3D-ToF空间深度传感器

大家好 欢迎回到家电部分的 TI在线工业战略研讨会

我是Kim 在这节我会简单介绍 3D -ToF的一些方案和原理

首先 我们 看一下3D-ToF的一些常规应用

那么3D-ToF在工业上 一般是用于3D的扫描

手势的识别以及用于 导航的一些地图建立

那像家电这样的应用场景的话

用的比较多的是扫地机器人

或者是用于家庭用的这种服务机器人

以及一些大型的家电可能 要做到一些复杂的手势识别以及

一些人物技术这样的应用场景下

那我们看看目前市场下 主要的3D传感技术的一个方案

那主要有以下三种 第一个叫双目测量

第二个叫结构光 第三个叫ToF

那双目测量用的是两个摄像头

对同一个物体进行拍照 然后通过图像识别

的算法来获取这个 物体摄像头的一个偏角

那获取到两个偏角以及两个摄像头的距离之后 可以通过数学的计算

得到这个物体距离我的 双目摄像头的一个垂直距离

那结构光是通过特定形状的 光栅的一些形变呢

感知这个物体的距离

那这样的方案在 发射端和接收端都需要

一些特殊的光栅来做这个事情

那第三个是ToF ToF是测量

一组发射和接收之间的相位差

它是直接测量光在空间飞行的时间

是一个直接测量距离的检测方案 那对比这三个方案呢

各有优缺点 那主要就在于测量的

距离 精度以及软硬件的一些成本

以及是否会受到外围的一些干扰

那我们首先来看看测量距离的差异

在测量距离这一栏下 3D ToF的表现是最好的

主要的原因是它是 一个直接的距离检测方案

所以不管是近距离还是 长距离都会有一个比价好的精度

那双目测量比较 适合中距离的一个检测

主要是因为双目测量的 检测方案是依赖于一个图像处理

那在很近的距离下 同一个物体的差异会比较明显

所以 图像处理去匹配是比较难做的

那在远距离测量的情况下 测量的分辨率会比较低

所以它比较适合在一个 中等的距离下做一个检查

那结构光的检测距离是最短的

主要原因是它要 测量一个纹路的变化

那远了的话 纹路的 分辨程度和形变程度

是很难被检测出来的 所以它 不适合远距离甚至中距离的检测

那刚刚讲到的是一个深度的分辨率

ToF在全范围的情况下都能 保证毫米到厘米级别的精度

结构光因为它是比较适合 近距离的检测 所以它的分辨率

可以做到更高一些

[听不清]是依赖于图像处理

所以它整个辨率以及 角度的分辨率相对都比较低

从硬件的设计角度来讲呢 因为双目测量

使用的是一个传统的摄像头 所以它的整个成本

比较其他两种会更低一些

但它带来的是一个难点是 图像处理的控制器

以及组平台

成本会比较高 对性能有比较高的要求

那ToF呢 因为 是一个直接的距离检测方案

所以它的硬件成本和 软件的复杂度都不是特别高

还有一个就是在低光下的表现

因为双目测量是依赖于这个摄像头

所以在低光底下 它的性能是比较差的

结构光和3D ToF都是一个主动的

光源 所以它们在低光底下

都是（有）一个比较好的表现

下面我们看看这 三种方案大概的一个框图

大家可以看到 这部分是双目测量

这个是结构光 这个是3D ToF

双目测量需要两个摄像头

需要一个非常高端的AP或PC的方式

去做一个图像处理

那结构光主要的成本是 第一个是使用摄像头

第二个是它需要一个 复杂的光栅的光学器件

去做一些支持 或通过DLP去匹配

这样的一些光栅去工作

形成多帧的那个光栅图

再进行一个图像的合成

那ToF是使用ToF的一个控制器

进行对一个LED或者

镭射管的这样的一个控制

然后把这个信号 返回到ToF的一个(Sensor)传感器

然后经过AFE转成一个数字信号

转移到我的(Controller)控制器

最终形成一个带深度的一个图像

那3D ToF是一个 直接的距离检测方案

它检测的是 发射光源和接受光源的一个

相位延迟 它发射这个光的时候 是按某一个固定频率进行调制的

然后通过四个时刻的采样

来计算在某个特点频率下的相位延迟

然后通过相位延迟以及光速

和你的调制频率来反算

这个距离信息

那家电的一些应用的话

最主要的是扫地机器人

那扫地机器人为什么 会选择3D ToF方案呢

那主要有几个问题 第一个是扫地的清洁效率

那以前市场上大部分的扫地机器人

都是以盲扫的方式 去做一个扫地的算法

所以它覆盖的面积不是特别宽

那针对这样一个问题呢 我们需要有一个

3D的一个测试方案

去对你的空间进行一个地图的建立

然后导航

那么扫地机器人 在使用3D ToF的时候呢

是需要一个比较高的分辨率

主要原因是家电环境是比较复杂的

有好多粗细不一样的障碍物

需要一个比较高的 分辨率来识别这些障碍物

那这个框图就是TI针对这个

扫地机器人使用3D ToF的一个框图

大家可以看到 这一段 我们会有两个主体部分

第一个是我们的 接收端的(Sensor)传感器

第二个是控制端的 一个(Controller)控制器

那它支持类似红外以及镭射的发射管

那我们传感器的部分 使用的是OPT8241

控制器部分使用的是OPT9221

OPT8241本身是一个 320X240的一个高分辨率的一个

传感器 支持120兆每秒的一个速度

那我们的OPT9221呢

支持的是一个DVP的数据接口

是一个CMOS的并联接口

同时它集成了很多的图像处理的

简单的算法 例如这个深度的校准

这个相位的一个对齐

以及一些像素点饱和的一个检测

那针对3D ToF的一些方案 其实相对来讲

也是比价复杂的 那如何快速开启我们的设计呢

TI我们提供了一些开发的平台

这样的开发平台 提供了一些结构的设计

以及软硬件的一些基本的支持

那目前在TI的参考设计中 我们针对

这个简单的手势识别和 一些简单的元素计量

我们做了一个参考设计

TIDA-00750

它使用的是OPT8241和OPT9221的

一个设计

那也是使用了刚才的那个开发套件

那它做的是人体的一些基本动作的

一个检测以及人体个数

以及人体轮廓描绘和计数的一个功能 特别适合在一些商用的空调系统底下

来做一个人数计量

好 最后是一些网上资源

关于3D ToF的 简单介绍到这里 谢谢大家

大家好 欢迎回到家电部分的 TI在线工业战略研讨会

我是Kim 在这节我会简单介绍 3D -ToF的一些方案和原理

首先 我们 看一下3D-ToF的一些常规应用

那么3D-ToF在工业上 一般是用于3D的扫描

手势的识别以及用于 导航的一些地图建立

那像家电这样的应用场景的话

用的比较多的是扫地机器人

或者是用于家庭用的这种服务机器人

以及一些大型的家电可能 要做到一些复杂的手势识别以及

一些人物技术这样的应用场景下

那我们看看目前市场下 主要的3D传感技术的一个方案

那主要有以下三种 第一个叫双目测量

第二个叫结构光 第三个叫ToF

那双目测量用的是两个摄像头

对同一个物体进行拍照 然后通过图像识别

的算法来获取这个 物体摄像头的一个偏角

那获取到两个偏角以及两个摄像头的距离之后 可以通过数学的计算

得到这个物体距离我的 双目摄像头的一个垂直距离

那结构光是通过特定形状的 光栅的一些形变呢

感知这个物体的距离

那这样的方案在 发射端和接收端都需要

一些特殊的光栅来做这个事情

那第三个是ToF ToF是测量

一组发射和接收之间的相位差

它是直接测量光在空间飞行的时间

是一个直接测量距离的检测方案 那对比这三个方案呢

各有优缺点 那主要就在于测量的

距离 精度以及软硬件的一些成本

以及是否会受到外围的一些干扰

那我们首先来看看测量距离的差异

在测量距离这一栏下 3D ToF的表现是最好的

主要的原因是它是 一个直接的距离检测方案

所以不管是近距离还是 长距离都会有一个比价好的精度

那双目测量比较 适合中距离的一个检测

主要是因为双目测量的 检测方案是依赖于一个图像处理

那在很近的距离下 同一个物体的差异会比较明显

所以 图像处理去匹配是比较难做的

那在远距离测量的情况下 测量的分辨率会比较低

所以它比较适合在一个 中等的距离下做一个检查

那结构光的检测距离是最短的

主要原因是它要 测量一个纹路的变化

那远了的话 纹路的 分辨程度和形变程度

是很难被检测出来的 所以它 不适合远距离甚至中距离的检测

那刚刚讲到的是一个深度的分辨率

ToF在全范围的情况下都能 保证毫米到厘米级别的精度

结构光因为它是比较适合 近距离的检测 所以它的分辨率

可以做到更高一些

[听不清]是依赖于图像处理

所以它整个辨率以及 角度的分辨率相对都比较低

从硬件的设计角度来讲呢 因为双目测量

使用的是一个传统的摄像头 所以它的整个成本

比较其他两种会更低一些

但它带来的是一个难点是 图像处理的控制器

以及组平台

成本会比较高 对性能有比较高的要求

那ToF呢 因为 是一个直接的距离检测方案

所以它的硬件成本和 软件的复杂度都不是特别高

还有一个就是在低光下的表现

因为双目测量是依赖于这个摄像头

所以在低光底下 它的性能是比较差的

结构光和3D ToF都是一个主动的

光源 所以它们在低光底下

都是（有）一个比较好的表现

下面我们看看这 三种方案大概的一个框图

大家可以看到 这部分是双目测量

这个是结构光 这个是3D ToF

双目测量需要两个摄像头

需要一个非常高端的AP或PC的方式

去做一个图像处理

那结构光主要的成本是 第一个是使用摄像头

第二个是它需要一个 复杂的光栅的光学器件

去做一些支持 或通过DLP去匹配

这样的一些光栅去工作

形成多帧的那个光栅图

再进行一个图像的合成

那ToF是使用ToF的一个控制器

进行对一个LED或者

镭射管的这样的一个控制

然后把这个信号 返回到ToF的一个(Sensor)传感器

然后经过AFE转成一个数字信号

转移到我的(Controller)控制器

最终形成一个带深度的一个图像

那3D ToF是一个 直接的距离检测方案

它检测的是 发射光源和接受光源的一个

相位延迟 它发射这个光的时候 是按某一个固定频率进行调制的

然后通过四个时刻的采样

来计算在某个特点频率下的相位延迟

然后通过相位延迟以及光速

和你的调制频率来反算

这个距离信息

那家电的一些应用的话

最主要的是扫地机器人

那扫地机器人为什么 会选择3D ToF方案呢

那主要有几个问题 第一个是扫地的清洁效率

那以前市场上大部分的扫地机器人

都是以盲扫的方式 去做一个扫地的算法

所以它覆盖的面积不是特别宽

那针对这样一个问题呢 我们需要有一个

3D的一个测试方案

去对你的空间进行一个地图的建立

然后导航

那么扫地机器人 在使用3D ToF的时候呢

是需要一个比较高的分辨率

主要原因是家电环境是比较复杂的

有好多粗细不一样的障碍物

需要一个比较高的 分辨率来识别这些障碍物

那这个框图就是TI针对这个

扫地机器人使用3D ToF的一个框图

大家可以看到 这一段 我们会有两个主体部分

第一个是我们的 接收端的(Sensor)传感器

第二个是控制端的 一个(Controller)控制器

那它支持类似红外以及镭射的发射管

那我们传感器的部分 使用的是OPT8241

控制器部分使用的是OPT9221

OPT8241本身是一个 320X240的一个高分辨率的一个

传感器 支持120兆每秒的一个速度

那我们的OPT9221呢

支持的是一个DVP的数据接口

是一个CMOS的并联接口

同时它集成了很多的图像处理的

简单的算法 例如这个深度的校准

这个相位的一个对齐

以及一些像素点饱和的一个检测

那针对3D ToF的一些方案 其实相对来讲

也是比价复杂的 那如何快速开启我们的设计呢

TI我们提供了一些开发的平台

这样的开发平台 提供了一些结构的设计

以及软硬件的一些基本的支持

那目前在TI的参考设计中 我们针对

这个简单的手势识别和 一些简单的元素计量

我们做了一个参考设计

TIDA-00750

它使用的是OPT8241和OPT9221的

一个设计

那也是使用了刚才的那个开发套件

那它做的是人体的一些基本动作的

一个检测以及人体个数

以及人体轮廓描绘和计数的一个功能 特别适合在一些商用的空调系统底下

来做一个人数计量

好 最后是一些网上资源

关于3D ToF的 简单介绍到这里 谢谢大家