智能自动暗门便是这些令人兴奋的应用之一。想象一下，一部间谍电影中的主人公在走廊里，站在一个没有描述的花瓶旁边，做着一系列手势，试图打开一扇秘密的门。突然，打开了一扇隐藏的房门，里面装满了秘密情报。智能自动暗门仅使用一个，只允许知道站在那里（房间的特定部分）和秘密手势（若需要，可以多个）的人进入，从而保持安全。

  我们要如何集成ToF传感器，而这些令人兴奋的应用要说明呢？请继续阅读，以了解ToF传感器的工作原理、集成到特定应用中的方法，以及使用ToF传感器时应注意的事项。

  顾名思义，ToF传感器通过计算光（通常为红外，波长约为850nm）或发出的声音（超声波）“飞向”物体并反射回来所需的时间来测量距离。这些传感器的工作原理格外的简单。为便于理解，我们将重点讨论光学ToF传感器。

  ToF传感器能根据测量距离的方式分为两类：直接和间接。直接ToF传感器直接测量给定光脉冲被传感器传输、被目标反射并被探测器接收所需的时间。直接ToF传感器一般会用脉冲调制来测量距离。直接ToF传感器使用以下公式来计算距离：

  而间接ToF传感器测量的是脉冲之间的相对相位差。因此，借助经传感器发射、目标反射以及探测器接收的一系列脉冲，可以通过观察返回信号与发射信号的相位差来测量距离。间接ToF传感器一般会用连续波(CW)调制来测量距离。间接ToF传感器使用以下公式来计算距离：

  间接传感器适合用于手势识别等3D应用，而直接ToF传感器则更适合于快速测距应用。这些传感器的具体应用场合与工作原理息息相关。因此，了解ToF传感器如何工作有助于为应用选择正真适合的传感器。

  工作条件和环境是了解ToF传感器工作原理的关键。图1显示了ToF传感器光子的“寿命”，以及可能会产生噪声的理论位置。红色表示可能会产生噪声和/或影响系统最终性能的位置。在接收器处，由于光子“正确地”通过这一事件链时存在一个概率问题，因此只能收集到一小部分传输的光子。

  传输信号（光子）与目标的相互作用对于ToF传感器来说非常非常重要，因为光子可能具有漫反射、镜面反射和/或扩散反射的特性，并会被某些物体吸收或散射（图2）。例如，如果被测物表面粗糙（不规则的晶格排列），并且处于波长范围内，则主要会发生漫散射。光子与物体相互作用的方式将影响ToF传感器的实际在做的工作效果。

  图2：当与目标交互时，光可以几种不同的方式散射。（图源：Terabee）

  ToF传感器与结构光和立体视觉两种3D光学传感系统相比各有优势。表2和表3显示了ToF传感器的优缺点。

  ToF传感器与3D光学传感系统相比有很多明显的优势，但设计工程师在做决定时应考虑所有的可能性。表4显示了3D光学传感系统与ToF传感器相比，存在的优点和缺点（注意，存在例外情况）。

  对于爱好者来说，集成ToF传感器是一项相对简单的工作，因为大多数ToF传感器同时包含了所需的所有器件（发射器、接收器和处理器）。但是，对于不同的用途和应用场景，仍应谨慎操作。ToF传感器具有多种不同的配置，包括发射器设计、接收器设计和/或运行特性（如转向、旋转）。每个ToF传感器的设计和制造对其运行方式和性能起着非常非常重要的作用。

  校准是将ToF传感器集成到应用中时需要非常考虑的因素之一。对于最简单的距离测量，ToF传感器会出现的四类误差如图3所示：恒定偏移量、比例因子、测量精度/方差和饱和度。接下来，我们将重点介绍单个发射器和接收器（像素）。

  在工程和科学应用中，理解和校准误差源至关重要。首先，因为ToF传感器是光学传感器，所以其中也存在光学传感器常见的噪声源。我们一定要考虑固定模式噪声和ToF传感器焦平面阵列(FPA)内像素间的响应偏差。阵列中每个像素的响应灵敏性必须补偿到中等水准。另一种类型的固定模式噪声是暗电流及相应的散粒噪声。ToF传感器即使未启动，仍然会出现噪声，必须对此进行补偿，以减少FPA读数出现偏差。通常，传感器的带隙与暗电流噪声成反比。随着带隙减小，暗电流噪声通常会增大。

  为了补偿固定模式噪声，可以执行非均匀性校正(NUC)。该过程需要在不同的积分时间测量阵列，并将响应拟合到已知模型中。必须对每个像素进行校正和对齐，以便为固定输入提供均匀的输出。以其他传感器为例，如果正确执行NUC，将产生类似于图4所示的结果。

  图4：此图显示了校正红外传感器的NUC过程示例。对于3D传感应用来说，校准是实现良好效果所必需的操作。（图源：）

  此外，还需考虑别的系统噪声，包括热噪声、量化噪声（模数转换器）、闪烁噪声、KTC噪声和串扰。由于探测器的响应也受温度影响，所以应格外的注意热噪声。测距结果将随气温变化而漂移，并产生偏移。这种温度漂移不是物体的特性，而是与延迟锁定环的相位测量有关。

  影响ToF传感器性能的环境噪声包括杂散光、光波阵面误差、多径以及由于物体反射率不均而产生的常规照明噪声。如在ToF传感器缺点的讨论中所述，ToF传感器存在应校正的伪影，例如运动伪影。运动伪影发生在物体边界和不均匀反射处，这些位置不匹配的原始相位值可能会发生波动。随着给定积分时间内运动速度的增加，运动伪影也会变得更严重。为了补偿运动伪影，能够使用流补偿等技术。这种补偿必须在传感器运行时进行，不能视为校准。

  在对ToF传感器有了一定认知后，我们大家可以从更高的角度来了解怎么样去使用ToF传感器进行目标跟踪。

  使用ToF传感器，首先要经过测量物体或场景多个点的范围来生成点云。根据ToF传感器返回或点云的密度和距离测量的精度，可以对传感器及其感测到的世界生成精确的3D视图。如果传感器视图里只有一个对象，则能够最终靠查看与场景别的部分的返回结果，即可轻松地跟踪对象。另一方面，如果场景杂乱，应用一些图像处理，便可以基于对象特征和深度的附加信息来跟踪对象。合适的ToF传感器能提供类似相机的“图像”，但具有额外的深度信息。

  对于相机分辨率过低且无法生成精确点云等类似情况，ToF传感器的分辨率最重要。如果范围不有代表性，且ToF传感器未经过校准，则物体会相互重叠，或墙壁等平坦表面看起来粗糙变形。

  ToF传感器不仅功能丰富，如果仔细检查，还会发现其拥有难以置信的深度。ToF传感器的使用和设计因发射器、探测器、光学阵列、处理技术和封装不同而异。在任何应用中都应考虑ToF传感器的噪声和误差；传感器用途不同，也会导致校准和误差校正的复杂度不同。归根结底，ToF传感器结构紧密相连，性能惊人，功能丰富，是一种经济高效的解决方案，可以帮你解决很多问题。

  Tenner Lee是机器学习/人工智能研发项目的技术负责人，在算法开发/设计、系统优化和算法测试/验证方面拥有15年的领导、开发、项目管理和咨询经验。他拥有电气工程研究生学位，在信号处理和电磁方面有一定的基础。