机器如何看见深度

普通相机拍到的是一张平面照片，只有颜色和亮度信息，无法判断物体距离。深度相机则额外为每个像素赋予一个距离值，让机器能够理解三维空间。实现这一目标主要有三条技术路线，分别是结构光、飞行时间法ToF和双目立体视觉，前两者在消费和工业场景里应用最为广泛。

深度信息是很多智能应用的基础。手机的人像虚化、刷脸支付的面部识别、扫地机器人的避障，都依赖深度相机提供的数据。可以说，它让机器从看懂二维画面，升级为感知三维世界，是机器视觉走向实用化的重要一步。

结构光与ToF的原理差异

结构光的思路是主动投射带有编码图案的光斑到物体表面，再用相机拍摄变形后的图案，通过图案的扭曲程度反推出物体深度。它的近距离精度很高，适合人脸识别这类对细节要求苛刻的场景，但投射图案会受强光和远距离的干扰，作用范围有限。

ToF则是直接测量光的飞行时间。传感器发出红外光脉冲，遇到物体反射回来，根据往返时间乘以光速就能算出距离。ToF的帧率高、作用距离远，抗环境光能力更强，适合机器人导航、体感交互和自动驾驶中的近距离感知，不过其深度分辨率在极近距离上略逊于结构光。

走向更广的落地场景

随着硬件成本下降和算法成熟，深度相机正在从手机、门锁向更多领域渗透。工业质检用它做三维尺寸测量，物流仓储用它识别货物体积，机器人则靠它实时构建地图和规划路径。在汽车上，ToF相机可以辅助驾驶员监控和舱内手势识别，与激光雷达形成互补。

未来深度相机的发展方向，是更高的分辨率、更远的测量距离和更强的抗干扰能力，同时把体积和功耗做得更小。当深度感知成为智能设备的标配能力，机器与物理世界的交互将会更加自然和精准。