1、结构光三维视觉概述
大家好，我是你们这门课的主讲。在嵌入式视觉这行摸爬滚打了十几年，结构光算是我最钟爱的技术之一。今天咱们先不急着写代码、调模组，先把地基打牢。
结构光三维视觉，说白了就是给机器装上一双能看深度的眼睛。你想想看，普通相机拍出来的照片是二维的，没有距离信息。但结构光不一样，它能精确测量出每个点的三维坐标。我当年第一次看到结构光重建出来的人脸模型时，确实被震撼到了——原来机器真的可以「看见」立体世界。
1.1 结构光技术发展史
结构光这个概念，其实比大多数人想象的要老得多。
1970年代：萌芽期
最早的结构光系统用的是单点激光。一个点一个点地扫描，速度慢得让人抓狂。我记得读研时看过一篇1978年的论文，扫描一个巴掌大的物体要花几个小时。嗯，那时候的工程师是真有耐心。
1990年代：线结构光崛起
后来大家发现，与其用点扫，不如用一条线。线结构光配合一维移动平台，效率一下子提升了不少。工业检测领域开始大量采用。我在一家自动化设备公司实习时，就亲手调过一套线激光焊缝跟踪系统。那时候的同步方案还很原始，用硬件触发线阵相机，一帧一帧地拼。
2000年代：面结构光爆发
真正让结构光走进大众视野的，是面结构光技术。尤其是微软Kinect v1在2010年发布后，整个行业都沸腾了。它用一颗红外投影仪投射散斑图案，配合红外相机，实现了实时的人体骨骼追踪。我身边不少同行就是从那时候开始转型做结构光的。
2010年代至今：消费级与工业级并行
现在，结构光已经分化成两条路线。一条是消费级，比如手机人脸识别、AR/VR设备，追求小型化、低成本。另一条是工业级，比如高精度3D测量、逆向工程，追求亚毫米甚至微米级的精度。我在项目中遇到过最夸张的一个案例，是用结构光检测精密轴承的微小划痕，精度要求达到了0.01mm。
核心观点：结构光技术的发展史，本质上就是「更快、更准、更小」的追求史。从点到线再到面，从实验室到流水线再到你的手机里。
1.2 三角测量原理
结构光的核心原理，其实初中几何就能讲清楚——三角测量。
你想想看，如果我们知道一个三角形的两个角和一个边长，那第三条边是不是就能算出来？结构光系统就是利用这个道理。
具体来说，系统包含三个关键角色：
- 投影仪：向物体表面投射已知图案（点、线或面）
- 相机：从另一个角度拍摄被物体调制后的图案
- 处理器：根据图案的变形量，计算出每个点的深度
我习惯用一个简单的比喻来解释：想象你用手电筒从左边照一个球，你的朋友从右边拍照。球表面的光斑位置会因为球的形状而偏移。偏移量越大，说明那个点离你朋友越近。结构光系统做的就是这件事，只不过把光斑换成了编码图案，把肉眼换成了高精度相机。
数学上，深度 Z 的计算公式大致是：
Z = (f * B) / d其中：
- f：相机焦距
- B：投影仪与相机之间的基线距离
- d：图案在图像上的视差（偏移量）
避坑指南：我曾经犯过一个低级错误——基线距离 B 设得太小。当时为了把模组做小，把投影仪和相机贴得很近。结果呢？视差 d 太小，深度分辨率严重不足。后来我学乖了，基线距离至少要保证视差能覆盖 5 个像素以上。
1.3 结构光系统分类
根据投影图案的不同，结构光系统可以分为三类。我按自己的理解给你捋一捋。
| 类型 | 投影图案 | 优点 | 缺点 | 典型应用 |
|---|---|---|---|---|
| 点结构光 | 单个激光点 | 精度极高，抗环境光强 | 速度慢，需要机械扫描 | 激光测距仪、工业对位 |
| 线结构光 | 一条激光线 | 速度适中，精度较高 | 需要一维运动平台 | 焊缝跟踪、轮廓测量 |
| 面结构光 | 编码图案（条纹/散斑） | 速度快，一次获取全场 | 对环境光敏感，算法复杂 | 人脸识别、AR/VR、3D建模 |
点结构光：最原始的形式。一个点一个点地扫，精度确实高，但效率低得可怜。我早期做的一个项目，用点激光扫描一个汽车保险杠，整整扫了40分钟。客户在旁边等得直打哈欠。
线结构光：折中方案。一条线覆盖一个截面，配合传送带或机械臂运动，可以快速获取物体的完整轮廓。工业线上用得最多。我建议初学者先从线结构光入手，因为它的同步逻辑最直观——相机逐行曝光，激光线逐行扫描，一一对应。
面结构光：目前的主流。一次投射就能获取整个视场的深度信息。但代价是算法复杂，而且对环境光非常敏感。我在做手机人脸识别模组时，最头疼的就是强光下的表现。大太阳底下，红外图案被环境光淹没，深度图全是噪点。
注意：面结构光虽然快，但并不是万能的。如果被测物体表面有高反光或透明区域（比如玻璃瓶、金属镜面），效果会大打折扣。我曾经在检测手机玻璃盖板时吃过这个亏，后来不得不加了一层偏振片才搞定。
1.4 典型应用场景
结构光技术已经渗透到我们生活的方方面面。我挑三个最典型的场景说说。
人脸识别
这是大家最熟悉的。iPhone 的 Face ID 用的就是点阵投影器，投射出约 30000 个红外点，构建人脸的三维模型。为什么比二维识别安全？因为二维照片骗不了它。我测试过，用打印的高清照片去解锁，根本过不了。但要注意，如果用户戴了口罩或墨镜，识别率会下降。嗯，这也是目前行业还在优化的方向。
工业检测
这是结构光最赚钱的领域。从 PCB 焊点检测到汽车钣金间隙测量，从食品包装缺陷检查到木材纹理分析，几乎无所不包。我参与过一个项目，用线结构光检测锂电池极片的涂布厚度，精度要求达到微米级。那套系统的同步方案我调了整整两周，最后用 FPGA 实现了亚微秒级的触发同步。
AR/VR
增强现实和虚拟现实设备需要实时感知周围环境，才能把虚拟物体「锚定」在真实空间中。结构光在这里扮演了空间扫描的角色。比如微软的 HoloLens，就用了多颗结构光传感器来实现 SLAM（即时定位与地图构建）。我个人觉得，AR/VR 是结构光未来最大的增长点，因为只有结构光才能在低功耗下提供高精度的深度信息。
一句话总结：结构光技术，从实验室的冷板凳坐到了消费电子的 C 位。它的核心是三角测量，分类看投影图案，应用则遍地开花。接下来的章节，我会带你一步步搭建一套完整的结构光模组与相机同步系统。