在一家现代化的工厂里，机器人手臂正流畅地抓取流水线上散乱堆放的零件。神奇之处在于：物体形状各异、位置毫无规律，甚至互相叠压，但机械臂总能精准识别定位。这背后，正是3D视觉系统赋予机器人”看懂”立体世界的能力——如同为机器安上了一双能够感知深度的智慧之眼。

3D视觉的核心目标就是为机器人提供目标物体的三维信息：长、宽、高和空间坐标(X, Y, Z)。这彻底解决了传统2D视觉在面对堆叠、高度变化物体时的先天不足。想象一下，当人闭上一只眼睛，判断物体的精确距离也会变得困难，这恰是2D视觉的局限性体现。

目前主流的3D视觉成像技术主要通过以下三大类原理实现：

1. 双目立体视觉：模拟人眼，三角测量的艺术

• 原理图关键点： 想象一张图，展示两个间隔一定距离（基线）的相机（如同人的双眼），同时拍摄同一场景。图中标出物体上一个特征点在左、右相机图像平面（成像传感器）上的不同投影位置（像素坐标）。
• 核心原理： 基于三角测量法。利用两个视角（左眼和右眼图像）观察同一物体点产生的视差（Disparity）。视差是指该点在左右图像中水平坐标的差值。已知相机间的距离（基线长度）和各自的内参数（焦距等），通过几何关系即可计算出该点距离相机的深度（Z值）。
• 关键技术点： 需要精确的相机标定（获取内外参数）和强大的特征点匹配算法（在左右图中找到同一个物理点）。
• 优势： 原理清晰，被动式（依靠环境光），硬件相对成熟，测距范围大。
• 挑战： 弱纹理、重复纹理区域匹配困难，计算复杂度较高，精度依赖标定和基线长度。

1. 结构光：主动投射“光编码”，解码物体高度

• 原理图关键点： 一张图包含：一个投射器（发出特定编码图案的光，如条纹、点阵、编码面）和一个相机。图案投射到物体表面，因物体高度起伏图案发生变形。相机拍摄变形的图案。
• 核心原理： 属于主动三角测量法。投射器相当于已知位置的“发射源”，相机接收变形后的光信号。通过分析相机捕获的图案与其投射的标准图案之间的几何变形量（相位差或编码信息），结合三角测量原理，即可得到物体表面的三维轮廓信息。最常见的类型是条纹投影结构光，通过相移法解算出相位图进而得到高度图/点云。
• 关键技术点： 高精度的投射系统设计、鲁棒的相位或编码解码算法（如多频外差法消除相位模糊）。
• 优势： 精度高（可达微米级），分辨率高，对弱纹理物体效果好，速度快。
• 挑战： 对环境光敏感（尤其阳光），易受高反射、吸收表面干扰，投射器需额外功耗与散热。

1. 飞行时间法：光速为尺，测量时间差

• 原理图关键点： 图中展示集成光学模块向场景发射调制的近红外光脉冲或连续波（如正弦波、方波），同时传感器接收从物体表面反射回来的光信号。
• 核心原理： 直接利用光的飞行时间或相位延迟计算距离。脉冲法测量光脉冲发射与接收的时间差（Δt），距离 = (c * Δt) / 2 （c为光速）。连续波相位法测量发射光波与接收光波之间的相位差（Δφ），距离 = (c * Δφ) / (4πf) （f为调制频率）。
• 关键技术点： 高精度时间/相位测量电路、克服多路径干扰和测距模糊问题。
• 优势： 抗环境光干扰强（通常使用特定波长和调制），单点测量速度快，适用中远距离，对物体表面特性依赖相对较小，易于小型化集成（常见于消费级深度相机）。
• 挑战： 在近距离精度易受干扰，功耗可能较高，绝对精度和分辨率相比结构光通常稍逊。

从点云到精准执行：3D视觉如何赋能机器人？

无论采用哪种技术路线，最终输出给机器人的核心数据通常是点云数据（Point Cloud）—— 由无数包含空间坐标(X, Y, Z) 的点构成的集合，精确描绘了物体表面的三维几何形态。

• 感知定位： 3D视觉系统扫描识别视野内所有物体的形状和位置，输出各物体的三维坐标和姿态信息（如旋转角度）。这对机器人理解工作环境至关重要。
• 智能指引： 定位与姿态计算结果被实时传输给机器人控制系统。机器人据此精确规划运动路径，指挥末端执行器（如夹爪、焊枪）准确无误地完成抓取、放置、装配、焊接、码垛、分拣等任务。尤其在无序抓取（Bin Picking） 应用中，3D视觉技术成为解决复杂场景的核心利器。
• 质量把关： 通过高精度点云扫描，机器人可以精确测量工件的关键尺寸（长宽高、孔距、平面度等），或通过与标准三维模型（CAD）进行点云配准对比，实现复杂零部件的自动化三维尺寸检测与质量控制。即使是微小的焊接缺陷也能被高分辨率3D相机识别出来。

未来之势：融合感知与应用深化

3D视觉机器人系统正在飞速演进。多模态传感器融合（如结合2D视觉、力传感）、更先进的深度学习算法（用于点云分割、位姿估计、缺陷检测）以及核心硬件（如更快的TOF传感器、更高分辨率结构光方案）的持续突破，不断拓展其能力边界。

从物流仓储的智能拆码垛，到汽车制造的高精度装配与焊接检测，再到精密电子元件的柔性分拣，3D视觉机器人已成为实现智能化、柔性化生产的关键使能技术。它让机器人得以真正“看懂”立体空间的复杂信息，从而在真实世界中灵活作业。