简介：本文深度剖析3D机器视觉的核心实现机制，聚焦结构光技术从投影、相位恢复到三维重构的完整链路。详细论述三角测量原理及系统架构优劣，并结合工业场景探讨散乱件抓取等高柔性应用，助您系统掌握3D视觉感知的技术底座与工程实践。
随着自动化与智能化进程的推进，传统二维视觉在应对复杂形态、未知位姿及高精度深度感知需求时逐渐显露局限。3D机器视觉技术通过获取物体的空间深度信息，为机器人赋予了真正的“立体视觉”。在众多3D视觉方案中，结构光技术凭借其高精度、高响应速度的优势，成为当前机器人三维视觉感知的主流方式。本文将深入剖析结构光技术的实现原理、算法链路及工程应用。
结构光技术的本质是一种主动光学测量技术。其核心思想是通过已知的光学模式去探测未知的空间几何形态。
系统通常由发射端与接收端构成。发射端利用激光二极管（LD）或数字光源处理器（DLP），将预先设计好的具有特殊结构的图案（如离散光斑、条纹光、编码结构光等）投影至被测物表面。接收端则使用相机（如CCD或CMOS传感器）从另一个角度观察经由物体反射回来的图案。
成像的物理逻辑基于光学投影的形变调制：
结构光成像的物理过程只是数据采集的第一步，真正将光信号转化为3D模型依赖于一整套严谨的算法链路。以工业中广泛应用的条纹投影技术为例，其完整成像流程通常分为三个核心步骤：
首先，通过计算机编程生成特定频率的正弦条纹图。这些条纹被投影设备投射至被测物表面后，受物体几何形状调制而发生弯曲。相机同步采集这些受调制的弯曲条纹，后续算法需通过“解调”过程提取包含高度信息的相位。
在实际工程中，为了提高解算精度，普遍采用四步移相法。算法生成四幅相位差为 $\pi/2$ 的正弦条纹，并分时投影到被测物（如复杂曲面面具）上，相机依次采集四幅受调制条纹图。同时，为了建立基准，系统还需在相同条件下采集四幅未受调制的参考平面条纹图。
利用采集到的四幅受调制条纹图，系统可计算出被调制的相位。然而，基于四步移相算法通过反正切函数计算所得的相位值被数学特性限制在主值范围 $[-\pi, \pi]$ 之间。这意味着每当真实相位值超过该范围，其计算结果会发生周期性截断，形成所谓的“截断相位图”。
截断相位无法直接反映真实的空间高度跃变，因此必须进行相位展开或解包裹操作。该过程通过识别相邻像素间的相位跳变，加上相应的 $2\pi$ 整数倍补偿，将截断相位恢复为连续的真实相位分布。这一步是算法中最易受物体表面反光率突变或几何遮挡影响的环节。
获取连续相位后，系统将受调制相位图与参考面相位图相减，得到相位差。该相位差在物理意义上直接表征了被测物相对于参考面的高度信息。
最后，代入经过前期系统标定获得的“相位-高度转化公式”，即可将相位差矩阵转换为全场的高度分布数据，生成3D点云结构图像。具体的3D重构极度依赖底层算法的支持，涉及相机与投影仪的内参外参标定、畸变校正及点云后处理等复杂运算。
结构光与双目立体视觉在底层几何逻辑上同宗同源，均基于三角测量原理。这要求相机和投影仪之间（或双目视觉中的两个相机之间）必须保持一定的空间基线距离，并形成特定的夹角 $\alpha$（通常大于 $15^\circ$）以确保测量精度。
常见的结构光成像系统架构组合包括：
局限性分析：基于三角测量的物理约束决定了此类系统存在固有缺陷。首先是体积较大，基线长度限制了设备的小型化；其次是遮挡问题，当被测物表面存在陡峭边缘或较大台阶时，投影仪的光束或相机的视线可能被阻挡，导致该区域数据缺失产生盲区。
克服了传统二维视觉只能对固定深度零件进行识别且只能获取部分自由度位置信息的缺陷，基于结构光与三维物体识别技术开发的机器人视觉引导系统，展现出了极高的应用柔性。
在较大深度测量范围内，面对散乱堆放的工业零件，3D视觉系统能够快速获取零件的六自由度位姿信息，引导机械臂进行无序抓取、精准装配与涂胶路径规划。这种全自由度定位能力极大提升了产线的柔性化水平。
在现代智能制造架构中，3D视觉设备通常作为边缘节点产生海量的点云数据。为了实现多机协同与数据持久化，这些处理结果往往需要与云端基础设施对接。例如，点云特征数据可通过通用消息队列异步上传至云端对象存储进行归档；基于容器平台部署的视觉算法微服务，能够实现多台视觉终端的统一版本迭代与任务调度；同时结合云端监控告警服务，运维团队可以实时掌握产线视觉设备的健康度与测量精度漂移情况，确保系统长期稳定运行。
3D机器视觉特别是结构光技术的实现，是光学工程、传感器技术与高级算法的深度结晶。从条纹投影、相位解包裹到最终的3D点云重构，每一个环节的算法优化都直接决定了视觉系统的精度与鲁棒性。尽管存在体积与遮挡的物理限制，但结合合理的系统架构设计与现代云端算力调度，结构光3D视觉必将在更多复杂的工业自动化场景中释放其核心价值。