一、深度相机概述

1.1 什么是深度相机

深度相机，说白了就是能「看」出物体距离的相机。

普通相机拍出来的是二维图像——只有颜色和亮度信息。你看到一张照片，知道这是红色的苹果、那是蓝色的杯子，但你不知道苹果离你多远，杯子又在哪里。深度相机不一样，它每个像素点都记录了一个距离值，单位通常是毫米。

我刚开始接触这个领域时，总觉得深度相机就是「高级点的摄像头」。后来在项目里吃过亏才明白——深度相机输出的不是图像，而是三维点云数据。每个点都包含 (x, y, z) 三个坐标信息，这才是它真正的价值所在。

1.2 深度相机的工作原理

目前主流的深度相机技术有三种：ToF、结构光、双目立体视觉。我一个个说。

1.2.1 ToF（飞行时间法）

ToF的原理特别简单——发射光脉冲，测量光往返的时间。光速是已知的，时间测出来了，距离自然就出来了。

公式也很直接：

距离 = (光速 × 飞行时间) / 2

为什么要除以2？因为光走了个来回，从相机到物体，再从物体回到相机。

我在项目中用过ToF相机做AGV避障。说实话，ToF最大的优点是速度快，能到30fps甚至更高。但有个坑——多路径干扰。光线在物体之间来回反射，会导致测量值偏大。我曾经在玻璃幕墙的环境里调试，深度图上一片混乱，后来加了遮光罩才勉强能用。

1.2.2 结构光

结构光的思路是——投射已知图案，通过图案变形推算深度。

你想想看，如果我在墙上投一个网格，墙是平的，网格就是规规矩矩的。如果墙上有凸起，网格就会扭曲。通过分析扭曲程度，就能算出每个点的深度。

结构光的典型代表是微软的Kinect v1和苹果的Face ID。我拆过Kinect v1，里面有个红外投影仪，投射的是伪随机散斑图案。接收端用红外摄像头拍摄，然后和存储的参考图案做匹配。

1.2.3 双目立体视觉

双目立体视觉模仿的是人眼——两个摄像头从不同角度拍摄，通过视差计算深度。

原理是这样的：左眼和右眼看到的同一个物体，位置会有偏移。这个偏移量叫视差。物体越近，视差越大；物体越远，视差越小。

计算公式：

深度 = (焦距 × 基线距离) / 视差

其中基线距离就是两个摄像头中心之间的距离。

双目视觉有个好处——不需要主动光源，室内室外都能用。但缺点也很明显：计算量大。每帧图像都要做立体匹配，对算力要求高。我做过一个嵌入式项目，用ARM Cortex-A72跑双目算法，640×480的分辨率只能跑到10fps，后来换了GPU才到30fps。

技术类型	测距范围	精度	帧率	室外可用性	典型功耗
ToF	0.3m - 10m	±1cm @ 3m	30-60fps	一般（强光下降）	1-3W
结构光	0.1m - 5m	±0.5mm @ 1m	15-30fps	差（室外不可用）	2-5W
双目立体视觉	0.5m - 20m+	±2cm @ 3m	10-30fps（依赖算力）	好	0.5-2W（不含计算）

1.3 深度相机的主要应用领域

深度相机的应用场景，我归纳为四大类：

1.3.1 机器人导航与避障

这是我最熟悉的领域。AGV、扫地机器人、无人机，都需要知道周围环境的三维信息。深度相机可以实时构建障碍物地图，让机器人知道哪里能走、哪里不能走。

我记得有个项目，客户要求AGV在仓库里自主导航。我们用双目相机做SLAM，配合IMU做姿态估计。一开始精度不够，AGV老是撞货架。后来发现是相机标定出了问题——两个摄像头的相对位置有0.1mm的偏差，导致深度计算全偏了。重新标定后，问题解决。

1.3.2 人脸识别与生物识别

苹果的Face ID就是结构光深度相机的典型应用。普通摄像头做人脸识别，容易被照片、视频欺骗。深度相机能检测人脸的三维轮廓，活体检测能力大幅提升。

我参与过一个人脸支付项目，用的就是ToF相机。当时遇到的问题是——戴眼镜的人识别率低。因为眼镜片会反射红外光，导致深度图出现空洞。后来我们做了眼镜检测和深度补全算法，才把通过率提上去。

1.3.3 工业检测与测量

在工厂里，深度相机可以用来检测产品尺寸、表面平整度、装配间隙等。精度要求高的场景，一般用结构光或激光三角法。

我见过一个案例：用双目相机检测手机屏幕的平整度。屏幕放在流水线上，相机从上方拍摄，通过深度图判断屏幕有没有翘曲。检测精度要求0.1mm，双目相机勉强能做到，但需要非常严格的标定和稳定的光照环境。

1.3.4 AR/VR与手势识别

AR/VR设备需要知道用户的手在空间中的位置，才能实现交互。深度相机可以实时捕捉手部骨骼点，识别手势动作。

我试过用ToF相机做手势控制无人机。说实话，效果一般——手速快了就丢帧，而且手部边缘的深度数据不稳定。后来改用双目+深度学习，效果好了不少，但延迟还是有点高。