关于结构光问题的总结

点击上方“3D视觉工坊”，选择“星标”

干货第一时间送达

整理：公众号@新机器视觉

本文仅做学术分享，如有侵权，请联系删除。

1. 点结构光的缺点

点结构光只能获取单个点的深度信息，如要获取整个被测对象表面结构信息，需要沿着水平和垂直两个方向逐点扫描，效率比较低。点结构光技术只是对点状光斑进行处理，算法简单，计算复杂度小，但是需要引入扫描移动设备，以保证点光斑的遍历扫描，使得系统效率低下，难以满足实时性要求。

2. 线结构光的缺点

如果被测物体表面形貌复杂，曲率变化较大，就有可能造成相机视野范围丢失了线结构光光条信息，导致最终三维测量数据不完整。

3. 多线式结构光的缺点

这种方法检测价格贵，安装体积大，多传感器之间需要通讯，对上位机的硬件要求高，系统的实时性有所降低。

4. 相移法的缺点

相移法是属于一种优点和缺点都极为显著的方法，优点是，通过相移解相位的方法，牺牲了时间（多幅条纹投影），以粗的条纹获得了细的分辨率，缺点是正弦条纹极易被干扰，这就导致了相位图失真，CCD像素和投影面像素的一一对应性被破坏。

5. 双目结构光

采用双目结构光是考虑到传统的单目结构光容易受光照的影响，在室外环境下，如果是晴天，激光器发出的编码光斑容易太阳光淹没掉，只有在阴天情况下勉强能用。而双目结构光可以在室内环境下使用结构光测量深度信息，在室外光照导致结构光失效的情况下转为纯双目的方式，其抗环境干扰能力、可靠性更强，深度图质量有更大提升空间。

此外，结构光方案中的激光器寿命较短，难以满足7*24小时的长时间工作要求，其长时间连续工作很容易损坏。因为单目镜头和激光器需要进行精确的标定，一旦损坏，替换激光器时重新进行两者的标定是非常困难的，所以往往导致整个模块都要一起被换掉；而使用双目结构光的方式，其标定与激光器无关，替换起来就比较简单。

6. 结构光，双目和TOF对比

• 结构光(散斑)

  优点：

  1） 方案成熟，相机基线可以做的比较小，方便小型化。

  2） 资源消耗较低，单帧IR 图就可计算出深度图，功耗低。

  3） 主动光源，夜晚也可使用。

  4） 在一定范围内精度高，分辨率高，分辨率可达1280x1024,帧率可达60FPS

  缺点：

  1） 容易受环境光干扰，室外体验差。

  2） 随检测距离增加，精度会变差。

• 双目

  优点：

  1）硬件要求低，成本也低。普通CMOS 相机即可。

  2）室内外都适用。只要光线合适，不要太昏暗。

  缺点：

  1）对环境光照非常敏感。光线变化导致图像偏差大，进而会导致匹配失败或精度低。

  2）不适用单调缺乏纹理的场景。双目视觉根据视觉特征进行图像匹配，没有特征会导致匹配失败。

  3）计算复杂度高。该方法是纯视觉的方法，对算法要求高，计算量较大。

  4）基线限制了测量范围。测量范围和基线（两个摄像头间距）成正比，导致无法小型化。

• TOF

  优点：

  1）检测距离远。在激光能量够的情况下可达几十米。

  2）受环境光干扰比较小。

  缺点：

  1）对设备要求高，特别是时间测量模块。

  2）资源消耗大。该方案在检测相位偏移时需要多次采样积分，运算量大。

  3）边缘精度低。

  4）限于资源消耗和滤波，帧率和分辨率都没办法做到较高。目前消费类最大也就VGA。

7. 激光测量法的缺点

该方法需要逐点扫描，对设备要求比较高且比较耗时，数据获取效率低。测量过程需要一维扫描，增加了装置复杂性，成本增加，另外，扫描过程使成像的时间大大增加，因此，该方法效率较低。

8. 飞行时间法的缺点（典型代表:激光雷达）

飞行时间法要想得到很高的测量精度，相应地会对信号处理系统的时间分辨率有极高的要求。系统复杂，成本较高。

作者：CSDN博主「Orange Wu」

链接：https://blog.csdn.net/weixin_44470443/article/details/95342560

推荐阅读：

• 专辑|相机标定
  

• 专辑|3D点云
  

• 专辑|SLAM
  

• 专辑|深度学习与自动驾驶
  

• 专辑|结构光
  

• 专辑|事件相机
  

• 专辑|OpenCV学习
  

• 专辑|学习资源汇总
  

• 专辑|招聘与项目对接

• 专辑|读书笔记

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流等微信群，请扫描下面微信号加群，备注：”研究方向+学校/公司+暱称“，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近1000+星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题