文档介绍：深度剖析3D TOF
关键字:3D TOF, 机器人,AR/VR, 人脸识别,自动驾驶,智能安防
这段时间以来,最热的话题莫过于iPhone X的Face ID,关于用它刷脸的段子更是满天飞。其实iPhone X 实现3D视觉刷脸是采用了深度机器视觉技术(亦称3D机器视觉)。由于iPhone X的推动,3D视觉市场或许将被彻底的激活。
 
除了iPhone X带动消费市场对3D视觉的需求外,目前机器人、智能安防、AR/VR、无人机、工业视觉等许多热门行业对3D视觉的需求同样越来越突出。如在机器人领域,使用深度视觉进行导航、识别外界的环境、规划路径、实现避障工作等;在AR/VR领域,使用3D视觉进行游戏体感交互等等。
 
根据原理和硬件实现方式的不同,行业内所采用的 3D 机器视觉主要有三种:结构光、TOF、双目立体成像,其中,结构光与TOF方案在技术方面较为成熟。未来哪一类技术将更胜一筹,占领3D视觉制高点?目前还不好定论,因为这三类技术更有优缺点和各自适用的范围。
 
不过据投资机构海通证券研究所预测,2017 年苹果 3D 视觉将从结构光方案开始,未来逐渐加入 TOF 方案。因为苹果公司在 AR 方面野心勃勃,计划将 AR 打造成未来的重要应用领域, 而 TOF 方案更加适合远距离 AR 应用,因此,该机构认为未来苹果将通过加入 TOF 方案实现先进的 AR 体验。
 
那么,3D TOF 到此是什么样的一种技术,它具有什么革新的特点和有价值应用?接下来,本文将来从技术原理到具体应用,逐一的、详细的扒一扒3D TOF这个高深的技术。
TOF 技术详解
一、原理
TOF是Time of flight的简写,直译为飞行时间的意思。所谓飞行时间法3D成像,是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行(往返)时间来得到目标物距离。
图1:3D TOF成像原理
通常,固态激光或者 LED 的发射光源是近红外波段(~850nm),对人眼不可见。图像传感器需要能够响应相同的波段,接收光,将光能量转化为电流。注意,进入传感器的光同时包括了环境光和反射光。距离(深度)信息只存在于反射光中。因此,过多的环境光会降低信噪比(SNR)。为了检测发射光和发射光之间的相位移动,光源是脉冲波或是调制过的连续波, 光源通常是正弦波或方波。方波调制更通用,可以通过数字电路很容易实现。
 
通过集成的光电转换器从反射光中获取脉冲调制,或在反射的第一个检测中启动快速计数器。快速计数器需要一个快速光检测器,通常是一个单光子雪崩二极管(SPAD)。这种计数方法需要快速电子脉冲,1 毫米的精度需要的时钟脉冲间隔是  皮秒。这种级别的精度在室温下的芯片上是无法获得的。
 图 2: 两种飞行时间方法:脉冲(上)和连续波(下) 
脉冲方法是比较直观的。在一个比较短的时间内,光源照射时间为(Δt),采用两个异相窗口,C1和 C2,在相同的时间间隔Δt 内,同时并行对每个像素点的反射能量进行采样。在这些采样时间内,电流持续充电,测量 Q1 和 Q2 用下面公式计算距离:
连续波方法每次测量获取多个样本,每个样本相位差 90 度,共 4 个样本。使用这种技术,发射光和反射光之前的相位角为,φ,距离 d 可以通过下式计算:
接着,待测量像素的亮度(A)和偏移(B),计算为:
在所有的公式中,c 是光速 30 万千米每小时。第一眼看,相比脉冲波,连续波方法的复杂度看似不合理,但仔细看连续波的公式, 就会发现(Q3 − Q4)和(Q1 − Q2)减少了测量中的偏移常量。还有就是,相位角公式中的商值可减少距离测量中的增益常量的影响,比如,系统中的放大或衰减,或者反射的强度。
反射亮度(A)和偏移(B)会影响深度测量的精度。深度值方差可以用以下公式估计:
调制常量 cd 描述了飞行时间传感器分离和收集光电信号的好坏程度。反射光强,A,是光强的函数。偏移,B,是环境光和系统内部偏移的函数。可以从公式 6 得到结论是高幅度,高调制频率和高调制对比度,可以增加精度;但高偏移会导致相机饱和从而降低精度。
 
高频情况下,由于芯片硅半导体的特性,调制对比度会衰减。这是调制频率的实际上线。具有快速下降沿频率的飞行时间相机精度更高。
 
连续波测量基于相位,每 2π重复一次,意味着距离就会产生锯齿。产生锯齿的距离,称为模糊距离,damb,用公式 7 表示:
离出现循环,damb 就是最大的观测距离。如果需要增加观测距离,就需要减小调制频率,根据公式 6,就会减小精度。
 
如果不想妥协,高级飞行时间系统就会采用多频技术增加距离而不减小调制频率。增加一个或多个调制频率混合可以生成多频技术。每个调制频率