深度相机的分辨率，到底该看像素还是看深度？-北京尧图网络

选深度相机最易踩的坑就是把规格表上的像素数当成测得准的证据。一提分辨率直觉是像素格MP但深度相机须把分辨率拆两层一层管颜色纹理的图像分辨率一层管三维测距的深度分辨率。两者都由同一 sensor 出片量变与质量是两回事——哪怕标了 2MP RGB 2MP IR只要 z 精度不够机械臂照样抓不稳。本文先钉死两概念再拆基线、视差、量程、标定如何传导到 z 精度讲点云为何与像素不同步最后落到按场景的选型清单。阅读收获分清图像分辨率与深度分辨率看懂 z 误差由基线/视差/量程/标定决定、点云点数为何不等于像素数拿到机械臂要毫米级 z、AGV 看重量程与密度的选型框架。适用人群机器人、嵌入式视觉、机械臂与移动平台的算法硬件工程师及深度相机选型集成人员。目录一、先分清图像分辨率只管颜色深度分辨率才管距离二、z 精度怎么来基线、视差、量程、标定的传导链三、深度值怎么表示units、depth scale 与深度的位宽四、点云重采样点数为何不随像素同步五、选型清单按场景需求挑指标不按像素数挑参考资料一、先分清图像分辨率只管颜色深度分辨率才管距离1.1 图像分辨率是第一层也是最容易被误读的一层图像分辨率指向sensor 的像素格数横纵多少格写成 W×H 或百万像素MP。它只决定颜色纹理精细度。工程误判正出在这里把 RGB高清误以为测得很细产线却分辨不出表面起伏——其实混了两个物理量。1.2 深度分辨率是第二层也是真正给你买的那层深度分辨率回答的不是画面有多少格而是这台相机对三维空间说得有多细由两部分构成z 向精度光轴方向深度值能分辨多小起伏业界用毫米级概括近中距、良好工况下的概念水平点数密度同一视野内 3D 点铺得多稠决定小结构存不存在、多大、形状对不对。一句话即是深度分辨率是三维测距能力图像分辨率只是二维取景能力。图可见同一画面上颜色层的栅格与测距点云并不一一对应——前者平滑而密后者在轮廓、边缘与深度突变处更可读。分清两层读误差分析才不绕进词义陷阱。1.3 两条名词回路的边界概念度量对象单位习惯典型误区图像分辨率sensor 像素格列×行 / MP把它当测距精细度深度分辨率三维测距能力mm 级 z-accuracy、点数密度以为像素够点就够点云点数深度引擎输出每帧 N 个 3D 点以为像素数二、z 精度怎么来基线、视差、量程、标定的传导链要理解像素高为何深度不一定细得深入测距原理看z 误差从哪产生、又被谁放大。双目含主动双目最直观其误差模型能写成式子。2.1 视差→深度一个反比放大器立体测距基本关系是三角化视差→深度depth f·B/df 焦距、B 基线、d 视差含像素意。求偏导得ΔZ ≈ Z²/(f·B)·Δd说明误差随距离平方(Z²)增长离得越远 z 分得越粗。2.2 基线决定尺度放大器也决定近场/机身约束视差匹配只能测到一定小数位基线越长同一位视差换算到深度变化越细故近中距 z 精度越好但受机身约束短基线难测远处细变化正是难出毫米级 z 的根源。基线长则视差大近距同名点更快越出匹配范围所以近场可靠距离与远处 z 精度互成跷跷板。2.3 量程为什么越远越糊误差按 Z² 涨故同一颗 sensor 放得越远、z 误差放大越狠量程标称是多大的最远距离内仍满足某 z 精度而非能测多深。测距能力强 ≠ 远距离 z 分辨率够判遮挡远的粗点够用判毫米级几何形状得把目标压进量程甜区。2.4 标定把系统性误差喂进式子误差式当真的前提是标定已收敛左右内参、畸变、相对外参一项偏坐标误差就会以倍数污染深度表现为一侧系统偏深“边缘 z 漂移”“温漂后失准”。温度、运输磕碰都使出厂标定漂移故需在线自检与重标定机制。2.5 小结z 精度是原理型量不是像素型量串起四环z 精度 ≈ 基线(放大倍率)×量程(Z²)×标定(系统偏差)×硬件(IR)。图像像素只给视差匹配提供格子z 精度却被无关像素高低的放大倍率、距离平方与标定主导——这就是像素再高、深度未必细的根本原因。三、深度值怎么表示units、depth scale 与深度的位宽落到代码工程师先碰到一个具体物深度值是整数编码由 depth scale 还原而非直接给浮点米数。不搞清换算前面精度讨论都白搭——位宽截断本身就是 z-accuracy 底噪。深度流每样本输出若干位、以 scale 为单位的原始计数depth_raw sample * scaledepth scale小数步进如每单位 0.25/0.5/1.0 毫米级语义单点 z 只能落到 grid 上取整噪声即 scale 量级样本位宽/上限超量程部分要么溢出、要么标无效是量程的又一层编码约束。忽略这换算常导致刻度取错整体偏移、粗 scale 抹平小需求、量程上限截掉远处点把 sample 与 scale 一起读、按 int 溢出判错更稳。且 scale 量化只是 z-accuracy 下限之一真实误差还叠加基线与视差的放大项所以更小的 scale 救不回基线不足的 sensor——那只是把误差硬塞进更细的格子。四、点云重采样点数为何不随像素同步很多人想当然sensor 是 2MP点云是不是就 2M 个点不。点云点数是深度引擎输出的结果是重采样后的 3D 集合与像素格并不逐一同步。一个深度点要被算出前提是该像素找到可信对应。像素能数到几百万格成对的点却受纹理、光照、遮挡与噪声影响——玻璃后、高反高光处的点低置信常被引擎弃掉故点数理论格子数是常见现实。引擎还会做多层重采样置信度滤除丢低置信点空洞/平滑对失败、稀疏像素插值补表面下采样/抽稀在高 FPS、带宽受限时按需降点数出流。于是同一 sensor、同一分辨率帧率、距离、带宽一变输出点数就跳点数密度是随实时工况滑动的量不是像素的副产品。估这台相机能看清多小的结构要盯密度与 z 精度而非 RGB 像素。五、选型清单按场景需求挑指标不按像素数挑落回工程就一个问题这颗深度相机配我的工况够不够先把RGB 多少万像素挪出最高优先级再问工况要什么精度维度。5.1 先给三个典型工况起锚点机械臂 / 抓取定位要毫米级 z 精度。关注该指标成立的距离甜区、FOV 是否包裹抓取点、基线/量程是否压住甜区像素只影响纹理识别不决定抓不抓得住。AGV / 移动避障更看量程与点云密度——远的粗点判有无、近的要够密。工程测量 / 空间重建z 精度与密度都要额外考核标定稳定性、温漂与几何一致性按对象尺度压量程。5.2 一张选型核对清单核对维关键问法常被只看像素埋掉的坑量程甜区在工作的最远 Z 上 z 误差还满足吗把最远能测当最远测得准基线该距离下基线给够放大倍率了吗只看像素忘了 B 的物理上限标定状态温漂/运输后内参还准吗有自检吗出厂后永久当已标定depth scalez 步进适配我的毫米级需求吗盲信小 scale 能救基线不足点云密度目标尺度处点数够看出小结构吗把 2MP 像素当 2M 点重采样策略动目标/低纹理处会掉点、抽稀过度吗静止测试不暴露动态掉点带宽/算力高密度高 FPS 下被接口卡住了吗桌面数图好看整机一跑就卡5.3 三点落地提醒分场景分开验收精度轴和密度轴机械臂用 z 精度验收AGV 用包络内每处有/无点的稠密覆盖验收混着验就分不清是哪层不到位。在同一量程温度下比价若 z 指标没写清在哪个距离、什么工况成立就无法横向比——先归一化量程再看是否输在你要的甜区。把失效列为需求项谁都有玻璃、反光、黑物、直射光的坏点段关键看这些点段会不会被当成错误深度、如何导向安全。参考资料立体视觉/双目测距基础depth f·B/d 视差-深度关系与误差随距离平方放大的推导。深度编码与 depth scale 换算、点云重采样/置信度处理的工程资料。主流深度相机规范的 sensor、depth scale 与 z-accuracy 标称口径说明。给运营的备选标题深度分辨率 ≠ 图像分辨率你买的像素可能根本不测距离像素再高深度也不会更细深度相机 z 精度由什么决定机械臂要 z 精度AGV 看量程密度深度相机选型别只看像素

深度相机的分辨率，到底该看像素还是看深度？

相关推荐

新版CISM核心变革：从“管理思维”到“架构融合”

从零开始学Linux（十一）

Archify 开源项目深度解析：从代码到架构图，一键生成可视化文档

更多资讯

reverse-skill：反向拆解已有能力的方法论与实操指南

家庭清洁清单的分区与交接记录

OpenAI与微软的算力博弈：云计算市场新格局

漏洞挖掘实战：从扫描器依赖到攻击面建模

paperclip 实战：Node.js + React 构建 AI agent 可观测面板

链表反转：程序员必会的基础算法与工程实践

今日更新

淘宝商品详情API开发实战与性能优化指南

Unity Package Manager刷新错误排查与解决方案

Java record 规范构造器能否被反序列化或反射绕过

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？