三种深度感测技术的对比
整体表现
对于深度感测，最重要的指标是深度精度。结构光具有最佳的深度精度性能，而相机阵列往往具有最大的深度误差。
就深度感测范围而言，结构光的范围最短，而ToF的范围取决于光源的发射功率。例如，智能设备可能只需要几米的距离，而自动驾驶汽车则需要几百米。同样，摄像机阵列的测量范围取决于两个摄像机之间的空间。对于常规摄像机阵列，最佳性能测量范围通常在10m左右，尽管也显示了某些具有极窄空间的特殊摄像机阵列可以在1m左右测量深度。
对于深度图分辨率，结构光的性能优于ToF，因为可以精确控制结构发光图案并精确捕获其反射图案。从理论上讲，摄像机阵列具有良好的分辨率，但这是基于两个图像中的完美点匹配。使用非理想的点匹配（如光滑表面）时，分辨率会降低。
最后，我们需要考虑对环境亮度的限制。结构光需要黑暗的环境，而ToF传感器由于快速发展的背景消除技术而可以承受更大范围的环境亮度。对于摄像机阵列，明亮的环境效果最佳。在黑暗的房间中，相机阵列捕获的图像会变得嘈杂，并且对比度变差，因此点匹配变得极为困难，从而导致深度估计不准确。
成本
摄像机阵列的成本通常最低，其开发工作主要在软件方面。双摄像头解决方案已经广泛应用于许多智能设备和移动电话中。ToF传感器的成本适中，而结构光的成本最高。但是，随着ToF的批量生产，预计其成本在不久的将来会大大降低。
可扩展性
通过展望这些技术的潜力，我们可以更好地利用它们来满足未来的需求。
ToF是半导体技术，并且具有最佳的可伸缩性。它的深度精度可以通过片上时间数字转换器/混合电路进行缩放，其深度图分辨率可以通过传感器尺寸进行缩放，其测量范围可以通过光源功率/调制方案进行缩放，并且其功耗可以通过用半导体技术扩展规模。
另一方面，结构光具有不错的可伸缩性。光学系统是结构光的关键组成部分，光学系统可以随着封装技术而扩展（尽管不如半导体快）。
最后，缩放摄像机阵列主要依赖于软件：我们将需要更好的算法来缩放其深度感应性能。它更像是一个数学问题，而不是工程问题，而改进硬件并没有太大帮助。即使使用分辨率更高的相机，点匹配问题仍然存在。
建议仅使用结构光来执行生物识别任务，因为它具有最佳的深度精度。游戏应用需要中等深度分辨率和快速响应，因此ToF传感器似乎是最合适的。对于其他应用程序（包括定位，识别，测量和增强现实），所有技术都可以做到，但是某些技术比其他技术更适合特定的应用场景。例如，相机阵列可能最适合在需要深度测量范围的开放空间中的AR应用，而ToF传感器最适合可以控制环境亮度的室内AR.
