TOF深度视觉技术崭露头角 专业与消费级应用场景技术挑战大不同

作为3D深度视觉领域三大主流方案之一，近年来ToF深度传感技术逐渐崭露头角，在诸如智能手机后置摄像、VR/AR手势交互、汽车电子ADAS、安防监控以及新零售等多个领域都开始大显身手，应用前景十分广阔。但由于硬件成本高昂，加之生态链不成熟等重要原因，目前来看ToF技术在各大领域的进一步深化普及仍充满挑战。不过可喜的是，随着各大应用市场对ToF深度视觉技术需求的日益增长，外加越来越多的国际和国内大厂们持续的“推波助澜”，未来三年国内ToF产业及应用市场的发展将开始加速冲刺。

需求端爆发抬高ToF市场热度

随着体感交互与控制、3D物体识别与感知、智能环境感知以及动态地图构建等技术与市场的发展，如今各大应用场景都开始对3D视觉与识别技术产生日益浓厚的兴趣和日益旺盛的需求，在这波势潮的带动下，作为主流方案之一的ToF市场也开始加速成长。

以现阶段体量最大的两个应用领域为例，一方面，随着智能手机进入存量时代，微创新模式不断持续并加速渗透，对深度摄像技术的强烈需求加之智能手机交互方式的不断变化正促进全球ToF市场快速扩张；另一方面，在汽车电子领域，以ADAS渗透率不断提高为代表的汽车智能化趋势也正加速演进，而作为激光雷达、智能摄像头等深度测距传感器领域最主流的方案，ToF市场也正持续受益。

技术方面，相比3D深度视觉其他两种方案而言，ToF在实际应用中的优势不言而喻。举例来讲，比如在画面拍摄后计算景深时不需要进行后处理，即可避免时间延迟又可节省采用强大后处理系统带来的相关成本；而且，ToF测距规模弹性大，大多数情况下只需改变光源强度、光学视野以及发射器脉冲频率即可完成；此外，由于具有不易受外界光干扰、体积小巧、响应速度快以及识别精度高等多重优势，使得ToF无论是在移动端还是车载等应用领域日渐成为3D视觉的首选技术方案。

3月27日，由华强电子网主办的“第三届智能硬件创新创业互动论坛——3D视觉与人工智能”上，上海数迹智能科技有限公司销售经理关利光就预测：“从2016到2021年，整个深度视觉技术的市场将保持40%以上的年复合增长率，预计2021年有望达到100亿美元的规模。其中，深度数据应用类的市场将突破5000亿美元，且受惠于高速增长的机器人及人工智能等万亿级应用市场产生的大量B端需求，加之未来2年基于ToF的3D摄像头在各大手机平台更为广泛的普及，我们认为2021年国内ToF模组的市场体量将达280亿元，而相关数据应用类的市场也将突破2000亿元左右。”

市场起步阶段 面临成本与生态应用等难题

不过，就当前国内整体产业链生态来看，ToF技术要在应用层上更进一步仍存挑战。关利光认为，主要挑战还是在于三方面，首先，由于ToF传感技术太新，且目前的生态圈也尚未完善，主机厂们想要直接拿现有技术去实现高可靠性的应用及产品颇为困难；其次，面向B端的可定制ToF板卡、模块以及平台都处于市场起步阶段，市面上真正可靠且成熟的方案相对较少；最后，就是3D数据处理与建模等软件层面的技术以及人工智能算法门槛太高的问题。

硬件成本居高不下也是现阶段阻碍该技术的应用规模难以扩张的重要原因。有行业人士告诉记者：“无论是消费级还是专业级应用，ToF的成本问题主要体现在器件的价格上，个中关键就在于光子探测阵列，比如目前主流ToF技术所使用的SPAD（single-photon avalanche diode）阵列。

此外，作为ToF方案中探测反射光线的核心传感器，Sensor模块还必须拥有极快的响应速度，比如需要加载非常高精度的计时器（一般在皮秒级别的测量精度），1cm的距离所需要时间为67皮秒，准确测量难度可想而知。对于激光器和检测的传感器来说，也都需要非常高端的器件，并且在光学上也都有相当高的技术要求。总体算下来的话，光是硬件技术上耗费的成本就很高了，更不用说加上软件算法的成本，且目前能够提供可靠硬件产能的厂商十分有限，这些都进一步加剧了应用成本企高的态势。”

专业与消费级应用场景 技术细节挑战大不同

除上述以外，贴近实际场景，ToF技术的应用还会遭遇更多新的问题，大多表现在系统稳定性、抗干扰能力以及灵活性等方面。比如在汽车这类的应用场景中，技术层面上遭遇的挑战非常多，实际应用中会更着重考量ToF传感系统稳定性、器件使用寿命、抗干扰能力以及系统灵活性等方面；而针对消费级应用市场，则会更看重整体方案的成本、功耗以及产品规格和体积大小等，对其他方面的要求并不会像汽车等专业级市场那般苛刻。

首先，从消费级应用场景来看，随着越来越多智能手机后置深度摄像功能的出现，加之手势交互和环境定位感知渐成VR/AR等新型智能硬件的标配，未来几年消费级领域的TOF应用及市场无疑将呈现出井喷态势。

相比汽车等应用领域而言，手机后置摄像头以及VR/AR手势交互、环境测量等应用，在技术层面上面临的性能挑战难度通常要更小一些，而关注重点也主要是在低成本、规格大小以及功耗等方面，对于测量速度、寿命和分辨率等方面的要求并不强烈。

以当下比较火热的VR/AR手势识别为例，ToF方案基于高功率高FPS的特性令其非常适用于这类动态场景，既不用打平行光束和特定的光学图案，也不需要准直镜头和DOE来做一些更为专业性的校正，高FPS即足以支撑ToF在动态识别领域比如体感识别与手势控制领域的应用。

但对于汽车这一类的专业级场景来讲，技术层面上的考究就相当严格了。业内某车载传感器厂商研发总监告诉记者：“与消费级应用相比，针对汽车这类的专业性很强的应用场景，ToF传感系统的设计不仅需要在精度、范围、响应时间、分辨率、成本、功耗以及可用封装要求之间取得平衡，而且针对不同的实际情况中出现的各种不可控的因素，还需要对传感系统的灵活性及抗干扰性等方面进行一些定制化的冗余设计，比如添加一些高可靠性的滤波及抗干扰器件和模块，并加载相关的软件算法，从而保证系统有足够的能力去应对不同类型的突发状况。”

除此，对应不同距离以及环境，信号处理上也需要针对性的做一些冗余，以保证整个系统的稳定及可靠性。他认为：“比如针对长距离以及短距离等不同的应用方向，必须应对由于距离变化而引起的干扰能量源或减少的能量反馈，以及由空气尘粒和潮湿等环境因素而引起的波束发散等问题。这些情况下，可能还需要设计专门的接收器信号链来处理低信噪比、调制以及关联方面的要求。这些挑战在汽车领域应用较多的扫描式ToF技术中变得尤其突出，其中输出能量还需要为目标物绘制一个很长的扫描带，以保证在目标场景中能够创建出一个可靠且更全面的深度透视范围。”

具体来讲，以当前热度较高的ToF激光雷达为例，他进一步解释到：“现有的激光雷达原理无非就两种，三角测距以及ToF法，三角测距法测试距离在10米以内，与普通的视觉相比3D重建效果差不多，但鲁棒性要更好一些；而ToF法的激光雷达虽然精度高且测距距离更远，但缺陷是技术壁垒很高，比如目前最主流的脉冲式ToF激光雷达，方案虽然比较简单直接，主要是通过发射端发射一道激光脉冲，然后再检测激光的相关信息然后回馈给接收端，能够较好的达到汽车领域快速及远距离测量的技术要求。

但该方案对于外部环境的抗干扰、环境光变化的稳定性以及色彩识别能力相对会较差一些，测量精度也比较一般，同时由于激光加热作用和等离子体冲击波作用等因素，CCD器件容易造成损坏，而且三维点云算法的设计难度也比较高。”这些都给方案的应用和实施提出了新的挑战，需要引起业内各大厂商的关注和思考。

总而言之，在各类新型智能终端市场的持续催动下，计算机视觉技术如今已然进入了一个“大爆发”时代，我们也越来越地明显感受到了全球各大应用市场对诸如ToF这类的3D深度视觉技术的日益旺盛的需求。

不过，兴奋之余也应更为理性地看待当前的市场过旺的“虚火”，正如前2年火遍全球的VR市场一样，编者认为在ToF的硬件成本以及算法设计等技术门槛真正降下来之前，各大应用市场还应相对保守性地看待当前ToF技术与各大应用领域的结合能力及深入程度。

而对于业内方案商们来说，无论是针对消费级还是专业级应用领域，当前仍需解决的基础性问题还很多，未来如何通过技术手段去真正实现成本、功耗、体积、速度、寿命、稳定性以及抗干扰能力等多方面的平衡，达到一个相对目前来说更为优化的水平，进而实现ToF视觉传感技术实际应用中可靠性的成倍提升，才是ToF技术普及乃至整个市场健康发展的前提。