停车乱象已成城市问题，“智慧之眼”机器视觉系统前来整治

本文转载自电子发烧友网。亿欧智慧城市对文章进行二次编辑，供读者参考。

---

在创新放缓的智能手机市场， ToF方案成为拍照亮点频频出现在多款手机产品中，一时风头无两，迅速蹿升为3D视觉领域的主流方案。 事实上，各大应用市场对ToF这类3D深度视觉技术都呈现出日益旺盛的需求，其中以机器视觉应用最为普遍。

机器视觉是智能系统的“慧眼”，无人驾驶、智能机器人等热门应用都以机器视觉的发展为前提。所谓机器视觉，主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更注重具有人脑的一部分功能——从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

在某些机器视觉应用中，如图像识别、图像检测、视觉定位、物体测量、物体分拣等，创建物体的3D图像是必不可少的。ToF因种种优势，被认为有潜力在这方面迎来广泛应用。

扫地机器人——ToF下一个蓝海？

在消费领域，百万量级扫地机器人越来越多地配备了机器视觉能力。当前较为主流的实现方式是单目视觉技术，通过加入可见光摄像头进行辅助定位，使扫地机器人移动过程中可以对图像进行连续跟踪，进行相机姿态和物体之间相对位置变化的估算，从而实现避障。在视觉导航技术兴起之前，扫描式激光雷达占据绝对的主导地位。

ToF被认为有潜力取代这两种方案。与激光雷达相比，它能够进一步拓展视野范围，效率更高。

目前的可见光摄像头像素都很高，入门级约1200万，高端可达4800万，拍摄画面非常精细，有一定的隐私泄漏隐患。早先外媒就曾曝光某款智能扫地机器人被黑客利用漏洞发起远程攻击，通过获得其内置摄像头的使用权限，偷拍用户家中。从曝光视频来看，黑客甚至可以控制摄像头的角度，并调整焦距，扫地机器人所到之处，画面一览无余，让人不寒而栗。

ToF方案则契合了机器视觉的需求，它的像素并没有那么高，人眼看上去颗粒度很大、没有画面细节，但对于机器视觉实现避障等功能足够，能够更好地保护隐私。 此外,在室内关灯或窗帘紧闭等情况下，可见光摄像头的效果大打折扣，ToF因为自发光原理，反而更能体现优势。

据了解，ToF在扫地机器人的应用仍在开发中，今年内有望在市场上看到相关产品。

ToF走向？

目前5G、IoT、人工智能等，都给ToF带来很多助力。不管是终端客户还是资本市场，都对此非常感兴趣。这将推动ToF走向何方？

智能化

随着5G的规模商用，从端到云的反馈控制方面，计算和传输延时是不可忽略的。因此传统的集中式架构已经不能满足，未来需要更多边缘计算的能力，个体层面的传感器将会越来越强，变得更加智能化。

对于传感器来说，智能来自于计算。那么在什么地方、该施以何种计算？这其中大有文章可做。传统的传感器不需要强大的“大脑”,只管吐数据就可以。但是未来，智能的传感器则在于能够多层次地在恰到好处的地方、施以恰到好处的计算，实现更快的响应、更高的性能、更多的功能和更低的功耗。

未来的ToF传感器应该是这样的：它将继续挑战物理极限，达到更精准、距离更远，它不光能看见现在，还能记忆过去，更能预测未来。 同时，它还具备自学习能力，不断优化自身性能。它将超越传感器成为智能的传感节点，众多的传感节点又将合成功能更强大的传感网络。

集成化

ToF方案目前包括发光、接收、智能控制三大块，以后两两结合甚至三块结合在一起的需求是存在的。那么，哪类方案会进行集成？

现有的ToF方案从阵列类型可以划分为面阵型和单点型，如8*8单点型阵列方案就将发光和接收部分集成在同一芯片上，实现了很小的面积。

面阵型ToF方案也将是这样的技术路线。不过尚需克服一些挑战，例如：发光单元在发光同时产生的发热问题，如何在更小的面积上进一步降低功耗？是否需要集成处理器？选择传统处理器还是神经网络处理器？面对种种可能产生的问题，刘洋认为，这需要对应用有更加充分、深入的了解，要量体裁衣，对所需的各项能力（计算能力、存储空间等）做到恰到好处。

向多维传感拓展

3D向4D的拓展也将是ToF方案未来的趋势之一。3D传感器是目前的主流，在此基础上，将向4D不断演进。这一增加的维度，可能是时间轴，也可能是生物感知轴等等。但不论是哪种，拓展一个维度都将带来数据流的成倍上涨，由此也带来了更多的系统层面的考量。需要更加理解应用的底层细节，而这往往不是一家公司能够做到的，需要强有力的合作伙伴。

ToF玩家寡，以巨头为主

ToF传感方案目前主要被日、欧、美公司垄断，如索尼、松下、PMD、英飞凌、ST、TI、ADI、Espros和ams等。 国内为数不多的玩家中，有一家初创企业格外引人关注。成立于2017年的炬佑智能，聚焦于智能传感与人工智能系统，目前已完成天使轮和PreA轮融资。围绕智能传感、智能发光和智能处理三大技术板块，覆盖芯片、模组、算法与应用四个层次的ToF解决方案。

ToF方案的关键瓶颈当属传感芯片，炬佑智能CEO刘洋认为，ToF玩家以做不做芯片可以划分为两种类型。第一类以索尼、松下、三星为代表，有自己的芯片产品；第二类则玩家众多，涉足芯片之外的其他业务（模组、算法、系统、应用等）。

炬佑智能属于前者，成立之处立足于芯片研发，为了进一步打开市场，开始向其他业务拓展。刘洋认为，这使炬佑智能形成了独到的优势：比第二类公司更了解ToF，比第一类公司更懂系统和应用。这样的研发闭环，也有利于发现市场上的应用需求，及时推进内部芯片迭代。

成立仅两年的炬佑智能，商业模式逐渐清晰。但是，在ToF这个玩家少、且巨头为主的领域，全面对标欧美日大厂尚需时日。刘洋认为，眼下提升核心竞争力的重要环节是与顶尖算法公司的合作，炬佑智能尽管在底层技术方面形成了一定的积累，但是需逐渐向应用层拓展，高性能和Time-to-Market同样重要，优秀的产品一定是可以给客户快速带来收益的产品。

在刘洋看来，站在系统层面分析问题、解决问题始终是创新的关键。此外，软件算法、校正能力等也是影响方案品质的关键，炬佑智能会以全局、长远的眼光面对竞争。

3D结构光与ToF之争

3D视觉领域，结构光与ToF 都是目前关注度较高的技术。对二者进行比较前，刘洋首先强调，它们本身都是非常有前景的技术，就如同难以比较飞人博尔特和飞鱼索普哪个更快一样，还是取决于具体的场景。结构光在超精细3D建模方面有优势,因而在工业视觉领域有广阔的应用。而ToF更“广谱”，近可做人脸识别,远可辅助汽车自动驾驶,对快速移动的物体和强烈的环境光干扰都有有效应对措施,加上较优的成本结构,对于消费级的应用非常适合。

具体而言，结构光有先发优势，在近距达到一定精度，先在一些应用中得到推广。但除此之外，ToF在其他方面的优势更为明显。

ToF方案不仅在近距，并且可应用于更远距离，最基本是5米范围，优化后可达到8米、甚至10米。结构光目前还是近距离应用，多数为1.5米、2米，4米已是顶尖水平。

从BOM成本来看，结构光系统成本更高，因为镜头模组需要有基线的精度等限制，方案更为复杂，关键元器件价格高，模组成本高。此外，后续算法处理更为复杂，需要搭配高性能的处理器。

不过，ToF与结构光在技术上有相通之处，都是大量应用光源VCSEL激光器。结构光从iPhone X开始，在3D镜头、算法、供应链、基础配套元器件、以及人才等方面走得更快，相当于为ToF做了一轮培育，也为ToF下一步的普及打下了基础。

下一个风口在哪里？

“IoT为ToF提供了大有可为的广阔天地——万物皆互联,万物皆智能,这是何等波澜壮阔的图景!” 刘洋认为，“处在5G爆发的前夜,结合边缘计算和云计算的应用将推动IoT市场不断发展并最终成熟。”

而在这些应用中，只要是和外界通信，本身具备一定边缘计算的能力，都是ToF的关注点。这其中，手机以外行业的智能三维识别一定会是有所作为的领域，尽管短期来看应用量比智能手机小很多。

另一个很大的市场则可能出现在汽车领域。分为车内、车外两部分。车内可用于DMS系统，可拓展对乘员进行状态监控、行为分析。车外应用则有可能会取代现有的可见光方案，发挥ToF在夜间的优势，用于车身周围的监控，实现可视化倒车。同时，也有望取代超声波雷达，进行转向辅助，监测盲区行人或非机动车辆。

停车场也是较好的应用场景，目前多采用磁感应方式，需要每个车位都安装传感器。而采用ToF方案的摄像头一个就可以覆盖若干个车位。由此拓展的应用场景还有车牌识别、行为分析等。此外，现在热门的高速公路ETC化，ToF可用于对车流、路况进行分析。

ToF下一步发展有哪些助推因素？刘洋认为，据传最晚明年秋天iPhone前后摄像头都将采用ToF方案，苹果的“带货”能力有目共睹，有望通过手机端进一步拉动整个供应链的发展，带动ToF迎来应用高潮。

编辑：李腾

本文已标注来源和出处，版权归原作者所有，如有侵权，请联系我们。