上篇讲了图像预处理的各种技术——去噪、增强、直方图均衡化、形态学操作。这些都是处理2D图像的。但机器人要理解三维世界，还需要深度信息。今天就来聊聊获取深度信息的几种主流方案。
面试时候被问"你用过哪些深度相机"，很多人只能说出一两个品牌。但面试官真正想听的是：你理解这几种深度获取方案的原理差异吗？知道它们各自适合什么场景吗？能根据需求做出合理的选型吗？
结构光（Structured Light）
结构光相机的原理很直觉：向场景投射已知的图案（通常是红外散斑或者条纹图案），然后用相机观察这个图案在场景中的变形。通过比较投射图案和接收图案的差异，就能计算出深度。
具体来说，投射器发出的图案是已知的。当图案投射到平坦表面上时，相机看到的图案是规则的。但如果场景中有凹凸，图案就会发生形变。通过分析形变，就能算出每个点的深度。
代表产品：Intel RealSense D400系列、微软Kinect v1。
优点：近距离精度高（可以达到亚毫米级别），分辨率高，适合室内近距离应用。
缺点：有效距离有限（通常0.2-3米），室外容易受阳光干扰（阳光中也包含红外成分），多个设备同时使用会互相干扰。
适用场景：室内服务机器人、机械臂抓取、3D扫描、人脸识别（比如iPhone的Face ID就是结构光）。
飞行时间（ToF, Time of Flight）
ToF相机的原理很直接：发射红外光脉冲，测量光脉冲从发射到返回的时间，根据光速计算距离。
距离 = (光速 × 时间) / 2
除以2是因为光走了一个来回。
ToF有两种实现方式：直接ToF（dToF）和间接ToF（iToF）。dToF直接测量光的飞行时间，需要高精度的时间测量电路。iToF测量的是发射光和反射光之间的相位差，间接推算飞行时间，实现起来更容易但精度稍低。
代表产品：Intel RealSense L500系列、微软Kinect v2、索尼IMX556PLR传感器。
优点：测距范围广（可达10米以上），帧率高，受环境光影响相对较小，多设备干扰问题比结构光轻。
缺点：近距离精度不如结构光，分辨率通常较低，多径效应（光线经过多次反射后返回）会导致深度误差，对高反射率物体（如镜子）测量不准确。
适用场景：手机摄影（对焦辅助）、自动驾驶辅助、物流体积测量、室内导航。
双目视觉（Stereo Vision）
双目视觉的原理模仿人类视觉：两个相机从不同位置观察同一场景，通过匹配左右图像中的对应点，利用视差计算深度。
深度 = (基线距离 × 焦距) / 视差
基线距离是两个相机之间的距离，焦距是相机内参，视差是同一个点在左右图像中的水平位置差。
双目视觉有两种变体：被动双目（只用环境光，像人眼一样）和主动双目（额外投射红外图案辅助匹配）。主动双目在弱纹理场景（白墙、暗光环境）表现更好。
代表产品：Intel RealSense D400系列（主动双目模式）、ZED系列（Stereolabs）、MYNT EYE。
优点：室外性能好（不受阳光干扰，因为用的是环境光），理论上测距范围无限（只要有足够的纹理和基线），成本相对较低。
缺点：计算量大（需要在左右图像中找对应点），弱纹理区域效果差（白墙、纯色表面），基线距离决定了最近可测距离（基线越大，最近距离越远），需要精确的标定。
适用场景：自动驾驶、无人机避障、室外机器人、大场景3D重建。
深度相机的ROS2集成
在机器人项目中，深度相机通常通过ROS2驱动接入系统。以Intel RealSense为例，ROS2的realsense-ros包提供了完整的接口：
<!-- launch文件示例 --> <launch> <node pkg="realsense2_camera" exec="realsense2_camera_node"> <param name="enable_depth" value="true"/> <param name="enable_color" value="true"/> <param name="depth_width" value="640"/> <param name="depth_height" value="480"/> <param name="depth_fps" value="30"/> <param name="align_depth.enable" value="true"/> </node> </launch>启动后，深度相机会发布几个关键的topic：/camera/depth/image_rect_raw（原始深度图，16位单通道），/camera/color/image_raw（彩色图像），/camera/aligned_depth_to_color/image_raw（对齐后的深度图）。
对齐（alignment）是一个重要的概念。深度相机通常有两个传感器：一个红外传感器获取深度，一个RGB传感器获取彩色图像。这两个传感器的分辨率、视场角、光心位置都不一样，所以深度图和彩色图像之间不是一一对应的。对齐就是把深度图变换到彩色图像的坐标系下，让每个像素的深度值和对应的RGB值对齐。
对齐后的数据可以直接用来生成带颜色的点云，在Rviz2中可视化效果很好。但如果你的算法需要精确的深度值，建议用原始深度图而不是对齐后的——对齐过程中的插值会引入深度误差。
对于双目方案（比如ZED相机），ROS2驱动的使用方式类似。ZED提供了zed-ros2-wrapper，发布深度图、点云、IMU数据等多种topic。双目的深度图通常比结构光和ToF的噪声更大，但胜在室外效果好。
三种方案的对比
从几个关键维度来对比这三种方案：
精度方面：近距离（<3米）结构光最优，中距离（3-10米）ToF和双目差不多，远距离（>10米）双目更有优势（加大基线即可）。
功耗方面：结构光和ToF都需要主动发射红外光，功耗较高。被动双目只需要两个相机，功耗最低。
成本方面：被动双目最低（两个普通相机），结构光中等（需要投射器），ToF最高（需要精密的时间测量电路）。
计算复杂度方面：结构光和ToF的深度计算相对简单（硬件直接输出深度图），双目需要大量的立体匹配计算。
鲁棒性方面：双目在室外最鲁棒（不依赖主动光源），ToF次之，结构光最差（容易受阳光干扰）。
面试中怎么聊
面试官问深度相机，不要只说"我用过RealSense"。要能讲清楚：你用的是哪种原理（结构光/ToF/双目），为什么选这种方案，它的优缺点是什么，你在项目中遇到了什么问题、怎么解决的。
如果面试官追问"双目和ToF怎么选"，你可以从应用场景、距离范围、精度要求、计算资源、成本预算几个维度来分析。这种结构化的回答比单纯说"双目更好"或"ToF更好"要有说服力得多。
最后，面试官如果问"你在项目中怎么验证深度数据的质量"，你可以说：用已知距离的参考物（比如标定板放在固定距离）做精度验证，同时检查深度图的空洞率和噪声水平。定期做这种验证，确保深度数据在系统运行过程中保持可靠。
分享一个我在实际项目中选型深度相机的经历。当时给一台室内服务机器人选深度相机，候选有RealSense D435i（结构光+IMU）、Intel L515（激光ToF）和OAK-D（双目+AI加速）。我们在实际场景里做了对比测试：D435i在0.3-3米范围内效果最好，空洞率最低，但超过3米噪声明显增大。L515在暗光环境下表现好，但对高反光表面（比如不锈钢桌面）效果很差，深度图上会出现大面积黑洞。OAK-D的AI加速对目标检测有帮助，但深度精度不如D435i。最终我们选了D435i，因为我们的场景主要是室内3米范围内的物体识别和避障。选型的时候不能只看参数表，一定要在你的实际场景里做对比测试，不同场景下三种方案的表现差异很大。
下一篇讲RGB-D数据处理——深度图空洞填充、对齐和坐标转换。拿到深度数据之后怎么处理，是实际项目中最常遇到的问题。
如果这篇文章对你有帮助，欢迎点赞、在看、转发三连。 你的支持是我持续更新的最大动力。
「机器人软件开发面试·从入门到精通」连载系列上一篇：第153篇 图像预处理技术——去噪、增强、直方图均衡化 下一篇预告：第155篇 RGB-D数据处理——深度图空洞填充、对齐和坐标转换
有任何问题欢迎评论区留言，我会尽量回复。
