近年来，移动机器人行业保持高速发展态势，也直接拉动了3D视觉相机的需求。一台机器人要在真实环境里完成避障、感知地形、定位目标、抓取物体，每一步都离不开3D相机的支撑。

但相机在不同光照、材质和运动条件下的表现可能相差巨大：室内稳定，户外未必可靠；能识别标准纸箱，未必能应对低反射、高反光或透明物体。

因此，选型的关键不是单纯比较参数，而是判断相机是否匹配实际任务、目标和环境。本文将简要梳理主流3D视觉技术，并以五个关键问题为主线，帮你建立一套贴近实际项目的选型思路。

一、先了解主流

3D视觉技术的特点和局限性

机器人常用的3D视觉技术主要包括双目视觉、结构光、iToF和dToF。不同方案在测量距离、点云细节、环境适应性、体积功耗和系统成本等方面各有取舍，并不存在适用于所有场景的单一最合适方案。

双目视觉通过视差计算距离，优势是可获取丰富的图像信息、有大量公开训练库可用，适合中近距离、光照较均匀的环境；

但对目标纹理、光照条件和算法匹配能力依赖较高。

结构光通过投射光学图案计算三维结构，能够在近距离获得高的分辨率；

但在强光、远距离和快速运动场景中稳定性会明显下降。

iToF通过相位差生成面阵深度图，具有实时性好、结构紧凑、对目标纹理依赖较低等特点；

但需要重点评估强环境光、低反射目标和多路径反射的影响。

dToF直接测量光的往返时间，更适合向远距离和复杂光照环境拓展；

但其分辨率、视场角、体积和成本需要结合具体产品综合判断。

技术路线只是选型的基础。一套真正适合机器人的3D视觉方案，更像是“搭积木"：先根据任务选择合适的测距技术，再叠加工作距离、视场范围、目标材质、运动速度、防护等级、机械强度和软硬件接口等条件。

接下来，我们通过五个关键问题，把这些因素逐步组合起来，形成贴近实际应用的选型方案。

二、机器人3D视觉相机

选型的“五问法"

第一问：机器人需要完成什么任务？

不同任务对数据要求的重点不同，选型时首先要明确相机在机器人系统中将承担什么职责。例如：

环境感知：需要较大的视场角和良好的环境适应性，可考虑双目、机械式激光雷达或多传感器融合方案；

避障：需要兼顾探测距离、近距离盲区、实时性和多设备抗干扰能力，可考虑dToF或3D激光雷达；

抓取与对接：需要较高的近距离分辨率、精度和材质适应能力，可采用结构光或iToF等近距离高精度方案；

自主导航：需要获取场景深度信息并融合惯性、定位等数据，重点关注视场角、运动稳定性和户外适应性，可考虑融合IMU和定位能力的双目、ToF或多传感器方案。

明确任务类型是选择3D相机的基础。确定技术方案后，再根据其他条件进一步细化筛选。

第二问：机器人需要看多远、看多宽？

很多人首先关注“最远可以测多少米"，但对机器人项目而言，更重要的反而是最近距离和主要工作区间，以及在该距离下的覆盖范围。视场角也不是越大越好，视角大不代表目标细节一定更多。

真正有意义的问题是：在主要工作距离内，相机能否持续输出完整、稳定且足以支持算法处理的深度数据。

例如在具体应用中，服务机器人和清洁机器人需要关注近距离低矮障碍物和视觉盲区；机械臂需要关注固定距离内的点云质量；大型室外机器人则需要更远的提前感知距离。

第三问：机器人需要看什么样的目标？

目标的材质、颜色、尺寸和表面特征，会直接影响3D成像效果。

尤其要注意几类特殊的目标：镜面金属容易产生反光异常点，需要针对性评估相机的抗反射算法和实测表现；低纹理物体要避免采用双目方案。

透明物体可能无法被稳定探测；软包和织物容易变形，不能只依赖固定的几何特征识别；能识别大型障碍物的相机，也不一定能稳定还原细小孔洞、窄边缘或小型零件。

因此，不能只问相机能不能“看到"目标，还要根据目标特性调整视觉方案，并做样品实测验证。

第四问：机器人将在什么环境中工作？

实验室测试通常光照稳定，但真实环境可能存在明暗切换、强光、雨水、粉尘、振动和多设备干扰。

例如：机器人需要在明暗频繁变化或低纹理环境中工作，若已选择双目方案则需要升级为主动式双目；户外强光场景可优先评估dToF；

阴雨、粉尘环境应确认是否满足IP54及以上防护等级；持续振动场景应优先选择无机械运动部件的全固态相机；多机器人同场工作时，还要评估相机之间的相互干扰与同步机制。

这一步的核心，是识别真实环境带来的额外挑战，按最差工况去优化所选方案。

第五问：相机如何接入机器人？

相机成功输出3D数据，只是项目的开始。

机器人厂商还需要评估可接受的最大尺寸、重量、功耗，通信接口能否与现有机械结构和计算平台兼容。如果使用多相机阵列，还要考虑设备间的时间同步和相互干扰。

进入量产阶段后，问题会从“能不能用"变成“能不能批量稳定地用"：产品一致性、温度和振动下的稳定性、软件维护、产品生命周期和长期供货能力，都应纳入评估。

真正合适的相机，既要满足感知需求，也要支撑产品的整个生命周期。