3D视觉检测三剑客：结构光、ToF与双目立体视觉原理与选型指南

3D视觉检测三剑客：结构光、ToF与双目立体视觉原理与选型指南一、引言：当 2D 相机不够用了去年参与一个锂电池极片涂布产线改造项目，客户原有检测方案是 5 台 2D 面阵相机覆盖涂布宽度，缺陷检出率卡在 92% 上不去——涂层厚度不均、极片边缘翘曲这类三维缺陷，在二维图像里只是一片灰度异常，与正常区域的油污、色差根本无法区分。换成一套结构光 3D 相机后，检出率直接跳到 99.3%，产线速度还从 60m/min 提到了 85m/min。这就是 3D 视觉在工业检测中的价值：不是比 2D"看得更清晰"，而是比 2D"多一个维度"——高度信息。对于变形、划痕深度、装配间隙、焊点高度等场景，2D 本质上就是盲的。目前工业 3D 视觉检测领域有三条主流技术路线：结构光(Structured Light)、飞行时间(ToF, Time of Flight)、双目立体视觉(Stereo Vision)。三者共享同一个底层数学框架（三角测量），但实现路径和适用场景截然不同。本文从原理出发，深入到工程实践，帮你建立选型直觉。二、统一的数学底座：三角测量三种方法殊途同归，都归结为三角测量（Triangulation）——利用两个视角之间的视差恢复深度。设相机光心OLO_LOL​和投影仪/第二相机光心ORO_ROR​间距为基线BBB，焦距为fff，空间点PPP在两视角下的成像坐标差为视差d=xL−xRd = x_L - x_Rd=xL​−xR​，则深度ZZZ满足：Z=B⋅fdZ = \frac{B \cdot f}{d}Z=dB⋅f​这个公式简洁到令人发指，但工程落地中每一个变量都是坑。基线BBB的两难：BBB越大深度分辨率越高（相同Δd\Delta dΔd对应更小ΔZ\Delta ZΔZ），但视场重叠区越小、遮挡越严重。一个现实的经验法则：对于 300mm 工作距离的检测，结构光基线取 60-80mm，双目取 40-100mm（取决于被测物尺寸），ToF 则受限于光源功率，基线实际上是虚拟的——由调制频率和相位差的测量精度间接决定。深度分辨率推导：对ZZZ关于ddd求导：∂Z∂d=−B⋅fd2=−Z2B⋅f\frac{\partial Z}{\partial d} = -\frac{B \cdot f}{d^2} = -\frac{Z^2}{B \cdot f}∂d∂Z​=−d2B⋅f​=−B⋅fZ2​这意味着深度误差随距离的平方增长。在 1 米处 0.1mm 精度的系统，到 3 米处精度退化到约 0.9mm——不是线性退化，是平方退化。所有 3D 传感器的规格书上那个"精度"数字背后都有一个隐藏的前提：“在参考工作距离下”。三、结构光：编码图案的精密测量3.1 工作原理结构光的核心思想：用已知编码的光学图案替代第二个"相机"，主动给场景打上纹理。经典实现是相移法 + 多频外差：投影仪依次投射NNN张正弦条纹图，第nnn