随着ToF在手机等终端市场的应用爆发，3D成像与传感器市场成为风口上的热点。Yole预计全球3D成像和传感市场将从2017年的21亿美元增长至2023年的185亿美元，复合年增长率高达44%。由于消费类市场的带动（复合年增长率为82%），汽车电子（复合年增长率为35%）、工业和商业应用（复合年增长率为12%）和其它高端市场也将进入快速增长通道。

而相比3D深度视觉其它两种方案而言，当前ToF方案在实际应用中的表现出的优势让市场看好在快速增长通道中ToF更大的机会。例如：在画面拍摄后计算景深时不需要进行后处理，既可避免延迟又可节省采用强大后处理系统带来的相关成本；ToF测距规模弹性大，大多数情况下只需改变光源强度、光学视野以及发射器脉冲频率即可完成。

此外，由于具有不易受外界光干扰、体积小巧、响应速度快以及识别精度高等多重优势，使得ToF无论是在移动端还是车载等应用领域日渐成为3D视觉的首选技术方案。

使用ToF技术可以得到物体的绝对值，更具性能优势

自动化工厂中的各类机器人的自主避障将是ToF可以快速应用的领域。机器人应用日益在工业环境中普及的当下，当机器人身处较为拥挤的工作环境中，它们必须能辨认人与机械以及机械的动作，并作出迅速的反应以避免设备及工作人员受伤。如果以激光雷达来解决，成本则需要增加数万元，用双摄像头方案又需要大量的运算和双摄像头精准位置的调教，而ToF则成为解决上述难题的极具性价比的最佳选择。

ToF实现人脸识别助力建筑智能升级。以具备人脸识别的ADI ToF 3D立体影像自动门解决方案为例，传统自动门采用红外线反射原理，只能检测到是否有物体出现在感测范围，导致动物也能自由进出商场，造成管理上困扰。基于ToF的方案可识别空间中的人类特征以及人与物体相对位置距离，避免非人类（例如动物）进入商业卖场。此外，商业空间的3D人流自动统计过去有成熟方案，但如何有效利用影像技术，精准分辨进出者的身高、体重，同时出入时间及高度误差低于1%，这就有相当技术门坎了，而ADI的ToF解决方案，有别于传统3D人流方案，大多需要安装至少二只立体相机，ADI的方案仅需一只ToF摄影镜头架，设于门框上方且没有安装高度限制。

ToF应用于3D 人流统计方案的情境虚拟图

ToF汽车倒车影像增加汽车驾驶员辅助功能。结合影像传感器和VGA ToF传感器模块与内建图像处理器，ADI公司汽车ToF解决方案能叠加实际影像，准确测量物体与汽车的距离，相较于传统超声波感测方案，具备更佳的感测角度，能提供倒车系统更大范围的碰撞侦测预防。

演示设置非常简单，RUNIC(润石)线性稳压器(LDO)转换器/电平移位器IC芯片 设置了两个相互垂直的ToF摄像头，每个摄像头会显示参与对象在三个维度上的角度，即高度、宽度以及最重要的深度。每种颜色代表不同的距离范围，因此如果现场工作人员靠近摄像头，手上的颜色就会发生变化。同样，如果远离摄像头，工作人员的身体会变成不同的颜色，这意味着距离变得更远。

这本身没有什么了不起，因为CES展会上也展出了许多其他的3D摄像头。但是在本演示中，ADI会展示多个ToF摄像头面对面放置时不会相互干扰。

ToF摄像头通过发射激光脉冲捕获距离信息，然后测量反射脉冲返回摄像头所需的时间，将反射时间乘以光速，即可获得所需的距离或深度信息。问题是，如果存在与该激光器相同波长的其他光源，尤其是其他ToF摄像头，测量将会受到干扰。因此，存在任何类型光干扰时测得的时间都不正确，这意味着计算所得的距离信息也不正确。

CES2019上展示的多TOF干扰消除技术的效果对比（右边采用，左边未采用）

您可以看到这种其他摄像头带来的干扰产生的影响。注意到在这张图片中工作人员的颜色改变了，但这毫无意义，因为不同的颜色表示不同的距离，这是由于这个ToF摄像头的激光脉冲反射到另一个ToF摄像头，从而显示出失真或错误的距离数据。

另一边，这个摄像头并未显示这种失真，因为我们采用了一项正在申请专利的算法，它能够避开或消除所有无关的光信息，仅使用自身激光源的光信息，所以能给出正确的深度信息。另一个摄像头没有采用此干扰消除算法，会出现失真，而这个摄像头则不会出现失真。

同样，一群人戴着AR眼镜在同一个房间里玩游戏，多个自主式机器人在同一大型仓库里分拣货物，或者两辆自动驾驶的汽车同时接近交叉路口，如果ToF摄像头无法消除其他光源的干扰，那么使用ToF技术进行精确深度测量的应用范围将会严重受限。因此，ADI预计飞行时间系统中的防干扰或消除干扰能力将会越来越重要。

• 应用
• TOF
• 拥挤
• 场景
• 如何