第1章 3D视觉系统概述

1. 3D视觉系统概述

大家好，我是老张。今天咱们来聊聊3D视觉系统在机器人导航中的部署。说实话，这个领域我摸爬滚打了快十年，踩过的坑比走过的路还多。不过别担心，我会把那些血泪教训都分享给你们。

3D视觉，说白了就是让机器拥有「立体视觉」的能力。你想想看，我们人类用两只眼睛看世界，能判断距离、感知深度、识别物体的形状。3D视觉干的就是同样的事——只不过是用传感器和算法来实现。

我习惯把3D视觉理解成「给机器装上一双能测距的眼睛」。普通的2D相机只能拍到平面图像，就像一张照片。而3D视觉能输出每个点的三维坐标（x, y, z），机器拿到这些数据，就知道「前面1.2米有堵墙」、「左边0.5米有个台阶」。

核心概念：3D视觉 = 2D图像 + 深度信息。深度信息就是每个像素点到传感器的距离。

机器人导航，本质上就三个问题：我在哪？我要去哪？怎么去？ 3D视觉在这三个环节里都扮演着关键角色。

定位（我在哪）： 通过3D点云匹配，机器人能知道自己在地图中的精确位置。我记得有一次做AGV项目，纯靠2D激光雷达在仓库里定位，结果货架稍微挪动一点就偏了。换成3D视觉后，直接匹配天花板上的特征点，稳得很。
建图（环境长啥样）： 3D视觉能构建带高度信息的地图。普通2D地图只能告诉你「这里有障碍物」，3D地图能告诉你「这个障碍物多高、能不能钻过去」。我遇到过客户非要让机器人钻桌子底下，2D地图根本判断不了，3D视觉一眼就看出来高度不够。
避障（怎么走）： 这是最直观的价值。3D视觉能检测到悬空的障碍物——比如伸出来的货架横梁、半开的门。我曾经有个项目，机器人差点被一根垂下来的电线绊倒，还好3D相机提前捕捉到了。

个人经验： 我建议在室内导航场景中，优先考虑3D视觉+IMU融合的方案。纯视觉在纹理少的地方容易丢，加上IMU能兜底。

市面上主流的3D传感器就三种：双目、ToF、LiDAR。我挨个说说它们的脾气秉性。

传感器类型	工作原理	优点	缺点	典型应用
双目视觉	两个相机拍同一场景，通过视差计算深度	成本低、功耗小、纹理丰富时精度高	弱光/无纹理区域失效、计算量大	室内服务机器人、无人机
ToF（飞行时间）	发射光脉冲，测量反射时间	速度快、体积小、室内精度稳定	易受环境光干扰、多机干扰、分辨率低	人脸识别、近距离避障
LiDAR（激光雷达）	激光扫描，测量反射时间或相位	精度高、测距远、不受光照影响	成本高、体积大、点云稀疏	自动驾驶、室外导航

双目视觉的原理其实挺朴素的——模仿人眼。两个相机之间有个固定距离（基线），通过匹配左右图像中的同一个点，就能算出它的深度。

嗯，这里要注意：双目最怕的就是「没纹理」。你想想看，一面纯白的墙，左右相机拍到的画面一模一样，根本找不到匹配点。我在做仓储机器人时遇到过这种情况，货架之间的通道全是白色墙面，双目直接罢工。后来我加了个结构光投影器，才解决了问题。

ToF传感器就像个「声呐」，只不过用的是光。它发射一束调制过的光，然后测量光从发射到反射回来的时间。光速是已知的，时间一测，距离就出来了。

ToF最大的优势是快。我测试过某款ToF模组，帧率能做到60fps，实时性非常好。但它有个致命弱点——多机干扰。两台ToF同时工作，光信号会互相串扰。我曾经在展会上演示，旁边展台也开了ToF，结果我的机器人直接「瞎」了。

LiDAR是导航界的「老大哥」。它用激光束扫描环境，精度能到厘米级甚至毫米级。我最早接触LiDAR是在2016年，那时候一个16线激光雷达要好几万，现在价格已经降了不少。

LiDAR的优点很突出：全天候工作，不管白天黑夜、强光弱光，它都稳如老狗。但缺点也明显——贵，而且点云稀疏。16线LiDAR扫一圈也就16个环，远处的物体可能只扫到几个点。我建议在室外导航场景中，LiDAR是首选；室内的话，性价比不如双目+ToF的组合。

避坑指南： 我曾经在一个项目中选了便宜的ToF传感器做室外导航，结果大太阳底下直接饱和，测距误差超过50%。室外场景千万别省LiDAR的钱。

下面这张图是我自己画的，把3D视觉在机器人导航中的核心逻辑串起来了。你可以把它当作本章的「思维导图」。

这张图把整个知识体系串起来了。从3D视觉概述出发，到三个核心价值，再到三种主流传感器，最后落到多传感器融合和导航决策。你想想看，实际部署时很少只用一种传感器，基本都是组合拳。

我的建议： 新手入门可以先从双目视觉开始，成本低、资料多。等把立体匹配、点云处理这些基础打牢了，再上手LiDAR和ToF。别一上来就搞多传感器融合，容易把自己绕晕。

好了，这一章的内容就到这里。3D视觉系统说复杂也复杂，说简单也简单——核心就是「让机器看懂三维世界」。下一章我们会深入聊聊传感器的选型与标定，到时候我会带几个实际项目的案例来拆解。