H13 | 视觉感知与深度相机：从2D到深度的视觉革命

1. 引言：视觉是人形机器人最重要的感知模态

在人类感知中，视觉承担了约80%的信息输入。对人形机器人而言，视觉同样是最重要、信息量最大的感知模态——它告诉机器人"哪里有障碍、目标在哪、地形如何、物体形态"。从导航避障到目标抓取，从人脸识别到场景理解，视觉几乎贯穿人形机器人的所有智能行为。

与工业机器人不同，人形机器人的视觉系统面临非结构化、动态、全向的挑战。工业相机固定在工位上方，环境光照可控、目标位置已知；而人形机器人在户外行走时，相机随头部晃动，光照从烈日到阴影剧烈变化，目标从近处物体到远处地形跨度极大。这要求人形机器人的视觉系统具备高动态范围、宽视场、深度感知、低延迟的综合能力。

近年来，深度相机(RGB-D)的成熟彻底改变了机器人视觉。从最早的PrimeSense结构光，到Intel RealSense系列，再到iPhone搭载的dToF，深度相机让人形机器人不仅能"看到"，更能"测距"。配合事件相机、多目立体等新型视觉传感器，人形机器人正在获得超越人类的视觉能力。本章将系统解析从2D到3D、从被动到主动、从帧到事件的视觉感知全谱系技术。