一、深度感知系统概述
大家好，我是老张。做嵌入式这行快十五年了，今天咱们聊聊深度感知。
说白了，深度感知就是让机器拥有“立体视觉”。普通摄像头拍到的是一张平面照片，而深度感知能告诉你——这个物体离我多远，它的三维形状是什么样的。
我刚开始接触这个领域时，客户说“我要一个能测距离的模块”。我当时想，这不就是超声波吗？后来才发现，深度感知的世界远比我想象的复杂。嗯，咱们一步步来看。
1.1 什么是深度感知
深度感知，本质上就是获取场景中每个点的距离信息。你可以把它理解成给图像加上了第三维——Z轴。
举个例子：普通摄像头看到一张人脸，只知道这是眼睛、这是鼻子。但有了深度信息，机器就知道鼻子比眼睛凸出来多少。这个差异，就是深度。
核心概念：深度感知 = 二维图像 + 距离信息 = 三维点云
我在做扫地机器人项目时，遇到过一个问题：机器总是撞到透明的玻璃门。普通摄像头根本看不到玻璃，但深度传感器可以。为什么？因为玻璃反射红外光的方式和墙壁完全不同。这个坑，我踩过。
1.2 主流技术路线
目前市面上主流的深度感知方案，我按个人经验排个序：双目视觉、结构光、ToF、LiDAR。每种方案都有自己的脾气。
1.2.1 双目视觉
双目视觉的原理很简单——模仿人眼。两个摄像头同时拍一张照片，通过计算左右图像的视差，反推出距离。
我习惯把双目视觉比作“穷人的深度感知”。为什么？因为它只需要两个普通摄像头，成本极低。但代价是计算量大，而且对光照敏感。
避坑指南：我曾经在室内灯光下调试双目系统，效果很好。结果拿到室外阳光下，直接废了。后来才知道，双目视觉对纹理要求很高——白墙、光滑地面都是它的克星。
双目视觉的典型应用：
- 无人机避障（大疆的很多产品在用）
- 机器人导航
- AR/VR手势识别
1.2.2 结构光
结构光技术，说白了就是“主动投射已知图案”。比如Kinect一代用的就是红外散斑投射。
我记得2013年第一次拆解Kinect时，被里面的光学设计震撼到了。一个红外投影仪，一个红外摄像头，就能生成高精度的深度图。精度能做到毫米级，室内效果极好。
但结构光有个致命弱点——怕阳光。太阳光里的红外成分会淹没投影仪的图案。所以结构光基本只能在室内用。
注意：如果你要做户外产品，别选结构光。我见过有人非要在室外用结构光做人脸识别，结果一到中午就罢工。这不是方案的问题，是物理规律的问题。
1.2.3 ToF（飞行时间法）
ToF的原理更直接：发射一束光，测量它反射回来的时间。光速是已知的，时间一测，距离就出来了。
ToF这几年很火，尤其是手机上的3D深感摄像头。苹果从iPhone X开始就用ToF做Face ID。为什么？因为ToF速度快，能实时输出深度图，而且体积小。
我个人觉得ToF是“万金油”方案——室内室外都能用，精度中等，成本适中。但要注意，ToF容易受到多路径反射干扰。什么意思？就是光在墙角弹来弹去，测出来的距离就不准了。
ToF的关键参数：
| 参数 | 典型值 | 说明 |
|---|---|---|
| 测量距离 | 0.3m - 10m | 取决于发射功率 |
| 精度 | ±1cm - ±5cm | 近距离精度高 |
| 帧率 | 30fps - 60fps | 实时性很好 |
| 分辨率 | QVGA - VGA | 比双目低 |
1.2.4 LiDAR（激光雷达）
LiDAR是深度感知里的“贵族”。它用激光束逐点扫描，精度极高，距离极远。自动驾驶汽车上那个旋转的“罐头”，就是机械式LiDAR。
我做自动驾驶项目时，第一次接触Velodyne的64线LiDAR。那玩意儿一台就要几十万人民币。我当时心想：这哪是传感器，这是印钞机啊。
LiDAR的优势很明显：
- 精度高（厘米级甚至毫米级）
- 距离远（100米以上）
- 不受光照影响（白天黑夜都能用）
但缺点也突出：
- 成本高（机械式LiDAR动辄上万）
- 体积大
- 有运动部件（机械式）
不过这几年固态LiDAR发展很快，成本在下降。我预计未来3-5年，LiDAR会进入千元级市场。
1.3 技术路线对比
你想想看，选方案就像选工具。锤子螺丝刀各有各的用处。我整理了一张对比表：
| 方案 | 成本 | 精度 | 距离 | 室外 | 典型场景 |
|---|---|---|---|---|---|
| 双目视觉 | 低 | 中 | 中 | 弱 | 机器人、无人机 |
| 结构光 | 中 | 高 | 近 | 差 | 人脸识别、AR |
| ToF | 中 | 中 | 中 | 中 | 手机、IoT |
| LiDAR | 高 | 高 | 远 | 强 | 自动驾驶、测绘 |
1.4 应用场景与市场趋势
深度感知的应用场景，我把它分成三大类：
第一类：消费电子
手机、平板、AR眼镜。苹果、华为都在推3D深感。这个市场最大，但竞争也最激烈。我建议做消费电子的朋友，优先考虑ToF——成本可控，供应链成熟。
第二类：机器人
扫地机器人、配送机器人、工业AGV。这个领域对成本敏感，双目视觉是主流。但要注意，纯双目在弱光下会失效。我一般会加一颗ToF做辅助。
第三类：汽车
自动驾驶、ADAS。这个领域对安全性要求极高，LiDAR是标配。但成本压力大，很多厂商在尝试“摄像头+毫米波雷达”的替代方案。
市场趋势方面，我观察到几个方向：
- 成本持续下降：固态LiDAR、ToF芯片都在降价
- 多传感器融合：单一方案不够用，双目+ToF、摄像头+LiDAR成为主流
- 算法驱动：硬件越来越同质化，算法才是核心竞争力
我的建议：做产品选型时，别只看参数表。要看你产品的实际使用场景。室内还是室外？白天还是晚上？成本预算是多少？这些才是决定因素。
1.5 知识体系总览
为了让大家对本章内容有个整体认识，我画了一张图：
这张图把本章的核心内容串起来了。你仔细看，四个技术路线各有特点，应用场景也有重叠。选型时，关键看成本、场景、精度、环境这四个维度。
个人经验：我做过一个项目，客户非要上LiDAR，说“要最好的”。结果产品定价太高，卖不出去。后来换成ToF，成本降了80%，性能也够用。所以，够用就好，别盲目追求高端。
好了，第一章就到这里。深度感知的世界很大，咱们后面慢慢聊。
公众号:蓝海资料掘金营，微信deep3321