本文主要是介绍深度相机—TOF、RGB双目、结构光原理及优势对比，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
烟台致瑞图像视觉技术2021-03-18 15:14
目前的深度相机根据其工作原理可以分为三种：TOF、RGB双目、结构光。
一、TOF
TOF是Time of flight的简写，直译为飞行时间的意思。所谓飞行时间法3D成像，是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物距离。这种技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而TOF相机则是同时得到整幅图像的深度信息。TOF相机与普通机器视觉成像过程也有类似之处，都是由光源、光学部件、传感器、控制电路以及处理电路等几部单元组成。与同属于非嵌入式三维探测、适用领域非常类似的双目测量系统相比，TOF相机具有根本不同的3D成像机理。双目立体测量通过左右立体像对匹配后，再经过三角测量法来进行立体探测，而TOF相机是通过入、反射光探测来获取的目标距离获取。微软kinect2即是基于TOF原理的深度相机。
TOF 相机目前的主要应用领域包括：
1、物流行业：通过 TOF 相机迅速获得包裹的抛重（即体积），来优化装箱和进行运费评估；
2、安防和监控：进行 People counting 确定进入人数不超过上限；通过对人流或复杂交通系统的counting，实现对安防系统的统计分析设计；敏感地区的检测对象监视；
3、机器视觉：工业定位、工业引导和体积预估；替代工位上占用大量空间的、基于红外光进行安全生产控制的设备；
4、机器人：在自动驾驶领域提供更好的避障信息；机器人在安装、质量控制、原料拣选应用上的引导；
5、医疗和生物：足部矫形建模、病人活动/状态监控、手术辅助、面部3D 识别；
6、互动娱乐：动作姿势探测、表情识别、娱乐广告。
二、RGB双目
RGB双目指的是目前大家都在热点研究的，仅依靠双相机的视差获取深度信息的方式。RGB双目相机因为非常依赖纯图像特征匹配，所以在光照较暗或者过度曝光的情况下效果都非常差，另外如果被测场景本身缺乏纹理，也很难进行特征提取和匹配。看看下面的图就懂了。
三、结构光
以激光三维扫描仪为例，其原理是通过发射激光来扫描被测物，以获取被测物体表面的三维坐标。三维激光扫描技术又被称为实景复制技术，具有高效率、高精度的测量优势。有人说，三维激光扫描是继GPS技术以来测绘领域的又一次技术革命。三维激光扫描仪被广泛应用于结构测量、建筑测量、船舶制造、铁路以及工程的建设等领域。近些年来，三维激光扫描仪已经从固定朝移动方向发展，最具代表性的就是车载三维激光扫描仪和机载三维激光雷达。
三种相机的参数对比：
从分辨率、帧率、软件复杂度、功耗等方面来考虑
（1）分辨率
TOF方案深度图分辨率很难提高，一般都达不到VGA（640×480）分辨率。比如Kinect2的TOF方案深度图分辨率只有512×424。而Google和联想合作的PHAB2手机的后置TOF深度相机分辨率只有224×171。TOF方案受物理器件的限制，分辨率很难做到接近VGA的，即使做到，也会和功耗呈指数倍增长。结构光的分辨率在较近使用范围内，结构光方案的分辨率会大大高于TOF方案。比如目前结构光方案的深度图最高可以做到1080p左右的分辨率了。
（2）帧率
帧率的话，TOF方案可以达到非常高的帧率，差不多上百fps吧。结构光方案帧率会低点，典型的是30fps，不过这也基本够用了。
（3）软件复杂度
结构光因为需要对编码的结构光进行解码，所以复杂度要比直接测距的TOF高一些。
（4）功耗
TOF是激光全面照射，而结构光是只照射其中局部区域，比如PrimeSense的伪随机散斑图案，只覆盖了不到十分之一的空间。另外，TOF发射的是高频调制脉冲，而结构光投射图案并不需要高频调制，所以结构光的功耗要比TOF低很多。还是以伪随机散斑结构光为例，结构光方案功耗只有TOF的十分之一不到吧。
下面是三种方案在分辨率，帧率，软件复杂度和功耗方面的对比结果。
结构光方案还有一个优势在于技术成熟，PrimeSense很早就把结构光技术用在kinect一代产品中了。目前结构光技术有如下几种变种：一种是单目IR+投影红外点阵，另外一种是双目IR+投影红外点阵，这样相当于结构光+双目立体融合了，深度测量效果会比前者好一些，比如Intel RealSense R200采用的就是双目IR+投影红外点阵，不足之处就是体积较大。而单目IR+投影红外点阵的方案虽然体积较小，但是效果会差一点。
（5）计算复杂度
计算方式也分几种：一是直接用ASIC（专用集成电路）进行计算，成本稍微高一点，但是处理速度快，支持高帧率和高分辨率深度相机，关键是比通用芯片功耗低。二是DSP+软件算法，成本跟用ASIC差不多，但支持不了高帧率高分辨率，功耗比ASIC稍高。三是直接用手机的AP(Application Processor)进行纯软件计算，这个不需要额外增加硬件成本，但是比较消耗AP的计算资源。同样也不支持高帧率高分辨率，功耗比较大。
iPhone X的深度相机技术方案：结构光原理的深度相机。具体来说是：单目IR+投影红外点阵+ASIC方案。该方案在深度分辨率、深度测量精度上有较大优势，实时性处理和全天候工作也都有保障，功耗也相对较低，就是成本稍高了一些。
总结：
1.双目方案，最大的问题在于实现算法需要很高的计算资源，导致实时性很差，而且基本跟分辨率，检测精度挂钩。也就是说，分辨率越高，要求精度越高，则计算越复杂，同时，纯双目方案受光照，物体纹理性质影响。
2.结构光方案，目的就是为了解决双目中匹配算法的复杂度和鲁棒性问题而提出，该方案解决了大多数环境下双目的上述问题。但是，在强光下，结构光核心技术激光散斑会被淹没，因此，不合适室外。同时，在长时间监控方面，激光发射设备容易坏，重新更换设备后，需要重新标定。
3.TOF方案，传感器技术不是很成熟，因此，分辨率较低，成本高，但由于其原理与另外两种完全不同，实时性高，不需要额外增加计算资源，几乎无算法开发工作量，是未来发展的一个重要方向。
这篇关于深度相机—TOF、RGB双目、结构光原理及优势对比的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
