电子皮肤触觉传感器

一、结构光传感技术技术核心与优势

1. 核心原理

结构光（Structured Light）技术的核心原理是：通过特定的投影装置（通常红外激光器+光学衍射元件DOE）将编码的光斑、条纹或图案投射到物体表面，这些图案会因物体表面的形状和深度而发生扭曲变形。然后，一个或多个摄像头从不同角度捕捉这些变形的图案，最后通过三角测量法和复杂的算法计算出物体表面的三维点云数据。

2 独特优势：

高精度：在近距离（通常几米内）能提供亚毫米级甚至微米级的测量精度，远超许多其他3D传感技术。

信息丰富：能获取高分辨率的三维几何信息，细节还原能力强。

主动感知：自身投射编码光，不依赖环境光，在黑暗环境中也能正常工作。

3. 结构光技术与其他主流3D视觉技术的对比

结构光技术与其他主流3D视觉技术对比

二、技术种类与工作原理

结构光技术依据其投射图案、系统构成和原理，主要可分为以下几类：

1. 按编码图案分类：

散斑结构光：投射随机分布的激光散斑（无数小光点）。通过比较拍摄到的散斑图案与预先标定的参考散斑图案之间的畸变，利用算法（如相关运算）计算深度。这是许多消费级设备（如早期iPhone Face ID）采用的技术。

条纹结构光：投射一系列明暗相间的条纹（光栅）。通过分析条纹图像的相位变化来重建物体三维形状。相位测量轮廓术是其中一种高精度方法。这种方法在工业检测和高精度3D扫描中非常常见。

编码结构光：按时间或空间序列投射一系列预先设计好的、唯一可识别的图案（如格雷码）。通过识别每个像素点经历的一系列编码，直接确定其对应关系。优点是精度高，缺点是速度较慢（需要连续投射多幅图案）。

2. 按系统构成分类：

单目结构光：一个 projector（投影仪） + 一个 camera（摄像头）。系统简单，但易受环境光干扰，且在户外强光下（如太阳光中的红外光谱）性能可能急剧下降。

双目结构光（主动立体视觉）：一个 projector（投影仪） + 两个 camera（摄像头）。它结合了结构光和立体视觉的优势。投影仪主动投射纹理，解决了纯双目视觉在弱纹理区域匹配难的痛点。两个摄像头则提供了更强的几何约束，使得匹配更加可靠，精度更高，且抗环境光干扰能力显著增强2。联发科等厂商推出的方案即采用此路径。

3. 按光源波长分类：

可见光结构光：早期使用，易受环境干扰，现已较少用于敏感传感。

红外光结构光：当前主流。使用红外激光（如940nm）作为光源，不易被人眼察觉，且能通过光学滤片过滤大部分环境光干扰，隐蔽性和抗干扰性更好。例如艾迈斯欧司朗推出的BIDOS® P3435 Q BELAGO 1.2点斑投射器便采用940nm波长光源。

机器人用MEMs传感器

三、在人形机器人中的应用进展

结构光技术以其高精度和丰富的3D信息，为人形机器人提供了至关重要的近距离精细感知能力，是其实现物体识别、精准操作和安全交互的基础。

1. 物体识别与精细操作引导：

这是结构光技术在人形机器人上最核心的应用。通过高精度的3D点云，机器人能够：

识别目标物体：不仅仅是“是什么”，更重要的是“在哪里”、“是什么姿态”（6D位姿）。

引导灵巧手抓取：为抓取规划提供精确的物体轮廓、尺寸和位置信息，这对于抓取不规则物体、进行插孔、装配等精细任务至关重要。例如，宇树科技的H1和傅利叶智能的GR-1等人形机器人采用了结构光视觉方案。

进行三维重建：对未知物体进行快速的3D建模，辅助认知决策。

2. 近距离避障与安全交互：

结构光相机能够生成机器人周身近距离环境的高精度深度图。这使得机器人能够清晰地“看到”脚下的台阶、眼前的障碍物甚至是透明的玻璃，从而实现稳定行走和防碰撞，保障人机交互的安全。

3. SLAM与室内导航：

虽然结构光主要用于近距离，但它同样可以为机器人在室内环境下的同步定位与地图构建提供高精度的局部3D信息，帮助机器人构建更丰富、更准确的环境地图。

4. 技术方案选择：

在人形机器人领域，结构光技术的应用呈现出多样化趋势。除了前述的宇树和傅利叶智能，星尘智能的Astribot S1则采用了3D结构光与iToF融合的方案，以期结合两者优势。奥比中光等厂商也推出了可用于人形机器人的3D结构光传感器及方案。

四、不足与限制

尽管结构光技术优势突出，但在实际应用中仍面临一些挑战和局限：

1. 环境光干扰：

这是结构光技术（尤其是单目方案）的传统弱点。强烈的太阳光（其红外光谱）会“淹没”投影仪投射的编码图案，导致传感器失效或精度严重下降。虽然通过光学滤片和增加投影功率可以缓解，但会带来成本和功耗的提升。双目结构光方案在这方面表现更优。

2. 测量距离与精度的权衡：

结构光技术的精度会随着测量距离的增加而显著下降。其最佳工作范围通常在几米以内，更适用于机器人手臂工作空间及周身近距离感知，不擅长远距离探测。

3. 高反光与吸光表面：

镜面等高反光物体会将投射光以特定方向反射，可能导致摄像头接收不到足够的信号。而纯黑等吸光材料则会吸收大部分投射光，同样导致特征点缺失。这两种情况都会造成点云数据大量缺失。

4. 功耗与集成：

主动投射光源意味着一定的功耗，对于需要长时间移动工作的机器人而言是一个需要考虑的因素。同时，系统相对复杂（至少需要投影仪和摄像头），微型化和无缝集成到人形机器人头部或手部设计中有一定挑战。

5. 计算复杂度：

虽然比纯双目视觉简单，但结构光技术仍然需要复杂的算法来处理图像和计算深度信息，对处理器的算力有一定要求。

五、重点难点、主攻方向与前技术前沿

为了克服上述限制，让结构光感知更强大、更可靠，研究人员和产业界正致力于以下方向的突破：

1. 抗环境光干扰能力提升：

光学硬件创新：采用更高功率、更特定波长的VCSEL激光器（如艾迈斯欧司朗的BIDOS®系列9）和更窄带宽的滤光片，以抑制环境光噪声。

算法优化：通过深度学习算法增强在复杂光照下的图案提取和深度计算能力。

系统设计革新：双目结构光（主动立体视觉） 被认为是有效提升抗干扰能力的技术路径之一，联发科等厂商正推动此类方案。

2. 性能极限的突破：

更高精度与速度：通过更高分辨率的传感器、更精细的编码图案和更高效的算法，不断提升测量精度和数据采集速度，以满足工业检测等苛刻需求。例如迁移科技的Welding Pro 3D智能相机在焊接场景下实现了0.02mm的重复精度和80000点/秒的扫描速度。

更远测量距离：探索新的光学设计和算法，在保证精度的前提下适度延伸工作距离。

3. 应对特殊材质表面：

多模态融合：这是最重要的趋势。融合结构光与其他传感技术（如单目/双目可见光相机、iToF、激光雷达）的数据，利用不同技术的优势互补。例如，用可见光相机获取纹理颜色，用结构光获取精确几何，用ToF或激光雷达获取远距离信息。星尘智能S1就采用了结构光与iToF融合的方案。

新型投影技术：研究偏振结构光等技术来应对高反光问题。

4. 智能化与集成化：

AI赋能：将深度学习深度融合到3D视觉处理的各个环节，如点云分割、位姿估计、缺陷检测等，大幅提升感知的智能化和自动化水平。迁移科技称其点云语义分割精度已达99.2%5。

算力下沉与边缘计算：将处理算法集成到相机内部（如奥比中光自研MX6800芯片8），实现“感知+计算”一体化，降低主机负载，减少延迟（正向50ms级延迟突破5），提高系统响应速度。

微型化与低成本化：通过硬件集成（如将投影仪和相机模组做小）和规模化生产来降低成本和体积，适应消费级和机器人集成的需求。

5. 前沿探索：

量子点激光器等新型光源材料，可能在未来提供更优的性能。计算光学等前沿交叉学科，可能从原理上革新成像模型。

六、总结与展望

结构光传感技术凭借其近距离超高精度的绝对优势，已成为人形机器人视觉感知系统中不可或缺的重要组成部分，尤其在精细操作、物体识别、安全避障等场景中发挥着关键作用。

其发展正呈现出以下清晰趋势：

融合化：与其他传感器（可见光、iToF、激光雷达等）深度融合，取长补短，形成更全面的感知能力。

智能化：与AI算法深度结合，从“看见”走向“看懂”，实现更高层次的场景理解和决策。

芯片化与边缘化：算力内嵌，提升实时性和可靠性，降低系统整体功耗和复杂度。

鲁棒性提升：不断攻克环境光、特殊材质等传统难题，适应更复杂多变的应用场景。

未来的理想状态是，结构光技术将作为人形机器人多模态感知系统中的一个“精密专家”，与其他传感器默契配合，共同赋能机器人，使其能够真正自如地应对复杂未知的环境，完成各类精细任务。

3D视觉方案对比

【免责声明】本文主要内容均源自公开资料和信息，部分内容引用了Ai。仅作参考，不作任何依据，责任自负。