當前ToF行業現狀，d-ToF技術在激光功耗、抗干擾、遠距離精度等方面有明顯優勢，但在工藝和產業鏈均離成熟尚遠，仍需較長時間打磨；i-ToF芯片在工藝和產業鏈雖已趨于成熟，但達到的效果卻不盡完美，從而導致其應用受阻。

隨著2020年發布的iPad Pro等高端消費電子領域的持續關注，d-ToF技術將進入快速迭代發展階段，技術發展方向可能會集中在：SPAD工藝升級（包括DCR、PDE、jitter等），片上集成度提升（包括片上直方圖/深度圖算法，I/O，Memory等），TRX系統協同設計等方面；隨著工藝和產業鏈的成熟，d-ToF的技術優勢也會逐步釋放，占據一定市場空間。

與此同時，i-ToF仍有很大潛力可以持續挖掘，不論是在算法端，亦或是系統端和應用端均有望通過軟硬件的協同設計，彌補原理上的非理想效應[10]。以光鑒科技的mToF (modulated ToF) 方案為例，通過在系統端結合軟硬件，引入調制光場的概念，通過空域、頻域、時域上的巧妙設計，創新硬件協同前沿算法，在物理上提升i-ToF抗干擾、抗噪聲能力，解決i-ToF在實際應用場景中面臨的關鍵痛點，一定程度上可以媲美d-ToF的性能。

綜上所述，我們認為：在d-ToF產業鏈成熟之前，i-ToF還有很大的潛力可以挖掘，有望先一步搶占3D行業市場份額；而隨著工藝和產業鏈的成熟，d-ToF將逐步從高端消費電子往下滲透，在較長的時間周期中，與i-ToF平分秋色，各自占據重要的市場份額。在d-ToF方案成熟之后，i-ToF在像素、成本等方面有著優勢，而d-ToF在功耗、距離以及抗干擾方面有著優勢。而不論基于何種技術路線，ToF系統的成像芯片只能解決如何探測和處理返回的光信號；而作為一個3D成像系統，光學系統的設計、投射光的調制和控制、圖像數據的算法處理等因素也將決定了一種技術方案是否能夠充分發揮出其原理的優勢，實現真正適合應用需求的方案。

ToF技術應用

ToF 的精度取決于其脈沖持續時間，相比雙目視覺、結構光方案，ToF 精度不會隨著距離增長而顯著降低， d-ToF 是遠距離應用的關鍵技術。

隨著2020年蘋果iPad Pro 的發布，采用了激光雷達掃描儀ToF 傳感器 ，勢必會帶動ToF 在消費類電子應用的進一步爆發。目前消費電子中ToF 應用以手機為主，華為、三星已在前后攝都搭載ToF 攝像頭，今年蘋果機型有望也開始搭載ToF技術。

3D ToF技術在其他領域應用也開始逐步滲透，目前還是主要依賴頭部終端廠商的推動,主要的應用領域包括以下場景：

01

消費電子

Figure 6-1 ToF在消費類電子領域應用:（a）ToF體積小，在對于精度要求不高的場景下可以用于簡單的人臉活體識別 （b）3D 感應人體關鍵部位，體感互動游戲 (c) 追蹤手部位置和姿勢，進行手勢控制 (d) 構建三維信息，虛擬與真實環境進行交互

02

機器人

Figure 6-2 ToF在機器人領域應用（a）ToF 低速激光雷達可精確識別障礙物，進行自動避障 （b）測量得到周圍環境深度信息，定位自身位置構建地圖 (c) 應用于服務型機器人，智能導航 (d) 無人機得到ToF穩定、精準的距離信息定高懸停

03

安防監控&軌道交通

Figure 6-3 ToF在安防監控&軌道交通領域應用:（a）ToF 獲得人體深度數據，結合人數統計算法，相比傳統監控可實時統計、跟蹤人員數量 (b) 通過智能方向識別忽略交錯人流 (c)智能停車，廣覆蓋精準識別車位車輛信息 (d) 實時監控路口車輛。增加監控環境三維信息

04

無人駕駛&工業自動化

Figure 6-4 ToF在無人駕駛&工業自動化領域應用:（a）隨著面陣dToF 工藝的成熟，未來純固態激光雷達將與其他雷達相融合用于無人駕駛中（b）車廂監控，監測駕駛員疲勞狀態，監控車內人員情況 (c) 倉儲分揀，智能識別貨物信息 (d) 物流包裹體積測量，可快速識別包裹長寬高

總結

本文介紹了ToF深度相機的基本工作原理和不同技術路徑的優勢和挑戰。我們還比較了ToF與雙目和結構光技術方案的優劣勢。ToF技術的成熟將帶來其在消費電子、機器人、工業自動化、物流等領域的大量應用和突破。

審核編輯 黃宇