游戲玩家在游戲設備前徒手對空做著各種動作，輕松扮演各種虛擬世界的游戲角色；各色機器人在各種場景中自主導航，輕松避障快速移動實現自主清掃、快遞或巡視等多種特定目標任務；卡車司機在午后昏昏欲睡之際，在駕駛艙不斷傳來警示聲音下停下車來休息以保安全……這些都是在我們生活中越來越多的現實科技應用場景，而ToF（飛行時間法）正在成為這些眾多創新應用的關鍵賦能科技之一。

ToF從最初手機攝像端的潮流應用迅速走進大眾視野，并在各個應用領域初顯崢嶸。據IHS Markit報告，基于ToF方案的多方面優勢，預計2022年ToF市場規模將達到15億美元，占3D傳感市場的50%左右。ADI工業市場經理李佳在近日面對媒體采訪時也認為，作為3D深度視覺領域三大主流方案之一，ToF技術除了應用在手機上之外，也在VR/AR手勢交互、汽車電子ADAS、安防監控以及新零售等多個領域都開始大顯身手，有望推動新一波3D智能感知應用創新。

ADI工業市場經理李佳

生態蓬勃發展，推動ToF技術新一波3D智能感知應用

眾所知周，ToF在與雙目和結構光對比中，最大的優點在于測距，它的深度計算精度往往不隨距離改變而變化，而且基本都能夠保持在厘米級別。因此在包含大范圍運動的場景下，ToF適用度非常高。2010年之前，ToF技術多應用于宇宙測量、高精顯微鏡等科研領域，隨著發光元器件性能的大幅提高，自動駕駛、VR/AR、工業機器人、物聯網等行業逐漸興起，進一步帶動了ToF應用市場發展。“就目前而言，ToF匹配度最高的應用場景包括自動駕駛中行車環境的測距、感知，工業領域人機協同安全距離的監測，機器視覺，物流行業的體積、計算，機器人的導航等等，都充分了利用了ToF傳感器在精準定位和距離測算上的優勢。”李佳指出。

脈沖式ToF是其中一種景深測量技術，為了精確同步光脈沖，每秒需要對數百萬個像素執行這些計算，并且還要根據工作條件進行調整，這對混合信號電路設計與應用而言極具挑戰，ADI是為數不多擁有技術專長、可提供兼具高性能和成本效益的ToF解決方案的公司之一。在2014年，ADI開始為國外某知名AR眼鏡定制ToF技術，該產品成功落地并實現人機交互和3D重建功能；2016-2017年，ADI ToF技術用于車內手勢識別；2018年，ADI ToF技術開始與國內某品牌手機合作并成功批量上市……“到目前為止，ADI的ToF技術和產品不僅涵蓋了從工業、消費到汽車等，應用的邊界拓展仍在繼續，未來更大空間、更高分辨率深度數據與強大的分類算法以及AI相結合，將會解鎖更多新的場景。”李佳表示。

ADI ToF方案應用發展時間軸

在過去一段時間內，ToF應用逐漸呈現出加速落地的態勢。如SLAM（同步定位與建圖）對在機器人的自主定位和導航中開始發揮主動作用，有效推動了人機交互的實現；ADI所開發的ToF模塊結合影像傳感器和VGA ToF傳感器模塊與內建圖像處理器方案，為汽車倒車系統、開門防護系統、停車輔助系統及盲點偵測等應用提供更大范圍的碰撞偵測預防。 “要更進一步提升ToF技術的行業大規模應用，始終需要上中下游產業鏈伙伴們一起配合，包括光學、電、芯片級、電路級以及模組廠等，甚至還有一些應用需要專業團隊來開發、適配整個方案。” 李佳指出。據悉，ADI已經和Arrow推出了3D飛行時間開發套件，并與遠景智能等多家軟件方案公司合作推出滿足豐富應用場景的完整解決方案。

ADI ToF產業鏈

ADI ToF模擬前端核心芯片解析，構筑精確測量硬件平臺

通常而言，ToF技術根據調制方法的不同，可以分為兩種：脈沖調制和連續波調制。兩種ToF調制方法都有各自的優缺點，需要根據實際應用用例綜合考量的點包括測量距離、使用系統的環境、精度要求、熱/功耗限制、外形大小以及電源問題等。據李佳介紹，ADI的ToF解決方案目前主要采用CCD傳感器的脈沖原理方式，CCD作為一個全局曝光器件，在室外遠距離場景下，具有非常良好的性能。同時CCD作為全局曝光的傳感器，又是窄快門曝光，對于外界抗干擾性能非常強。

戶外環境下CMOS ToF系統（850 nm光源）與ADI的CCD ToF系統在識別人與三腳架的效果對比。

具體來看，ADI的ToF解決方案使用了高性能ToF CCD和集成了12位ADC、深度處理器（將來自CCD的原始模擬圖像信號處理成深度/像素數據），以及高精度時鐘發生器（為CCD和激光器生成驅動時序）的ToF模擬處理前端。ToF CCD主芯片ADDI903x系列具有很好的性能，傳感器將采集的光信號轉換成電信號，運用深度計算把最終距離信息送到SOC處理，然后將數據提供給算法適配，整個過程涉及傳感器、鏡頭、發射器件、平臺、應用等。對硬件廠商而言，需要和模組廠配合打造小型化、集成度高的產品來適配應用廠商，然后適應不同的應用場景。

ADI CCD ToF 前端芯片ADDI903x提供的功能

由于ADI ToF系統級解決方案使用了分辨率為640×480的ToF圖像傳感器，因此其分辨率比市面上大部分其他ToF解決方案的分辨率高4倍。同時，這款系統級ToF解決方案與CMOS解決方案相比，在同樣的尺寸或同樣的成本下，可提供更高的系統性能。例如高解析度，在光線復雜的環境中，可以更好的區分主體與背景。得益于針對940nm發光波段而設計的CCD架構，ADI ToF解決方案也可以更精確的捕捉運動環境中的畫面。

除了前端芯片和傳感器外，根據CCD的需求也會需要比較多的光電器件，而ADI的ToF解決方案周邊器件均是ADI公司的產品。“ADI ToF系統級解決方案不建議客戶在使用時進行太多修改，因為該系統中的每一個模塊都是ADI長期和合作伙伴磨合完成已達到的系統最佳整體性能狀態。”李佳特別強調道。

ADI ToF方案的完整系統組成

尋找并解決潛在技術痛點，探索ToF應用更廣路徑

越來越多的應用場景為ToF打開了一個又一個風口，但相關的挑戰也可能因而出現，例如同一場景下多個ToF應用終端如何避免干擾，特別是對于汽車、工業等這一類的專業級場景，ToF傳感系統的設計不僅需要在精度、范圍、響應時間、分辨率、成本、功耗以及可用封裝要求之間取得平衡，而且需要針對不同的實際情況中出現的各種不可控的因素，對傳感系統的靈活性及抗干擾性等方面進行一些定制化的設計，比如添加一些高可靠性的濾波及抗干擾器件和模塊，并加載相關的軟件算法，從而保證系統有足夠的能力去應對不同類型的突發狀況。

試想如果多個自主式機器人在同一大型倉庫里分揀貨物，或者兩輛自動駕駛的汽車同時接近交叉路口，ToF攝像頭無法消除相互光源的干擾，那么使用ToF技術進行精確深度測量的應用范圍將會嚴重受限（ADI發展路線圖預計將實現64個攝像頭同時近程檢測的場景）。就算是在消費端，隨著各種應用增多，設備間的干擾也將是實實在在的現實問題。因此，ADI認為ToF系統中的防干擾或消除干擾能力將會越來越重要。據透露，ADI目前采用了一項正在申請專利的算法，它能夠避開或消除所有無關的光信息，僅使用自身激光源的光信息，所以能給出正確的深度信息。深度處理器采用偽隨機化算法和特殊的圖像處理功能，可以消除多機干擾。因此，可以在同個環境中使用多個ADI ToF系統。

干擾抑制算法

除此之外，隨著3D算法進一步成熟，數據分析將被用來收集大量關于人們行為的有效信息，這種技術可能最先應用于樓宇控制應用，例如門禁系統。垂直安裝的傳感器增加了深度信息，這意味著可以非常準確地計算人數。另一個用例是智能自動門開啟，它可以對人進行區分，只有在檢測到真人時才開啟。ADI目前也正在開發人員計數和真人區分的軟件算法，通過使用深度信息，可以在許多具有挑戰性的條件下對人進行高精度的分類，例如在光線暗淡或沒有環境光的環境中，在人口密度較大的地區，以及在人員著裝復雜的情況下。最重要的是，幾乎可以消除人員計數錯誤。

使用深度傳感技術的人員跟蹤算法

本文總結

對于很多技術而言，技術的成熟度并非技術普及的唯一因素，還與技術的成本和產業鏈協同有很大的關系。在過去的2019年里，ToF技術不斷被領先手機廠商廣泛采用，在技術的演進道路上走出了關鍵一步。未來如何通過技術手段去真正實現成本、功耗、體積、速度、壽命、穩定性以及抗干擾能力等多方面的平衡，達到一個相對目前來說更為優化的水平，進而實現ToF技術實際應用中可靠性的成倍提升，是ToF技術普及乃至整個市場健康發展的前提，也是諸如ADI這類ToF技術系統級解決方案提供商需要考慮的研究重點。