原创 被智能手机带出圈的ToF，现在怎么样了？

在经历了早期智能手机的“带货”后，ToF被大众熟知，经过应用端多样需求的不断打磨，近年来ToF已在诸多应用中确立了价值，如人脸识别、手势识别和多点距离监控等，并在广大的IoT市场扩展出越来越大的需求。

深度信息的带入使得智能手机、汽车、VR/AR等应用的可拓展性变得越来越高，从2D走向3D是未来传感器发展的一大趋势。ToF（Time of Flight），基于光的飞行时间测距，作为3D传感主流技术之一，正成为这一趋势的有力载体。

1、拿时间换空间的ToF

ToF技术的本质，说白了就是将时间维度的信息转换为空间维度的信息，原理就是小学学过的这则公式：距离=速度*时间。

以基于直方图原理的dToF为例，光速乘以光子的往返飞行时间再除以2，就可以得到被测物体的距离，如上图左上角所示，当前被测物体的距离就是2.1m。

艾迈斯欧司朗资深市场经理王树刚也就dToF的原理做了补充，以上图右侧的直方图为例，横坐标是距离信息，纵坐标是由被测物体反射回的光子Count数，2个峰值，第一个通常是玻璃盖板的距离（例如手机上的屏幕或者扫地机器人的盖板），一般将其定为零点距离；第二个峰值就是目标物体的距离，这里标注为210cm，底噪部分则是环境光带来的干扰。

一般而言，工程师就是利用峰值跟噪声的信噪比来判断所测数值是否可信，如果数值大于16，即判定数值可信。

2、追求性能必须有自主算法的加持

对于ToF传感器而言，评估其性能的一个关键指标就是它的抗油污和灰尘的干扰能力。

从上图可以得出玻璃盖板表面没有油污灰尘时得到的光子Count值是1800，但在实际的使用环境中，必然会有灰尘、油污的干扰。

当玻璃盖板有油污时，此时它返回的光子Count值已经达到了18,000（如上图所示），但是只要被测物体检测的信噪比足够大，比如说大于16，就可以有效判断出目标物体的距离，从而规避油污和灰尘带来的干扰。

抗阳光、油污和灰尘的干扰能力也是艾迈斯欧司朗ToF传感器非常大的一个优势。

当被问及背后的原因？

王树刚表示这正是基于其自主算法以及自主研发的光学滤光片，而这些投入也帮助其ToF产品同时具备了极佳的抗阳光干扰能力。

事实上，艾迈斯欧司朗在光学领域拥有超过20年的光学设计经验，推出业界最小的ToF Sensor就是其能力表现之一。不止于此，艾迈斯欧司朗目前还致力于提供包含软硬件一体的整套设计方案，因此才能推出包含MCU的all in one dToF方案。

3、ToF在应用端的多样价值

由于应用场景的不同，不同领域对ToF技术的需求也不同，因此ToF技术还在不断发展，例如，针对室外场景，ToF需要具备更好的抗太阳光等干扰的性能；针对一些高端应用，ToF需要有更高和更稳定的精度性能；针对大量IoT场景，ToF还需要更高的性价比等等。

近年来，经过应用端多样需求的不断打磨，ToF已经在诸多应用中确立了价值，如人脸识别、手势识别和多点距离检测等，正逐渐在广大的IoT市场扩展出越来越大的需求。

就目前的观察，已经可以看到ToF在工业、消费类市场的多种应用，例如笔记本、Pad等智能设备中的人体在位检测；用于投影仪的快速对焦以及梯形校正功能；扫地机器人中的避障、建图；门禁、智能门锁中的人体接近监测以及饮水机、智能水杯当下常提到的液位检测。

具体到人体在位检测，当其应用在PC或者Pad上时，在检测到前方有人时，即可解锁亮屏，人走之后就会立即熄屏。如此一来，一方面可以节省功耗，延长电池寿命；另一方面也能更好保护屏幕内容，起到隐私保护的作用。

其实，这里也可以附带防偷窥的功能。

比如在办公的时候，如果你的后边有人在看，利用ToF的人体检测功能就可以给你输出一个信息或者帮助你直接熄屏。

在手势识别的应用中，一般包含基本的左挥、右挥、单击、双击等手势。艾迈斯欧司朗的ToF方案在这类应用中的一个重要特点就是高识别率和低误识别率。

在提高识别率的同时，就意味着用户的很多其他手势都可能会被识别，举个例子，以左挥为例，如果大幅提高识别率，那比如用手扶一下眼镜或者拿水杯的动作，都有可能被识别成左挥。

基于AI算法做大量模拟测算，艾迈斯欧司朗的ToF方案能够更好判断哪些动作是真正的左挥，从而在提高识别率的同时大幅降低误识别率。

正是基于这种性能，手势识别已应用在较多领域，例如，对音响、PC等智能设备、媒体播放器以及PPT演示等的手势控制操作。

设想你在家中看电影时，如果想暂停或者回放一下刚才的精彩镜头，通过手势去操控就会非常便捷，带来更好的使用体验。

4、术业有专攻的ToF

针对不同场景中的应用，艾迈斯欧司朗也就ToF产品进一步细化了自己的路线图，比如第一代的TMF8701产品，就主打近距离，从0厘米就可以输出数据，因此广泛应用于智能手机的前置摄像头用以辅助判断以及扫地机器人中的沿边检测和避障功能。

第二代产品TMF8801和TMF8805，将检测距离增加到2.5m内，因此多用于手机后置摄像头中以实现快速对焦，辅助相机拍摄；另外还有投影仪的自动对焦以及饮水机和智能水杯的液位检测。

第三代的 TMF882X系列，则是多点ToF。它可以将目标物体的区域进行划分，最多可以划分八八六十四个区域。同时，配合TMF882X系列的多套自主算法，比如说人体在位检测、手势识别以及用于投影仪上的梯形校正算法，从而提供软硬一体的total solution。

以投影仪的应用场景为例，ToF产品应用其中主要是2方面的作用：一是自动对焦，二是梯形校正。

就自动对焦而言，目前主要是手动和传统相机对焦2种形式，但是传统相机对焦的方式会打一个pattern，在使用中影响观感。而在做梯形校正时，由于角度误差，距离较近，如果稍有偏差，校正效果也会很差。

对此，目前的解决方案是以单点ToF实现自动对焦，多点ToF实现自动梯形校正。

如果放在扫地机器人的应用场景，仍然可以利用ToF做非常多的检测。

例如在有台阶环境下的跌落检测，还有扫地过程中的沿边检测，如果没有沿边检测的功能，若是扫地机器人在执行任务的过程中撞到了较为贵重的物品就会损失惨重。

更不用提众所周知的建图、避障功能以及基于运动物体的检测。

当然，将多点ToF应用在扫地机器人仍有一个特别优势。比如之前提到的多点ToF可以划分区域，假设当前将其划分为9个区域，如下图所示，如果区域789已经接地，ToF会检测到这里已经到地了，那上面的6个区域可以检测到是墙，如此便可感知扫地机上下是否有着一定的偏转。因为如果有偏转，4和6的距离是不一样，根据距离的不同，也可以判断出偏转的方向。

综上，这套方案不仅在扫地机器人上得到应用，在服务机器人、宠物机器人以及无人机等多样产品上都已经有成功的量产应用案例。

“如果说要在艾迈斯欧司朗的ToF方案优势中再补充一点的话，那就是我们的ToF方案已经被多行业的头部厂商批量采用，例如智能手机、笔记本、机器人、投影仪等等。”