ToF与立体视觉 - 它们各自的强项体现在哪里
空间维度的3D视觉
在使用2D图像处理时，它所采集的图像必然始终是三维物体在二维度上的投影，因此2D相机无法采集到深度信息。根据实际的视角，这可能会导致图像中的三维物体出现不同的轮廓。但是，对于许多二维应用而言，形状和深度信息是无关紧要的。2D成像更常用于结构和颜色分析、零件识别、存在检查、损坏或异常检测、字符识别和尺寸精度检查。这些任务的先决条件是确保提供理想的光源，以便使图像具备足够的对比度。
另一方面，在3D图像中还可以获得场景的高度信息，就可以确定体积、形状、距离、空间位置和物体方向，或者可以对物体进行与空间相关的存在检查。但即使是3D成像，在使用不同的技术时，也必须考虑光源条件或表面属性等先决条件，才能实现理想的图像采集效果。还有在一些应用中，这两种技术都可以使用，因此必须始终权衡它们各自的优缺点。
2D与3D视觉技术的对比
任务要求 | 查看搭载2D芯片的相机 | 3D |
|---|---|---|
体积和/或形状分析 | + | - |
必须识别出结构和颜色 | + | - |
提供出色的对比度信息 | + | - |
对比度信息不佳或缺失 | - | + |
必须识别出高度差异 | - | + |
第三维度的定位任务/检测 | - | + |
条码和字符识别 | + | - |
构建部件识别 | + | + |
组件的存在检查 | + | + |
损坏检测 | + | + |
3D技术一览
ToF和立体视觉具备什么特点，各自有哪些特色，优点和缺点分别是什么？
ToF (Time-of-Flight)
ToF是一种非常有效的技术，可用于测量距离以获得深度数据。集成在相机中的光源可发出光脉冲照射到物体上，物体将光脉冲反射回相机。根据光脉冲所需的时间，就可以确定每个像素的距离，从而得出深度值。因此，被检测物体的3D值会以范围图或点云的形式输出为一张空间图像。ToF方法还能为每个像素以灰度值的形式提供2D强度图像，以及可表示单个值置信度的置信度图。
使用ToF进行3D采集时，不需要使用对比度或者角落和边缘等特定功能。采集过程也基本不受物体的强度和颜色的影响，因此可以轻松使用图像处理技术将其与背景分开。该采集过程也适用于移动的物体，每秒最多能执行900万次距离测量，精度可达毫米级。与其他3D相机相比，ToF相机 更为经济、精巧和简单，可实现轻松安装和集成。
但是，仅在特定环境条件下和定义的测量范围内，相机才能提供理想的采集结果。由于采用底层的ToF测量方法，在测量物体的角落或凹形面时，发射光会进行多次反射，导致ToF方法的测量结果出现偏差。离相机太近的高反射表面会导致镜头中出现杂散光，从而产生伪影。而对于非常暗的表面，由于反射光太少，存在无法进行可靠测量的风险。工作距离太小也会对ToF方法造成限制，所以它总体上适用于介质测量或高精度的深度测量。
立体视觉
立体视觉的工作原理与人眼类似。其3D原理是使用两台2D相机，从不同视角拍摄同步的图像，从而获得深度信息。为了计算3D数据，必须知道两台相机之间的相对位置（外部参数）。此外，还需要获得有关每台相机的内部参数信息，例如镜头的光学中心和焦距。这些信息共同决定了特定于相机的校准值。为了计算深度信息，首先需要校正两个2D图像。然后，使用适配算法在左右图像中搜索相应的像素。借助校准值，就可以将场景或物体的深度图像生成为点云。此过程中的最佳工作距离具体取决于两台相机的距离和设置角度，因此会各不相同。
与ToF相比，该方法不需要使用光源或激光束等主动发光单元，但它始终需要一定的环境光，因为从技术上讲，这两台2D相机是相互独立的。如果其他需要使用主动发光单元的3D方法要求较为苛刻，例如当环境光较亮、测量区域重叠以及存在反射表面，那么改用立体视觉技术可以获得更理想的结果。
对于结构简单的表面，立体视觉方法在两个图像中发现的相应特征不足，因此无法从中计算出三维信息。不过可以通过使用光源人工生成的表面结构来克服这些限制。为此，用户还可以集成能够投射随机图案的光线投影仪。
结构光
与立体视觉技术不同，结构光技术需要将其中一台相机替换为条纹光投影仪。它会投影具有正弦强度曲线的各种条纹状图案，从而在表面上创建系统已知的人造结构。在表面上投影的条纹变形可用于计算3D信息，并获得更准确的测量结果。
具备结构光功能的芯片在近距离内可实现较高的精度。使用结构光方法时会产生很高的计算负载，它需要逐张采集和分析多个图像，不适用于移动的物体。因此，它仅适用于有限范围内的实时应用，否则就需要以投入更高的成本为代价。
优点和缺点
ToF (Time-of-Flight) | 立体视觉 | 结构光 | |
|---|---|---|---|
范围 | + | o | o |
精度 | o | + | + |
弱光性能 | + | o | + |
亮光性能 | + | + | - |
均质表面 | + | - | + |
移动的物体 | o | + | - |
相机尺寸 | + | o | - |
成本 | + | o | - |
哪些应用可以从中受益
典型ToF应用
在工作距离长、测量范围大、高速运作以及系统复杂性低的应用中，ToF技术尤其可以发挥所长，而极高的精度则不是重要的考虑因素。
测量物体（体积、形状、位置、方向）
工厂自动化：查找、拾取、组装物体；检测损坏的物体或堆垛错误
机器人：确定机器人的拾取点；传送带上的抓取任务、箱盒取物、拾取与放置
物流：包装、堆垛、打（拆）托盘、打标签、自动驾驶车辆（导航、安全警告）
医学：病人的定位和监测
立体视觉和结构光的典型应用
立体视觉技术已经可以提供较高的测量精度，并且具备结构光功能的芯片性能更胜一筹。这些类型的3D芯片适用于检测结构较少的平扁表面，或需要实现较高测量精度的应用。
确定位置和方向
对物体进行高精度测量（体积、形状、位置、方向）
机器人：箱盒取物、导航、防撞、装货和卸货服务
物流：室内车辆导航、机器的装卸、打（拆）托盘
户外：测量和检测树干
损坏检测等组件检测
目前，结合深度学习等人工智能的3D技术 受到了越来越多应用的青睐。这种技术交互使得物体识别以及精确确定物体在空间中的位置变得更轻松。因此，机器人现在能够抓取以前无法抓取的物体。同步定位和映射(SLAM)系统使用视觉芯片来创建高分辨率的三维地图，适用于自动驾驶汽车和增强现实应用。
我们的3D产品
在此处为您的3D视觉系统查找合适的硬件和软件
