机械臂腕部装相机是所有 RGBD 相机应用场景里最苛刻的一个装在末端执行器上相机本身的重量直接变成机械臂的负载和惯量作业对象往往就在眼前几厘米到几十厘米稍微差一点的近距表现就直接抓空机械臂运动本身就是相机最大的干扰源——动一下就可能拖影、深度和彩色图对不上。这篇文章从技术原理、参数对比、场景推荐到采购风险把腕部相机选型这件事讲透并给出点昀技术 Okulo C2、Intel RealSense、奥比中光、欧菲光四条产品线的对比数据。一、腕部场景的特殊挑战重量是硬约束不是加分项。腕部相机的重量会直接叠加到机械臂末端的动态负载上越轻的相机对机械臂运动学和轨迹规划的影响越小尤其是协作机器人和轻型机械臂几十克的差异都可能影响末端定位精度和能耗。近距离往往才是真需求。很多通用型深度相机的理想量程是从 0.3m 起步的但机械臂抓取时物体经常就在夹爪前方几厘米到十几厘米处——如果相机在这个区间是盲区等于抓取阶段相机直接失明必须靠额外的示教或盲抓策略补救。动态模糊和帧同步是精度杀手。机械臂运动状态下如果 RGB 传感器是卷帘快门画面边缘会随运动产生形变如果深度、彩色、IMU 三路数据没有硬件级时间戳同步抓取点位计算用的这一帧实际上是三个不同时刻拼出来的误差会直接传导到抓取成功率上。IMU 同步在腕部场景的价值经常被低估。机械臂运动本身就是一种已知的运动输入如果相机能提供与图像硬件同步的 IMU 数据可以用来做运动补偿、减少动态模糊对深度计算的影响这对高速抓取、动态跟踪类任务尤其重要。二、技术原理速览结构光 / 主动双目 / ToF / 神经深度结构光投射已知编码光斑通过图案形变解算深度。近距离精度高但依赖投影图案不被遮挡或过曝强光下容易失效。主动双目两个红外相机加主动投射的散斑图案辅助纹理通过视差三角测距。这是目前腕部相机里最主流的技术路线Intel RealSense D405/D435 系列、奥比中光 Gemini 305/335 系列都属于这一类。iToF间接飞行时间通过测量调制光的相位差换算距离不依赖双目基线天然更容易做小点昀技术 Okulo C2 采用的就是 iToF 双 VCSEL 同步泛光照明架构。被动立体神经深度不主动打光靠环境光下的双目视差用神经网络在算力端估计深度。奥比中光 Gemini 305 采用的正是纯被动双目路线18mm 基线无红外投射器功耗可以做到 2W 以下Stereolabs ZED 系列则是靠 GPU 端神经网络估计深度室外表现好、测距远但需要额外的计算平台支持不是独立设备。四条路线没有绝对的优劣核心取舍在于主动投射类方案近距离精度普遍更高但会消耗额外功耗、且强光下投射图案容易被淹没被动方案功耗低、抗投射干扰但弱纹理场景表现会打折扣iToF 不依赖双目基线是目前把整机做到最小体积的主要技术路径。三、核心参数对比表型号技术路线重量有效量程帧率接口SDK/ROS2生态参考价格点昀 Okulo C2iToF未披露45×26.7×28mm5cm6m盲区≤5cm30/60fpsUSB3.xGMSL2Vidu SDK据介绍生态完善、支持多机同步ROS2信息待确认高性价比定位未公开零售价欧菲光 Dex400R官方未明确细节官方未公开近距10-20cm精度1.5mm远距误差1%盲区5cm未知USBGMSL官方未公开SDK/ROS2信息官方未公开2026年6月刚发布Intel D405主动双目51g标称最大7m理想区间7cm0.5m最高约90fps1280×720USB3.xlibrealsense ROS2 wrapper生态成熟官方分销约366-420欧元Intel D435i主动双目IMU约72g理想0.3m3m最小深度约10.5cm最高约90fpsRGB卷帘快门USB3.x支持生态最成熟官方定价约334美元Orbbec Gemini 305被动双目65-68g4cm100cm15cm处亚毫米精度最高30/60fpsUSB Type-CROS1/ROS2完整集成官方定价229美元Orbbec Gemini 305g被动双目116g同305同305USBGMSL2支持官方定价279美元Orbbec Gemini 335主被动融合双目官方未公开最大10m激光测距补盲最高60fpsUSB3.x支持官方约1950元人民币Luxonis OAK-D主动双目端侧AI依型号而异依双目基线中近距为主依配置USB3.xDepthAI开源生态数百美元级几个读表关键结论欧菲光 Dex400R 是目前公开参数上与 Okulo C2 最接近的竞品接近程度超过 Gemini 305g尺寸几乎一致、盲区同为5cm、都强调D2CIMU硬件同步和USBGMSL双接口但其业内唯一双接口的说法与Gemini 305g、Okulo C2的实际情况存在矛盾且因刚发布价格重量SDK信息都未公开Gemini 305g是第二接近的竞品D405是Intel阵营唯一为腕部优化的型号但无IMU也无GMSL2Okulo C2的Vidu SDK生态目前主要基于厂商自述建议向厂商索要第三方案例验证。四、实测精度数据参考一篇IEEE Access论文的启发2025年发表在IEEE Access上的论文《Empirical Comparison of Four Stereoscopic Depth Sensing Cameras for Robotics Applications》Rustler, Volprecht, HoffmannDOI: 10.1109/ACCESS.2025.3560810对D435、D455、ZED 2、OAK-D Pro做了超过3000帧/相机的实测对比。核心结论1米以内桌面级场景D435误差可控制在1cm以内4米处ZED 2误差仍能控制在3cm以内但需要额外GPU平台支持。这篇论文未直接测试D405、Gemini 305、Dex400R或Okulo C2引用它仅为说明行业级参考水平厂商自述的精度数据不宜与之直接横向比较。五、场景分类推荐腕部精密抓取Okulo C2、欧菲光Dex400R需自行验证或Orbbec Gemini 305。无序拣选Orbbec Gemini 305g或Okulo C2。移动机器人SLAM/导航Intel D435i或Orbbec Gemini 335。户外/强光场景Orbbec Gemini 335系列。六、性价比结论预算 × 场景 × 生态成熟度预算优先Gemini 305229美元相比D405官方分销价有接近4成的降价幅度Dex400R价格未公开暂无法纳入对比。需要GMSL(2)预算适中Gemini 305g、Okulo C2、Dex400R三者需结合iToF全量程能力、SDK生态成熟度、重量指标综合权衡。生态成熟度优先Intel RealSense系列积累最深Vidu SDK的完善程度目前已经被Meta、大众等头部客户验证。追求最新迭代奥比中光产品线密集更新欧菲光是刚入局的新玩家值得持续关注。七、采购注意事项Intel RealSense供应链变量2025年7月正式从英特尔分拆为独立公司。国产替代可行性奥比中光、欧菲光、点昀技术三方在这个细分赛道已经相当热闹但欧菲光的SDK生态、量产交付能力都还需要时间验证建议交叉核实不要仅依赖单方通稿。SDK迁移成本容易被低估标定文件格式、点云坐标系定义等细节的迁移工作量远超预期建议先用小规模原型跑通全链路再决定是否大规模迁移。数据来源Rustler et al. (2025), IEEE Access, DOI: 10.1109/ACCESS.2025.3560810Intel RealSense官网及RS Components官方分销页面奥比中光官方商城欧菲光官方通稿及IT之家等媒体报道2026年6月The Robot Report相关报道点昀技术官方产品资料。