一、3D视觉的核心目标

通过技术手段获取物体在三维空间中的形状、位置、深度等信息，形成立体感知。

二、主要技术分类及工作原理

1. 主动式3D视觉

通过主动发射光或信号探测物体，计算深度信息。
常见技术：

• 结构光（Structured Light）

• 原理：投射特定图案（如条纹、网格）到物体表面，因物体形状导致图案变形，通过摄像头捕捉变形图案并计算深度。

• 设备：Intel RealSense、苹果Face ID。

• 飞行时间法（ToF, Time of Flight）

• 原理：发射红外光脉冲，测量光从发射到反射回传感器的时间，通过光速计算距离。

• 应用：无人机避障、手机AR测距。

• 激光雷达（LiDAR）

• 原理：发射激光束扫描环境，通过反射信号生成高精度3D点云。

• 应用：自动驾驶、地形测绘。

2. 被动式3D视觉

依赖环境光或自然光，通过多视角图像计算深度。
常见技术：

• 立体视觉（Stereo Vision）

• 原理：模仿人眼双目视差，用两个摄像头从不同角度拍摄，通过匹配对应点计算深度（三角测量法）。

• 关键算法：特征点匹配（如SIFT、ORB）、视差图生成。

• 应用：机器人导航、3D扫描。

• 多视图立体（Multi-View Stereo, MVS）

• 原理：通过多个视角（>2）的图像重建3D模型，提高精度。

• 应用：摄影测量、文物数字化。

• 运动恢复结构（SFM, Structure from Motion）

• 原理：从单目摄像头运动的连续帧中提取特征点，恢复场景3D结构。

• 应用：无人机地图重建（如Google Earth）。

3. 其他技术

• 光度立体法（Photometric Stereo）

• 原理：固定相机位置，通过不同方向的光源照射物体，根据明暗变化恢复表面法线。

• 适用场景：工业表面缺陷检测。

• 深度学习辅助3D重建

• 原理：使用神经网络（如卷积神经网络CNN、Transformer）从单张或多张图像预测深度图（如MiDaS模型）。

• 优势：无需复杂设备，但依赖大量数据训练。

三、关键流程

1. 数据采集：通过传感器（摄像头、激光雷达等）获取原始数据（图像、点云）。

2. 特征提取与匹配：识别图像中的关键点或边缘（如SIFT、ORB）。

3. 深度计算：

• 主动式：通过光信号时间/变形计算。

• 被动式：通过视差或运动轨迹计算。

4. 点云生成与融合：将深度信息转换为3D点云，并融合多帧数据。

5. 后处理：去噪、网格化（如泊松重建）、纹理映射。

四、应用场景

• 工业：零件尺寸检测、机器人抓取（Bin Picking）。

• 消费电子：人脸解锁（iPhone）、AR/VR。

• 自动驾驶：环境感知、障碍物识别。

• 医疗：手术导航、器官3D建模。

• 测绘：地形重建、建筑BIM。

五、技术挑战

• 精度与实时性：被动式方法在弱光或低纹理场景下效果差。

• 计算复杂度：高分辨率点云需要强大算力（如GPU加速）。

• 成本：激光雷达等主动式设备价格高昂。