3-D 族的 op 有 347 个，但作为其输入的点云从何而来，此前哪里都没有写。本文不是 op 的说明 —— 而是讲述传给 lidar_projection / range_image / structured_light / plane_sweep_stereo / two_view / depth_denoise / tsdf_fusion 的数值的来源，以及实际设备如何出错的教材。与 2-D 一侧的 optics/guides/mv_*.md（传感器、相机、图像采集卡、线缆、标准）处于同样的位置，本文相当于其 3-D 版。
选型时首先要看的不是绝对精度，而是精度如何随距离缩放。 这里弄错的话，就会选中目录数字看起来漂亮的型号，然后在现场失手。
| 原理 | 代表 | 测距误差对距离的依赖 | 起作用的设计值 |
| --- | --- | --- | --- |
| 被动立体视觉 | 普通的立体相机 | σ_Z ∝ Z² | 基线 B、焦距 f、视差的亚像素精度 |
| 主动立体视觉 | RealSense D4xx | 同上（只是用投影补充纹理） | 在上述基础上加上投影仪的有效距离 |
| 结构光（相移 / 格雷码） | Zivid, Photoneo | 同上，但可以把 B 取得很大，所以系数小 | 投影图案的周期、灰阶、曝光 |
| 激光三角测量（线轮廓仪） | Keyence LJ-X | 同上。把测量范围压到几 mm 以换取 µm | 基准距离、受光角、X 间距 |
| 直接 ToF（dToF） | Ouster, Livox | 几乎不依赖距离（由时间分辨率决定） | 脉冲宽度、时间分辨率、回波光量 |
| （间接 ToF / iToF） | 部分 ToF 相机 | 由相位分辨率决定。存在折叠（相位卷绕） | 调制频率（= 无模糊距离） |
Z = B·f / d B = 基线 [mm], f = 焦距 [px], d = 视差 [px] δZ = Z² / (B·f) · δd
随距离的平方而恶化。 所以被动 / 主动立体视觉不能用于远距离，结构光之所以能达到 µm 级，是因为把 B·f 取得很大并把 Z 固定得很小。
*把目录中的 % 表述换算为视差误差*：D455 基线 95 mm、1280×720、HFOV 87°，因此 f ≈ (1280/2)/tan(43.5°) ≈ 674 px（粗略估算 —— 严格来说应使用左成像器的 HFOV。公布的“深度 FOV”因无效带而偏窄，所以这个 f 会略微偏小）。标称“4 m 处小于 2%”相当于
δd = δZ·B·f / Z² = 80 × 95 × 674 / 4000² ≈ 0.32 px
也就是说，这个数字是在主张“亚像素匹配在 1/3 像素的水平上起作用”，在没有纹理的表面上并不能直接成立。看到 % 表述就做这个换算。
σ_Z = c·σ_t / 2 c = 光速, σ_t = 时间分辨率
式中不含距离 —— 这就是 LiDAR 在 100 m 处也能保持 cm 级的原因。但回波光量按 1/Z² 衰减，所以在远处下降的不是精度，而是检测概率。目录写成“170 m @ 80% 反射率”“90 m @ 10% 反射率”这样附带反射率，原因就在于此。没有注明反射率的探测距离不能用于比较。
不放入推测值。以下全部来自厂商公开的规格（出处在文末）。
| 项目 | 值 |
| --- | --- |
| 方式 | 立体视觉（配合 IR 投影仪） |
| 基线 | 95 mm（D435 系列为 50 mm，D415 为 55 mm，D405 为 18 mm） |
| 深度 FOV（16:9） | H 87° / V 58° / D 95° |
| 深度输出 | 最高 1280×720，最高 90 fps |
| 推荐范围 | 0.6 – 6 m |
| Min-Z（1280×720） | 520 mm（848×480 时为 350，424×240 时为 180） |
要点是 Min-Z 随分辨率而变。降低分辨率就能靠得更近 —— 因为视差的上限由像素数决定，“太近测不了”有时可以通过降低分辨率来规避。
无效深度带（Intel 以公式公开的结构性缺测）：
无效带宽度 [px] = B·f / Z
D455 在 Z = 1 m 时，左端必然有 95 × 674 / 1000 ≈ 64 px 无效。这是右成像器拍不到的区域，从原理上无法填补。制作合成深度图像时，一定要加入这条带（不加的话，学习一侧会变成信任画面边缘的模型）。
| 项目 | 值 |
| --- | --- |
| 成像 | 2448×2048（5.0 MPx），原生 3D 彩色 |
| 对焦距离 | 1300 mm / 工作范围 800 – 2700 mm / 最佳 1000 – 1600 mm |
| 视场 | 790 × 650 mm @ 1300 mm |
| 点精度 1σ | 210 µm @ 对焦距离处 |
| 局部平面度精度 1σ | 300 µm |
| 整体平面度 正确度误差 | < 0.24 mm |
| 尺寸正确度误差 | < 0.35 %（对焦距离处、常温）／< 0.60 %（最佳范围、全温度） |
| 采集时间 | 50 ms – 1500 ms（含处理） |
| 光源 | 投影仪 360 lm（1×）至 900 lm（2.5×），IEC 62471-5 RG2 |
把精密度（precision）和正确度（trueness）分开列出是这家厂商的优点，也是值得细读之处。点精度 210 µm 是“连续采集时离散有多小”，尺寸正确度 0.35 % 是“测量校准长度时偏差有多大”。在测量用途中起作用的是后者。 只写前者的目录，展示的只是平均后就会变好的数字。此外还明确写出正确度随温度从 0.35 % → 0.60 % 劣化 —— 在柜内会升温的设备上，直接使用常温规格会对不上。
| 项目 | 值 |
| --- | --- |
| 基准距离 | 64 mm |
| Z 测量范围 | ±7.3 mm（F.S. 14.6 mm） |
| X 测量范围 | 15 mm（近端）／16 mm（基准距离） |
| 光源 | 405 nm 可见光，Class 2M |
| 轮廓数据间隔（X 间距） | 5 µm |
| Z 重复精度 | 0.4 µm |
| X 重复精度 | 0.5 µm |
| 1 条轮廓的点数 | 3200 点 |
本质在于为了达到 µm 而把测量范围压到 ±7.3 mm。三角测量的 δZ ∝ Z² 不会变，所以除了缩小范围别无他法。而且这里列出的是重复精度而不是线性度 —— 理解为“能以 0.4 µm 测量” 是错误的。要主张绝对尺寸，还需要另外的线性度（linearity）和校准。
| 项目 | 值 |
| --- | --- |
| 波长 / 等级 | 865 nm / Class 1（IEC 60825-1:2014） |
| 探测距离 | 170 m @ 80% 朗伯／90 m @ 10% 朗伯（1024@10 Hz，检测概率 > 90%，100 klx 日照） |
| 最小距离 | 0.0 m（默认 0.5 m，可选 0.3 m） |
| 垂直 FOV | 42.4° ±1.0°（+21.2° 至 −21.2°） |
| 分辨率 | 垂直 32 / 64 / 128 ch，水平 512 / 1024 / 2048，旋转 10 / 20 Hz |
| 测距准确度 | ±2.5 cm（朗伯）／±5 cm（回射） |
| 测距精密度 1σ | ±0.5 cm（最小）至 ±3 cm（最大） |
| 距离分辨率 | 0.1 cm |
| 点数 | 最高 5,242,880 点/秒（128 ch） |
| 光束 | 出射直径 9.5 mm，发散角 0.18°（FWHM） |
| 每 1 个点的数据 | 距离、信号强度、反射率、近红外、通道、方位角、时间戳 |
| 误检率 | 1/10,000 |
重要的是 回射目标上的准确度反而更差（±5 cm）。这与直觉相反，原因是回波光太强，受光波形饱和，上升时刻发生偏移（距离游走，range walk）。以反光胶带或标志为基准的合成数据，不加入这一误差就与现实对不上。
此外，光束角不是等间隔的（规格上传感器以 intrinsic 的形式返回 beam angles）。假设通道号对应等间隔的仰角来生成距离图像，会产生系统性畸变。
| 项目 | 值 |
| --- | --- |
| 波长 | 905 nm |
| 探测距离 | 70 m @ 80% 反射率／40 m @ 10% 反射率（环境 25 °C） |
| 最小距离 | 0.1 m |
| FOV | 水平 360°／垂直 −7° 至 +52° |
| 点数 | 200,000 点/秒（首次回波） |
| 测距精密度 1σ | ≤ 2 cm @ 10 m，≤ 3 cm @ 0.2 m |
| 角度精密度 1σ | < 0.15° |
| 内置 IMU | ICM40609 |
由于扫描是非重复的，只看 1 帧会满是空洞，累积得越多就越密。以“1 次扫描就能得到完整点云”为前提的算法在这里会失效。垂直 FOV 上下不对称（−7° 至 +52°）在实际中也有影响 —— 看不到脚下。
在深度上叠加均匀的高斯噪声，是这个领域最常见的谎言。实际设备的出错方式由各原理决定，各有其形态。
| 原理 | 出现的故障模式 |
| --- | --- |
| 被动立体视觉 | 无纹理表面上出现空洞／重复图案上视差跳变（误匹配表现为平滑的错误，因此难以察觉）／遮挡边界处只有一侧缺测 |
| 主动立体视觉 | 在上述基础上，投影仪照不到的远处退化为被动方式／在日光下图案被淹没（到户外性能骤降） |
| 结构光 | 镜面上飞点（无回波）／凹处的相互反射破坏相位，使表面鼓起／透明、半透明物体因次表面散射而向里偏移 |
| dToF | 多径使内角变圆／边缘出现 flying pixel（1 个像素中混入 2 个距离，出现中间值）／回射体上的距离游走／雨、雾、粉尘造成伪点 |
| iToF | 多径更强／相位折叠使远处变成近距离（超出由调制频率决定的无模糊距离时） |
| 激光三角测量 | 遮挡有 2 种（投光侧的阴影、受光侧的阴影）／镜面无回波／台阶边缘处坐标被拖拽 |
共通点：反射率、强度通道依赖于距离和入射角（1/Z²、cos θ）。把原始强度直接用作特征量，就会进行依赖距离的学习。要么归一化，要么显式地给出距离。
1. 深度是“光轴方向的 z”还是“斜距”？ 距离图像（来自 LiDAR）是斜距，深度相机通常是光轴 z。弄混的话，中心处一致而只有视场边缘系统性偏移，如果测试只看中心就会通过。fullseye 在 optscene_depth 中采用光轴 z（机器视觉的惯例）。
2. 深度尺度。 RealSense 默认 1 unit = 1 mm，但会因型号和设置而变。以 uint16 接收深度图像时，务必把尺度一起传递。
3. LiDAR 的 ring / channel 不是等间隔的。 如 §2.4 所述。
4. 点云的原点。 相机的原点不以前面板玻璃为基准（RealSense 是左成像器中心，Ouster 是外壳的基准面）。会造成几 mm 到十几 mm 的系统偏移。
5. 时刻。 在移动体上，即使在 1 帧之内，扫描过程中也在移动（LiDAR 的倾斜畸变，skew）。逐点附带时间戳的传感器，其点云是以利用时间戳进行校正为前提的。
按 用途 → 距离 → 要求精度 → 原理 的顺序决定。倒过来（从型号入手）就会失手。
| 用途 | 距离 | 要求精度 | 原理 |
| --- | --- | --- | --- |
| 在线形状、台阶检测 | 几十 mm | µm | 激光三角测量（线轮廓仪） |
| 料箱拣选、装配 | 0.5 – 2 m | 0.1 – 0.5 mm | 结构光 |
| 对人、器物的大致把握 | 0.5 – 6 m | cm | 主动立体视觉 |
| 移动机器人的自定位、障碍物 | 0.5 – 100 m | cm | LiDAR |
| 户外大范围、地形 | 10 m 以上 | cm | LiDAR ／ 摄影测量 |
判断的核心可以用 1 句话说清 —— 需要 µm 就压缩测量范围（三角测量），需要远距离就采用精度不依赖距离的方式（ToF）。二者不可兼得。
| 传入的值 | 来源 | 使用的 op |
| --- | --- | --- |
| 垂直 FOV、通道数、角分辨率 | §2.4 / §2.5 | lidar_projection 系列（3 op）、range_image 系列（4 op） |
| 基线、焦距、Min-Z、无效带 | §2.1 | two_view 系列（5 op）、plane_sweep_stereo（2 op） |
| 图案周期、相移步数 | §2.2 | structured_light 系列（7 op） |
| 点精度 1σ、平面度 | §2.2 | surface_fit / registration_metrics / metrics |
| flying pixel、边缘缺测 | §3 | depth_denoise 系列（3 op） |
| 点间距（体素要比它粗） | §2.2 的空间分辨率 | tsdf_fusion（3 op）、occupancy（4 op） |
| 反射率对距离、角度的依赖 | §3 末尾 | photometric 系列（4 op） |
• 没有传感器误差模型的 op。 2-D 一侧有 optscene，可以组合镜头、照明、传感器，输出带真值的缺陷图像。3-D 一侧与之对应的 —— 在深度上叠加 依赖 Z² 的噪声／生成无效深度带／长出 flying pixel／ 用多径把内角变圆 —— 连 1 个都没有。若要把合成 3-D 数据用于学习，首先需要的就是这里。
• 没有处理光束角非等间隔的入口（lidar_projection 以等间隔为前提）。
• 没有带时间戳点云（倾斜畸变校正）的词汇。
• 没有再现 iToF 相位折叠的手段。
在现场首先打开的就是这里。症状只要追溯到原理，就一定能得到解释。
| 症状 | 首先怀疑 | 确认方法 |
| --- | --- | --- |
| 只有远处精度不够 | 把三角测量用于远距离（σ_Z ∝ Z²） | 改变距离测量 σ，看是否符合 Z²。如果符合，那就是方式的极限，后处理无法修正 |
| 平面翘曲／尺寸对不上 | 正确度（trueness）方面的问题 —— 校准、温度 | 把已校准的平板放在视场的多个位置拍摄，查看平面拟合残差。比较预热前后（10 分钟） |
| 只有画面一侧出现空洞 | 立体视觉的无效深度带 | 计算宽度是否与 B·f/Z px 一致。一致的话就是原理性缺测，无法填补 |
| 只有黑色零件、发光零件缺失 | 回波光量（ToF 是反射率，结构光是镜面反射） | 用同形状的白色哑光假件重拍。如果恢复，就是材质原因 |
| 内角变圆／边缘有中间距离的点 | ToF 的多径与 flying pixel | 只抽取边缘附近的点，查看距离直方图。点落在双峰之间的谷底 |
| 只有反光胶带的位置偏移 | 距离游走（受光饱和） | 降低曝光或强度后重测。偏移减小的话就是饱和原因 |
| 点云被斜向拖拽 | 扫描中的移动（倾斜畸变）／未使用逐点时间戳 | 静止后重拍。如果恢复，就需要运动补偿 |
| 生成距离图像后出现横纹 | 假设了通道 = 等间隔仰角 | 向传感器查询 beam angles（intrinsic）并重新投影 |
| 中心对得上，只有视场边缘偏移 | 光轴 z 与斜距弄混了 | 在边缘点上查看 z 与 ‖p‖ 之比。若为 cos θ 倍，就是弄混了 |
| 1 帧满是空洞 | 以单帧方式使用了非重复扫描的 LiDAR | 累积数帧，看密度是否上升 |
• Livox Mid-360 Specs — <https://www.livoxtech.com/mid-360/specs>
• Ouster OS1 Rev7 Datasheet (FW 3.1.x) — <https://data.ouster.io/downloads/datasheets/datasheet-rev7-v3p1-os1.pdf>
• Zivid 2+ M130 Technical Specification (1.5 – 7/25) — <https://www.zivid.com/hubfs/User%20guides%20and%20datasheets/Zivid%202+%20M130%20Datasheet.pdf>
• Intel RealSense D400 Series Datasheet, Doc. 337029-017 (Oct 2025) — <https://realsenseai.com/wp-content/uploads/2025/09/Intel-RealSense-D400-Series-Datasheet-October-2025.pdf>
• Keyence LJ-X8000 series — LJ-X8060 — <https://www.keyence.com/products/measure/laser-2d/lj-x8000/models/lj-x8060/>