结构光/ToF/双目三大方案选型与产线集成全解析

在工业 3D 视觉市场以 16.31% 年增速快速扩张的背景下，深度相机正从实验室走向产线。本文从 2D 与 3D 检测的本质差异出发，系统对比结构光、ToF、双目三大技术路线在工业场景中的适用边界，并结合 SMT 焊膏检测、车身间隙测量、物流拣选三大典型应用，给出产线集成中的选型策略与工程注意事项。

1. 2D 与 3D 检测的本质差异

2D 视觉通过单张平面图像提取特征，只能回答"有没有"和"在哪里"的问题。它获取的是物体在成像平面上的投影，丢失了 Z 轴深度信息。这意味着：无法测量焊膏厚度、无法判断间隙面差、无法获取物体三维形貌。

3D 深度相机则直接输出每个像素的距离值，重建物体表面的三维点云。一次曝光即可获取百万级三维坐标点，无需逐点扫描。以典型产线场景为例：激光位移传感器对一块 100mm×100mm 的 PCB 逐行扫描焊膏高度，需要 15-30 秒；而结构光深度相机一次曝光即可覆盖整个视场，耗时不到 100ms，速度提升两个数量级。

对比维度2D 视觉3D 深度相机激光位移传感器数据维度2D 平面图像3D 稠密点云1D 逐点距离测量方式单次曝光单次曝光逐点扫描检测速度快（ms 级）快（ms 级）慢（秒级）Z 轴信息无有，稠密有，稀疏环境光敏感度低中-高（视方案）中典型成本低中-高中

2. 三大技术路线深度对比

工业深度相机的三条技术路线基于完全不同的物理原理，各有不可逾越的物理边界。理解这些边界，是产线选型的前提。

结构光通过投射已知图案（散斑、条纹、编码光）到目标表面，由相机捕获图案变形，通过三角测量恢复深度。优势在于近距亚毫米级精度，0.2-3m 测距范围内深度精度可达 0.01-0.1mm。但结构光对环境光极度敏感——太阳光的红外成分会淹没投射图案，室外场景几乎不可用。投射器的功率与测距范围正相关，远距应用意味着更高的功耗和发热。

ToF（飞行时间）通过测量光波从发射到返回的时间（dToF）或相位差（iToF）来计算距离。优势在于测距范围更广（0.3-5m 以上）、帧率高（30-60fps）、抗环境光能力较强。但 ToF 的深度精度通常在 1%-2% 量级，不如结构光；iToF 受多径效应影响，在高反射率表面（镜面、金属）出现系统性误差；dToF 依赖 SPAD 阵列，成本高昂且分辨率偏低。

双目立体视觉通过两台相机从不同视角拍摄同一场景，通过特征匹配和三角计算恢复深度。最大优势是被动感知——不需要投射光源，因此在户外强光、车间照明变化等场景中最为稳定。测距范围理论上可达 50m 以上。但被动双目在弱纹理区域（白墙、金属面板）深度质量急剧下降，需要主动投射辅助散斑来增强特征；且精度随距离平方恶化，远距精度受限。

维度结构光ToF双目立体测距范围0.2-3m0.3-5m+0.5-50m+深度精度0.01-0.1mm（最优）1%-2%（中）随距离恶化帧率15-30fps30-60fps30-60fps抗环境光差（室内为主）中优（被动）弱纹理表现优（主动投射）良差（需散斑辅助）典型成本中中-高低-中最佳场景SMT 检测、精密测量产线在线检测、体积测量户外场景、大范围测量

3. 应用场景一：SMT 焊膏检测（3D SPI）

SMT 产线的焊膏印刷质量直接决定焊接良率。传统 2D SPI 只能检测焊膏面积和位置，无法测量厚度和体积。3D SPI 使用结构光深度相机，对 PCB 上每个焊盘的焊膏进行三维扫描，输出厚度分布图、体积和覆盖率。

关键技术指标： 视场覆盖典型 PCB 尺寸（250mm×200mm）；Z 轴分辨率需达到 1-5μm；XY 分辨率 10-50μm；单次测量时间 <2 秒（满足产线节拍）。结构光方案在此场景中是唯一选择——ToF 精度不够，双目在微小焊盘特征上匹配困难。

工程注意： 焊膏表面具有半透明和高反射特性，会导致结构光图案的二次反射和散射。解决方案是使用多频条纹投影 + HDR 曝光策略，配合偏振片滤除镜面反射。同时，PCB 基板的翘曲度需要通过基准面拟合补偿，避免将基板变形误判为焊膏厚度异常。

4. 应用场景二：车身间隙面差测量

汽车总装线对车身各部件（车门、引擎盖、后备箱）的间隙和面差有严格公差要求，通常在 ±0.1mm 到 ±0.5mm 之间。传统方式是人工用塞尺和面差尺逐点测量，效率低且一致性差。

机器人搭载深度相机沿车身扫掠一周，即可在 30 秒内完成全车 50-100 个测量点的间隙面差数据采集。方案选择： 车间内照明条件可控但存在环境光变化（天窗采光、工位照明），结构光和 ToF 均可适用。若测量点距离在 0.3-1m 范围内，结构光方案精度更优；若需要覆盖更大范围（如整车轮廓），ToF 方案的测距范围更合适。

工程注意： 车身表面具有高光泽金属漆面，会产生镜面反射和多重反射。需要使用多曝光 HDR 策略，或者采用偏振结构光方案。此外，机器人运动过程中的振动会影响测量精度，需要 IMU 辅助位姿补偿，或者采用"运动到测量位→停顿→采集"的步进式策略。

5. 应用场景三：物流仓储 3D 视觉拣选

物流仓储中的散乱物料拣选是 3D 视觉的经典应用。深度相机安装在拣选工位上方，对料箱中的散乱物料进行三维成像，输出点云后由视觉算法识别物料位姿，引导机械臂抓取。

方案选择： 料箱深度通常 300-600mm，相机安装高度 0.8-1.5m，测距范围 0.3-2m。结构光方案在此距离精度最优，但需考虑环境光——如果拣选工位在开放区域，需要选择抗环境光增强型结构光或加入主动散斑辅助的双目方案。ToF 方案帧率高，适合高速拣选产线（节拍 ❤️ 秒/件），但精度略低，对于形状复杂或尺寸相近的物料可能需要配合 2D 视觉做精细识别。

体积测量是另一个刚需——深度相机对货物进行一次扫描即可输出体积和长宽高数据，用于运费计算和仓储空间规划。ToF 方案在此场景有优势：测距范围广、帧率高、抗环境光能力足以应对仓库环境。

6. 产线集成的三大挑战

挑战一：产线节拍 ≥30fps。 工业产线的节拍通常以秒计，深度相机从采集到输出可用点云的全链路延迟必须控制在产线 PLC 响应周期内。这要求相机帧率稳定在 30fps 以上，且后端处理不能依赖 CPU 软件计算——需要 SoC 内置 DPU 硬件加速引擎完成深度计算，将端到端延迟压缩到 50ms 以内。

挑战二：振动环境下标定精度保持。 产线机器人的持续运动会带来机械振动，影响相机内外参标定精度。长期运行后，标定参数漂移会导致深度测量误差累积。解决方案包括：IMU 辅助实时位姿补偿、定期自动标定流程（在产线停机间隙执行棋盘格标定）、以及光学模组的机械加固设计（刚性安装支架 + 减震垫）。

挑战三：BOM 成本控制。 工业客户对成本敏感，深度相机的 BOM 成本直接决定方案能否落地。成本拆解：传感器（IR 相机 + RGB 相机 + 投射器/ToF 芯片）占 35-40%，SoC 占 20-25%，光学镜头占 15-20%，PCB/结构件占 15-20%。降本路径包括：国产传感器替代（SC132GS 替代进口方案可降本 30%）、SoC 集成度提升（内置 DPU + ISP + NPU 减少外围器件）、以及模组化设计降低组装成本。

7. 选型决策框架

基于上述分析，给出工业深度相机的选型决策框架：

• 近距高精度（0.2-1m，精度 <0.1mm）： 结构光方案，适用 SMT 检测、精密零部件测量。

• 中距快速检测（0.5-3m，精度 0.5-2mm）： ToF 方案或主动双目方案，适用产线在线检测、体积测量。

• 远距大范围（2-10m+，精度 >2mm）： 双目方案（加主动散斑辅助），适用车间全景监控、大尺寸工件测量。

• 户外强光环境： 双目方案优先，被动感知不受环境光限制。

• 高反/透明材质： 多技术融合方案，结构光 + ToF + 算法补全。

8. 总结

深度相机赋能工业检测的核心价值在于：将检测维度从 2D 平面提升到 3D 空间，将检测方式从逐点扫描升级为一次曝光全场面成像，将检测能力从"有没有"提升到"准不准"。结构光、ToF、双目三条路线各有最优应用区间，产线选型需要综合考量测距范围、精度要求、环境条件和成本约束。随着国产传感器和 SoC 能力的持续提升，深度相机的 BOM 成本将进一步下降，推动 3D 检测从高端应用向大规模产线普及。

One More Thing …

朗锐创新（Loongray Innovation）专注于工业智能相机、深度相机、双目相机、iTOF融合相机、空间智能、具身智能技术应用。针对深度相机市场，提供专业的深度相机OEM/ODM定制化服务，帮助客户深度相机项目快速落地、快速盈利。

作者提示含AI生成内容。