技術一覽

1. ToF (Time-of-Flight）

ToF是一種非常有效的技術，可用于測量距離以獲得深度數據。集成在相機中的光源可發出光脈沖照射到物體上，物體將光脈沖反射回相機。根據光脈沖所需的時間，可以確定被測物每個點與相機的距離信息，從而得到深度值。因此，被檢測物體的3D值會以范圍圖或點云的形式輸出為一張空間圖像。除此之外，ToF還能為每個像素以灰度值的形式提供2D強度圖像，以及可表示單個值置信度的置信度圖。

使用ToF進行3D采集時，基本不受物體的強度和顏色的影響，也無需邊緣標定、轉角等功能設置，因此可以輕松使用圖像處理技術將其與背景分開。該采集過程也適用于移動的物體，每秒最多能執行900萬次距離測量，精度可達毫米級。與其他3D相機相比，ToF相機更為經濟、精巧和簡單，可實現輕松安裝和集成。

不過，ToF相機僅在特定環境條件下和定義的測量范圍內，才能提供理想的采集結果。這是由于ToF相機采用底層的ToF測量方法，在測量物體的角落或凹形面時，發射光會進行多次反射，導致ToF方法的測量結果出現偏差。離相機太近的高反射表面會導致鏡頭中出現雜散光，從而產生偽影。而對于非常暗的表面，由于反射光太少，存在無法進行可靠測量的風險。工作距離太小也會對ToF方法造成限制，所以它總體上適用于測量范圍廣、對精度要求適中的應用場景。

在托盤中的包裝用偽色顯示的3D點云

2. 雙目視覺

雙目視覺的工作原理與人眼類似。其3D原理是使用兩臺2D相機從不同視角拍攝同步的圖像，從而獲得深度信息。為了計算3D數據，必須知道兩臺相機之間的相對位置（外部參數）。此外，還需要獲得有關每臺相機的內部參數信息，例如鏡頭的光學中心和焦距等，這些信息共同決定了特定于相機的校準值。為了計算深度信息，首先需要校正兩個2D相機拍攝的圖像，然后使用適配算法在左右圖像中搜索相應的像素，最后借助校準值，就可以將場景或物體的深度圖像生成為點云。此過程中的最佳工作距離具體取決于兩臺相機的距離和設置角度，因此會各不相同。

對于結構簡單的表面，由于雙目視覺方法在兩個圖像中拍攝到的相應特征不足，因此無法從中計算出三維信息，用戶可以通過搭配結構光克服這些限制。

3. 結構光

與雙目視覺技術不同，結構光技術需要將其中一臺相機替換為條紋光投影儀。它會投影具有正弦強度曲線的各種條紋狀圖案，從而在表面上創建系統已知的人造結構。在表面上投影的條紋變形可用于計算3D信息，并獲得更準確的測量結果。

具備結構光功能的芯片在近距離內可實現較高的精度。使用結構光方法時會產生很高的計算負載，它需要逐張采集和分析多個圖像，不適用于移動的物體。綜上，它僅適用于有限范圍內的實時應用，否則需要投入更高的成本。

三者優劣勢分析

典型應用

1. 典型ToF應用

在工作距離長、測量范圍大、高速運作以及系統復雜性低的應用中，ToF技術尤其可以發揮所長，而極高的精度則不是重要的考慮因素。

● 測量物體（體積、形狀、位置、方向）
● 工廠自動化：查找、拾取、組裝物體；檢測損壞的物體或堆垛錯誤
● 機器人：確定機器人的拾取點；傳送帶上的抓取任務、箱盒取物、拾取與放置
● 物流：包裝、堆垛、打（拆）托盤、打標簽、自動駕駛車輛（導航、安全警告）
● 醫學：病人的定位和監測

2. 雙目視覺和結構光的典型應用

雙目視覺技術可以提供較高測量精度，而具備結構光功能的相機性能更勝一籌。這些類型的3D相機適用于檢測結構較少的平扁表面，或需要實現較高測量精度的應用。

● 確定位置和方向

● 對物體進行高精度測量（體積、形狀、位置、方向）

● 機器人：箱盒取物、導航、防撞、裝貨和卸貨服務

● 物流：室內車輛導航、機器的裝卸、打（拆）托盤

● 戶外：測量和檢測樹干

● 損壞檢測等組件檢測

目前，結合深度學習或人工智能的3D技術受到了越來越多應用的青睞。這種技術交互使得物體識別以及精確確定物體在空間中的位置變得更輕松，所以機器人現在能夠抓取以前無法抓取的物體。而同步定位與地圖構建（SLAM）系統使用視覺芯片來創建高分辨率的三維地圖，同樣適用于自動駕駛汽車和增強現實應用方面。

本文轉載自：Basler計算機視覺微信公眾號

審核編輯：湯梓紅