深度相机原理与选型：双目立体视觉、结构光、ToF、RGB-D相机对比与选型指南
大家好，我是你们的讲师。今天我们来聊聊深度相机。
做机器人抓取，说白了就是让机器“看见”三维世界。普通摄像头只能拍出平面图像，但抓取需要知道物体离我们多远、形状怎样、姿态如何。这时候，深度相机就派上用场了。
我个人习惯把深度相机分成四大类：双目立体视觉、结构光、ToF（飞行时间），以及RGB-D相机（其实它是前几种技术的融合产物）。下面我们一个一个拆开讲。
核心观点：没有完美的深度相机，只有最适合你场景的方案。选型时，请务必考虑：工作距离、精度要求、环境光照、运动物体、成本预算。
一、双目立体视觉
双目立体视觉的原理，说白了就是模仿人眼。两个摄像头相隔一定距离（基线），同时拍摄同一场景。通过计算左右图像中对应点的视差，就能反推出深度信息。
公式很简单：
深度 Z = (焦距 f × 基线距离 B) / 视差 d嗯，这里要注意：视差计算是核心，也是最容易出问题的地方。我在项目中遇到过，如果场景纹理太少（比如一面白墙），双目匹配就会失效，深度图全是黑洞。
我的经验：双目相机在室外强光下表现不错，因为它是被动光学，不依赖自身光源。但弱光环境就抓瞎了。另外，计算量较大，建议用FPGA或GPU加速。
优缺点一览
- 优点：成本低（只需两个普通摄像头）、室外可用、功耗较低
- 缺点：依赖纹理、弱光性能差、计算量大、基线限制了近距离测量
二、结构光（如Kinect v1）
结构光技术，你可以想象成“用光投影出条纹，然后看条纹怎么变形”。
Kinect v1就是典型代表。它向场景投射红外散斑图案，然后通过红外摄像头捕捉变形后的图案，利用三角测量原理计算深度。
为什么会变形？因为物体表面高低不平，投射的光斑会被拉伸或压缩。算法通过分析这些变形，就能还原出三维形状。
避坑指南：我曾经在户外用Kinect v1做抓取实验，结果深度图全是噪点。原因是太阳光中的红外成分干扰了投射图案。结构光技术对强环境光非常敏感，建议只在室内使用。
优缺点一览
- 优点：近距离精度高（毫米级）、帧率较高、算法成熟
- 缺点：强光下失效、有效距离短（通常0.5-5米）、功耗较高
三、ToF（飞行时间，如Kinect v2/Azure Kinect）
ToF的原理更直接：发射光脉冲，测量光从发射到反射回来的时间，乘以光速再除以2，就是距离。
你想想看，这就像用超声波测距，只不过换成了光。Kinect v2和Azure Kinect都是ToF方案。
我个人觉得，ToF最大的优势是速度快。它能达到30fps甚至更高，非常适合抓取动态物体。而且它对纹理不敏感，白墙也能测。
但ToF也有坑。我记得有一次调试，发现深度图边缘总有一圈“飞点”（flying pixels）。这是因为物体边缘的光信号混合了前景和背景，导致深度值跳变。解决办法是加滤波，或者干脆裁剪掉边缘区域。
优缺点一览
- 优点：帧率高、对纹理不敏感、中距离表现好（0.5-10米）
- 缺点：分辨率通常较低（如QVGA）、多机干扰（多个ToF同时工作会串扰）、边缘飞点问题
四、RGB-D相机对比与选型指南
RGB-D相机，其实就是把RGB摄像头和深度传感器融合在一起。常见的产品有：
| 型号 | 技术 | 有效距离 | 精度 | 帧率 | 适用场景 |
|---|---|---|---|---|---|
| Kinect v1 | 结构光 | 0.5-4.5m | ±1-4mm | 30fps | 室内静态抓取 |
| Kinect v2 | ToF | 0.5-8m | ±2-10mm | 30fps | 室内动态抓取 |
| Azure Kinect | ToF | 0.25-5.46m | ±1-5mm | 15-30fps | 高精度室内抓取 |
| Intel RealSense D435 | 双目+红外 | 0.1-10m | ±2-10mm | 30-90fps | 室内外通用 |
| ZED 2 | 双目 | 0.3-20m | ±1-5mm | 15-100fps | 室外大范围 |
选型建议：
- 如果你做桌面级抓取（距离0.3-1米），结构光或高精度ToF（如Azure Kinect）最合适。
- 如果你做移动机器人抓取（距离1-5米），双目或ToF更靠谱，因为结构光在移动中容易丢帧。
- 如果你在室外作业，别犹豫，选双目（如ZED 2）。结构光和ToF在阳光下基本废了。
- 如果你预算有限，双目摄像头+自己写算法是最省钱的路子，但开发周期长。
五、知识体系总览
下面这张图，是我自己整理的深度相机选型决策流程。你可以把它当作一个快速参考。
小技巧：如果你不确定选哪个，我建议先买一个Azure Kinect或RealSense D435。这两款是当前最成熟的RGB-D相机，社区支持好，资料多。踩坑了也有人帮你。
六、总结
好了，这一章的内容就到这里。我们讲了四种深度相机的原理、优缺点和选型思路。你不需要记住所有参数，但一定要理解：没有万能相机，只有匹配场景的方案。
下一章，我们会深入讲解深度相机的标定与校准。嗯，那是另一个容易踩坑的地方，到时候我会分享一些我当年调试时血泪史。