3、核心深度技术原理（下）：三种技术（双目/结构光/ToF）的优缺点对比、技术选型核心指标
好，咱们接着聊深度相机的核心技术。上一节我讲了三种技术各自是怎么算深度的，这一节咱们直接上干货——对比它们的优缺点，再聊聊选型时到底该看哪些指标。
说实话，我在这个行业摸爬滚打了快十年，见过太多项目因为选错深度技术而返工。有的团队选了ToF做高精度测量，结果发现室内反光物体根本测不准；有的选了双目做暗光环境，结果点云稀疏得跟秃头似的。嗯，今天我就把这些坑一个个给你指出来。
3.1 三种技术的优缺点硬碰硬
先给个总览表，后面我再逐个拆解。
| 对比维度 | 双目立体视觉 | 结构光 | ToF（飞行时间） |
|---|---|---|---|
| 工作原理 | 双摄像头视差匹配 | 投射编码图案+三角测量 | 发射光脉冲+飞行时间 |
| 精度 | 中等（随距离下降） | 高（近距离可达0.1mm） | 低-中（cm级） |
| 分辨率 | 高（取决于传感器） | 高（取决于投影和相机） | 低（通常VGA以下） |
| 帧率 | 低（30fps左右） | 中（30-60fps） | 高（可达100fps+） |
| 功耗 | 低（无主动光源） | 中（需激光投影） | 高（激光器+接收器） |
| 成本 | 低（仅需双摄+算力） | 中（投影模组较贵） | 高（专用传感器贵） |
| 室外强光 | 优秀 | 差（被环境光淹没） | 中等（需滤光片） |
| 暗光环境 | 差（依赖纹理） | 优秀（主动投射） | 优秀（主动发光） |
| 抗干扰能力 | 强（被动式） | 弱（多机互扰） | 中等（多机需编码） |
3.2 双目立体视觉：便宜但挑环境
双目技术说白了就是模仿人眼。两个摄像头拍下画面，然后通过算法找对应点，算出视差，再转成深度。听起来简单，但实际坑不少。
优点：
- 成本低：只需要两个普通摄像头，不需要特殊光源。我做过一个物流分拣项目，用双目方案，模组成本压到了200块以内。
- 室外可用：被动式成像，太阳光越强反而越好。你想想看，结构光在室外基本废掉，但双目在户外完全没问题。
- 分辨率高：深度图分辨率直接等于摄像头分辨率。用2000万像素的传感器，深度图就是2000万像素。
缺点：
- 暗光不行：没纹理就没法匹配。我曾经在仓库夜间测试，结果深度图全是黑洞——因为墙面是纯白色的，没有任何特征点。
- 计算量大：立体匹配算法很吃算力。嵌入式平台上跑VGA分辨率的双目，帧率能到15fps就不错了。
- 精度随距离下降：距离越远，视差越小，精度越差。1米内还行，5米外基本就是猜了。
避坑指南： 我曾经在一个AGV避障项目里选了双目，结果发现地面反光导致匹配失败，机器人差点撞墙。后来加了红外补光灯才勉强能用。记住：双目对纹理极度敏感，纯色、反光、重复纹理都是大敌。
3.3 结构光：精度之王，但怕光
结构光技术，我习惯叫它「投影仪+相机」的组合。投影仪打出编码图案，相机拍下变形后的图案，通过三角测量算出深度。苹果的Face ID用的就是结构光。
优点：
- 精度极高：近距离（0.1-1米）精度可达0.1mm级别。做3D人脸识别、工业检测的首选。
- 暗光表现好：主动投射，越暗效果越好。我做过一个文物扫描项目，在暗室里用结构光，细节还原度惊人。
- 算法相对简单：不需要复杂的立体匹配，解码图案就行。嵌入式实现比双目容易。
缺点：
- 怕强光：室外基本不能用。太阳光里的红外成分会淹没投影图案。你想想看，大太阳底下拿结构光测距，跟用手电筒照太阳一样可笑。
- 多机干扰：多台结构光同时工作，图案会互相干扰。我见过一个展馆项目，三台结构光同时扫同一个物体，结果深度图全是雪花。
- 距离受限：通常有效距离在0.1-3米。远了图案被环境光淹没，近了投影范围太小。
个人经验： 结构光选型时，注意投影的波长。近红外（850nm/940nm）是主流，但940nm在室外抗干扰稍好一点。另外，散斑结构光比编码结构光更抗干扰，但精度略低。
3.4 ToF：快，但精度一般
ToF技术，说白了就是「激光测距的像素化版本」。每个像素都能测量光从发射到返回的时间，直接算出距离。iToF（间接飞行时间）和dToF（直接飞行时间）是两种主流。
优点：
- 帧率极高：轻松做到60fps，甚至100fps以上。做手势识别、动态捕捉的首选。
- 算法简单：不需要匹配，直接读出深度值。嵌入式实现非常容易。
- 距离范围大：dToF可以测到几十米甚至上百米。苹果的LiDAR就是dToF。
缺点：
- 分辨率低：目前主流ToF传感器分辨率在QVGA（320x240）左右。跟双目和结构光比，差了一个数量级。
- 精度一般：iToF精度在cm级，dToF稍好但也在mm-cm之间。做精密测量不够用。
- 功耗高：激光器需要持续发射脉冲，功耗比双目高不少。我做手机项目时，ToF模组功耗比双目高了3倍。
- 多径干扰：光线在物体间多次反射，会导致测距不准。墙角、凹面物体是重灾区。
避坑指南： 我曾经在一个机器人导航项目里用iToF，结果发现黑色物体测距偏差很大——因为黑色吸光，回波信号太弱。后来才知道，ToF对物体反射率很敏感，深色物体误差能到10cm以上。
3.5 技术选型核心指标拆解
好，技术对比完了，咱们聊聊选型时到底该看哪些指标。我一般按这个顺序来评估：
- 精度需求：你要测多准？mm级还是cm级？结构光适合高精度，ToF适合粗测。
- 工作距离：最近和最远要测多少？0.5米内结构光，0.5-5米双目或ToF，5米以上只能ToF。
- 环境光照：室内还是室外？强光还是暗光？室外选双目，暗光选结构光或ToF。
- 帧率要求：要拍动态物体吗？要的话ToF，静态场景双目或结构光都行。
- 功耗预算：电池供电还是插电？电池设备优先选双目，功耗最低。
- 成本限制：BOM成本多少？双目最便宜，ToF最贵。
我习惯用这个矩阵来快速决策：
| 场景 | 推荐技术 | 理由 |
|---|---|---|
| 人脸识别（手机/门锁） | 结构光 | 近距离高精度，暗光可用 |
| 机器人避障（室内） | ToF | 高帧率，大范围，算法简单 |
| 自动驾驶（室外） | 双目+ToF融合 | 双目抗强光，ToF补距离 |
| 工业检测（产线） | 结构光 | 高精度，可控光照 |
| AR/VR手势识别 | ToF | 高帧率，低延迟 |
| 物流分拣（仓库） | 双目 | 成本低，分辨率高 |
核心观点： 没有完美的深度技术，只有最适合场景的方案。我见过太多人迷信「精度越高越好」，结果项目做出来成本爆炸、功耗超标。记住：够用就好，别过度设计。
3.6 知识体系框架图
下面这张图是我自己总结的三种技术选型逻辑，你一看就明白：
3.7 最后说几句
三种技术各有各的脾气。双目像是个老实人，便宜但挑环境；结构光像个艺术家，精度高但娇气；ToF像个运动员，跑得快但不够精细。
我个人建议，如果你刚开始做深度相机项目，先别急着选技术。先搞清楚你的场景到底需要什么：精度要多少？距离多远？光照条件如何？把这些问清楚了，再回头看我这张表，答案自然就有了。
嗯，这一节就到这里。记住：选型没有标准答案，只有最适合你项目的方案。