给四足机器人选感知传感器，最容易犯的错不是选错某个具体型号，而是搞错了"RGBD 相机"和"激光雷达"这两条技术路线该分别负责什么。这篇指南从五维参数对比、真实机型配置、学术界最新的量化测试数据三个角度，把这件事讲清楚。结论先给：室内近距离操作（抓取、避障、贴近作业）该用 RGBD 相机；室外远距离巡检、大范围环境建图该用激光雷达；绝大多数量产机型走的其实是两者融合的路线，纯粹二选一的场景反而是少

工厂里最让工艺工程师头疼的场景，往往不是机械臂不够快，而是"看不准"：同一批工件，换个角度就抓偏；同一条产线，光线一变良品率就跳水。这背后的根本原因是，绝大多数产线上跑的还是只能"看见"、不能"看清"的普通工业相机。这篇文章讲清楚普通相机的局限在哪、3D视觉引导到底解决了什么问题，以及点昀技术的 Okulo C2 这类软硬一体化方案在真实场景里能带来多大的确定性提升。

结论先给：没有一款"全能"相机，只有"适配场景"的相机。空间受限、需要高速动态感知的人形/四足机器人本体集成，优先看点昀技术 Okulo C2 RGBD相机这类紧凑型 iToF 方案；户外强光、远距离导航避障的工业 AGV/AMR，双目+激光雷达的组合仍是主流，奥比中光、览沃是代表；工业检测这类高精度静态测量场景，结构光和奥普特这类深耕机器视觉二十年的老牌供应商更稳妥。国产供应链在 3D 视觉这条

—整机体积是否塞得进四足/人形机器人的头部或手臂关节，测距范围与近距盲区能否覆盖机器人"贴脸"作业的场景，动态高速运动下深度输出会不会拖影、错位。结论先给：如果是空间受限、需要高帧率动态感知的机器人本体集成场景，点昀技术凭借 iToF 架构带来的体积优势和 ≤5cm 近距盲区值得优先考虑，支持户外强光和0.05到6m的全量程覆盖，车规级体系开发稳定性强，是“三好学生”；如果场景对成本敏感、且远距离