4、核心成像原理（下）：三种主流技术（双目、结构光、ToF）的优缺点对比、选型决策树
上一章我们聊了深度相机的基础成像链路，说白了就是光怎么出去、怎么回来、怎么算距离。这一章咱们直接上硬菜——把市面上最主流的三种技术方案：双目立体视觉、结构光、ToF（飞行时间法），放在一起做个彻底的对比。
我个人习惯，选型之前先看原理。原理搞懂了，优缺点自然就浮出水面。你想想看，如果连光是怎么测距的都没搞清楚，后面选型就是瞎蒙。
4.1 三种技术的工作原理速览
先简单过一遍，每种技术我只说最核心的一句话：
- 双目立体视觉：靠两个摄像头拍到的视差，用三角测量算距离。就像你的两只眼睛。
- 结构光：主动投射已知图案（比如散斑、条纹），看图案变形程度来算深度。
- ToF：直接测量光脉冲发射到返回的时间差，光速乘以时间除以2，完事。
嗯，这里要注意：双目是被动方案，结构光和ToF是主动方案。这个区别决定了它们的使用场景完全不同。
4.2 优缺点对比：一张表说清楚
我在项目里被问过无数次“到底哪个好”？其实没有绝对的好，只有合不合适。下面这张表是我自己整理的，踩过坑之后总结出来的：
| 对比维度 | 双目立体视觉 | 结构光 | ToF |
|---|---|---|---|
| 测距原理 | 三角测量（被动） | 三角测量（主动投射） | 飞行时间（直接测距） |
| 精度 | 中高（依赖基线长度） | 高（近距离可达亚毫米） | 中（通常厘米级） |
| 测量范围 | 中距离（0.3m-10m） | 近距离（0.1m-5m） | 中远距离（0.1m-100m+） |
| 抗环境光能力 | 弱（依赖纹理） | 弱（强光下易失效） | 强（可加带通滤光片） |
| 功耗 | 低（无需主动光源） | 中（需要激光投射器） | 高（需要高频调制） |
| 成本 | 低（两个CMOS即可） | 中（投射模组较贵） | 高（VCSEL+专用传感器） |
| 帧率 | 中（受限于图像处理） | 中（受限于图案解码） | 高（可达100fps+） |
| 纹理依赖 | 强（白墙、光滑面失效） | 弱（主动投射纹理） | 无（直接测距） |
| 多机干扰 | 无 | 有（同频干扰） | 有（需编码避免串扰） |
我的经验之谈：双目方案最怕“白墙+强光”组合，我在一个仓储机器人项目里吃过这个亏——室内光照均匀，墙面一片惨白，双目直接“失明”。后来换了结构光才搞定。
4.3 选型决策树：三步走
好了，理论说完了，咱们直接上实战。我一般选型就三步，你照着这个逻辑走，基本不会跑偏：
第一步：看使用距离
- 如果主要工作在0.1m-2m（比如人脸识别、手势交互）→ 优先考虑结构光
- 如果工作在0.3m-10m（比如机器人避障、SLAM）→ 双目或ToF都可以
- 如果超过10m（比如自动驾驶、无人机定高）→ 基本只能选ToF
第二步：看环境光照
- 室内、弱光、可控光照 → 三种都能用，结构光精度最高
- 室外、强光、阳光直射 → ToF首选，双目勉强能用（加偏振片），结构光基本歇菜
- 完全黑暗 → 双目歇菜，结构光和ToF都能工作
第三步：看精度要求
- 需要亚毫米级精度（比如3D扫描、医疗）→ 结构光
- 需要毫米到厘米级（比如避障、导航）→ 双目或ToF
- 只要求厘米级以上（比如人体检测、区域监控）→ ToF性价比最高
避坑指南：我曾经在一个户外巡检机器人项目里，客户非要上结构光，理由是“精度高”。结果一到中午阳光直射，投射的散斑完全被淹没，深度图全是噪点。最后老老实实换成了ToF。所以记住：精度再高，用不了等于零。
4.4 知识体系框架图
下面这张图是我自己画的选型决策逻辑，你保存下来，以后选型直接对着看：
4.5 实际项目中的选型建议
说了这么多，我直接给你几个实战组合拳：
- 室内机器人避障：双目+IMU，成本低、功耗小，配合VSLAM效果不错。但记得加补光灯，不然纹理不够。
- 人脸支付/门禁：结构光，近距离精度高，安全性好。苹果的FaceID就是典型。
- 自动驾驶/ADAS：ToF（激光雷达的简化版），远距离、抗干扰强。但成本高，功耗大。
- AR/VR手势交互：ToF或结构光都行。我个人更倾向ToF，帧率高、延迟低，体验更流畅。
重要提醒：别迷信参数表上的“理论精度”。实际精度受温度、标定误差、运动模糊影响很大。我见过一个项目，实验室测出来0.5mm精度，一上产线直接变成5mm。所以一定要留余量，至少留2-3倍。
好了，三种主流技术的对比和选型逻辑就聊到这儿。你拿着这张决策树去选型，至少能避开80%的坑。剩下的20%，靠经验积累和实际测试来填。
公众号:蓝海资料掘金营，微信deep3321