3、传感器选型：ToF传感器 vs 双目 vs 结构光，谁更适合你？
做深度相机选型，说白了就是一场「取舍」游戏。
我见过不少团队，一上来就追着高精度跑，结果项目做到一半发现帧率跟不上，或者干脆在室外直接「瞎了」。嗯，今天我就把三种主流方案——ToF、双目、结构光——掰开揉碎了讲。你想想看，选对了传感器，后面做融合、做重建，那叫一个顺风顺水。
3.1 三种方案的核心原理
先快速过一遍原理，不啰嗦。
- 双目立体视觉：靠两个摄像头拍到的视差，算深度。说白了就是模仿人眼。
- 结构光：主动投射编码光斑，靠光斑变形算深度。Kinect v1 就是典型。
- ToF（飞行时间法）：直接发射光脉冲，测量光往返时间。我最近用的最多就是它。
这三种方案，本质上都是在解决同一个问题：如何让像素带上距离信息。但实现路径不同，导致它们的脾气秉性也完全不同。
3.2 核心参数对比
我个人习惯，选型时先看一张表。下面这张表我做了很多次项目后总结出来的，你直接拿去用。
| 对比项 | 双目 | 结构光 | ToF |
|---|---|---|---|
| 测距范围 | 0.5m ~ 几十米 | 0.1m ~ 5m（短距） | 0.3m ~ 10m（中距） |
| 精度 | 中等（依赖纹理） | 高（亚毫米级） | 中等（cm级） |
| 帧率 | 30fps（受限于计算） | 30fps | 60fps ~ 120fps |
| 室外表现 | 好（被动光） | 差（强光干扰） | 较好（可加滤波） |
| 弱光表现 | 差（依赖环境光） | 好（主动投射） | 好（主动发光） |
| 功耗 | 低 | 中 | 高（激光器耗电） |
| 成本 | 低（仅需CMOS） | 中 | 高（VCSEL+驱动） |
我的建议： 如果你做室内近距离高精度扫描（比如人脸建模），结构光是不二之选。但如果你要做室外动态场景（比如机器人导航），ToF 或双目更靠谱。
3.3 避坑指南：我踩过的三个坑
做项目这么多年，传感器选型上我栽过跟头。分享三个真实案例，你遇到了能少走弯路。
坑一：双目在弱纹理环境直接「瞎」了
有一次做室内仓储机器人，墙面全是纯白色，地面也是浅灰色。双目上去一看，视差图一片漆黑。为什么？因为没有纹理特征可以匹配。后来我换成了 ToF，问题迎刃而解。
技巧： 双目方案一定要评估场景纹理丰富度。如果纹理少，要么加结构光辅助，要么直接换 ToF。
坑二：结构光在室外阳光下「罢工」
我曾经在户外做 AR 眼镜的深度感知，用了结构光方案。结果大晴天一出门，深度图全是噪点。因为太阳光里的红外成分直接把投射的光斑淹没了。嗯，这个坑踩得我记忆犹新。
警告： 结构光基本告别室外强光场景。如果你有户外需求，老老实实选 ToF 或双目。
坑三：ToF 的多路径干扰
ToF 也不是完美的。我在做室内多面镜子的场景时，ToF 深度值经常跳变。因为光线在镜面之间来回反射，导致飞行时间变长，算出来的距离就偏大。后来我加了多频调制，才勉强压住这个问题。
3.4 知识体系：一张图看懂选型逻辑
下面这张 SVG 图，是我自己梳理的选型决策树。你跟着走一遍，基本不会选错。
3.5 实战选型建议
说了这么多，到底怎么选？我直接给你三个典型场景的配置方案。
- 场景一：室内人脸识别/支付
- 推荐：结构光
- 理由：精度高，距离近（0.3-1m），不受环境光干扰
- 我做过：某支付终端项目，结构光活体检测通过率99.7%
- 场景二：室外机器人导航
- 推荐：双目 + ToF 融合
- 理由：双目提供远距离纹理，ToF 补充近距离稠密深度
- 注意：双目基线要拉大，ToF 要选多频调制型
- 场景三：AR/VR 手势交互
- 推荐：ToF
- 理由：帧率高（60fps以上），延迟低，手部快速运动不拖影
- 我建议：选 Sony DepthSense 系列，功耗和性能平衡得不错
最后说一句： 传感器选型没有银弹。我见过用双目做室内扫描翻车的，也见过用 ToF 做室外导航跑得飞起的。关键是你得清楚自己的场景约束——光照、距离、帧率、成本，这四个维度排个优先级，答案自然就出来了。
公众号:蓝海资料掘金营，微信deep3321