1. 3D视觉技术全景图：从传感器选型到应用场景的宏观认知
大家好，我是你们这趟3D视觉之旅的向导。说实话，每次带新人入行，我第一件事不是让他们看论文，而是先拉一张全景图。为什么？因为3D视觉这潭水，比你想象的要深得多。从传感器怎么选，到算法怎么搭，再到最后能不能落地赚钱，每一步都是坑。今天我们就先把这张图铺开，让你心里有个底。
1.1 四大主流3D传感器：各有各的脾气
先聊聊传感器。我见过太多项目，算法调得飞起，结果传感器选错了，全白搭。目前市面上主流的3D传感器就四种：双目、结构光、ToF和LiDAR。它们的工作原理完全不同，适用场景也天差地别。
1.1.1 双目立体视觉
说白了，就是模仿人眼。两个摄像头拍两张图，通过找对应点算视差，再反推出深度。这个方案最大的优点是便宜，两个普通相机加一块开发板就能跑。但缺点也很明显——它特别依赖纹理。你想想看，如果面对一面白墙，左右眼看到的都一样，怎么找对应点？
1.1.2 结构光
结构光就是主动投射已知图案（比如散斑、条纹），然后通过图案的变形来算深度。苹果的Face ID用的就是这玩意儿。它的精度很高，能达到亚毫米级，但有个致命伤——怕强光。在室外阳光下，结构光基本就废了。
我记得有一次帮客户做手机壳的3D检测，室内跑得好好的，搬到产线上一试，车间顶灯太亮，直接歇菜。后来我们加了个遮光罩才搞定。所以，如果你要做户外应用，结构光得慎重。
1.1.3 ToF（飞行时间法）
ToF的原理更直接：发射光脉冲，测量反射回来的时间差。它速度快，能到30fps甚至更高，特别适合做动态场景。但精度一般，通常在厘米级。而且它有个多路径干扰的问题——光线在物体之间来回反射，测距就会不准。
1.1.4 LiDAR（激光雷达）
LiDAR是这四位里的老大哥。它用激光束逐点扫描，精度高、距离远、抗干扰能力强。自动驾驶汽车上用的就是它。但缺点也突出——贵，而且体积大。一个64线的机械式LiDAR，价格能顶一辆小轿车。
不过这几年固态LiDAR发展很快，价格在往下走。我预测，未来3-5年，LiDAR会逐渐渗透到工业AGV和服务机器人领域。
1.2 传感器选型对照表
为了方便你快速决策，我整理了一张表。你拿着这张表去跟客户聊，基本不会翻车。
| 传感器类型 | 工作原理 | 精度 | 测量距离 | 适用场景 | 典型成本 |
|---|---|---|---|---|---|
| 双目立体视觉 | 三角测量 | 0.1-10mm | 0.5-10m | 室内、纹理丰富 | 低（￥500-5000） |
| 结构光 | 主动投影+三角测量 | 0.01-1mm | 0.1-5m | 室内、高精度检测 | 中（￥2000-20000） |
| ToF | 飞行时间 | 1-10cm | 0.5-10m | 动态场景、人机交互 | 中（￥1000-10000） |
| LiDAR | 激光扫描 | 0.1-2cm | 1-200m | 室外、自动驾驶、SLAM | 高（￥5000-500000） |
1.3 核心应用场景：技术落地的三个主战场
传感器选好了，接下来就是往场景里塞。目前3D视觉最成熟的三个方向是：工业检测、机器人导航、AR/VR。我一个个说。
1.3.1 工业检测：精度是王道
工业场景对精度的要求近乎变态。比如手机中框的平面度检测，公差得控制在0.02mm以内。这时候结构光或双目微距方案是首选。我做过一个项目，用双目+蓝光结构光，配合亚像素匹配算法，最终做到了0.01mm的重复精度。
但工业检测的难点不只是精度，还有速度。产线节拍通常要求每件产品检测时间不超过2秒。所以算法必须优化到毫秒级。嗯，这里有个小技巧：用FPGA做前端加速，CPU只做后处理，能轻松满足实时性要求。
1.3.2 机器人导航：鲁棒性第一
机器人导航，说白了就是让机器知道「我在哪，我要去哪，路上有没有障碍」。这个场景下，传感器的鲁棒性比精度更重要。因为机器人可能在仓库、车间、甚至户外跑来跑去，光照变化、地面反光、动态障碍物都是家常便饭。
我个人习惯用LiDAR做SLAM建图，再用ToF或双目做局部避障。为什么？LiDAR建图稳定，不受光照影响；ToF速度快，能及时响应突然出现的障碍物。两者互补，效果最好。
1.3.3 AR/VR：实时性压倒一切
AR/VR对延迟极其敏感。你想想看，头戴显示器里画面延迟超过20毫秒，人就会头晕。所以这个场景下，ToF和双目是主流。结构光虽然精度高，但计算量大，延迟不好控制。
我记得2016年刚接触AR项目时，用的还是双目+特征点匹配，帧率只能跑到15fps，体验很差。后来换了ToF传感器，配合硬件加速，直接干到60fps。所以，做AR/VR，硬件选型和算法加速要一起考虑。
1.4 知识体系全景图
下面这张图，是我自己总结的3D视觉知识体系。你把它存下来，以后学任何新东西，都往这个框架里放，就不会迷路。
1.5 我的选型心法
最后，分享一个我用了多年的选型心法。你遇到任何3D视觉项目，先问自己三个问题：
- 精度要求是多少？ 毫米级还是微米级？这直接决定你用LiDAR还是结构光。
- 环境可控吗？ 室内还是室外？光照稳定吗？这决定你能不能省掉主动光源的钱。
- 实时性要求多高？ 30fps还是1fps？这决定你的算法复杂度和硬件选型。
这三个问题问完，你的传感器选型范围基本就锁定了。剩下的就是比价格、比供货、比技术支持。嗯，别小看技术支持这一项，我吃过亏。有些小众传感器，参数漂亮，但出了问题连个FAE都找不到，项目直接卡死。
好了，全景图就聊到这儿。记住，3D视觉不是单一技术，而是一整套从硬件到算法的系统工程。后面我们会一步步深入每个环节，把坑都填平。