摘要立体视觉传感器的深度质量不能用单一数字衡量。实际工程中深度精度Depth Accuracy、空间精度Spatial Precision、时间精度Temporal Precision三个维度分别描述了准不准、“平不平”、抖不抖三个独立问题。本文从误差类型、物理含义、典型指标、改善手段四个角度逐一拆解并给出不同应用场景避障、三维重建、SLAM、抓取下的指标选型建议。一、三大指标概览在评估一个深度传感器时Accuracy 和 Precision 经常被混用。实际上二者描述的是完全不同的误差维度再加上时间域的稳定性构成了深度质量的三根支柱指标核心问题误差类型一句话定义Depth Accuracy准不准系统误差Bias测量值与真实值的偏差Spatial Precision平不平随机误差Noise同一帧内相邻像素的深度一致性Temporal Precision抖不抖时间抖动Jitter同一像素在连续帧间的深度波动经典靶心类比可以直观理解 Accuracy 和 Precision 的区别图 1Accuracy vs Precision 靶心类比。重点看四个靶面中弹孔的位置Accuracy和分散程度Precision的独立变化。来源重绘自 design skill这个类比说明Accuracy 是平均命中位置与靶心的距离Precision 是弹孔之间的分散程度。二者独立变化不能互相替代。二、深度精度 Depth Accuracy2.1 定义与物理含义深度精度衡量的是传感器输出的深度值dmeasd_{meas}dmeas​与真实深度dgtd_{gt}dgt​之间的系统性偏差Accuracy Errordmeas−dgt \text{Accuracy Error} d_{meas} - d_{gt}Accuracy Errordmeas​−dgt​这个误差反映的是Bias即传感器在特定距离上是否存在固定的偏移。比如真实距离 2.00m传感器输出 2.03m深度精度误差就是 3cm。2.2 典型指标规格解读≤±1%\leq \pm 1\%≤±1% 2m2m 处偏差不超过±2cm\pm 2\text{cm}±2cm≤±2%\leq \pm 2\%≤±2% 4m4m 处偏差不超过±8cm\pm 8\text{cm}±8cm注意百分比固定时绝对误差随距离线性增长。这是立体视觉的固有特性深度分辨率与距离的平方成反比σd∝d2f⋅B \sigma_d \propto \frac{d^2}{f \cdot B}σd​∝f⋅Bd2​其中fff为焦距BBB为基线长度。基线越长、焦距越大远距离精度退化越慢。2.3 改善手段出厂标定消除镜头畸变和基线安装误差温度补偿热膨胀导致基线和焦距漂移多频校准在不同距离上做多点标定拟合系统误差曲线飞行时间融合近距用立体视觉远距用 ToF 补偿三、空间精度 Spatial Precision3.1 定义与物理含义空间精度衡量的是同一帧内相邻像素深度值的相对一致性。对准一面平墙拍一帧理想情况下所有像素深度相同空间精度差则表现为墙面凹凸不平。这个指标反映的是**随机噪声Noise**在空间域上的分布与系统偏差无关。即使 Accuracy 很差整面墙都偏了 5cm只要墙面平整Spatial Precision 仍然可以很高。3.2 典型指标规格解读≤0.8%\leq 0.8\%≤0.8% 2m2m 处相邻像素深度波动≤±1.6cm\leq \pm 1.6\text{cm}≤±1.6cm≤1.6%\leq 1.6\%≤1.6% 4m4m 处波动≤±6.4cm\leq \pm 6.4\text{cm}≤±6.4cm3.3 影响与改善空间精度差会直接导致点云表面出现噪点三维重建质量下降物体边缘锯齿化深度不连续区域depth discontinuity扩散填充hole filling引入伪影改善手段空间滤波双边滤波bilateral filter保边去噪多帧融合时域累积降低空间噪声方差σ∝1/N\sigma \propto 1/\sqrt{N}σ∝1/N​提高信噪比增大曝光时间、使用结构光辅助纹理四、时间精度 Temporal Precision4.1 定义与物理含义时间精度衡量的是同一像素在连续多帧之间深度值的波动。相机和场景都静止时理想深度值不应变化时间精度差表现为深度图闪烁。4.2 典型指标规格解读≤0.4%\leq 0.4\%≤0.4% 2m2m 处帧间深度波动≤±0.8cm\leq \pm 0.8\text{cm}≤±0.8cm时间精度差会导致点云帧间跳动视觉效果差SLAM/VIO 中深度观测噪声增大位姿估计抖动跟踪算法因深度突变丢失目标4.3 改善手段时域滤波IIR 低通滤波器平滑帧间波动运动补偿区分真实运动与噪声引起的深度变化硬件层面降低传感器读出噪声提高帧率后做时域平均五、三大指标对比总结图 2深度质量三大指标体系架构。从传感器输出出发沿三条路径蓝/绿/橙分别评估 Accuracy、Spatial Precision、Temporal Precision每条路径对应不同的改善手段和应用场景。来源重绘自 design skill深度传感器输出评估维度Depth Accuracy准不准BiasSpatial Precision平不平NoiseTemporal Precision抖不抖Jitter避障/定高三维重建/建模SLAM/视觉定位维度Depth AccuracySpatial PrecisionTemporal Precision核心问题离真实值多远帧内相邻点是否一致帧间同一点是否稳定误差本质系统误差 Bias随机噪声 Noise时间抖动 Jitter类比靶心偏了多远弹孔分布多集中连续射击多稳定数学描述E[dmeas]−dgt\mathbb{E}[d_{meas}] - d_{gt}E[dmeas​]−dgt​Var(dmeas)\text{Var}(d_{meas})Var(dmeas​)帧内Var(dmeas)\text{Var}(d_{meas})Var(dmeas​)帧间改善核心标定 温补空间滤波 SNR时域滤波 帧率最敏感场景避障、定高三维重建、表面检测SLAM、目标跟踪六、应用场景选型指南不同任务对三个指标的优先级完全不同应用场景最关注指标原因可容忍的短板避障/定高Depth Accuracy需要判断绝对距离是否安全Spatial/Temporal 可较差三维重建/建模Spatial Precision需要表面平滑、无噪点Accuracy 可靠后处理修正SLAM/视觉定位Temporal Precision帧间深度稳定才能保证位姿估计连续绝对精度可靠尺度因子修正机械臂抓取三者均衡位置要准、形状要清、运动中不跳变无明显可容忍短板关键洞察避障场景可以用低空间精度的传感器因为只关心最近障碍物距离但 SLAM 场景即使 Accuracy 一般也能工作尺度因子可在线估计真正致命的是 Temporal Precision 差导致的位姿跳变。小结三个指标的本质区别可以用一句话概括Accuracy 是与真值的偏差Spatial Precision 是帧内噪声Temporal Precision 是帧间抖动。工程选型时的核心判断先明确你的场景最不能容忍哪种误差再按优先级选传感器。追求三项全优意味着成本翻倍而多数场景只需一项突出即可。对于立体视觉传感器≤±1%\leq \pm 1\%≤±1% 2m 的 Accuracy、≤0.8%\leq 0.8\%≤0.8% 2m 的 Spatial Precision、≤0.4%\leq 0.4\%≤0.4% 2m 的 Temporal Precision 属于中上水平。如果你的场景以 1-3m 近距操作为主这个精度等级足够支撑大多数机器人应用。