第一章：ToF技术全景
各位工程师朋友，大家好。我是老张，在嵌入式视觉领域摸爬滚打了十几年。今天咱们聊聊ToF——飞行时间测距技术。说实话，我第一次接触ToF是在2015年，当时被一个客户追着问能不能用手机测距。我试了超声波、红外对管，效果都不理想。后来翻到ST的VL53L0X数据手册，才真正入了ToF的坑。
这一章，我带你从原理到实战，把ToF技术全景捋一遍。不扯虚的，全是干货。
1.1 飞行时间测距原理
飞行时间测距，说白了就是「光走一个来回，我算距离」。你想想看，光速是固定的，每秒30万公里。我发射一束光，打到目标反射回来，测出时间差，距离就出来了。
公式很简单：距离 = 光速 × 时间差 / 2。除以2是因为光走了个来回。
嗯，这里要注意：光速在空气中会受温度、湿度影响，但一般消费级应用不用太纠结。我在项目中遇到过，室内环境误差基本在1%以内，够用了。
核心要点：ToF测距的本质是「测时间」，不是「测强度」。所以它不怕目标颜色深、不怕表面纹理复杂。这一点比结构光强多了。
1.2 直接ToF vs 间接ToF
这两种方案，我当年选型时纠结了整整两周。直接ToF（dToF）测的是光子飞行时间，间接ToF（iToF）测的是相位差。听起来玄乎？我拆开讲。
| 对比项 | 直接ToF（dToF） | 间接ToF（iToF） |
|---|---|---|
| 测距方式 | 直接测量光子飞行时间 | 测量发射与接收信号的相位差 |
| 典型芯片 | ST VL53L系列、AMS TMF8801 | TI OPT系列、PMD PicoFlexx |
| 测距范围 | 通常0-4米（消费级） | 通常0.1-10米 |
| 精度 | ±1-5cm | ±0.5-2cm（近距离） |
| 抗环境光 | 较强（SPAD阵列） | 一般（需滤光片） |
| 功耗 | 低（脉冲式） | 较高（连续波调制） |
我个人习惯：做手机接近传感器、扫地机避障，首选dToF。因为它功耗低、响应快。做工业测距、人脸识别，iToF更合适，精度更高。
避坑指南：我曾经在户外项目里用了iToF，结果大太阳底下直接饱和，数据全废。后来换成dToF加窄带滤光片，问题解决。记住：强光环境，dToF更靠谱。
1.3 ToF vs 结构光 vs 双目视觉
这三种技术，经常被放在一起比较。我直接说结论：没有绝对的好坏，只有合不合适的场景。
- 结构光：投射已知图案，通过变形计算深度。精度高（亚毫米级），但怕强光、怕远距离。iPhone的Face ID就是典型。我做过一个结构光项目，室内效果惊艳，拿到室外直接罢工。
- 双目视觉：两个摄像头模拟人眼，通过视差算深度。成本低、无主动光，但依赖纹理。白墙面前就是瞎子。我记得有次调试双目，对着白墙怎么都算不出深度，最后加了投影纹理才搞定。
- ToF：主动发光测时间，不怕纹理、不怕暗光。但分辨率低（目前主流VGA级别），多径干扰是老大难。
重要提醒：别指望ToF能替代结构光做高精度3D建模。ToF的强项是「快速、鲁棒的距离测量」，不是「精细的深度图」。选型时想清楚你的核心需求。
1.4 知识体系框架
下面这张图，是我自己总结的ToF技术全景。你把它存下来，后面每一章都会用到。
这张图把ToF技术体系分成了五层：原理层、分支层、参数层、对比层、应用层。你每次选型时，从下往上走一遍，基本不会跑偏。
我的习惯：拿到一个新项目，先看应用场景（第五层），再反推需要什么参数（第三层），最后选具体方案（第二层）。这样效率最高。
好了，第一章就到这里。ToF技术全景给你搭好了框架。后面每一章，我都会带你深入一个具体模块——从芯片选型、硬件设计、驱动调试，到实际项目中的坑和解决方案。
记住：理论是地图，实战才是路。咱们下一章见。
公众号:蓝海资料掘金营，微信deep3321