Category: 专业术语

结构光（Structured Light）是一种主动三维感知技术，通过向目标物体投射特定编码的光学图案（如条纹、网格或点阵），并利用摄像头捕捉图案在物体表面的形变，进而通过三角测量原理计算物体的三维形貌。这种技术能够在毫秒级时间内获取高精度的深度信息，其精度可达亚毫米级，且对物体表面材质和光照条件具有较好的鲁棒性。 在自动驾驶领域，结构光常用于近距离高精度场景感知，如自动泊车系统中的车位识别、车内乘员监控等场景。特斯拉等厂商曾尝试将其应用于驾驶员状态监测系统，通过微型结构光模组实时捕捉眼睑、头部姿态等生物特征。值得注意的是，结构光在远距离探测中存在能量衰减问题，因此常与激光雷达、毫米波雷达形成互补。当前研究热点包括抗环境光干扰算法、动态场景下的实时编码优化等方向，相关成果可参考《IEEE Transactions on Pattern Analysis and Machine Intelligence》2022年刊载的《Structured Light for 3D Reconstruction Beyond the Visible Spectrum》一文。

立体视觉（Stereo Vision）是指通过模拟人类双眼视差原理，利用两个或多个摄像头从不同角度采集同一场景的图像，通过计算图像间的差异来重建三维空间信息的技术。这项技术的核心在于对同一物体在不同视角下的像素位置差异（即视差）进行精确测量，从而推算出物体与摄像头之间的深度距离。立体视觉系统通常包括图像采集、相机标定、立体匹配和深度计算四个关键步骤，其优势在于能够直接获取稠密的深度图，且不依赖主动光源，适用于室外复杂光照环境。 在自动驾驶领域，立体视觉系统为车辆提供了实时的三维环境感知能力。通过精确计算前方障碍物的距离和形状，系统可以识别行人、车辆等关键目标，并为路径规划和避障决策提供数据支持。相比单目摄像头，立体视觉无需依赖先验知识就能直接测量距离；相比激光雷达，它在成本和技术成熟度上具有明显优势。当前主流的自动驾驶方案中，立体视觉常与毫米波雷达、超声波传感器等构成多模态感知系统，以提升系统的鲁棒性和安全性。随着深度学习技术的引入，基于神经网络的立体匹配算法显著提升了系统的精度和实时性，使得这项技术在量产车型中的应用前景更加广阔。

单目深度估计（Monocular Depth Estimation）是指仅依靠单个摄像头的二维图像信息，通过计算机视觉算法推断场景中物体与摄像头之间距离的技术。与立体视觉或激光雷达等依赖多传感器或主动发射信号的方式不同，单目深度估计的核心挑战在于从单视角丢失的维度信息中重建三维空间关系，这本质上是一个不适定问题（ill-posed problem）。现代方法通常采用深度学习模型，通过卷积神经网络学习图像特征与深度值之间的复杂映射关系，典型架构包括编码器-解码器结构和注意力机制。 在自动驾驶领域，单目深度估计因其硬件成本低、易于部署的优势，成为辅助感知系统的重要组成部分。它可用于前车距离预警、可行驶区域分割、障碍物初步定位等任务，尤其在L2级辅助驾驶系统中与毫米波雷达形成互补。但需注意的是，其精度受光照条件、纹理缺失等因素影响较大，当前技术路线多采用多任务学习（如联合语义分割）或时序信息融合来提升鲁棒性。特斯拉的「伪激光雷达」（Pseudo-LiDAR）方案便是将单目估计的深度图转换为三维点云后处理的高级应用案例。

光流（Optical Flow）是计算机视觉领域中描述图像序列中像素点运动模式的技术概念，它通过分析相邻帧图像中像素点的位置变化来估算物体在三维空间中的运动方向和速度。从技术原理来看，光流基于亮度恒定假设，即同一物体点在连续帧中的亮度保持不变，通过求解像素在时空维度上的梯度变化建立光流方程（如经典的Lucas-Kanade或Horn-Schunck算法），最终输出每个像素点的二维运动矢量场。这种运动表征不依赖场景的三维几何信息，属于典型的2D运动估计方法。 在自动驾驶领域，光流技术被广泛应用于运动目标检测、碰撞预警、场景流计算等任务。例如通过分析路面特征点的光流场，可以实时估算自车的运动状态；结合深度学习的光流估计网络（如FlowNet、RAFT），能有效提升在复杂光照条件下的运动感知鲁棒性。值得注意的是，现代自动驾驶系统通常会将光流信息与雷达、IMU等多模态数据融合，形成更可靠的环境动态理解能力。对产品经理而言，理解光流技术的优势（如计算效率高）与局限（如对纹理缺失区域敏感），有助于在传感器选型与算法架构设计中做出更合理的决策。