深度感知技术原理：三角测量、ToF、结构光与双目立体视觉
大家好，我是你们的老朋友。今天咱们来聊聊深度感知技术的四大核心原理。说实话，这四种方法我都在实际项目中摸爬滚打过，踩过不少坑，也积累了一些心得。咱们一个一个来看。
一、三角测量原理——最朴素的测距思想
三角测量，说白了就是利用几何关系算距离。你想想看，如果我们知道两个点之间的基线长度，以及目标物体相对于这两个点的角度，那距离不就出来了嘛。
我在做工业检测项目时，经常用这个原理。比如测量传送带上零件的尺寸，架两台相机，标定好基线距离，然后通过特征点匹配就能算出深度。
核心公式：
Z = (f × B) / d
其中 Z 是深度，f 是焦距，B 是基线长度，d 是视差。
我的经验：基线长度很关键。基线太短，精度不够；基线太长，视野重叠区域变小。我一般建议基线取工作距离的 1/10 到 1/5。
二、飞行时间法（ToF）——直接测光速
ToF 的原理其实特别直观：发射一束光，等它反射回来，算时间差。光速是已知的，时间差乘以光速再除以二，就是距离。
嗯，这里要注意。ToF 分为直接 ToF 和间接 ToF 两种。直接 ToF 用脉冲光，间接 ToF 用连续波调制。我最早接触 ToF 是在手机的人脸识别模组上，那时候觉得这东西真神奇，后来发现它也有短板。
避坑指南：我曾经在一个户外项目中用 ToF 传感器，结果大太阳底下直接失效了。环境光干扰太强，尤其是红外成分多的场景。所以 ToF 更适合室内或弱光环境。
| 参数 | 直接 ToF | 间接 ToF |
|---|---|---|
| 精度 | 厘米级 | 毫米级 |
| 抗干扰 | 较强 | 较弱 |
| 典型应用 | 激光雷达 | 手机深度相机 |
三、结构光原理——投影编码图案
结构光，说白了就是主动投射已知图案到物体表面，然后通过相机观察图案的变形来推算深度。我习惯把结构光分成两类：散斑结构和条纹结构。
散斑结构光，就是投射随机斑点，通过匹配斑点位置算视差。苹果的 Face ID 用的就是这种。条纹结构光呢，投射的是正弦条纹，通过相位解算得到高精度深度。
我个人觉得，结构光最大的优势是精度高，尤其是在近距离（1米以内）可以做到亚毫米级。但缺点也很明显——怕反光。我在做玻璃瓶尺寸测量时，结构光直接废了，镜面反射让图案完全变形。
关键步骤：
- 投影编码图案到物体表面
- 相机采集变形后的图案
- 解码图案，计算每个像素的偏移量
- 根据标定参数，将偏移量转换为深度值
四、双目立体视觉原理——模拟人眼
双目立体视觉，其实就是模仿人眼的工作方式。两个相机从不同角度拍摄同一场景，然后找到左右图像中的对应点，计算视差，最后得到深度。
这里有个核心问题：怎么找到对应点？也就是立体匹配。我做过不少立体匹配的算法优化，说实话，这是整个流程中最难的一环。纹理丰富的区域还好，遇到白墙这种无纹理区域，匹配基本就废了。
我的建议：如果场景纹理不足，可以考虑主动投射纹理。我在一个仓储机器人项目中，就是在双目相机上加了一个红外散斑投射器，效果立竿见影。
为什么会这样？因为立体匹配本质上是一个病态问题。同一个像素可能在另一张图里有多个候选点，怎么选？这就需要用到极线约束、唯一性约束、连续性约束等条件来缩小搜索范围。
知识体系总览
下面这张图，是我自己整理的四种深度感知技术的对比框架。你可以看到，它们各有各的适用场景，没有哪一种能通吃所有情况。
你看，没有银弹。每种技术都有自己的舒适区。我在做项目选型时，一般会先问三个问题：测量距离是多少？环境光照条件如何？目标物体表面特性怎样？这三个问题问完，基本就能锁定一到两种候选方案了。
总结一下：
- 三角测量：经典可靠，适合远距离，但需要特征点
- ToF：直接快速，适合中距离，但怕环境光
- 结构光：精度之王，适合近距离，但怕反光
- 双目立体视觉：灵活通用，适合中距离，但依赖纹理
好了，这四种原理咱们就聊到这儿。下一节咱们会深入讲讲每种技术的具体实现细节和代码示例。记住，理论是基础，但真正上手做项目时，你会发现坑比想象的多得多。保持耐心，多动手调试，慢慢就熟了。