QQ在線
企業微信
資訊
647在創新放緩的智能手機市場，ToF方案成為拍照亮點頻頻出現在多款手機產品中，一時風頭無兩，迅速躥升為3D視覺領域的主流方案。事實上，各大應用市場對ToF這類3D深度視覺技術都呈現出日益旺盛的需求，其中以機器視覺應用最為普遍。
機器視覺是智能系統的“慧眼”,無人駕駛、智能機器人等熱門應用都以機器視覺的發展為前提。所謂機器視覺，主要用計算機來模擬人的視覺功能，但并不僅僅是人眼的簡單延伸，更注重具有人腦的一部分功能——從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。
在某些機器視覺應用中，如圖像識別、圖像檢測、視覺定位、物體測量、物體分揀等，創建物體的3D圖像是必不可少的。ToF因種種優勢，被認為有潛力在這方面迎來廣泛應用。
掃地機器人——ToF下一個藍海？
在消費領域，百萬量級掃地機器人越來越多地配備了機器視覺能力。當前較為主流的實現方式是單目視覺技術，通過加入可見光攝像頭進行輔助定位，使掃地機器人移動過程中可以對圖像進行連續跟蹤，進行相機姿態和物體之間相對位置變化的估算，從而實現避障。在視覺導航技術興起之前，掃描式激光雷達占據絕對的主導地位。
ToF被認為有潛力取代這兩種方案。與激光雷達相比，它能夠進一步拓展視野范圍，效率更高。
目前的可見光攝像頭像素都很高，入門級約1200萬，高端可達4800萬，拍攝畫面非常精細，有一定的隱私泄漏隱患。早先外媒就曾曝光某款智能掃地機器人被黑客利用漏洞發起遠程攻擊，通過獲得其內置攝像頭的使用權限，偷拍用戶家中。從曝光視頻來看，黑客甚至可以控制攝像頭的角度，并調整焦距，掃地機器人所到之處，畫面一覽無余，讓人不寒而栗。
ToF方案則契合了機器視覺的需求，它的像素并沒有那么高，人眼看上去顆粒度很大、沒有畫面細節，但對于機器視覺實現避障等功能足夠，能夠更好地保護隱私。此外,在室內關燈或窗簾緊閉等情況下，可見光攝像頭的效果大打折扣，ToF因為自發光原理，反而更能體現優勢。
據了解，ToF在掃地機器人的應用仍在開發中，今年內有望在市場上看到相關產品。
ToF走向？
目前5G、IoT、人工智能等，都給ToF帶來很多助力。不管是終端客戶還是資本市場，都對此非常感興趣。這將推動ToF走向何方？
智能化
隨著5G的規模商用，從端到云的反饋控制方面，計算和傳輸延時是不可忽略的。因此傳統的集中式架構已經不能滿足，未來需要更多邊緣計算的能力，個體層面的傳感器將會越來越強，變得更加智能化。
對于傳感器來說，智能來自于計算。那么在什么地方、該施以何種計算？這其中大有文章可做。傳統的傳感器不需要強大的“大腦”,只管吐數據就可以。但是未來，智能的傳感器則在于能夠多層次地在恰到好處的地方、施以恰到好處的計算，實現更快的響應、更高的性能、更多的功能和更低的功耗。
未來的ToF傳感器應該是這樣的：它將繼續挑戰物理極限，達到更精準、距離更遠，它不光能看見現在，還能記憶過去，更能預測未來。同時，它還具備自學習能力，不斷優化自身性能。它將超越傳感器成為智能的傳感節點，眾多的傳感節點又將合成功能更強大的傳感網絡。
集成化
ToF方案目前包括發光、接收、智能控制三大塊，以后兩兩結合甚至三塊結合在一起的需求是存在的。那么，哪類方案會進行集成？
現有的ToF方案從陣列類型可以劃分為面陣型和單點型，如8*8單點型陣列方案就將發光和接收部分集成在同一芯片上，實現了很小的面積。
面陣型ToF方案也將是這樣的技術路線。不過尚需克服一些挑戰，例如：發光單元在發光同時產生的發熱問題，如何在更小的面積上進一步降低功耗？是否需要集成處理器？選擇傳統處理器還是神經網絡處理器？面對種種可能產生的問題，劉洋認為，這需要對應用有更加充分、深入的了解，要量體裁衣，對所需的各項能力（計算能力、存儲空間等）做到恰到好處。
向多維傳感拓展
3D向4D的拓展也將是ToF方案未來的趨勢之一。3D傳感器是目前的主流，在此基礎上，將向4D不斷演進。這一增加的維度，可能是時間軸，也可能是生物感知軸等等。但不論是哪種，拓展一個維度都將帶來數據流的成倍上漲，由此也帶來了更多的系統層面的考量。需要更加理解應用的底層細節，而這往往不是一家公司能夠做到的，需要強有力的合作伙伴。
ToF玩家寡，以巨頭為主
ToF傳感方案目前主要被日、歐、美公司壟斷，如索尼、松下、PMD、英飛凌、ST、TI、ADI、Espros和ams等。國內為數不多的玩家中，有一家初創企業格外引人關注。成立于2017年的炬佑智能，聚焦于智能傳感與人工智能系統，目前已完成天使輪和PreA輪融資。圍繞智能傳感、智能發光和智能處理三大技術板塊，覆蓋芯片、模組、算法與應用四個層次的ToF解決方案。
ToF方案的關鍵瓶頸當屬傳感芯片，炬佑智能CEO劉洋認為，ToF玩家以做不做芯片可以劃分為兩種類型。第一類以索尼、松下、三星為代表，有自己的芯片產品；第二類則玩家眾多，涉足芯片之外的其他業務（模組、算法、系統、應用等）。
炬佑智能屬于前者，成立之處立足于芯片研發，為了進一步打開市場，開始向其他業務拓展。劉洋認為，這使炬佑智能形成了獨到的優勢：比第二類公司更了解ToF，比第一類公司更懂系統和應用。這樣的研發閉環，也有利于發現市場上的應用需求，及時推進內部芯片迭代。
成立僅兩年的炬佑智能，商業模式逐漸清晰。但是，在ToF這個玩家少、且巨頭為主的領域，全面對標歐美日大廠尚需時日。劉洋認為，眼下提升核心競爭力的重要環節是與頂尖算法公司的合作，炬佑智能盡管在底層技術方面形成了一定的積累，但是需逐漸向應用層拓展，高性能和Time-to-Market同樣重要，優秀的產品一定是可以給客戶快速帶來收益的產品。
在劉洋看來，站在系統層面分析問題、解決問題始終是創新的關鍵。此外，軟件算法、校正能力等也是影響方案品質的關鍵，炬佑智能會以全局、長遠的眼光面對競爭。
3D結構光與TOF之爭
3D視覺領域，結構光與ToF 都是目前關注度較高的技術。對二者進行比較前，劉洋首先強調，它們本身都是非常有前景的技術，就如同難以比較飛人博爾特和飛魚索普哪個更快一樣，還是取決于具體的場景。結構光在超精細3D建模方面有優勢,因而在工業視覺領域有廣闊的應用。而ToF更“廣譜”，近可做人臉識別,遠可輔助汽車自動駕駛,對快速移動的物體和強烈的環境光干擾都有有效應對措施,加上較優的成本結構,對于消費級的應用非常適合。
具體而言，結構光有先發優勢，在近距達到一定精度，先在一些應用中得到推廣。但除此之外，ToF在其他方面的優勢更為明顯。
ToF方案不僅在近距，并且可應用于更遠距離，最基本是5米范圍，優化后可達到8米、甚至10米。結構光目前還是近距離應用，多數為1.5米、2米，4米已是頂尖水平。
從BOM成本來看，結構光系統成本更高，因為鏡頭模組需要有基線的精度等限制，方案更為復雜，關鍵元器件價格高，模組成本高。此外，后續算法處理更為復雜，需要搭配高性能的處理器。
不過，ToF與結構光在技術上有相通之處，都是大量應用光源VCSEL激光器。結構光從iPhone X開始，在3D鏡頭、算法、供應鏈、基礎配套元器件、以及人才等方面走得更快，相當于為ToF做了一輪培育，也為ToF下一步的普及打下了基礎。
下一個風口在哪里？
“IoT為ToF提供了大有可為的廣闊天地——萬物皆互聯,萬物皆智能,這是何等波瀾壯闊的圖景!”劉洋認為，“處在5G爆發的前夜,結合邊緣計算和云計算的應用將推動IoT市場不斷發展并最終成熟。”
而在這些應用中，只要是和外界通信，本身具備一定邊緣計算的能力，都是ToF的關注點。這其中，手機以外行業的智能三維識別一定會是有所作為的領域，盡管短期來看應用量比智能手機小很多。
另一個很大的市場則可能出現在汽車領域。分為車內、車外兩部分。車內可用于DMS系統，可拓展對乘員進行狀態監控、行為分析。車外應用則有可能會取代現有的可見光方案，發揮ToF在夜間的優勢，用于車身周圍的監控，實現可視化倒車。同時，也有望取代超聲波雷達，進行轉向輔助，監測盲區行人或非機動車輛。
