1. ToF技术概览：从飞行时间到深度图，原理、分类与行业应用全景

大家好，我是老张。做ToF传感器这块有些年头了。今天咱们聊聊ToF技术——说白了，就是让光飞一会儿，然后算出距离。

你可能会问：光速那么快，怎么测？嗯，这正是ToF的核心魅力所在。

1.1 飞行时间原理：光速就是我们的尺子

ToF的全称是Time of Flight，飞行时间。原理其实很简单：

• 发射器发出一束调制光（通常是红外激光或LED）
• 光打到目标物体表面，反射回来
• 传感器接收反射光，测量发射到接收的时间差Δt
• 距离 d = c × Δt / 2（c是光速，除以2是因为光走了个来回）

我在项目中遇到过不少新手，上来就问：光速3×10⁸ m/s，测个几米距离，时间差才几十纳秒，这怎么测？

确实，直接测飞行时间对电路要求极高。所以业界想了个巧妙的办法——不直接测时间，而是测相位差。

举个例子：调制频率20MHz，测到相位差90°，那距离就是：

d = (3×10⁸ × π/2) / (4π × 20×10⁶)
  = 1.875 米

你看，把纳秒级的时间测量，转化成了更容易实现的相位测量。这就是工程思维的魅力。

1.2 ToF传感器的两大流派

做ToF这么多年，我接触过两大类方案。它们各有千秋，选型时得看具体场景。

类型	原理	优点	缺点	典型应用
直接ToF (dToF)	直接测量光子飞行时间	精度高、抗多径干扰强	成本高、像素分辨率低	激光雷达、手机后置3D
间接ToF (iToF)	通过相位差间接计算	分辨率高、成本低	易受环境光干扰	人脸识别、手势控制

我个人习惯是：做消费电子选iToF，性价比高；做工业测量或自动驾驶，老老实实上dToF。

1.3 从原始数据到深度图：中间经历了什么？

传感器输出的原始数据，可不是一张漂亮的深度图。你想想看，它拿到的只是一堆电荷量——每个像素对应4个（或更多）相位采样值。

以最常见的4相位采样为例：

// 伪代码：从4个相位值计算深度
Q1 = 相位0°时的电荷量
Q2 = 相位90°时的电荷量  
Q3 = 相位180°时的电荷量
Q4 = 相位270°时的电荷量

// 计算相位差
I = Q1 - Q3
Q = Q2 - Q4
phase = atan2(Q, I)

// 计算距离
distance = (c * phase) / (4 * PI * f_mod)

嗯，这里要注意：atan2出来的相位值范围是[-π, π]，对应距离有最大不模糊距离。超过这个范围，就会发生相位卷绕——说白了就是距离跳变。

1.4 行业应用全景：ToF到底能干啥？

做了这么多年，我眼看着ToF从实验室走向千家万户。现在它的应用场景，比你想象的广得多。

• 手机3D感知：人脸解锁、AR表情、背景虚化。iPhone从iPhone X开始就用dToF了，安卓这边iToF居多。
• 自动驾驶：激光雷达就是dToF的典型应用。L4级以上自动驾驶，激光雷达是标配。
• 工业自动化：物流分拣、体积测量、机器人避障。我在工厂里见过用ToF做AGV导航的，精度能到毫米级。
• 医疗健康：体态监测、跌倒检测、呼吸监测。疫情期间，ToF还被用来做无接触体温筛查——虽然测的是距离，但结合热成像就能定位额头位置。
• 智能家居：手势控制灯光、人走自动关空调。说白了就是让家电长眼睛。

你可能会问：ToF和结构光、双目视觉比，优势在哪？

我的经验是：结构光在室内近距离精度极高，但一到室外就废了；双目视觉成本低，但纹理弱的地方直接歇菜。ToF呢？室内室外都能用，弱光环境也不怕，就是功耗和成本稍微高一点。

1.5 本章知识体系

下面这张图，是我自己梳理的ToF技术全景。你把它存下来，后面学滤波和增强算法时，随时回来对照。

这张图把ToF技术的核心脉络串起来了。从原理到分类，再到数据处理和行业应用，每个环节都有它的坑和门道。后面几章，我们会逐个深入。

好了，第一章就聊到这。ToF的世界很大，我们慢慢走。

---

公众号:蓝海资料掘金营，微信deep3321