機器人深度相機怎麼選?立體視覺、ToF 與結構光比較

機器人深度相機應依工作距離、物體材質、光線、運動速度與更新需求選擇。立體視覺、飛時測距(ToF)與結構光採用不同光學原理估算深度,因此沒有任何一種技術能在所有情境保持最佳表現。

真正要比較的不是規格表上哪個數字最大,而是哪一款相機能在目標物、安裝姿態與實際光線下,穩定提供抓取、導航或檢測所需的有效深度。請把缺失值、錯誤值、延遲與重新校正成本一起納入。

先把工作空間與下游任務畫清楚

標出最短與最遠工作距離、水平與垂直視角、預期遮擋、機器人移動範圍及所需空間解析度。固定相機能看到工作區,不代表機器人移動後仍看得到夾具邊緣、料箱角落或末端工具。

需求應轉成可量測指標,例如有效深度比例、偏差、重複性、邊緣位置誤差、離群值率與端到端延遲。導航可以接受較稀疏的遠距離點雲,精密揀取卻可能因小幅邊緣誤差失敗。

方法深度依據常見優勢常見失效
被動立體視覺左右影像視差戶外且有紋理的場景低紋理、重複圖樣
主動立體視覺視差加投射紋理室內低紋理物體強光與光學干擾
ToF主動光的時間或相位密集深度與緊湊機身多重反射、低回波、飽和
結構光投射圖樣的變形受控室內的細節量測環境光、移動與多機干擾
RealSense D435 立體景深攝影機安裝在小型三腳架上
立體深度相機結合了成對成像儀、紅外投影儀和 RGB 感測器;安裝和場景條件決定可用深度。來源:Marc Auledas,維基共享資源。許可:CC BY-SA 4.0。 資料核對:2026 年 8 月。

立體視覺仰賴影像對應與幾何校正

立體系統從左右影像尋找對應特徵,再用焦距、基線與視差估算距離。物體越遠,視差越小,誤差通常越明顯;曝光、焦點、紋理與相機幾何校正都會直接影響結果。

主動立體會投射紅外紋理,改善空白表面的對應,但強烈日照或其他投影器可能削弱圖樣。RealSense D400 官方技術說明可用來了解架構,安裝到機器人後仍須以自己的距離、材質與照明重新測試。

ToF 要特別檢查多重反射與訊號強度

ToF 透過脈衝傳播時間或相位差估算距離,不需要可見紋理,也能產生密集深度。積分時間、調變方式、回波強度與物體速度會共同影響精度和更新率。

光線在角落或光滑表面多次反射時,可能產生錯誤距離;黑色物體回波不足,鏡面物體又可能飽和。若相機提供振幅或信賴度通道,應和深度一起保存,不能把每個數值都視為同等可靠。

結構光適合受控環境,但怕光線與移動

結構光相機投射已知圖樣,從圖樣變形推算表面形狀。在照明穩定、物體移動受控時,能提供揀取與量測需要的細節;投影器與相機的焦點、曝光及幾何關係則必須持續維持。

環境光會降低圖樣對比,快速移動可能讓連續圖樣失真,多台主動相機也可能互相干擾。Zivid 3 XL250 規格表可作為測試假設來源,但不能直接套用到不同工作距離與週期。

以五個步驟整理機器人深度相機怎麼選?立體視覺、ToF 與結構光比較的判讀重點
本卡以工作距離、材質、日照、移動失真與多機干擾,比較立體視覺、ToF 和結構光的失效模式。規格資料核對:2026 年 8 月。製圖:Physical AI Lab

材質失效要做成測試矩陣

黑色材質會吸收主動光,光亮金屬產生鏡面反射,透明物體則可能回傳背景深度。塑膠膜、潮濕表面、細金屬件與深色橡膠即使外觀相近,失效模式也不相同。

請建立代表性物件集合,把結果分為有效、不確定、缺失與物理上不合理。保留原始紅外影像、強度、信賴度與相機設定,才能判斷問題來自光學訊號、影像對應、校正還是後處理。

測試因素應觀察的現象可能的處置
暗色或低回波表面孔洞、雜訊、距離跳動調整曝光並保留信賴度
反光或透明材質飛點、背景深度改變視角或增加其他感測方式
強烈日照主動光對比下降改變安裝位置或選用被動方式
相機或物體快速移動邊緣拉伸、時間錯位同步時間戳並縮短曝光
多台主動相機週期性干擾錯開擷取時間或改變頻率

時間同步與校正會直接改變空間精度

深度影像本身正確,若配對到另一個時間點的機器人姿態,轉換到世界座標後仍會出錯。請紀錄曝光時間、傳輸延遲、相機與關節時鐘關係,並量測規劃器實際使用點雲時的資料時效。

校正不只包含相機內部參數,還包括相機到機器人基座或末端工具的外部參數,以及深度尺度。撞擊、支架鬆動、溫度與重新安裝都可能造成漂移,應用獨立量測物在整個工作空間確認。

後處理不能掩蓋不確定性

空間濾波、時間平滑、補洞與離群值移除可以讓點雲看起來乾淨,卻也可能增加延遲、抹平移動邊緣,或在未觀測區域製造看似完整的深度。原始輸出與處理後結果都應保留,並用下游任務表現調整參數。

一般深度相機也不能直接當成功能安全感測器。只有當完整感測與保護功能針對安全用途設計、取得相應等級並通過驗證,才能用來做安全判斷。

採購前,用實際物件做分階段驗證

先逐一改變距離、角度、照明、材質、相機移動與附近主動感測器,再把最不利條件組合起來。每次測試要保存韌體、曝光、解析度、濾波、原始串流與抓取或定位結果,才能比較版本更新與重新安裝前後的差異。

相機只有在目標任務達到預設門檻,且失效時有清楚的備援流程,才算通過。規格表適合縮小候選範圍,最終決策仍應依安裝後的有效深度、延遲、失敗恢復與維護成本。

  • 以任務距離、材質與移動速度建立測試矩陣。
  • 同時保存深度、強度、信賴度與時間戳。
  • 在整個工作空間獨立驗證內外部校正。
  • 用抓取、導航或檢測成果評估後處理。
  • 對缺失與不可靠深度保留明確處置方式。

常見問題

ToF 一定比立體視覺準確嗎?

不一定。距離、材質、照明、多重反射、解析度、運動與校正都會改變結果,必須在相同任務條件下比較。

透明物體能靠深度相機穩定量測嗎?

通常很困難。透射與折射可能回傳背景或錯誤幾何,實務上常需要替代照明、不同視角或其他感測方式。

一手資料:RealSense 立體深度相機說明Zivid 官方支援說明

延伸閱讀:Open-RMF 多機隊整合機器人通訊規範QDD 關節設計與控制