空间滤波器如何提升ToF相机深度质量？三类核心算法解析

事件概述

ToF相机通过测量近红外光的相位偏移生成深度图，但原始数据受传感器噪声、表面反射率和环境光影响，常出现抖动、边缘模糊或点云伪影。空间滤波器通过处理局部像素邻域来抑制噪声，是提升深度质量的关键技术。

核心信息

空间滤波的工作原理

单个像素的测量值通常不稳定，尤其在低反射率表面或强环境干扰下。空间滤波通过定义核函数（kernel）对中心像素周围邻域进行加权处理，核函数决定了邻域像素对输出值的影响程度。最终输出一个噪点减少、结构信息保留的深度图。

三种主流空间滤波器

1. 高斯滤波器

使用径向对称的高斯分布作为权重函数，越靠近中心像素权重越大。常用3×3或5×5核。该滤波器可应用于相位图或直接作用于深度图，通过加权求和并归一化生成平滑结果。优点：整体点云平滑，适合物体尺寸测量。缺点：会模糊边缘对比度。

2. 双边滤波器

在高斯滤波基础上引入幅度差异（通常基于ToF相机的幅度图），对空间位置相近但深度差异大的像素给予较低权重，从而在平滑噪声的同时保留结构边缘。实现中利用幅度值判断像素是否属于同一表面。这是目前兼顾噪声抑制和边缘保真的常用方案。

3. 空间中值滤波器

取邻域内所有像素深度值的中位数作为输出值，而非加权平均。因此输出值始终对应一个实际测量值，能有效消除孤立噪声点（如反射伪影、传感器异常值），抑制椒盐噪声。计算量介于高斯滤波和双边滤波之间，边缘保持优于高斯滤波。

在ToF相机中的实际收益

• 减少帧间抖动：抑制相邻像素随机波动，使点云序列更稳定，降低静态环境中的测量漂移。
• 改善表面连续性：对大平面或弧形结构进行平滑，消除碎片化伪影，提升尺寸测量和工业检测的准确性。
• 保持边界清晰：特别是双边滤波，可确保物体与背景间的锐利边缘，对目标检测、尺寸测量等场景至关重要。

值得关注

e-con Systems 在其最新DepthVista-Helix 3D相机中集成了双边滤波，在保持高精度的同时实现清晰结构边缘。