1. 基于条纹（Gray Code/Phase Shift）的结构光

原理

通过投射一组明暗相间的条纹（例如格雷码或正弦相移条纹），利用相机捕捉变形条纹，通过计算相位差来重建三维信息。

优势

高精度：具有高相位分辨率，适用于毫米级甚至微米级精度的场合（如工业检测）。

抗干扰性强：对光照变化和表面材质的变化适应性强。

技术成熟：技术发展历史悠久，拥有丰富的开源库和商用解决方案。

劣势

动态场景限制：需要投射不同条纹的多帧图像，不适用于快速运动的物体。

计算复杂：相位解算需要复杂的算法，实时性较差。

硬件成本高：需要高分辨率投影仪和相机。

避坑指南

避免动态场景：适用于静态或低速运动的场景（如工业零件扫描）。

注意反光材质：高反光表面可能导致相位解算失败，需使用哑光粉喷涂或调整光源。

2. 基于散斑（Speckle）的结构光

原理

投射随机散斑图案（如红外激光散斑），通过散斑变形计算深度。典型应用：iPhone Face ID。

优势

实时性强：单帧图像即可完成计算，适用于动态场景。

硬件简单：通常使用低成本红外激光器和VCSEL阵列。

抗运动模糊：适用于人脸识别、AR/VR等实时交互场景。

劣势

精度较低：受散斑噪声影响，精度一般在毫米级。

距离限制：远距离下散斑密度降低，精度显著下降（通常有效范围小于5米）。

依赖标定：对相机和投影仪的标定误差敏感。

避坑指南

避免远距离使用：适用于近距离场景（如手机人脸解锁）。

注意环境光干扰：强光下红外散斑可能被淹没，需增加滤光片或使用主动光源。

3. 基于编码（Coded Pattern）的结构光

原理

投射特定设计的编码图案（如二进制编码、伪随机编码），通过解码唯一标识点进行三维重建。

优势

单帧重建：适用于动态场景，实时性较高。

抗遮挡能力：某些编码技术能够承受一定程度的遮挡或区域缺失。

灵活性：编码可根据不同场景需求进行自定义调整。

不足之处

解码难度大：需要高效的算法来匹配编码点，计算资源消耗较多。

分辨率受限：编码密度影响重建精度，高精度需要高密度编码（可能增加投影设备成本）。

对环境光敏感：在复杂光照条件下，解码错误率会上升。

注意事项

提高算法效率：选择轻量级编码方案（例如De Bruijn序列）。

控制投影亮度：避免环境光干扰，优先在室内环境中使用。

4. 混合结构光（Hybrid）

原理

通过结合多种结构光技术（如条纹和散斑），利用多模态数据融合来增强鲁棒性。

优点

适用范围广：同时满足静态高精度和动态实时性的需求。

抗干扰能力强：多种图案相互补充，减少环境光或噪声的影响。

缺点

系统复杂：需要配备多套投影和相机硬件，成本较高。

算法复杂：需要解决多源数据融合的问题，开发周期较长。

注意事项

避免过度设计：仅在复杂场景（如自动驾驶、室外AR）中使用。

确保硬件同步：对多设备的时间和空间参数进行严格校准。

关键选择建议

1. 根据场景选择方案

静态高精度：条纹结构光（适用于工业检测）。

动态实时性：散斑结构光（适用于消费电子）。

复杂环境：混合结构光（适用于自动驾驶、机器人）。

2. 环境适应性

强光环境：优先选择主动红外光源（如散斑）。

反光表面：结合偏振滤光片或多频条纹方案。

3. 硬件成本

低成本需求：散斑方案（VCSEL+红外相机）。

高精度需求：条纹方案（高分辨率投影仪）。

4. 算法复杂度

资源受限：散斑或简单编码方案（依赖硬件加速）。

高算力支持：条纹或混合方案（GPU/FPGA加速）。

常见问题与解决方案

1. 动态场景误用条纹结构光

问题：运动物体导致多帧条纹错位，重建失败。

解决方案：更换为散斑或单帧编码方案。

2. 远距离精度不足

问题：散斑密度随距离下降，深度图噪点多。

解决方法：扩大基准距离（摄像机与投影仪之间的距离）或改用飞行时间（ToF）技术。

3.反光表面干扰问题

表现：在亮光区域出现相位突变或解码错误。

解决方案：涂抹哑光粉末、调整光线投射角度、采用偏振光。

4.环境光干扰问题

表现：阳光或室内灯光使投射图案变得模糊不清。

解决方案：使用窄带滤光片（例如红外波段）并增加投射功率。

综述

工业检测领域：采用条纹结构光（以精度为主）。

消费电子领域：使用散斑结构光（注重实时性和低成本）。

自动驾驶与机器人领域：结合多种方案（适应复杂环境）。

学术研究领域：运用编码结构光（实现灵活的自定义）。

根据具体需求，在精度、速度、成本和环境适应性之间找到平衡点，避免单纯追求某一单一性能指标！