家用扫地机器人结构光
核心逻辑一句话讲清：用红外光打特殊光斑→相机拍光斑→算法算光斑偏移→算出物体距离→机器人避障/建图。
一、先搞懂：结构光在扫地机器人里到底干啥？
扫地机器人要想不乱撞、不乱跑，必须知道前方哪里有墙、椅子、拖鞋，距离多远。
结构光系统就是它的「红外眼睛+大脑」：
• 光学部分：负责发射红外光斑、清晰接收光斑；
• 算法部分：负责看懂光斑、算出距离、指挥机器人。
二、光学工程师具体干啥？（通俗拆解，不搞复杂参数）
- 投射端：给环境「撒光斑」
就像往地面撒一层看不见的红外芝麻（散斑），光学工程师要做好3件事：
-
选光源：用850nm红外VCSEL灯，比普通灯更集中、不怕阳光干扰，家庭阳台强光下也能看清光斑；
-
做投射透镜：用微透镜+非球面透镜，把灯的光变成均匀的10万个小光斑，覆盖机器人前方0.3-3米范围（刚好是扫地机器人的工作距离）；
-
控散热：扫地机要一直工作，得保证灯不发烫，否则光斑会飘，算法算距离就不准。
-
接收端：给光斑「拍清晰照」
相当于给机器人装一个专用红外相机，光学工程师要做好3件事：
-
选镜头：配4片塑料镜头（含1片非球面），让相机能拍清近距离、远距离的光斑，同时体积小，能塞进机器人肚子里；
-
抗干扰：加一层850nm专用滤光片，挡住阳光、灯光的杂光，只让红外光斑进来，不然照片全是噪点，算法看不懂；
-
控画质：保证拍出来的光斑清晰、不模糊，这样算法才能准确找光斑。
-
校准：调准「眼睛和灯的位置」
投射灯和相机不在同一个位置，必须校准对齐：
• 测准镜头的焦距、畸变，测准灯和相机的间距；
• 把结构光的坐标系和机器人的运动坐标系对齐，不然算出的距离和机器人实际位置对不上。
- 量产落地：保证批量做出来都好用
• 做公差测试：保证透镜、镜头的尺寸误差在很小范围内，批量生产时96%以上的产品都能达标；
• 选材料：消费级用便宜的塑料透镜，兼顾性能和成本。
三、算法工程师具体干啥？（通俗拆解，无复杂公式）
算法的核心就是看懂相机拍的光斑，算出物体距离，分4步，像玩拼图：
- 预处理：把照片「修干净」
相机拍回来的图有噪点、光斑边缘模糊，算法先做两步：
• 矫正镜头畸变：把拍歪的光斑修正；
• 去噪、提亮：去掉杂光，让所有光斑都清晰可见。
- 找光斑：把每一颗「芝麻」认出来
在干净的照片里，把10万个散斑一个个找出来，标记每个光斑的位置。
- 算距离：用「三角形」原理算深度
这是核心！投射灯和相机有个固定间距（比如15毫米），就像人的两只眼睛：
• 光斑在相机里的位置会因为物体远近发生偏移（专业叫视差）；
• 算法利用「灯-相机-光斑」形成的三角形，算出光斑到机器人的距离。
- 生成地图+避障：指挥机器人
• 把所有光斑的距离拼成3D点云（相当于环境的3D轮廓）；
• 识别出墙、桌子、拖鞋等障碍物，规划出扫地的路线，避开所有东西。
四、光学+算法怎么配合？（最关键的协同逻辑）
两者不是各干各的，而是互相补短板：
- 光学给算法打基础：
光学做出均匀、清晰、抗干扰的光斑，算法找光斑、算距离就会又快又准，不用消耗太多算力；
- 算法补光学的短板：
光学识别不了透明玻璃、反光金属，算法就通过纹理、深度连续性，补全这些盲区；
- 双向优化：
算法发现边缘光斑不准，光学就调整透镜公差；光学优化了散斑分布，算法匹配速度就翻倍。