蘋果公司近期正式推出了新款iPad Pro，吸引了不少人的關注。在官方的宣傳標語中，有一句話尤其引人關注，“它的Pro級攝像頭打通了真實和虛擬的交界”。

新款iPad Pro搭載的Pro級攝像頭不僅包含了全新的超廣角攝像頭，還包含了一款激光雷達掃描儀。該掃描儀利用dToF技術，結合運動傳感器和iPadOS內的架構，可以進行深度測量，為增強現實及更廣泛的領域開啟無盡可能。

那么dToF是什么呢，它和我們之前市面上已有的iToF又有什么不同呢？

本文將會介紹dToF和iToF的成像原理，對比分析dToF和iToF兩者的差異性，帶領大家了解一下ToF領域。

一．TOF

首先，讓我們先來了解一下ToF的基本概念。

Time-of-Flight(ToF)，顧名思義，是一種利用光飛行時間的技術。接觸過3D視覺的讀者應該知道，ToF和結構光、雙目立體視覺是近年來三種主流的3D成像方式。ToF向場景中發射近紅外光，利用光的飛行時間信息，測量場景中物體的距離。ToF相比較另外兩種3D成像方式，深度信息計算量小，抗干擾性強，測量范圍遠。種種優勢推動了ToF在機器人、交互以及其他工業領域中的應用。尤其是在移動端，已有多品牌手機，比如華為、OPPO、蘋果，將其用于手機后置攝像。

二．dTOF和iTOF

了解了ToF的概念之后，讓我們再來深入了解一下兩類ToF的基本成像原理，也就是文章標題中提到的iToF和dToF。

dToF，全稱是direct Time-of-Flight。顧名思義，dToF直接測量飛行時間。dToF核心組件包含VCSEL、單光子雪崩二極管SPAD和時間數字轉換器TDC。Single Photon Avalanche Diode(SPAD)是一種具有單光子探測能力的光電探測雪崩二極管，只要有微弱的光信號就能產生電流。dToF模組的VCSEL向場景中發射脈沖波，SPAD接收從目標物體反射回來的脈沖波。Time Digital Converter(TDC)能夠記錄每次接收到的光信號的飛行時間，也就是發射脈沖和接收脈沖之間的時間間隔。dToF會在單幀測量時間內發射和接收N次光信號，然后對記錄的N次飛行時間做直方圖統計，其中出現頻率最高的飛行時間t用來計算待測物體的深度。

圖1是dToF單個像素點記錄的光飛行時間直方圖，其中，高度最高的柱對應的時間就是該像素點的最終光飛行時間。

dToF的原理看起來雖然很簡單，但是實際能達到較高的精度很困難。除了對時鐘同步有非常高的精度要求以外，還對脈沖信號的精度有很高的要求。普通的光電二極管難以滿足這樣的需求。而dToF中的核心組件SPAD由于制作工藝復雜，能勝任生產任務的廠家并不多，并且集成困難。所以目前研究dToF的廠家并不多，更多的是在研究和推動iToF。

iToF的概念和dToF相對應，全稱是indirect Time-of-Flight，直譯就是間接光飛行時間。所謂間接，就是指iToF是通過測量相位偏移來間接測量光的飛行時間，而不是直接測量光飛行時間。

iToF向場景中發射調制后的紅外光信號，再由傳感器接收場景中待測物體反射回來的光信號，根據曝光（積分）時間內的累計電荷計算發射信號和接收信號之間的相位差，從而獲取目標物體的深度。如圖2所示。

圖2. iToF成像原理示意圖[1]

iToF模組的核心組件包含VCSEL和圖像傳感器。VCSEL發射特定頻率的調制紅外光。圖像傳感器在曝光（積分）時間內接收反射光并進行光電轉換。曝光（積分）結束后將數據讀出，經過一個模擬數字轉換器再傳給計算單元，最終由計算單元計算每個像素的相位偏移。iToF計算深度的方式通常是采用4-sampling-bucket算法，利用4個相位延遲為0°，90°，180°和270°的采樣信號計算深度。如圖3所示

圖3. 連續波調制方式測相位偏移原理示意圖[2]

三．性能對比

dToF和iToF雖然都是利用光飛行時間技術，但是兩者在測距原理和硬件實現上都有差異。軟硬件的差異會導致這兩類ToF在各方面的性能表現上各有千秋。

衡量ToF的性能指標，需要考慮幾個方面。因為ToF是一個可以測距的相機，作為一個測距設備，基本的評價指標有測距精度和有效探測距離。其次，作為相機而言，圖像分辨率也是一個重要的評價指標。此外，由于ToF本身只能提供3D信息，它將來更多的發展是集成到3D相關的應用，比如3D建模、AR以及移動平臺。在集成到其他3D相關的應用時，尤其是移動端和機器人平臺，必須要考慮它的能耗和成本，以及在各種復雜場景下的抗干擾能力。以上的這些特性，決定了dToF和iToF有著各自適用的應用場景。

接下來，本文會從精度、有效探測距離、圖像分辨率、能耗、成本、抗干擾等7個方面，對比iToF和dToF的優劣。

精度

總的來說，目前的iToF深度精度在 cm 級，并且隨著測量距離的增大，反射光的強度減小，相位測量的信噪比減小，絕對誤差也會隨之增大。

有效探測距離

有效探測距離指相機能夠輸出可靠深度的距離范圍，可靠深度意味著該深度值和真實值的誤差小于一定閾值。舉個簡單的例子，假設測量誤差在2cm以內時，我們視作該深度值是可靠的。如果一個ToF模組測量5米的物體時，測量值是5.02米，誤差剛好達到了預先定義的極限。當物體位于5.01米時，測量值是5.22米，誤差超出了2cm。我們就可以說該ToF模組的有效探測距離是5米。

當然，限制ToF的有效探測距離的主要因素之一是相位模糊現象。

對于dToF而言，當測量距離較遠時，光飛行一個來回的時間超過了兩次連續發射脈沖的間隔，傳感器在發射第二個測量信號后，才接收到第一個測量信號的反射波，就會把該反射波錯認為是第二個測量信號的近距離反射波，這時就會出現相位模糊現象。如圖4所示。圖4中case1表示的是近距離場景下dToF的測距原理圖，case2表示的是遠距離場景下，發生相位模糊現象的測距原理圖。

§ dToF會受到測量頻率（相鄰兩次測量的間隔時間）限制，iToF的有效探測距離會受到調制光的頻率限制。dToF在測量遠距離物體時，可以適當增加兩次測量之間的間隔，減少測量次數。但是，減少測量次數會同時降低測量精度，相當于是用精度換取有效探測距離。而iToF也可以通過降低調制光的頻率，從而犧牲一定的測量精度以獲得更遠的有效探測距離。
對于iToF而言，可以利用雙頻解決相位模糊現象。利用兩個不同頻率的測量數據去求解相位模糊度，從而恢復正確深度值。借助雙頻測量可以同時實現高精度測量和高有效探測距離。

能耗

從發射信號來看， dToF則采用 級的脈沖激光，iToF目前大多采用連續波調制。相比較而言，脈沖波能夠達到超低占空比，所以功耗也較低。

從光照模式來看，由于dToF的測量精度不會隨著測量距離的增大而降低，所以功耗也會相對較低。反之，iToF目前采用的大多是面光發射方式。并且，隨著測量距離的增大，iToF需要提高光照功率或者延長曝光時間來獲取更高的精度，所需的功耗也會大幅增加。

成本

dToF采用的是數字電路架構，不需要模數轉換。iToF采用的是模擬電路結構，需要模數轉換芯片。

對于整體的硬件架構而言，dToF的核心組件SPAD的制作工藝復雜，現有的資源少。iToF沒有這方面的顧慮。

在系統集成方面， dToF還需要額外的時間處理電路，系統集成難度較高。iToF的系統集成容易，不需要額外的測量電路。

抗環境干擾

環境干擾包括場景中環境光干擾、多路徑反射光干擾以及不同表面灰度等影響。這一類環境干擾發生在外界，和ToF本身的關系不大，環境干擾的差異主要是由不同ToF的測距原理引起的。

dToF單幀深度圖獲取時，會經歷多次重復測量，并且采用時間直方圖統計的方式計算飛行時間，比較容易區分信號中的干擾成分。抗環境干擾能力更強。

iToF在曝光階段，部分環境光混雜在調制光中被傳感器接收，然后計算相位偏移。無法從單次測量的結果中區分出環境光引起的干擾。環境光越強，相應的，引起的深度誤差也越大。

應用場景

dToF功耗低，并且體積小巧，更加適合工業機器人等需快速進行測距避障檢測的應用，以及其他在空間受限的緊湊型設計中。

dToF抗環境干擾表現比較好，目前在戶外場景下的測距精度比iToF更加高，在戶外應用場景中也比較占優。

dToF的時間分辨率高，測量距離增大時精度不會大幅衰減，能耗也不會大幅提升，在AR應用中的優勢也比較顯著。

iToF的圖像分辨率較高，在物體識別，3D重建以及行為分析等應用場景中能夠重現場景中更多的細節信息，在機器人、新零售等應用領域占優。

dToF和iToF兩者的目標都是輸出一幅高質量的深度圖像，所以兩者都需要深度數據層面的濾波和噪聲修正，比如空域濾波、點云域的噪聲濾波以及非一致性像素校準等。此外，兩者都擁有透鏡成像系統，所以無論是dToF還是iToF，都需要透鏡失真補償。硬件的溫度變化帶來的噪聲也同時存在于兩種ToF中，所以溫度補償也是兩者所必需的。

dToF是發射脈沖波，而不是特定頻率的調制波，所以dToF不需要做和調制光的頻率相關的處理，包括頻率校準、自動頻率選擇、高動態范圍（HDR）。但是dToF的發射脈沖也有一定的頻率，即相鄰兩個發射脈沖之間的時間間隔，dToF的頻率校準和發射脈沖的頻率相關。dToF僅僅輸出深度圖，而iToF同時輸出深度圖和幅值圖，所以dToF不需要做幅值校準。

此外，由場景干擾引起的多徑、相位模糊、運動模糊、內反射等都是兩者所共有的問題，雖然dToF因為成像原理的特性具有更好的抗環境干擾能力，但是還是會受到這一類場景干擾的影響。不過不同的是，因為dToF和iToF的成像原理不同，兩者所需要的深度修正方式也會有所差異。

dToF和iToF兩者因為測距原理和硬件架構的不同，各方面的性能互有優劣，適用場景也不盡相同。兩者均面臨場景的適應性，如何在任意場景下獲取可靠和準確的深度數據是非常大的技術挑戰，是ToF技術普及的關鍵。ToF應用技術的普及有賴于3D ISP增強引擎來消除干擾，降低功耗，提高實時性能；需要面向3D行業的ISP IP及中間件，有力支撐上層應用。所以說3D ISP是3D成像市場爆發的必要條件。數跡智能團隊正在研發3D ToF ISP Smart3D-ISP，以ISP技術為核心系統性地提升無論是dToF還是iToF的性能并降低功耗和成本是多年來的研發目標，將我們的3D ToF技術植入每部手機、每輛汽車、每個機器人、每臺家電，從而改變機器對世界的“看法”，實現深度的智能。

審核編輯 ：李倩