深度感知技术全解析：dToF为何成为机器人之眼的新宠？

在机器人、自动驾驶、工业自动化和智能物流蓬勃发展的今天，"如何精准感知三维世界"已成为整个行业最核心的命题之一。深度感知技术，赋予了机器一双能够测量距离、理解空间的"眼睛"。

从微软2010年发布的Kinect，到苹果2017年iPhone X的Face ID，再到如今服务机器人、无人叉车和自动驾驶汽车上搭载的各类3D传感器——深度感知技术已经从实验室走向了千行百业。

本文将深度剖析双目视觉、结构光、iToF、dToF四大主流3D视觉传感器的原理、优缺点、适用场景及市场趋势，并带您了解为什么dToF（直接飞行时间法）正在成为中远距离3D视觉感知领域最具潜力的技术新星。

丨 一、四大深度感知技术原理深度解析

目前主流的3D视觉传感器感知技术包括双目视觉、结构光和ToF，而ToF则分为iToF（间接飞行时间）和dToF（直接飞行时间）。

技术一：双目视觉（Stereo Vision）

模仿人眼视差原理的被动式测距技术，分为被动双目和主动双目两种

工作原理：双目深度重建利用三角测距法计算被测物体到相机的距离。从两个相机观察同一物体，被观测物体在两幅图像中的位置差称为视差，被摄物离相机越近，视差越大；距离越远，视差越小。

在已知两个相机间距等相对位置关系的情况下，即可通过相似三角形原理计算出距离。双目视觉方案又分为被动和主动两种，主动双目是被动双目的加强版，通过红外补光解决了暗光和低纹理的痛点，但在远距离精度、强光干扰等问题上，没有根本改善。

核心优势：

• 被动双目无需主动光源，硬件结构相对简单，成本较低
• 在纹理丰富、光照充足的场景下效果良好
• 近距离时可获取高分辨率深度图

技术瓶颈：

• 计算量巨大：块匹配算法复杂度高达O(NMWHD)，实际应用中通常需要专用ASIC芯片加速
• 强依赖纹理：面对白墙、玻璃等低纹理表面时，无法找到对应匹配点
• 光照敏感：黑暗环境或强光直射下性能急剧下降，红外补光的主动双目结构有改善
• 远距离精度衰减：精度随距离平方下降，中远距离误差显著增大

典型代表：被动双目有Stereolabs ZED系列；主动双目有RealSense D400系列、Luxonis OAK系列

技术二：结构光（Structured Light）

主动投射编码图案，通过图案形变直接求解深度的三角测距技术

工作原理：结构光方案是一种主动三角测量技术，与主动双目同属主动三角法大类。其工作方式是红外激光投射端将带有编码信息的结构光图案（如条纹、网格、伪随机点阵）投影到被观测物体上。

这些图案会根据物体的几何形状和距离发生相应的形变（如条纹弯曲、点位移）。红外摄像头拍摄这些形变图案，系统通过解码分析图案的形变程度，直接计算出每个像素对应的深度信息。

与主动双目的区别：主动双目是通过匹配左右图像中的对应点来计算视差，需要依赖图像间的对应关系。但结构光是通过解码图案形变直接获得深度，每个投射的特征点自带“身份标签”，不依赖双目匹配。

核心优势：

• 主动光源补充纹理：解决了被动双目在低纹理、弱光场景下的痛点
• 近距离精度极高：可达亚毫米级，如苹果Face ID模组
• 无需双目匹配：每个投射的特征点自带编码信息，计算路径更直接