3、精度评估方法：绝对精度与相对精度、平面度评估、距离误差评估、重复性评估、温度漂移评估
各位工程师朋友，咱们今天聊聊深度相机的精度评估。说实话，这个环节是性能评估里最核心的部分，也是我踩坑最多的地方。你想想看，一个深度相机标称精度再高，如果评估方法不对，那数据就是废纸一张。
我个人习惯把精度评估分成五个维度来考量。这五个维度就像五把尺子，缺一把都不行。咱们一个一个来看。
3.1 绝对精度与相对精度
先说说这两个概念。很多新手容易搞混，其实说白了很简单：
- 绝对精度：测量值与真实值的偏差。比如你测一个1米远的平面，相机告诉你0.98米，那绝对误差就是2厘米。
- 相对精度：测量值之间的相对关系是否准确。比如两个点实际相距10厘米，相机测出来是9.8厘米，那相对误差就是2%。
我在项目中遇到过一件事。有个供应商拿来的样机，绝对精度标称1%，我们测下来确实在1%以内。但做三维重建时，点云拼接总是对不上。后来一查，相对精度差了3%以上。你想想看，绝对精度好不代表相对精度好，这两个必须分开测。
评估方法建议：
- 绝对精度：用高精度标定板或激光跟踪仪作为真值，在多个距离点采样
- 相对精度：用已知尺寸的标准件（如量块、球体），测量其几何尺寸
3.2 平面度评估
平面度评估，说白了就是看相机拍一个平面，拍出来是不是平的。这个指标对工业检测特别重要。
我记得有一次做手机中框检测项目，客户要求平面度误差小于0.1毫米。我们拿深度相机一拍，数据看起来还行。但用平面拟合算法一算，RMS值到了0.3毫米。嗯，这里要注意，肉眼看不出来的问题，算法一跑就现原形了。
具体做法是这样的：
- 用一块经过研磨的陶瓷平板（平面度优于0.01mm）作为参考
- 将平板放置在相机视场中心，采集深度图
- 对深度图进行平面拟合，计算每个像素点到拟合平面的距离
- 统计这些距离的RMS值和最大偏差
我的小技巧： 平面度评估时，别只测中心位置。把平板放在视场的四个角落和边缘各测一次。很多相机中心精度不错，边缘就拉胯了。
3.3 距离误差评估
距离误差评估，就是看相机在不同距离上的测量准不准。这个测试我建议至少覆盖相机标称工作距离的20%到120%。
举个例子，如果相机标称0.3米到3米，那你就从0.3米开始，每隔0.2米测一个点，一直测到3.6米。每个点测10次取平均。
| 真实距离 (mm) | 测量均值 (mm) | 误差 (mm) | 相对误差 (%) |
|---|---|---|---|
| 300 | 298.5 | -1.5 | -0.50 |
| 500 | 497.2 | -2.8 | -0.56 |
| 1000 | 995.0 | -5.0 | -0.50 |
| 2000 | 1988.0 | -12.0 | -0.60 |
| 3000 | 2970.0 | -30.0 | -1.00 |
看到没？距离越远，绝对误差越大，但相对误差可能变化不大。如果相对误差随距离明显增大，那说明相机的深度计算模型可能有问题。
3.4 重复性评估
重复性，就是相机在相同条件下测同一个物体，每次结果的一致性。这个指标直接决定了相机能不能用在精密测量场景。
我曾经遇到一个案例，某款ToF相机重复性标称0.1%，我们测了100次，结果标准差到了0.3%。后来发现是温度补偿没做好，相机开机后每10分钟数据就漂一点。所以重复性测试一定要做长时间序列分析。
标准做法：
- 固定相机和被测物体，保持环境稳定
- 连续采集100帧深度图
- 计算每个像素点的标准差
- 统计全图标准差的均值、最大值
注意： 重复性测试时，千万别用手碰相机或物体。我见过有人一边测一边调整支架，那测出来的重复性数据根本不能用。
3.5 温度漂移评估
温度漂移，这是深度相机的大敌。尤其是ToF相机，温度一变，测量值就跟着跑。
我建议的测试方法是：把相机放进温箱，从-10°C到50°C，每10°C一个点。每个温度点恒温30分钟后，测一次距离。看看数据怎么变。
为什么会这样？因为温度会影响激光器的波长、传感器的暗电流、光学镜头的折射率。这些因素叠加起来，漂移量可能达到毫米级别。
我曾经在户外项目上吃过亏。夏天中午温度40°C，相机测距误差直接翻了一倍。后来我们加了一个温度补偿模型，才把问题解决。
避坑指南： 如果你发现温度漂移太大，别急着换硬件。先试试软件补偿。用多项式拟合温度-误差曲线，在算法里做实时校正。我试过，能把漂移量降低60%以上。
知识体系总览
下面这张图是我自己整理的精度评估知识框架，你可以参考一下：
好了，精度评估这部分就讲到这里。记住，数据不会骗人，但错误的评估方法会。下次拿到深度相机，别只看标称参数，自己动手测一遍，心里才有底。