隨著ToF在手機等終端市場的應用爆發(fā)，3D成像與傳感器市場成為風口上的熱點。Yole預計全球3D成像和傳感市場將從2017年的21億美元增長至2023年的185億美元，復合年增長率高達44%。由于消費類市場的帶動(復合年增長率為82%)，汽車電子(復合年增長率為35%)、工業(yè)和商業(yè)應用(復合年增長率為12%)和其它高端市場也將進入快速增長通道。

而相比3D深度視覺其它兩種方案而言，當前ToF方案在實際應用中的表現(xiàn)出的優(yōu)勢讓市場看好在快速增長通道中ToF更大的機會。例如：在畫面拍攝后計算景深時不需要進行后處理，既可避免延遲又可節(jié)省采用強大后處理系統(tǒng)帶來的相關成本;ToF測距規(guī)模彈性大，大多數(shù)情況下只需改變光源強度、光學視野以及發(fā)射器脈沖頻率即可完成。此外，由于具有不易受外界光干擾、體積小巧、響應速度快以及識別精度高等多重優(yōu)勢，使得ToF無論是在移動端還是車載等應用領域日漸成為3D視覺的首選技術方案。

使用ToF技術可以得到物體的絕對值，更具性能優(yōu)勢

應用全面鋪開，ToF迎來爆發(fā)增長

作為ToF創(chuàng)新應用的主要廠商之一，ADI公司的ToF解決方案在vivo NEX相機中的成功應用讓業(yè)界矚目，目前該公司相關解決方案更廣泛應用到包括汽車、工業(yè)、便攜終端等多種應用場景。最近ADI系統(tǒng)應用工程經(jīng)理李佳在最近一場《ADI 3D深度檢測》的主題演講中形象的指出ToF正迎來全面開花、爆發(fā)式增長的機遇。她認為主要有以下應用機會：

自動化工廠中的各類機器人的自主避障將是ToF可以快速應用的領域。機器人應用日益在工業(yè)環(huán)境中普及的當下，當機器人身處較為擁擠的工作環(huán)境中，它們必須能辨認人與機械以及機械的動作，并作出迅速的反應以避免設備及工作人員受傷。如果以激光雷達來解決，成本則需要增加數(shù)萬元，用雙攝像頭方案又需要大量的運算和雙攝像頭精準位置的調(diào)教，而ToF則成為解決上述難題的極具性價比的最佳選擇。

ToF實現(xiàn)人臉識別助力建筑智能升級。以具備人臉識別的ADI ToF 3D立體影像自動門解決方案為例，傳統(tǒng)自動門采用紅外線反射原理，只能檢測到是否有物體出現(xiàn)在感測范圍，導致動物也能自由進出商場，造成管理上困擾?；赥oF的方案可識別空間中的人類特征以及人與物體相對位置距離，避免非人類(例如動物)進入商業(yè)賣場。此外，商業(yè)空間的3D人流自動統(tǒng)計過去有成熟方案，但如何有效利用影像技術，精準分辨進出者的身高、體重，同時出入時間及高度誤差低于1%，這就有相當技術門坎了，而ADI的ToF解決方案，有別于傳統(tǒng)3D人流方案，大多需要安裝至少二只立體相機，ADI的方案僅需一只ToF攝影鏡頭架，設于門框上方且沒有安裝高度限制。

ToF應用于3D人流統(tǒng)計方案的情境虛擬圖

ToF汽車倒車影像增加汽車駕駛員輔助功能。結(jié)合影像傳感器和VGA ToF傳感器模塊與內(nèi)建圖像處理器，ADI公司汽車ToF解決方案能疊加實際影像，準確測量物體與汽車的距離，相較于傳統(tǒng)超聲波感測方案，具備更佳的感測角度，能提供倒車系統(tǒng)更大范圍的碰撞偵測預防。

ToF應用場景日益“擁擠”，如何避免干擾?

如此眾多的應用場景為ToF打開了一個又一個風口，但相關的困擾可能因而出現(xiàn)——同一場景下多個ToF應用終端如何避免干擾?在年初的消費電子展上，ADI就做了這方面的展示和技術分析。

演示設置非常簡單，設置了兩個相互垂直的ToF攝像頭，每個攝像頭會顯示參與對象在三個維度上的角度，即高度、寬度以及最重要的深度。每種顏色代表不同的距離范圍，因此如果現(xiàn)場工作人員靠近攝像頭，手上的顏色就會發(fā)生變化。同樣，如果遠離攝像頭，工作人員的身體會變成不同的顏色，這意味著距離變得更遠。

這本身沒有什么了不起，因為CES展會上也展出了許多其他的3D攝像頭。但是在本演示中，ADI會展示多個ToF攝像頭面對面放置時不會相互干擾。

ToF攝像頭通過發(fā)射激光脈沖捕獲距離信息，然后測量反射脈沖返回攝像頭所需的時間，將反射時間乘以光速，即可獲得所需的距離或深度信息。問題是，如果存在與該激光器相同波長的其他光源，尤其是其他ToF攝像頭，測量將會受到干擾。因此，存在任何類型光干擾時測得的時間都不正確，這意味著計算所得的距離信息也不正確。

CES2019上展示的多TOF干擾消除技術的效果對比(右邊采用干擾消除技術，左邊未采用)

您可以看到這種其他攝像頭帶來的干擾產(chǎn)生的影響。注意到在這張圖片中工作人員的顏色改變了，但這毫無意義，因為不同的顏色表示不同的距離，這是由于這個ToF攝像頭的激光脈沖反射到另一個ToF攝像頭，從而顯示出失真或錯誤的距離數(shù)據(jù)。

另一邊，這個攝像頭并未顯示這種失真，因為我們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。另一個攝像頭沒有采用此干擾消除算法，會出現(xiàn)失真，而這個攝像頭則不會出現(xiàn)失真。

總結(jié)：

隨著ToF在工業(yè)、無人機等領域的應用，干擾導致的穩(wěn)定性考慮越發(fā)重要。而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(xiàn)實問題。假設有多架無人機在空中飛行，您當然不希望它們發(fā)生碰撞，您希望無人機本身內(nèi)置回避功能，為此您就確實需要ToF功能。同樣，一群人戴著AR眼鏡在同一個房間里玩游戲，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，如果ToF攝像頭無法消除其他光源的干擾，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。因此，ADI預計飛行時間系統(tǒng)中的防干擾或消除干擾能力將會越來越重要。