主流 3D 感知技术对比-iTOF、dTOF、结构光、激光雷达
四类主流 3D 感知技术对比表
| 对比维度 | 🟦 iToF 相机 | 🟧 dToF 相机 | 🟥 固态 LiDAR + 可见光融合 | 🟩 结构光相机 |
|---|---|---|---|---|
| 测距原理 | 连续调制光 → 相位差计算 | 激光脉冲 → 飞行时间测距 | 激光扫描点云 + 图像纹理融合 | 投射编码光图案 + 视差三角测量 |
| 代表设备 | Intel D435i, Azure Kinect | ST VL53L5CX, Sony IMX611 | L3CAM, RoboSense M1 + RGB | RealSense SR300, Apple Face ID, Orbbec |
| 点云密度 | ✅ 高（~百万点） | ⭕ 低（~几千点） | ⭕ 中（~十万点），图像补点 | ✅ 高（~几十万点） |
| 深度精度 | ⭕ 中（±1~2cm） | ✅ 高（±1~5mm） | ✅ 高（±3--5mm） | ✅ 高（±1mm典型） |
| 测距范围 | ⭕ 近中距（0.1--5m） | ⭕ 近中距（0.1--10m） | ✅ 中远距（0.1--200m） | ❌ 近距（0.1--2m最佳） |
| 抗阳光干扰 | ❌ 弱 | ✅ 较强 | ✅ 强 | ❌ 非常弱（完全依赖投影） |
| 抗多路径干扰 | ❌ 差 | ✅ 中 | ✅ 强 | ❌ 差（镜面物体误差大） |
| 工作光源 | 红外调制光（850/940nm） | VCSEL 脉冲激光 | 905/1550nm 激光 + 可见光 | 结构光投影 + 红外摄像头 |
| 图像融合能力 | 可输出 RGB+D | 稀疏点，图像不融合 | 图像 + 点云完全可融合 | 通常输出深度图 + 灰度图 |
| 典型输出 | RGB + Depth | 单点 or 小阵列距离值 | 点云 + 图像（配准后） | Depth + 灰度图像 |
| 适合建模精度 | ⭕ 可用但误差大 | ⭕ 中等 | ✅ 精确建模（毫米级） | ✅ 高精度建模（室内） |
| 适合裂缝检测 | ❌ 不足（密度高但不准） | ❌ 点太少 | ✅ 高精度可融合检测 | ⭕ 适合近距，但室外适应差 |
| 复杂环境鲁棒性 | ⭕ 一般 | ✅ 强 | ✅ 最强 | ❌ 室外易失效 |
| 系统复杂度 | ✅ 简单 | ✅ 简单 | ⭕ 中高（需同步+融合） | ✅ 简单（但对环境依赖高） |
| 价格（单机） | ¥1K--5K | ¥0.1K--2K | ¥2万--10万 | ¥1K--3K |
| 典型应用 | 人体识别、 手势交互、SLAM | 手机激光测距、AF对焦 | 工业检测、自动驾驶、建模 | Face ID、3D扫描、教育/游戏交互 |
✅ 总结建议
| 需求 | 推荐技术 |
|---|---|
| 室内手势交互 / 姿态识别 | 🟩 结构光 或 🟦 iToF |
| 智能门锁 / 手机对焦 / 自动门 | 🟧 dToF |
| 桥梁/隧道裂缝检测 / 工业3D建模 | 🟥 固态 LiDAR + 可见光融合 |
| 全景 3D 扫描 / 零件精密测量（<2m） | 🟩 结构光（受限于光照） |
| 恶劣环境（雨雾阳光）作业场景 | 🟥 LiDAR + RGB，抗干扰性最好 |
技术核心：LiDAR + 可见光 图像引导增强建模
| 方法 | 作用 | 说明 |
|---|---|---|
| 图像引导点云超分辨 | 增强稀疏点云细节 | 使用 RGB 图像纹理结构推测点云间缺失区域，提高空间分辨率 |
| 结构边缘对齐 / 纹理对齐 | 提高边界精度 | 将图像边缘用于点云边界微调，如裂缝边缘贴合精度提升到 <1mm |
| 多视角融合建模 | 弥补稀疏点云盲区 | 通过移动平台获取多帧点云（SLAM或静态拼接），提高覆盖率与建模细节 |
| 相机引导配准优化 | 矫正几何偏差 | 精准标定 + 相机辅助点云对齐，减少 LiDAR 探测误差引入的"浮点"现象 |
| 图像分割 + 点云赋值 | 实现语义结构建模 | 图像识别裂缝、结构边界 → 映射到点云模型，实现"语义感知3D"重建 |
为什么 iToF 虽然密度高，却没被用于工业3D建模？
这是关键点。虽然 iToF 点云密度高，但在实际精度、稳定性、抗干扰上存在局限：
| 项目 | iToF 相机 | LiDAR |
|---|---|---|
| 点云密度 | ✅ 高 | ⭕ 中等 |
| 点云精度 | ❌ 厘米级 | ✅ 毫米级（3~5mm） |
| 抗强光能力 | ❌ 易过曝 | ✅ 抗阳光干扰强 |
| 长距离检测 | ❌ 不足 | ✅ 可达100m+ |
| 垂直视场角 | ✅ 较宽 | ⭕ 限于线阵排布 |
| 多路径干扰 | ❌ 严重 | ✅ 抑制能力强 |
✅ 总结结论：
| 比较维度 | iToF | 固态LiDAR |
|---|---|---|
| ✅ 点云密度 | 更高（成像级） | 较低（稀疏扫描） |
| ✅ 近距离分辨率 | 高 | 中等 |
| ✅ 中远距离精度 | 差 | 更优（3D建模/测绘） |
| ✅ 成本 | 较低 | 中高 |
| ✅ 工业检测/裂缝重建 | ❌ 易误判 | ✅ 更稳定可靠 |