科研成像和历史存档：光场相机一拍拿住全部信息，后面对焦和估算深度都很灵活。

这些只是起点。真实的项目常常会把两种技术拼起来用，比如“双目+散斑投光”解决室内暗纹理问题，或者“激光三角测量+条纹投影”分别负责在线抽检和离线全检。

8.3 选型前建议先做的三件实事

第一，拿真实零件做测试，而不是只看参数表。把要识别的样件各挑几件，放在实际的光照环境里，用候选设备拍一个下午，看点云完整度、边缘毛刺和重复精度。很多理论上的“高精度”，一遇上反光毛刺就崩了。

第二，统计你的环境光。室内是普通照明还是无影灯？窗外有几个方向进阳光？红外类方案尤其要测试“强光从侧面打来”的情况，有时候一个夕阳角度就能让结构光彻底失效。

第三，评估表面的三大“材质杀手”：黑色、透明、高光。这三样几乎能干掉所有光学方案。测试之前先想清楚：能不能喷涂显影剂？能不能调整光照角度？如果不能，就不要硬着头皮选光学测量，考虑接触式方案也许是更稳的选择。

另外集成工程上还有一句碎碎念：很多项目最终延期，不是因为原理选错，而是因为坐标系统一、单位换算、ROI裁剪、点云滤波参数这些“脏活累活”没提前规划。深度精度和点云精度不是一个概念，传感器坐标系到机器人坐标系的标定又是一轮工作量，这些都要在预算里留足时间。

最后说一点我个人体会比较深的东西。我做过的几个落地项目里，真正区分成败的，往往不是选了“哪一种原理”，而是有没有认真处理标定、环境光和材质这三个问题。同一台结构光相机，有些人能调出漂亮的点云，有些人只能得到满屏噪声，差别就在这里。另一个经验是：方案定型前，用自己能接受的成本买一台样机，拿真实工件实测一个下午。很多宣传里漂亮的数字都会在真实测试中现出原形。希望这篇概述能帮你在选型的路上少交一点学费。