導(dǎo)讀:從我們常用的說起
ToF傳感器火了。
從去年開始,一票傳感器廠商和手機(jī)廠商的目光都投向了ToF傳感器。直到今年,英飛凌、AMS等傳感器廠商,以及蘋果、華為、三星等手機(jī)廠商仍在不斷推進(jìn)ToF傳感器的技術(shù)和應(yīng)用升級,可以推測,ToF傳感器不僅是火了,它已經(jīng)來了。
雖然大廠們都在做,從原理來看,ToF其實(shí)也并不是什么高高在上的技術(shù),簡單來說它就是通過紅外發(fā)射器發(fā)射調(diào)制過的光脈沖,遇到物體反射后,用接收器接收反射回來的光脈沖,并根據(jù)光脈沖的往返時間計算與物體之間的距離。根據(jù)原理來看,ToF技術(shù)早期的應(yīng)用相對簡單,就是用來測距。
但是,隨著ToF技術(shù)的應(yīng)用不斷拓寬,ToF傳感器進(jìn)入人們的視野主要是智能手機(jī)和平板領(lǐng)域,并且主要集中在3D ToF圖像傳感器,由于ToF傳感器目前最主要的是應(yīng)用在成像領(lǐng)域,所以本文僅討論ToF圖像傳感器。
3D識別的新寵兒,物聯(lián)網(wǎng)應(yīng)用潛力巨大
無論是哪一家手機(jī)廠商,最新的幾款智能手機(jī)配備的攝像頭數(shù)量至少有2個,可謂是在攝像頭數(shù)量上下足了功夫,這似乎也是廠商近些年能夠在手機(jī)上能做的為數(shù)不多的創(chuàng)意了,很多用戶認(rèn)為多攝像頭僅僅是廠家用于提升拍照性能,但是事實(shí)并非如此。
在ToF傳感器逐漸成為智能手機(jī)標(biāo)配的時候,多攝像頭的目的就逐漸浮出水面,可用于多場景的識別應(yīng)用,例如前置及后置鏡頭用于手勢識別或者安全支付的臉部3D辨識,以及AR/VR也是ToF在3D感知上的應(yīng)用方向。
根據(jù)圖1 ,IHS Markit的數(shù)據(jù)顯示, 2019年,ToF傳感器在3D光學(xué)市場上的市場規(guī)模超過5億美元,并且通過占比越來越高,雖然與雙目和結(jié)構(gòu)光等方案的相比,ToF屬于后期之秀,但是從趨勢來看,平分秋色,甚至超越,可能也只是時間問題。
圖1
圖2
從圖2可以看到,目前ToF傳感器在細(xì)分領(lǐng)域的市場份額,主要還是以消費(fèi)電子和汽車為主。
但是我們注意到ToF圖像傳感器除了在消費(fèi)電子上仍然有很大的應(yīng)用前景,其在物聯(lián)網(wǎng)領(lǐng)域潛力也具有被挖掘的潛力。從圖1的ToF傳感器市場占比來看,緊隨智能手機(jī)和平板市場之后的是樓宇檢測、智能家居、汽車中控、無人機(jī)等領(lǐng)域。
擁有如此廣泛的應(yīng)用場景,得益于ToF圖像傳感器相比于結(jié)構(gòu)光和雙目RGB的優(yōu)點(diǎn):實(shí)時地快速地計算物體的深度信息,且深度計算不受物體表面灰度特征的影響,深度計算精度不會隨距離改變而變化,基本上可以保證厘米級的精度,尤其適用于一些大范圍距離變化且高速的應(yīng)用場合。
加上是主動光源束,所以在光源不傷害人眼的情況下,ToF傳感器理論上的最遠(yuǎn)探測距離可以達(dá)到100m,且可以調(diào)節(jié)光源靈活切換需求距離。另外,ToF傳感器抗干擾能力和成本優(yōu)勢也比較明顯。
根據(jù)上述ToF傳感器的特性優(yōu)勢,筆者認(rèn)為ToF傳感器能夠大范圍應(yīng)用于物聯(lián)網(wǎng)領(lǐng)域,并且更適用于物聯(lián)網(wǎng)碎片化的場景需求,其靈活性更大。
具體來說,在物聯(lián)網(wǎng)場景中,智能家居、智慧安防、智慧零售、人流監(jiān)控,ToF傳感器用于識別和跟蹤人體,不僅僅是現(xiàn)在的認(rèn)臉模式,通過深度信息可以提高識別準(zhǔn)確度;在自動駕駛/ 車內(nèi)感知領(lǐng)域,ToF 傳感器也可以成為車載激光雷達(dá)、車內(nèi)人體識別、車內(nèi)手勢識別的重要元器件等。目前,也有不少企業(yè)將ToF傳感器植入AGV和機(jī)器人手臂當(dāng)中,用于精準(zhǔn)導(dǎo)航和實(shí)時避障。
總體來說,對于以前不具備深度信息的2D識別技術(shù),ToF傳感器能夠很大程度上增加識別維度,提升識別的安全性、全面性和準(zhǔn)確性。
"新生"的ToF傳感器所面臨的機(jī)遇和挑戰(zhàn)
雖說,ToF傳感器的特性展示出良好的物聯(lián)網(wǎng)領(lǐng)域應(yīng)用場景,但是目前市場還沒有鋪開來。筆者認(rèn)為其中最大的阻礙是,ToF傳感器的功耗和分辨率的劣勢。由于使用主動光源,所以在功耗上,ToF傳感器目前并不符合物聯(lián)網(wǎng)對于硬件低功耗的需求。
另外,受限于深度信息捕捉,ToF方案需要投射的點(diǎn)越多越好,而目前ToF探測器每秒鐘只能測量大約1億個測量值,這將現(xiàn)有的ToF系統(tǒng)的分辨率限制在厘米級。
所以,從ToF技術(shù)本身上來解決多場景應(yīng)用的問題,功耗和分辨率是繞不開的障礙。不過,換一種思維問題或許有了轉(zhuǎn)機(jī)。
從分辨率和功耗上來看,加入AI似乎成為了突破ToF技術(shù)瓶頸的一種可能性方法。由于3D ToF的影像分辨率遠(yuǎn)不及現(xiàn)有的RGB雙目技術(shù),所以可以利用人工智能算法將RGB和ToF兩種影像信息的同步,縮小2D+3D影像同步所需要分辨率間的差距,彌補(bǔ)ToF在物體邊緣所缺少的深度信息。
目前,國內(nèi)在AI芯片或者NPU的研發(fā)獲得了長足進(jìn)步,將兩者與ToF搭配使用來代替通用主處理器,可以明顯降低整體功耗,而且還能進(jìn)一步降低成本。如果將AI與ToF融合研發(fā),將會幫助ToF進(jìn)一步突破技術(shù)瓶頸,延伸出更多的應(yīng)用場景。
當(dāng)然,對于物聯(lián)網(wǎng)來說,功耗低是剛需,但是分辨率的需求可能更加靈活,很多ToF傳感器廠商也在高成本的基礎(chǔ)上推出了ToF高分辨率方案,但是下游模組和終端廠商能夠拋棄高成本這個因素值得考量。所以ToF傳感器在物聯(lián)網(wǎng)的實(shí)際應(yīng)用中仍處于初步階段,相關(guān)的問題也會存在,但在3D識別領(lǐng)域,ToF將會憑借其優(yōu)異的特性成為主流方案之一。