当前位置：首页 > news >正文

3D 视觉检测技术：结构光、ToF 与双目立体视觉选型实战

news 2026/6/2 12:21:23

3D 视觉检测技术：结构光、ToF 与双目立体视觉选型实战

一、为什么工业检测需要 3D 视觉？

2023 年，我在一个锂电池产线项目中遇到了棘手的问题：极片缺陷检测。传统 2D 相机能拍出划痕、脏污，但面对极片表面10-30μm 的微小凸起（颗粒）和凹陷（针孔），2D 成像几乎是无能为力的——缺陷和背景的灰度差只有寥寥几个灰度级，无论怎么调打光角度，对比度都拉不开。

后来我们换上了一台结构光相机，0.5 秒内生成一张 200 万点的点云，高度分辨率达到 5μm。那些在 2D 图像中"隐形"的颗粒和针孔，在深度图上像月球环形山一样清晰。这次经历让我深刻意识到：3D 视觉不是 2D 的"补充"，而是解决一类全新问题的必要工具。

当前工业检测中主流的 3D 成像技术有三条路线：结构光（Structured Light）、飞行时间（ToF）、双目立体视觉（Stereo Vision）。它们原理完全不同，适用场景也大相径庭。选错技术路线的代价可能是整个项目推倒重来。本文从原理、精度、速度、成本四个维度做一次系统对比，并给出实际选型建议。

二、三种技术的核心原理

2.1 结构光：三角测量 + 编码图案

结构光的核心是三角测量。投影仪向物体表面投射已知的编码图案（条纹、格子、散斑），相机从另一个角度拍摄变形的图案，通过解码变形量反算深度。

以最常用的相移法为例。投影仪依次投射 N 幅正弦条纹图案，第 n 幅的亮度分布为：

In(x,y)=A(x,y)+B(x,y)⋅cos⁡[ϕ(x,y)+2πnN]I_n(x, y) = A(x, y) + B(x, y) \cdot \cos\left[\phi(x, y) + \frac{2\pi n}{N}\right]In(x,y)=A(x,y)+B(x,y)⋅cos[ϕ(x,y)+N2πn]

其中AAA是背景光强，BBB是调制度，ϕ(x,y)\phi(x, y)ϕ(x,y)就是我们需要解算的包裹相位（被截断在[−π,π][-\pi, \pi][−π,π]范围内）。相机捕捉到 N 幅变形条纹后，通过最小二乘法解出包裹相位：

ϕ(x,y)=−arctan⁡(∑n=1NInsin⁡(2πn/N)∑n=1NIncos⁡(2πn/N))\phi(x, y) = -\arctan\left(\frac{\sum_{n=1}^{N} I_n \sin(2\pi n/N)}{\sum_{n=1}^{N} I_n \cos(2\pi n/N)}\right)ϕ(x,y)=−arctan(∑n=1NIncos(2πn/N)∑n=1NInsin(2πn/N))

拿到包裹相位后需要相位展开（Phase Unwrapping）——将截断的ϕ\phiϕ恢复为连续的绝对相位Φ\PhiΦ。这一步是结构光最难的地方：物体表面如果有高度跳变、遮挡或阴影，展开算法很容易出错，产生"拉丝"噪声。

展开后的绝对相位Φ\PhiΦ通过三角测量公式转换为深度ZZZ：

Z=B⋅fd+Φ⋅λ/(2π)Z = \frac{B \cdot f}{d + \Phi \cdot \lambda / (2\pi)}Z=d+Φ⋅λ/(2π)B⋅f

其中BBB是投影仪-相机基线距离，fff是焦距，ddd是参考平面视差，λ\lambdaλ是等效波长。可以看出，深度分辨率与基线BBB成正比，与工作距离的平方成反比——这也是结构光相机在近距离小视野场景精度极高的物理原因。

实际产品中，3 步相移（N=3N=3N=3）是速度最快的方案，4 步是精度和速度的平衡点，更高步数用于计量级精度场景。有些高端系统还会叠加格雷码（Gray Code）来辅助相位展开，或者使用多频外差法消除歧义。

2.2 ToF：光的飞行时间

ToF（Time of Flight）的原理最直观：发射调制光脉冲，测量从发射到接收的时间差Δt\Delta tΔt，深度Z=c⋅Δt/2Z = c \cdot \Delta t / 2Z=c⋅Δt/2（除以 2 是因为光走了往返路程）。但由于光速太快（约 30cm/ns），直接测量飞行时间需要皮秒级的时钟精度，工程上不可行。