第1章结构光三维测量概述

一、结构光三维测量概述

大家好，我是老张。在3D视觉这行摸爬滚打了十几年，今天跟大伙聊聊结构光。说实话，这技术看着高大上，其实核心思想挺朴素的——就是给被测物体打上「记号」，然后通过分析这些记号的变化来还原三维形状。

结构光这个概念，最早可以追溯到上世纪70年代。那时候大家还在用激光点扫描，一个点一个点地测，效率低得让人抓狂。我记得刚入行时，老师傅跟我说：「以前测一个汽车前盖，得花大半天。」

到了90年代，出现了条纹投影技术。这算是个里程碑——从「点」变成了「面」，测量速度一下子提上来了。2000年以后，随着DLP投影仪和CMOS相机的普及，结构光才算真正走进了工业界。

最近十年，结构光的发展更是突飞猛进。从单目到双目，从单频到多频，从静态到动态……说白了，就是越来越快、越来越准、越来越智能。

关键时间节点：

结构光的原理，说白了就是「三角测量」。你想想看，投影仪把已知图案打到物体上，相机从另一个角度拍下来。物体表面的凹凸，会让图案发生变形。我们通过分析这个变形，就能算出每个点的三维坐标。

这里有个关键问题：怎么把投影仪和相机对应起来？

嗯，这就是编码要做的事。我们给每个投影像素一个「身份证」，相机拍到了，就知道这个像素是从投影仪哪个位置来的。有了对应关系，再结合标定参数，三维坐标就出来了。

我个人习惯：做结构光系统，第一步不是调算法，而是把投影仪和相机的同步做好。同步不好，后面全是白费功夫。我曾经在一个项目中，因为触发延迟没处理好，折腾了整整一周。

基本公式其实不复杂：

Z = (B * f) / (d + Δd)

其中B是基线距离，f是焦距，d是视差，Δd是系统误差补偿项。当然，实际系统里要考虑畸变、色差、噪声等因素，公式会复杂得多。

结构光的应用场景，我归纳为三大类：

这是结构光最成熟的应用领域。比如汽车钣金件的尺寸检测、PCB焊点的三维测量、手机中框的平面度检测……说白了，就是代替人工卡尺和千分表。

我做过一个项目，给某手机厂商检测中框的平面度。要求精度0.02mm，节拍2秒一个。刚开始用单频相移，效果不理想。后来换成多频外差法，才勉强达标。这里有个坑——环境光干扰。工厂里的灯光五花八门，有的频闪，有的偏色，都会影响测量结果。

避坑指南：我曾经在一条产线上，发现测量结果时好时坏。排查了三天，最后发现是旁边工位的电焊机在作怪。电焊产生的电弧光，虽然肉眼看着不明显，但相机拍下来全是噪声。从那以后，我每次做方案都会先评估现场的光环境。

这个大家应该不陌生。iPhone的Face ID就是典型的结构光方案。它用的是点阵投影器，在人脸上投射约3万个红外点，然后通过计算这些点的深度信息来识别人脸。

说实话，消费级的人脸识别对精度要求没那么高，但对速度和安全性要求极高。我建议做这类应用时，重点关注两点：一是投影模组的稳定性，二是算法的防伪能力。

这个领域很有意思。故宫、敦煌、兵马俑……很多文物都用结构光做过三维扫描。为什么不用激光？因为激光能量高，可能对文物造成损伤。结构光用的是普通白光或近红外光，相对安全。

我记得有一次，帮博物馆扫描一尊青铜器。那件文物表面有复杂的纹饰和锈迹，普通方法根本拍不清楚。后来我们用了多频相移+自适应曝光，才把细节还原出来。嗯，这里要注意，文物扫描不能接触，不能加标记点，对算法要求很高。

下面这张图，是我整理的结构光技术知识体系：

从这张图可以看出来，结构光技术虽然分支很多，但核心始终是编码方法。编码方法决定了系统的精度、速度和鲁棒性。后面几章，我会详细讲解各种编码方案，包括它们的设计思路、优缺点和适用场景。

小结一下：

好了，第一章就聊到这儿。下一章我们深入讲讲编码方法的分类，看看各种方案到底是怎么工作的。

公众号:蓝海资料掘金营，微信deep3321