第1章 ToF相机概述

1. ToF相机概述：从原理到应用全景

大家好，我是老张。在3D视觉领域摸爬滚打了十几年，今天想跟你聊聊ToF相机。说实话，每次有新人问我「该选哪种3D方案」，我都会先让他搞清楚ToF到底是什么。

ToF，全称Time-of-Flight，直译就是「飞行时间」。原理其实很简单：我朝目标发射一束光，光碰到物体反射回来，我测量光往返的时间，就能算出距离。嗯，就像蝙蝠用超声波定位一样，只不过我们用的是光。

ToF的概念其实不新。早在上世纪70年代，NASA就开始研究用激光测距。但那时候设备比冰箱还大，功耗高得吓人，根本没法商用。

真正的转折点出现在2000年左右。我记得当时我在一家德国公司做项目，第一次见到ToF传感器芯片——虽然分辨率只有64×64像素，但已经让我兴奋得睡不着觉。为什么？因为它能实时输出深度图，不需要扫描，不需要复杂的算法。

发展历程大致分三个阶段：

关键里程碑：2017年iPhone X虽然用的是结构光，但同年三星S8已经搭载了后置ToF。到了2020年，iPad Pro和iPhone 12 Pro直接用上了dToF（直接飞行时间），这才真正把ToF推向了消费电子主流。

做3D视觉，你绕不开这三个方案。我经常被问到「哪个最好」——其实没有最好的，只有最合适的。咱们来掰扯掰扯。

对比维度	双目立体视觉	结构光	ToF
工作原理	两个摄像头视差计算	投射已知图案，三角测量	测量光飞行时间
精度	中等（依赖纹理）	高（亚毫米级）	中等（厘米级）
远距离	好（可达百米）	差（通常<5米）	好（可达数十米）
光照影响	强光下差	强光下差	强光下中等
功耗	低	中	高（需要主动光源）
成本	低	中	中高
典型应用	自动驾驶、无人机	人脸识别、3D扫描	手机AR、工业测距

我个人的经验是：

如果你要做近距离高精度（比如人脸解锁），结构光是首选。但要注意，它在户外强光下基本废掉——我曾经在正午阳光下测试结构光模组，深度图全是噪点，根本没法用。
如果你要远距离测距（比如自动驾驶），双目或ToF更靠谱。双目胜在成本低，但计算量大，弱光下也抓瞎。
如果你要实时性（比如手机AR），ToF是唯一选择。它不需要复杂的匹配算法，直接输出深度图，帧率能做到30fps甚至60fps。

避坑指南：我曾经在一个工业项目中，客户非要拿结构光做远距离测距。结果呢？投射的图案在5米外就散得看不清了，项目差点黄了。后来换成ToF，问题迎刃而解。所以选方案前，先搞清楚你的工作距离和光照条件。

ToF的应用场景，说白了就是「哪里需要实时测距，哪里就有它」。我挑三个最典型的说说。

现在中高端手机基本都标配ToF了。你想想看，手机AR为什么能实时把虚拟物体「放」在桌面上？靠的就是ToF提供的深度信息。还有拍照时的背景虚化，以前靠算法猜，现在ToF直接告诉你每个像素的深度，虚化效果自然得多。

我记得2020年帮某手机厂商调ToF模组，最头疼的是多路径干扰——光线在玻璃盖板内来回反射，导致深度数据出现「鬼影」。后来我们用了调制频率切换的方法，才把误差从5cm压到1cm以内。

工业场景对ToF的要求很苛刻：高帧率、高可靠性、抗环境光。我做过一个物流分拣项目，传送带上的包裹速度很快，普通相机根本跟不上。ToF能做到每秒60帧的深度图输出，配合机械臂，分拣效率提升了3倍。

但要注意，工业现场经常有金属表面，镜面反射会让ToF数据出现「飞点」。我的经验是：加一个偏振片，或者用多帧滤波，能有效抑制这种噪声。

很多人问ToF能不能替代激光雷达。我的答案是：不能完全替代，但可以互补。激光雷达精度高、探测远，但成本高、体积大。ToF成本低、体积小，适合做近距离的盲区监测、车内人员检测。

我参与过一个L4级自动驾驶项目，在车四周装了4个ToF模组，专门检测1米内的障碍物。效果不错，但有个坑：雨天水花溅起，ToF会把水花误判为障碍物，导致急刹车。后来我们加了置信度判断，才解决了这个问题。

重要提醒：ToF在强阳光下性能会下降。如果你要做户外应用，一定要选带环境光抑制功能的模组。我见过太多人忽略这一点，结果项目一拿到户外就崩了。

下面这张图是我自己画的，把ToF的核心脉络梳理了一遍。你保存下来，以后复习时看一眼就明白了。

这张图把ToF的核心脉络串起来了：从原理出发，分iToF和dToF两条技术路线，再到分辨率、帧率、精度这些关键参数，最后落到多路径干扰这个核心挑战上。嗯，后面的章节我们会重点讲多路径干扰怎么消除。

一句话总结：ToF的核心优势是「快」和「远」，但代价是精度不如结构光，且容易受多路径干扰。选不选它，取决于你的应用场景更看重什么。

公众号：蓝海资料掘金营，微信deep3321