4、传感器选型与对比：分辨率、帧率、精度、测量范围、环境鲁棒性对比，选型决策树

做3D视觉系统，第一步不是调算法，也不是搭硬件。

是选传感器。

我见过太多团队，算法写得飞起，结果传感器选错了，整个项目推倒重来。说白了，传感器就是系统的眼睛，眼睛不行，后面再怎么折腾也白搭。

4.1 五个核心参数，一个都不能少

选型时，我习惯盯着五个维度看：分辨率、帧率、精度、测量范围、环境鲁棒性。咱们一个一个拆开聊。

分辨率

分辨率决定了你能看到多细的细节。对于深度图来说，分辨率就是像素点的数量。640×480 和 1920×1080，差距不是一星半点。

但注意，分辨率越高，数据量越大，处理带宽和存储都是问题。我在做仓储机器人项目时，一开始选了高分辨率传感器，结果工控机扛不住，帧率掉到个位数。后来降了分辨率，反而整体效果更好。

帧率

帧率就是每秒能出多少帧深度图。动态场景下，帧率低了会丢运动信息。

举个例子，AGV小车跑起来，如果帧率只有5fps，那它看到的世界就是一卡一卡的，避障根本来不及。我一般要求至少30fps，如果是高速场景，得上60fps甚至更高。

但帧率和分辨率是矛盾的。你想想看，分辨率高了，每帧数据量大，帧率自然就下来了。所以得做取舍。

精度

精度是传感器的硬指标。毫米级还是厘米级，直接决定了你的应用能不能落地。

结构光传感器在近距离（1米以内）能做到亚毫米级，但远了就不行。ToF传感器精度中等，胜在速度快。激光雷达精度高，但贵啊。

我曾经在工业检测项目里，要求精度0.5mm，结构光勉强够用，但环境光一强就飘。后来换了线激光，虽然慢了点，但精度稳了。

测量范围

测量范围就是传感器能看清多远。室内小场景和室外大场景，选型逻辑完全不同。

• 短距离（0.1-2米）： 结构光、双目视觉都行
• 中距离（2-10米）： ToF、双目、低线束激光雷达
• 远距离（10米以上）： 激光雷达是首选

注意，测量范围不是越远越好。远了精度会下降，而且功耗和成本都上去了。

环境鲁棒性

这是最容易被忽略的，也是我踩坑最多的地方。

室内环境还好说，一到室外，阳光直射、雨雾、灰尘，传感器性能直接打折。

• 结构光： 怕强光，室外基本不能用
• ToF： 抗环境光能力中等，多机干扰是个问题
• 双目视觉： 依赖纹理，弱纹理场景（白墙）直接跪
• 激光雷达： 抗干扰能力强，但雨雾天会衰减

4.2 主流传感器横向对比

我把市面上常见的几种传感器拉出来，做个对比。这样你心里有个谱。

传感器类型	分辨率	帧率	精度	测量范围	环境鲁棒性	成本
结构光	中高	中（30fps）	高（亚毫米级）	短（0.1-3米）	差（怕强光）	低
ToF	中（QVGA/VGA）	高（60-120fps）	中（厘米级）	中（0.3-10米）	中等	中
双目视觉	高（取决于相机）	中（30fps）	中（依赖基线）	中（0.5-20米）	差（依赖纹理）	低
激光雷达（单线）	低（单线）	高（10-50Hz）	高（毫米级）	远（0.1-100米）	好	高
激光雷达（多线）	中（16/32/64线）	中（10-20Hz）	高	远（0.1-200米）	好	很高

嗯，这张表你看完，基本能排除掉一半选项了。

4.3 选型决策树

光看参数还不够，得有个决策流程。我画了个决策树，你照着走一遍，基本不会选错。

这个决策树怎么用？很简单。先问自己：室内还是室外？然后看需求：要精度还是要速度？预算多少？走一遍，答案就出来了。

4.4 我的选型清单

最后，我分享几个我实际用过的传感器，给你做个参考。

• Intel RealSense D435： 室内首选，双目+红外，性价比高。我用来做机械臂抓取，精度够用。
• Microsoft Kinect v2/Azure Kinect： ToF方案，室内动态场景表现不错。做人体姿态识别时用过。
• Velodyne VLP-16： 16线激光雷达，室外SLAM标配。就是贵，一个顶十个。
• Basler双目相机： 工业级，分辨率高，但需要自己标定。适合对精度要求高的场景。

嗯，传感器选型这块，我就讲这么多。你拿着这个决策树去选，基本不会跑偏。