3、视觉传感器：单目、双目、深度相机原理与选型
好，咱们进入视觉传感器的部分。说实话，在GPS拒止环境下，视觉传感器就是无人机的“眼睛”。没有它，你连自己飘到哪了都不知道。我这些年折腾过的无人机，从巴掌大的四轴到翼展两米的固定翼，视觉方案换了好几茬。今天就把单目、双目、深度相机这三兄弟的底裤扒干净。
3.1 单目相机：最轻量，但最“狡猾”
单目相机，说白了就是一个摄像头。你手机后置那颗就是。它最轻、最便宜、功耗也最低。但有个致命问题——它不知道物体的真实尺寸。
原理上，单目SLAM靠的是特征点匹配和三角化。但注意，它只能恢复出“相对深度”，不是绝对深度。举个例子，你看到一个篮球大小的石头，它可能真的是篮球大小，也可能是一个足球大小的石头离你更远。单目分不清。
核心痛点：尺度不确定性
单目SLAM的轨迹和地图，会有一个“尺度因子”漂移。你飞了100米，算法可能以为你飞了80米。这在GPS拒止环境下很要命——你没法精确返航。
我在项目中遇到过一件事：用单目做室内定位，飞了3分钟，地图缩放了1.2倍。结果无人机以为自己还在房间中央，其实已经撞墙了。嗯，从那以后我学乖了——单目必须配合其他传感器（比如IMU或气压计）来约束尺度。
我的建议：如果你做的是微型无人机（轴距<15cm），或者对重量极度敏感，单目+IMU紧耦合是唯一选择。但别指望它做高精度悬停。
3.2 双目相机：深度感知的“入门券”
双目相机，就是两个摄像头并排。它模仿人眼，通过左右眼的视差来计算深度。原理不复杂：同一个物体在左右图像上的位置不同，这个偏移量叫“视差”。视差越大，物体越近。
关键公式：
深度 Z = (基线长度 B * 焦距 f) / 视差 d你看，只要知道B和f，就能算出绝对深度。这就是双目比单目强的地方——尺度是确定的。
但别高兴太早。双目的深度精度，跟基线长度B直接相关。B越大，测距越远，但相机体积也越大。我做过一个项目，为了测50米外的障碍物，基线拉到了30cm。结果无人机挂载后重心偏得厉害，飞控PID调了三天。
| 参数 | 短基线（5cm） | 长基线（20cm） |
|---|---|---|
| 有效测距 | 0.3m - 5m | 0.5m - 20m |
| 体积重量 | 小，适合小型机 | 大，需要结构加强 |
| 计算量 | 较低 | 较高（视差搜索范围大） |
避坑指南：我曾经在室外强光下用双目，结果反光导致左右图像匹配失败，深度图全是黑洞。后来加了偏振片才解决。你想想看，如果无人机正高速飞行，突然深度图失效——那画面太美我不敢看。
3.3 深度相机：直接给你深度图
深度相机，比如Intel RealSense、微软Kinect、奥比中光。它们不靠视差算深度，而是主动发射光信号（结构光或ToF），直接测量距离。
两种主流技术：
- 结构光：投射红外点阵，通过变形程度算深度。近距精度高（毫米级），但室外强光下容易失效。我试过在正午阳光下用RealSense D435，深度图直接“罢工”。
- ToF（飞行时间）：发射光脉冲，测量反射时间。抗干扰能力强一些，但分辨率通常较低（QVGA级别）。
深度相机的优势是“开箱即用”——你不需要自己写立体匹配算法，直接读深度图就行。但代价是功耗高（通常2-5W），而且容易受环境光干扰。
我的经验：室内或弱光环境，深度相机是首选。但如果你要在户外飞，老老实实用双目+红外补光。别问我怎么知道的——我有一台炸鸡的无人机，就是因为在黄昏时分过度信任了结构光。
3.4 选型决策：到底用哪个？
这个问题没有标准答案。我一般按这个逻辑来选：
- 先看重量预算：如果整机<250g，别想了，单目+IMU是唯一解。双目和深度相机都太重。
- 再看飞行环境：室内/弱光→深度相机；室外强光→双目；混合环境→双目+主动红外。
- 最后看测距需求：只做避障（5m内）→短基线双目或深度相机；需要建图（20m+）→长基线双目。
举个例子，我最近做的一个巡检无人机项目：
- 轴距45cm，载重1.5kg
- 需要在桥梁底下（弱光）和露天（强光）切换
- 最终选了双目（基线12cm）+ 一颗红外补光灯
- 算法上做了自适应曝光，保证光照突变时深度不丢
一个小技巧：选型时别只看传感器本身，还要考虑接口。USB3.0的相机延迟比MIPI高不少。我习惯用MIPI接口的传感器，配合FPGA做预处理，延迟能压到5ms以内。
3.5 总结一下
视觉传感器这块，没有完美的方案。单目轻但缺尺度，双目准但吃基线，深度相机方便但怕光。我的建议是：
- 如果你刚入门，先玩双目。它最“老实”，不会给你挖坑。
- 如果你追求极致轻量，单目+IMU紧耦合，但要做好标定和初始化。
- 如果你做室内应用，深度相机最省心。
最后说一句：不管选哪种，标定都是重中之重。我见过太多人买来相机直接上机，结果深度图全是噪点。花半天时间做内参标定、外参标定、时间同步——这时间花得值。
下一章咱们聊IMU，那个“又爱又恨”的传感器。到时候我会讲讲怎么用IMU给视觉“擦屁股”。