‘壹’ 屏幕指纹和3D结构光相比，哪个成本比较高呢
而目前来看的话，屏下指纹主要分为超声波屏下指纹以及光学屏下指纹。相比来说光学屏下指纹确实在成本上能够更低一些，而且技术难度也不是特别难，相比于超声波指纹来说明下，指纹识别技术应该是最便宜的。
超声波指纹识别相比于屏下指纹来说，技术难度确实提升了。我们知道，光敏屏下指纹其实是在屏幕底下利用OLED屏幕的透光性，然后有一颗镜头拍摄到手机的纹理，在于储存的信息进行对比。
而超声波屏下指纹显然就要复杂一些。它是利用传感器主动发出超声波，穿透屏幕及玻璃达到人体皮肤，然后接收反射回来的信号，利用指纹表面与空气密度的不同从而构建出3D指纹图像，与指纹信息做比对！
那么超声波指纹也就解决了很多难题，比如说湿手解锁等等一些问题，综合来说的话，无论是安全性还是技术难度相比于你屏下指纹都要高很多。
不过综合来说的话，三d结构光技术才是难度最大的，首先三d结构光涉及到多个元器件，嗯，通俗来说的话也就是通过伞般投射仪将，不可见光线投射到人脸上，然后绘制出三d人脸的模型与之前录入的模型进行对比。
不过说起来这么简单，但三d结构光技术的难度确实太大了，相比于屏下指纹以及超声波指纹识别来说，技术难度确实提升了太多目前国内的厂商也不过几家拥有这种技术。
3D结构光解锁相比屏幕指纹（超声波屏下指纹、光学屏下指纹）成本要高很多，安全性也要高一些。目前，在3D结构光方面，苹果和华为做的是最好的，下文具体说一说。
3D结构光
3D结构光的基本原理是通过近红外激光发射器发射具有一定结构特征的光纤，投射到被拍摄物体，由专门的红外摄像头采集成像。3D结构光采集的图像具有深度信息，便获得了被拍摄物体的三维结构，由于采用了红外线，因此在黑暗环境中也能顺利解锁。
采用3D结构光技术的手机，大多数使用了刘海屏屏幕，用于安装3D结构光解锁必备的硬件。
光学屏下指纹
光学屏下指纹在生活中最常见，比如我们上下班打卡的打卡机就采用了光学指纹识别技术，主要依靠光纤反射来探测指纹回路，实现指纹识别。
手机采用的光学屏下指纹，大多是通过OLED屏幕实现，OLED屏幕具有自发光的特点，借助手机屏幕的光作为光源。由于OLED屏幕像素之间有一定的间隔，能够保证光学透过。手指按下屏幕时，OLED屏幕发出光线将手指区域照亮，照亮指纹的反射光透过屏幕像素缝隙放回到屏下的传感器，实现屏下指纹识别。
超声波式屏下指纹解锁
超声波式屏下指纹解锁基于超声波技术，而不是光源。通过传感器向手指表面发射超声波，并且接受回波。利用指纹表面皮肤和空间之间密度不同构建出一个3D图像，达到屏下指纹识别的目的。
超声波屏下指纹解锁具有较强的穿透性，抗污渍能力较高，即便是屏幕是湿的，仍然能够实现完美解锁（光学屏下指纹无法实现）。由于识别的3D指纹图像，安全性相比光学屏下指纹解锁要高很多。
总之，3种解锁技术，指纹式屏下指纹解锁的安全性、易用性要高于光学屏下指纹解锁，3D结构光解锁的安全性和易用性高于指纹解锁，但是3D结构光由于技术原因，只能通过“刘海屏”实现，随着技术的发展，将来可能实现“隐藏”。
肯定3D结构光要贵非常多，其实很好做对比，就拿小米8类比，小米8标准版2699元，小米8屏幕指纹版2999元，就是需要一个屏幕指纹模组，300元的差价！而且去年屏幕指纹版还没有普及，今年成本会更低，3D结构光也可以类比，透明 探索 版8 128GB 3699元，除去6GB到8GB的300元差价，3D结构光也就值400元左右！
但是，我们要清楚，3D结构光的技术难度要高很多，不是谁都能做出来的，目前除了苹果，只有华为mate20pro、oppo findx、小米8透明 探索 版支持，其他机型全部不支持！而屏幕指纹识别已经成为今年旗舰机的标配！所以，今年华为p30pro的价格肯定是偏高的，取消了mate20pro的3D结构光和2k屏幕，成本要降不少！
毋庸置疑，肯定是3D结构光的成本更高，屏幕指纹现在很多厂商的手机都在使用。而3D结构光，目前投入市场的手机使用这种技术的只有OPPO Find X、小米8 探索 版、华为Mate 20 Pro、iPhone XS。
3D结构光，这种技术通过光学来获取到被拍摄的物体三维结构，进而对获取的信息进行建模化以及深度化的分析与应用。好比如：某些智能手机的人脸解锁，就是采用了3D结构光。而这一技术比目前智能手机上2D的人脸解锁更安全，并且人脸解锁的失误率为百万分之一，其次这项技术的技术门槛也很高。
目前掌握3D结构光的核心技术手机厂商国际上只有华为公司和苹果公司，其他智能手机厂商采用的3D结构光模组都是通过高通公司等厂商联合一起开发的3D人脸识别模块。而且目前3D结构光模组产量有限，价格上非常昂贵,基本上国内只有高端机上才会采用。
华为Mate 20 Pro的3D结构光技术能够精准快速的识别人脸信息，然后对获取的人脸信息进行建模以及深度分析，甚至现在的人工智能通过学习可以适应人脸的一些表情变化，基于此，3D人脸识别技术也就应运而生。这一项技术可以使用在手机解锁方面，也可以支持手机支付，而扫脸支付也正是其功能之一。
当然华为Mate 20 Pro还有屏下指纹识别方案。两种解锁方案配合，可以让用户的体验感更好。
至于屏幕指纹技术，这种解决方案相对成熟许多，而国内的很多中端品牌的手机一般都会集成这种技术，比如小米系列手机。
些许拙见，供您参考。
从事互联网开发多年，欢迎大家骚扰
感谢您的阅读。
3D结构光是要成本高一些，但是他的安全性也是更高了。怎么去判断一项新技术成本如何，大概率上我们可以根据年度旗舰机是否搭载这项技术，以及当时的售价来看，年度高端旗舰机一般可以认为是手机厂商当时可以量产的最新技术能力，所以匹配的机型越是高端，代表该技术难度越是大，自然成本越是高了。
小结
屏下指纹技术现在在中端机型比比皆是，而3D结构光确不是这样，只有在高端机型才能见到，这也说明了3D结构光成本更高了。
我们首先对这两者进行一个简单的介绍:
一． 3D结构光 ：是通过近红外激光发射器发射具有一定结构特征的光纤，投射到被拍摄物体，由专门的红外摄像头采集成像。3D结构光采集的图像具有深度信息，便获得了被拍摄物体的三维结构。
屏幕指纹主要分为以下两种：
一． 光学屏下指纹 ：主要依靠光纤反射来探测指纹回路，实现指纹识别。
二． 超声波式屏下指纹 ：基于超声波技术，通过传感器向手指表面发射超声波，并且接受回波。利用指纹表面皮肤和空间之间密度不同构建出一个3D图像，达到屏下指纹识别的目的。
综合分析，3D结构光比起屏幕指纹还是要复杂得多，因此，它的成本相比于屏幕指纹也会较高。
看一下国内厂商主流的解决方案就知道了：横向震动马达不用，成本太高参数不明显。双ois光学防抖不用，成本太高又不是不能用。3D结构光成本和技术要求都很高，当iPhone为了Face ID坚持刘海屏的时候，国内厂商要么做不到，要么做到了买不上价钱。于是就用屏幕指纹，然后在全面屏解决方案上想办法让用户掏钱。
首先3D结构光的成本比屏下指纹要贵的多，这个可以从华为手机的维修配件价格上反映出来。
其次，大家对3D结构光的理解出现了偏差，把3D结构光和屏下指纹来比较就已经说明了这一点。
不管是屏下指纹还是电容指纹，它们的实质或者说要达到的主要目的是两个：一个是安全支付，另一个是手机安全解锁。只是屏下指纹在物理应用形态上更有 科技 含量一点。
3D结构光的出发点是瞄准金融安全级别的刷脸支付的，相对于指纹支付、密码支付它更快捷更方便，更有发展前景。如果说屏下指纹只是应全面屏的需求进行的技术改良的话，3D结构光则是未来的方向。手机解锁对3D结构光来说只是一个附带的小功能，一旦刷脸支付广泛应用，无论任何指纹技术都可能要消失了。
说到3D结构光，这里不得不做点小科普，苹果和华为的3D结构光是能实现安全支付的，而小米8 探索 版那款所谓的3D结构光是纯粹堆料，是弄不了刷脸支付的，这样的3D结构光等于是花大价钱弄了一个人脸解锁，其能力只是比普通的前置镜头面部解锁在黑暗情况下更轻易解锁而已，算是一个笑柄罢了。
肯定是结构光成本高。屏下指纹说白了就是在屏幕下面做一块透明基底，下面放cmos，利用oled的缝隙让光照到cmos上实现感光。成本主要在算法上，在于如何做cmos上成像的特征匹配。
结构光需要提供一个激光发射器、泛光元件等等，算法上比指纹识别更加复杂一些，而且使用的品牌不多，成本始终下不来。
‘贰’ 什么是3D深度相机
深度相机，顾名思义，指的是可以测量物体到相机距离（深度）的相机。目前国内的杭州维聚的3D SMART 这款深度相机还是不错的，使用手机就可以用控制操作，不要太简单。
‘叁’ 奥比中光发布行业首款户外深度相机D-Light,突破刷脸支付场景瓶颈
奥比中光发布行业首款户外深度相机D-Light，无畏强光突破户外刷脸支付场景瓶颈
4月22日，奥比中光举办线上XR发布会，正式发布行业首款户外强光深度相机D-Light。D-Light是奥比中光针对户外场景打造的3D结构光深度相机，解决了户外强光下成像困难的痛点，可在10万Lux（照度）条件下实现完整清晰成像，赋能景区、校园、加油站、公共交通等户外刷脸支付及人身核验应用。
D-Light是奥比中光在长期投入的刷脸支付战略方向上的一款里程碑式产品，凭借高效全能的产品方案，弥补了行业在户外强光这一关键应用场景下的技术缺失，推动3D结构光技术赋能金融零售全场景。
自研高端核心软硬件，突破3D结构光技术瓶颈
奥比中光战略业务产品线总经理天象在发布会上介绍，奥比中光早在2017年就凭借3D结构光技术助力刷脸支付实现全球首次商用。5年多来，刷脸支付这一安全、便捷的新兴支付方式预估惠及了超过1亿名用户。
奥比中光战略业务产品线总经理天象介绍D-Light发布背景。
由于3D结构光技术原理限制，刷脸支付目前尚未实现全场景落地。在户外强光环境下，深度相机面临着深度图亮边、深度图不均匀、深度图黑圈、深度图空洞等问题，无法提供安全高效的人脸识别。目前，多数刷脸支付设备只能安置在室内场所，难以在户外使用。
奥比中光副总裁、产品管理部负责人David Chen博士表示，此次发布的D-Light在芯片、算法、光学设计等核心软硬件方面全新升级，一举突破了3D结构光技术瓶颈限制。
奥比中光副总裁、产品管理部负责人David Chen博士介绍D-Light的产品性能。
D-Light搭载了奥比中光自研新型结构光ASIC芯片MX6600，整体芯片性能相比上代芯片提升150%，可输出1.3M@50FPS分辨率的深度图像，并具备独立ISP处理能力，基于升级版深度引擎，精度更高且功耗更低。同时，MX6600新增安全系统，支持安全启动、安全认证、数据流加密等功能；新增MJPEG编码和深度图无损压缩，极大地减小数据传输带宽。
D-Light产品示意图。
在算法层面，D-Light搭载奥比中光独创核心算法，具有极高的算法鲁棒性，并基于先进的补偿算法能力与高品质点云，满足户外强光工作环境使用需求。光学设计上，D-Light具有强大的热稳定性与光学稳定性，可通过特制镜头实现极限抗温漂，无杂光零畸变，实现与算法高效联调。D-Light还能够实现百万级可规模化量产，并具有极高的产品良率保证。
无惧10万Lux户外强光，真正完整成像
D-Light是一个在10万Lux光照下可以提供完整深度图、点云图的相机。在30cm-140cm识别距离范围内，D-Light能够输出精度达0.300%@100cm、0.400%@140cm的3D深度图像数据，在100cm距离的深度图像更为精确，人脸完整度高达99%。
D-Light可输出高精度和高完整性的散斑、深度、点云图
在户外场景下，2D成像的效果影响着识别准确率。奥比中光为D-Light设计了高效可靠的HDR功能，面部识别更清晰。D-Light在100cm距离HDR实测数据均值为96dB，最高达115dB。这一功能使D-Light能够满足逆光、背光等不同复杂场景，室内外均清晰可见。
高安全性一直是金融支付领域的核心需求。D-Light在提供高质量3D深度图与2D彩色图的同时，还可以提供高质量NIR图像，实现智能AE亮度调节。D-Light可同时对彩色图与NIR图的人脸进行曝光，再通过独立ISP处理图像，使AE更平滑、亮度更好，从而提升算法识别速度与用户体验。
在户外强光下，D-Light可输出深度图、彩色图、NIR图三种不同类型的高质量图像，并且能够实现高帧率三路流交替输出（Depth: 960*1280@25fps; NIR: 960*1280@25fps; Color: 960*1280@60fps;），有效保证多模态人脸识别精准度。
D-Light产品亮点一览
除了高质量的图像与高效率的输出，D-Light还具有优秀的户外环境适用性。目前业界的刷脸支付产品只能在常规温度环境使用，D-Light则可以在从-25 到75 等常温和极端户外温度下实现完整成像，满足户外恶劣环境的使用需求。
高效全能的户外刷脸方案，开启刷脸支付/核身全场景
D-Light作为奥比中光专门为解决户外人脸识别技术难题而推出的产品，为支付行业提供了稳定高效的户外刷脸方案，助力应用快速落地。
此前，在刷脸支付领域，奥比中光已经推出了P、D、S、I四大系列的刷脸支付模组，适用于桌面收银、自动售货机、手持平板收银等不同刷脸支付场景。至此，奥比中光的3D结构光技术已经能够覆盖金融零售全场景。
自2017年为支付宝提供硬件支撑、2018年助力支付宝率先实现线下3D刷脸支付的大规模商用，奥比中光线下支付3D视觉传感器及设备出货量已超百万台。此外，奥比中光还获得国家金融 科技 测评中心（BCTC）权威认证，并与中国银联共建“3D视觉联合实验室”，推动3D视觉感知技术在金融领域的应用创新，定义刷脸支付行业技术标准。
随着移动支付和3D视觉感知技术的日渐成熟，刷脸支付将在更多的线下支付场景普及，包括便利店、无人自助场景（如自动售卖机、智能快递柜），以及部分新兴的支付场景（如医院、学校、政务等）。
作为国内3D视觉感知技术产业化的主要推动者和引领者，奥比中光将“无畏”更多更具挑战性的技术难题、行业痛点，面向规模商用，发力前沿底层技术自主研发，持续不断地为行业输出核心硬件设备以及整体解决方案，引领关键核心技术创新，与行业伙伴携手共筑3D视觉生态。
‘肆’ 2021 3d结构光手机有哪些
OPPO Find X，小米8探索版，华为Mate 20 Pro等等。
市面上大部分的手机都是这种结构利用的，就是这种光感，然后完成设备使用以及一些感应装置的灵敏度安装。
3d结构光是什么？
一般由多条垂直双向的线组成的网络结构最常用,因为这种模式不需要扫描就可以实现三维的轮廓测量,而且速度快。用在手机上的3D结构光则是由多个点组成的光线系统,选择红外线可以避免解锁被光线射一脸的尴尬。面部识别3D结构光是获取面部立体信息的最佳方案之一,3D结构光则是通过人脸表现反射光线来确定深度信息的,从而通过计算描绘出人脸的立体结构图像。3D结构光的整个系统包含结构光投影设备、摄像机、图像采集和处理系统。其过程就是投影设备发射光线到被测物体上,摄像机拍摄在被测物体上形成的三维光图形,拍摄图像经采集处理系统处理后获得被测物体表面数据。
在这个系统中,当相机和投影设备相对位置一定时,投射在被测物体上的光线畸变程度取决于物体表面的深度,所以在拍摄图像中可以得到—张拥有深度的光线图像。
‘伍’ 3d深感摄像头和3d结构光哪个强点
3d结构光更加精确。
通过3D深感摄像头，在手机上多用于人脸识别和体感控制。
3D结构光是获取面部立体信息的最佳方案之一。打个比方说，其工作原理类似于可以绘制浅海海底地形图的声呐系统，通过反射信息来确定深度。3D结构光则是通过人脸表现反射光线来确定深度信息的。
‘陆’ 关于深度相机的精度问题
常用的三种类型的深度相机 [1] ，大致分为以下三种：基于主动投射结构光的深度相机（如 Kinect 1.0 , Intel RealSense, Enshape, Ensenso等）、被动双目相机（如STEROLABS 推出的 ZED 2K Stereo Camera , Point Grey 公司推出的 BumbleBee）以及ToF [2] 相机（如微软的 Kinect 2.0 , MESA 的 SR4000 , Google Project Tango 中使用的PMD Tech 的TOF相机，Intel 的 SoftKinect DepthSense, Basler基于松下的芯片开发的TOF相机以及国内一些初创公司基于TI的方案开发的TOF相机等等）
先给出结论， KinectV2的精度在2mm~4mm左右 ，距离越近精度越高，越远精度稍微差点；kinectV1误差约 2mm~30mm 。
Kinectv2 for Mobile Robot Navigation: Evaluationand Modeling
如上图所示，右侧大三角是KinectV2在纵向（垂直于地面）的精度分布，下侧大三角是KinectV2在水平面（平行于地面）上的精度分布。在绿色区域精度最高，误差 小于2mm ，在黄色区域误差在 2~4mm ，红色区域误差 大于4mm 。所以在设计交互场景时，在黄色区域以内会达到最好的效果（3.5m内）。如果对精度要求很高，如控制机械，最好在绿色区域进行交互。
Kinect v2的rgb视场（FOV [3] ）是84.1 x 53.8，关于FOV的建模和模型可以 参考 。
如图所示，KinectV1随着距离增加，误差指数性增加，在距离达到4m时，kinectV1误差 接近0.2m 。而KinectV2的误差几乎不随距离增加而变化。V2比V1追踪准确度好20%。V2可以在户外进行人体跟踪，最远到4m。V2在近距离有比V1高2倍的精度，在6m有高数十倍的精度。
LeapMotion的精度平均下来是 0.7mm 的精度，也是达不到所谓的0.01mm的。
Analysis of the Accuracy and Robustness of the Leap
Motion Controller
上面的论文对初步版本中的Leap Motion控制器进行研究，分别在静态与动态设置下的精度和准确性，考虑到人手的可达到的平均约为0.4mm，实验用设备使用参考笔，位置精度可达0.2mm，且参考笔对仪器精度测量无可观察到的影响。在基于静态设置的测量下，获得了期望的3D位置与 小于0.2mm 的测量位置之间的与轴无关的偏差。在动态情况下，独立于平面，可以获得 小于2.5mm 的精度（平均1.2毫米）。重复性 平均小于0.17毫米 。在基于姿势的用户界面方面，在实际条件下不可能实现0.01mm的理论精度，而是高精度（总平均精度为 0.7mm ）。
优点：
缺点：
优点：
缺点：
优点：
缺点：
优点：
缺点：
和 Kinect 一代的优缺点类似，
‘柒’ 3d照相机多少钱一台
具体价格要根据各品牌的3D相机价格才能确定，大概范围从1000元起-4000元不等。
3D数码相机，是指可以用裸眼欣赏立体画像或动画的数码相机。3D数码相机的诞生，也就意味着人们可以不必使用专业眼镜、用肉眼就可以享受立体图像的效果。3D数码相机一般装配有2个镜头，以便可以再现立体影像。
工作原理：
揭开3D影像原理 要把它的原理简单化，也非常的简单。可以做一个实验：两只手同时拿上笔或者筷子，闭上一只眼睛，仅用另一只眼睛，尝试将两只手中的笔或者筷子尖对到一起。你会发现完成这个动作要比想象的难。一只眼睛看到物体是二维图像，利用物体提供的有关尺寸和重叠等视觉线索，可以判断位于背景前这些物体的前后排列次序，但是却无法知道它们之间究竟距离多远。好在人的视觉系统是基于两只眼睛的，水平排列的两只眼睛在看同一物体时，由于所处的角度有略微不同，所以看到的图像略微差别，这就是所谓的视差，大脑将这两幅画面综合在一起，自动合成分析，就形成一种深度的视觉。同时，大脑还能够根据接收到的两幅图像中，同一物体之间位差的大小，判断出物体的深度和远近，距离眼睛越远，位差就越小，反之就越大。这就是3D影像的基本原理。
‘捌’ 结构光技术是用来做什么的
它是一个视觉原理，是通过一个光源投射出一束结构光，打到想要测量的物体上表面，因为物体有不同的形状，会对这样的一些条纹或斑点发生不同的变形，有这样的变形之后通过算法可以计算出距离、形状、尺寸等信息从而获得物体的三维图像。
3D结构光技术既不需要用很精准的时间延时来测量又解决双目中匹配算法的复杂度和鲁棒性问题，所以具有计算简单、测量精度较高的优势；而且对于弱光环境、无明显纹理和形状变化的表面同样都可进行精密测量。