企业官网建设流程全解析

简介：选择深度相机时，我们常被一长串"分辨率"参数弄得眼花缭乱。但这里的"分辨率"和普通相机的像素并不是一回事。本文拆开"图像分辨率"与"深度分辨率"两层概念，讲清楚各自的物理含义、决定因素与适用场景，帮助你在机械臂、AGV 等视觉方案的选型中少踩坑。

阅读收获：

• 理解深度相机两类"分辨率"的本质区别；
• 弄清 z 向精度为什么不由像素决定；
• 掌握依据工程需求挑选深度相机的判断主线。

一、两个"分辨率"不是同一件事

打开任何一款深度相机或 TOF、结构光、双目方案的规格书，几乎都能看到"分辨率"这个字眼。很多时候，工程师的第一直觉是把分辨率直接等同于像素数量——1080P 就是比 720P 清晰，2000 万像素一定好于 500 万像素。在老式的 RGB 相机世界里，这个直觉基本成立，因为图像分辨率确实就是传感器能拍出的像素格子数量。

但深度相机是一个复合设备。在它内部至少运行着两条并行的数据通路：一条负责采集颜色与纹理，输出的就是我们熟悉的二维图像；另一条负责测量三维空间的距离关系，输出的是一张逐点携带三维坐标信息的点云。这两条通路各有各的"分辨率"，却共用同一个"sensor"和同一个外壳，于是很容易被一个笼统的"分辨率"参数混为一谈。

理解了这一点，就抓住了核心前提：深度相机里的"分辨率"必须拆成两个维度来看。一个是面向二维图像的图像分辨率，另一个是面向三维测距的深度分辨率。二者名称相近、机制不同、用途各异。

二、图像分辨率：只管颜色与纹理

先说图像分辨率。它的含义最接近我们习惯的认知：指的是成像传感器（sensor）上像素格子的总数，通常用宽乘高来表示，例如 1280×720 或 1920×1080。这个数字直接决定了二维画面里细节的疏密——格数越多，画面上能分辨的细小目标越清楚，边缘轮廓越锐利。

但需要清醒的是，图像分辨率服务于的是"图像"本身。它决定的是我们能不能看清一块面板上的文字、能不能分辨两个临近的颜色块、能不能在屏幕或显示器上得到足够清晰的画面。在无人场景里，它通常扮演的是提供环境颜色、纹理与语义信息的角色，比如识别物体上的标签、判断表面脏污、辅助目标分类等。

换句话说，图像分辨率更高，意味着"画面更清楚"，它的直接受益者是视觉识别的部分，而与"这台机器测量距离准不准"没有直接的因果关系。像素再多，也只服务于把二维世界拍清楚这件事。

三、深度分辨率：真正的三维测距能力

相比之下，深度分辨率是一个工程分量更重的概念。它并不简单地等价于"有多少个点"，而是由两个部分共同刻画：其一是 z 向（也就是深度方向，垂直于观察平面的那一维）的测量精度；其二是输出点云的点数密度。

z 向精度通常也被称作深度精度，它回答的问题是：对于空间里某个真实物体表面，深度相机测出来的距离和真实距离之间误差有多大。在需要机械操作的场景里，这正是决定成败的核心指标——一个需要毫米级把控的抓取、定位动作，如果深度误差偏大，机械臂带着错误的空间判断去动作，结果往往要么抓空、要么撞上。也正因如此，在选型术语里经常会出现"毫米级 z 精度"这样的表述，它强调的是一种对空间距离逼近真实的能力，是我们判断这类相机重心时应有的概念性标尺。

点云点数密度则刻画空间被采样得有多"密"。三维世界里，目标表面不是一个个孤立的像素，而是连续的面。点数越密，意味着对物体表面形状的描述越完整，越能还原出真实的轮廓、转角与平面起伏；点数稀疏，则可能在曲面或细小结构处出现空洞与失真。在很多应用中，点数密度直接关系到下游算法的效果。

需要强调的是，"像素多"和"深度细"并不划等号。图像像素再多，也只是二维平面的疏密；而三维点云里是否有足够细致的点位，取决于深度引擎的采样与输出方式，二者并不同步。

四、z 精度由什么决定？

既然像素不决定深度精度，那真正的决定因素是什么？答案是整条三维测量链路的综合能力，而非某一个像素级参数。

以最常见的立体测距原理为例，其空间测量基本遵循三角几何的逻辑。影响其结果的主要包括几个环节：基线的长短决定了两个观察位置之间的几何拉开程度，基线越合理，对远处深度的区分就越敏感；量程则划定了设备能够有效测距的范围，超出量程后的测量可靠性会显著下降；标定质量决定了几何关系校准的准确性，标定若不到位，再精密的硬件也拿不出可信数据；而立体硬件的器件与算法配合，直接决定了同一位置能否稳定解算出可靠的深度值。

把这些环节串起来就不难看出：深度精度实际是"基线、量程、标定与立体硬件"共同作用的结果，是一个系统性的工程能力，而不是一张彩色图像像素格子所能承载的信息。甚至可以说，图像分辨率越高，往往越偏重于消费级成像的体验优化；而深度能力的强项，藏在那些服务于工业与人机协作场景的结构设计与标定工艺里。

五、选型先问需求：机械臂与 AGV 的答案不同

正因为两类分辨率含义各异，选型时的第一原则就是"先问需求，再看参数"。同样是分辨率相关的数字，在不同场景里分量完全不同，盲目以像素高低做决定，往往正是踩坑的开始。

如果你面对的是机械臂类的精密作业场景——定位抓取、装配对位、空间避障，那么最应当被盯住的是 z 向的深度精度。这类任务对空间判断误差极度敏感，一个毫米级的判断失误都可能造成不可逆的后果。因此选型的判断主线是：设备能否在目标工作距离上提供足够可信、足够稳定的毫米级 z 精度，同时能否在自身的操作尺度内维持足够的空间采样密度，让算法拿到"看不漏、测得准"的三维输入。

而如果你的系统是移动类的 AGV、巡检机器人或自动导航平台，判断重心就要相应调整。它们的动作尺度更大、对环境的感知更偏向全局与宏观，此时更值得关注的是深度相机的量程能否覆盖工作现场的探测距离，以及点云密度能否满足环境建图、避障判断的需求。量程不足会让远距离目标几乎无从谈起，点云过于稀疏又会在重复迭代的地图构建中拖低稳定性。从这个角度看，AGV 场景中量程与点云密度的权重，往往高于对 z 精度的极致追求。

说到底，选型没有放之四海而皆准的"最优像素"或"最高精度"，只有适合当前任务的那一台。把两类分辨率放在需求的天平上称量，是少走弯路的前提。

结语

分辨率的歧义，根源在于把二维成像的直觉错搬到了三维测量之上。图像分辨率替我们拍清颜色与纹理，深度分辨率才真正回答"测得多准、测得够不够密"。抓住"z 向精度 + 点云密度"这条主线，把像素这个概念从三维选型的核心位置上让开，你就能更从容地判断一款深度相机到底适合站在你的哪类桌面上。下一次再看到一串亮眼的"分辨率"数字时，不妨先问一句：它说的是画面，还是空间？

备选标题

• 深度分辨率不等于像素，测距精度才是关键
• 别再被"P"骗了：深度相机的分辨率要这样看
• 谈深度相机必知：像素背后，决定测距精度的是什么