了解机器视觉中使用的主要3D成像技术，包括立体视觉、结构光、激光三角测量和飞行时间法。

图1：3D成像在工业自动化中支持许多应用场景，

例如在仓库中运输货物的自主移动机器人。

　　对于机器视觉和成像行业的工程师来说，理解3D成像的工作原理以及在什么情况下能将3D成像整合到系统和应用中，至关重要。

　　机器视觉领域常用的3D成像方法，主要有立体成像、结构光和飞行时间法。此外，本文还将探讨3D激光三角测量法，并简要介绍激光雷达（LiDAR）技术。

　　“在所有的3D成像技术中（飞行时间法等少数技术除外 ），相机都是从获取普通的2D图像开始的。”机器视觉专家、Motion Automation Intelligence公司解决方案架构师David Dechow说道。

　　但是，如何将2D图像转化为3D图像呢？Dechow表示，大多数3D方法都使用某种形式的三角测量法，这意味着算法通过匹配来自不同视点或照明方向下的角度点，来计算每个像素在空间中的位置。

立体视觉

　　立体视觉（又称立体成像或双目视觉）是一种常用的 3D 成像方法。“这种方法采用的三角测量原理与人类眼球的工作方式相同。”Dechow说，“如果你还记得小时候的把戏：将手指放在眼前，眼睛聚焦在远处。你会看到两个不同的手指，这是因为眼睛是从两个不同的平面看它，立体视觉中发生的正是这种情况。”

　　整个过程始于精确校准。首先需要将两台相机进行联合校准，随后对采集的图像进行匹配——技术术语称为立体校正。通过计算，可以找出两幅图像中每个可见对应点的差异。图像A与图像B之间的差异称为“视差”，Dechow解释道。

　　Teledyne FLIR Integrated Imaging Solutions公司产品经理Freya Ma补充道：“具有挑战性的部分是如何实现同步采集，以及如何将采集到的图像进行像素对像素、点对点的精确匹配。”

立体视觉的优势

　　立体视觉3D成像方法在多种应用场景中具有众多优势。

　　Dechow指出，采用立体视觉方案的相机通常比其他模式的相机成本更低。但该方法“在X、Y、Z轴位置信息方面的精度可能稍逊一筹，”他解释道。这是因为可供相互关联的对应点数量可能较少。

　　“对于那些要求‘适度’精度和‘合理’成本的应用，立体视觉方案是一个不错的选择。”Dechow说，“例如在仓库中，如果我只想了解传送带上箱子的尺寸，可能就会选择双目立体视觉方案。”

图2：图中展示了立体视觉的诸多优势，例如其在户外环境中的适用性、

提供空间信息的能力，以及同步整合RGB与深度数据的特点。

（图片来源：Teledyne FLIR）

　　Ma指出，如果应用依赖于识别料箱中的物体，立体视觉同样可以为料箱拣选提供解决方案。“我的许多客户从事拾取与放置作业，他们需要识别物体。他们需要将3D信息和2D信息输入到其AI模块中。”她补充说，立体视觉可以在室内或室外工作，因为它对光照的精确控制依赖较小。阳光的强弱是不可预测的，这正是立体视觉经常被整合到在室外环境运行的视觉系统中的原因之一。然而，在低光照条件下，例如在光线不佳的室内环境中，立体视觉的可靠性也低于其他3D成像方法。

主动与被动3D成像

　　许多机器视觉专家将立体视觉归类为被动照明的3D成像模式，因为光线并不主动参与构建3D图像。

　　下文将讨论的其他3D成像则依赖照明来生成图像，因此通常被称为主动照明的3D成像模式。

结构光

　　结构光是一种不同于立体视觉的3D成像方法。其工作原理是：一个已知的光图案（通常是一系列线条或网格）被投射到物体或场景上。无论何种图案，当其照射到物体或场景上时，都会被特定特征（如曲线或凹陷）扭曲。一个2D传感器在一系列图像中捕获这些信息。算法通过分析图像中描绘的光图案的扭曲来生成3D模型。

　　结构光是不同于立体视觉的另一种3D成像方法。其工作原理如下：将已知的光学图案（通常是一系列线条或网格）投射到物体或场景上。无论何种图案，在照射到物体或场景时，都会因特定的表面特征（如曲线或凹陷）而发生扭曲。一个2D传感器通过一系列图像捕获这些信息。算法通过分析图像中呈现的光学图案扭曲来构建3D模型。

　　“扫描软件的图案识别与重建算法能够解读：当光带局部变粗或变细时，意味着物体表面这些点分别距离相机更近或更远；而其他形状和结构则通过结构光图案中不同类型的畸变来确定。”Artec 3D公司在其官网中解释道，该公司专注于开发手持式和便携式3D扫描仪。

图3：这张保时捷的图片展示了已知光图案投射到物体上时，

如何被特定特征扭曲。

（图片来源：保时捷）

　　根据投射到场景或物体上的图案的复杂性，结构光可以产生比立体成像更详细的图像，因为相机可以提取更多的3D点。拥有的3D点越多，分辨率就越高。

Dechow说，如今市场上一些最复杂的结构光相机使用所谓的编码光，这意味着光图案内的特定区域被分配了代码，这有助于提高计算的精度。

结构光成像的优势

　　此外，结构光在成像平坦、无特征的场景（例如一面空白的米色墙壁）时具有独特优势，而立体成像在此类场景中完全失效。Dechow解释说，“立体相机依赖图像中可称为‘纹理’的特征——它需要有能够建立关联的核心特征点。”

　　结构光是检测肉眼难以察觉的表面缺陷（如微小划痕或凹痕）的理想选择。例如，工程师可以采用该方法检测汽车车身漆面的细微瑕疵。

图4：保时捷使用的软件能凸显汽车外壳漆面的缺陷，技术人员可以根据这些信息来修复凹痕、划痕等单靠目视检测难以发现的问题。

（图片来源：保时捷）

　　但是这种方法也有其局限性。Orbbec公司机器人计算机视觉业务执行总监David MT Chung说，结构光“几乎总是局限于极窄的视场范围”。这是因为投射到物体上的光图案，会随着传感器和物体之间距离的增加而变得不那么密集，从而影响3D信息的计算精度。

另外，结构光通常还需要运动一致性，要求物体静止或以恒定速率运动。

3D激光三角测量

　　3D激光三角测量（又称轮廓测量）与结构光存在某些相似性。不同之处在于：激光三角测量通过激光向场景投射一条线束，并由图像传感器记录成像。其计算基于三角测量原理，即角度变化分析。3D模型通过逐线扫描构建完成。

　　AT Sensors公司北美业务总监Gretchen Alper表示：“系统采用已知角度设计，探测器通过该固定角度观测物体，从而检测高度差异。”她补充说，该方法可以提供精确尺寸测量，适用于计量学应用领域。

　　Alper进一步指出，激光三角测量的关键特性在于“必须存在相对运动。因此要么被测部件移动，要么传感器移动，否则只能获取物体的单一轮廓。这正是该技术与其他原理的显著区别。”她举例说，该方法常用于检测传送带上的运动物品，也可以安装在机器人末端执行器上扫描物体，后者通过机械臂运动提供必要的扫描位移。

　　另一典型应用是路面检测：将3D激光扫描仪固定在行驶于道路的车辆上，利用车辆运动实现扫描，以此来评估路面状况。

图5：图中展示了3D激光三角测量的工作原理。

（图片来源：AT Sensors）

工业检测中3D扫描的优势

　　谈及检测应用场景，Automation Doctor公司创始人David Wyatt补充道：“如果零件已经以固定速率运动，或以可通过编码器触发的速率移动，3D激光扫描技术将会提供卓越的表现。”

　　它的具体应用领域有哪些呢？Alper表示，3D激光扫描正在应用于电动汽车电池检测和食品检测等典型场景。为了控制室内环境光或室外阳光的影响，会在探测器前加装滤光片。通常，激光通常采用特定颜色（如红色或蓝色），颜色选择取决于被测物体的特性。