3D ToF + AI 工业价值闭环

1. 核心定位

3D ToF 不只是输出深度图。其工业价值来自“深度、强度/幅度、置信度、时间和标定关系”共同构成的空间观测，并通过 AI 检测、3D 定位、行为理解、风险决策和事件运营形成闭环。

2. 数据到价值的完整链路

flowchart TB
    A["3D ToF / 立体安全传感器"] --> A1["Depth Map"]
    A --> A2["IR / Amplitude Image"]
    A --> A3["Confidence Map"]
    A --> A4["Timestamp / Calibration"]

    B["RGB Camera<br/>可选"] --> B1["RGB Image"]

    A1 --> C["Depth Preprocess<br/>滤波·补洞·飞点抑制"]
    A2 --> D["Image Preprocess<br/>去噪·增强·畸变校正"]
    A3 --> C
    A4 --> E
    B1 --> D

    C --> E["RGB-D / IR-D Alignment<br/>时空配准"]
    D --> E

    E --> F["AI Perception Engine"]
    F --> F1["Person / Object Detection"]
    F --> F2["Instance Segmentation"]
    F --> F3["Pose / Skeleton"]
    F --> F4["Tracking / Re-ID"]

    F1 --> G["3D Localization"]
    F2 --> G
    F3 --> G
    F4 --> G

    G --> H["Spatial Understanding"]
    H --> H1["距离·高度·体积"]
    H --> H2["区域占用·电子围栏"]
    H --> H3["轨迹·速度·方向"]
    H --> H4["人车机空间关系"]

    H1 --> I["Risk & Process Intelligence"]
    H2 --> I
    H3 --> I
    H4 --> I

    I --> J1["安全告警与联动"]
    I --> J2["质量检测与测量"]
    I --> J3["物流与节拍优化"]
    I --> J4["事件回溯与运营分析"]

    J1 --> K["数据闭环<br/>模型·规则·工艺持续优化"]
    J2 --> K
    J3 --> K
    J4 --> K
    K --> F

3. 关键数据产品

层级	数据产品	工业用途
原始观测	Depth、IR/Amplitude、Confidence	测距、反射特性、有效性判断
几何产品	点云、法向量、地面、包围体、体积	定位、测量、占用分析
语义产品	人员、物体、姿态、实例掩码	目标识别、行为分析
时序产品	Track、速度、加速度、轨迹预测	冲突预测、节拍分析
空间产品	Zone Occupancy、Relation Graph	电子围栏、人车机关系
风险产品	Risk Event、TTC、Severity	告警、降速、暂停、联锁请求
运营产品	回放、趋势、热力图、KPI	根因分析和持续优化

4. 3D ToF 的工程优势

不依赖单目尺度估计，能够直接获得空间距离。
在纹理不足的工业场景中仍可提供几何信息。
可通过 Confidence Map 过滤低质量区域。
能够支撑高度、体积、距离、占用和包络体计算。
与目标检测、分割和跟踪结合后，可把二维识别升级为三维安全判断。

5. 工业难点

多径与反射

金属、玻璃、黑色材料、镜面和狭窄结构可能造成多径、饱和或低信噪比。应组合幅度、置信度、邻域一致性和场景掩码进行过滤。

遮挡与盲区

单点位不能保证完整覆盖。应通过多传感器视场设计、区域冗余、遮挡检测和设备状态融合降低风险。

时间一致性

深度帧、AI 推理、AGV/Robot 状态和 PLC 信号必须在统一时间基准上融合，否则会出现“空间正确、时间错误”。

标定与漂移

外参变化会直接影响空间关系。应提供标定版本、在线校验、漂移告警和维护流程。

6. 价值闭环指标

感知指标

深度有效率。
深度噪声与系统误差。
AI 检出率、漏检率、误检率。
3D 定位误差。
跟踪稳定性和 ID 切换率。

系统指标

端到端延迟。
时间同步偏差。
设备在线率。
告警到控制响应时间。
事件证据完整率。

业务指标

高风险事件减少率。
非计划停线减少。
人工巡检工作量降低。
根因分析时间缩短。
安全策略优化周期缩短。

7. 推荐落地顺序

选择一个边界清晰、风险高、可量化的区域。
完成点位、视场、遮挡、网络和时间同步设计。
建立深度质量基线与场景标定基线。
先输出记录和告警，再逐步接入降速/暂停。
建立事件回放与误报漏报复盘机制。
经风险评估和验证后，才扩展到高等级控制闭环。

8. 与 Safety OS 的关系

3D ToF + AI 是 Safety OS 的关键感知与空间计算能力之一，但完整系统还需要：

AGV、Robot、PLC 和工艺状态接入；
规则与状态机；
Safety Supervisor；
控制命令网关；
事件审计和运行监控；
功能安全、网络安全和 AI 治理体系。

项目入口：Safety OS