dToF開啟深度信息的新未來

3D sensing是智能手機創(chuàng)新的趨勢之一，當前正加速向中低端手機滲透。目前實現3D sensing共有三種技術，分別為雙目立體成像、結構光和ToF，目前已經比較成熟的方案是結構光和ToF。其中結構光方案最為成熟，已經大規(guī)模應用于工業(yè)3D視覺，ToF則憑借自身優(yōu)勢成為在移動端較被看好的方案。

ToF的多場景應用呈現出了比結構光更為廣闊的發(fā)展前景。作用距離的劣勢限制結構光的應用，ToF技術則彌補了距離上的缺陷，可以被應用于包含3D人臉識別、3D建模以及手勢識別、體感游戲、AR/VR在內的更多場景中，能夠為智能手機帶來更娛樂性和實用性的體驗。此外，相比結構光技術，ToF的模組復雜度低，堆疊簡單，可以做到非常小巧且堅固耐用，在屏占比不斷提高的外觀趨勢下，更得到手機廠商的青睞。

ToF（Time of Flight），通過測量發(fā)射光與反射光的飛行時間計算出光源與物體之間的距離，本質上是時間維度測量。根據測距的方式不同，目前存在兩種ToF技術路線：iToF（間接飛行時間，indirect-ToF）和dToF（直接飛行時間，direct-ToF）。dToF直接測量飛行時間，原理是通過直接向測量物體發(fā)射光脈沖，并測量反射光脈沖和發(fā)射光脈沖之間的時間間隔，得到光的飛行時間，從而直接計算待測物體的深度。iToF則是通過發(fā)射特定頻率的調制光，檢測反射調制光和發(fā)射的調制光之間的相位差，測量飛行時間。

iToF間接測量飛行時間，具備低成本、較高分辨率優(yōu)勢，適用于短距離測距。iToF原理為把發(fā)射的光調制成一定頻率的周期型信號，測量該發(fā)射信號與到達被測量物反射回接收端時的相位差，間接計算出飛行時間。由于iToF sensor的pixel相對較小，可實現相對高圖像分辨率。但iToF問題在于的測距精度的實現限制了最大測距距離，從原理上看，調制頻率越高則測距精度越好，高調制頻率意味著對應的測距距離不能太大，并且環(huán)境光會對電路產生干擾。因此目前iToF主要應用在手機面部識別、手勢識別等測距距離較短的場景中。

iToF傳感器電路相對簡單，難點主要在深度算法，安卓陣營自2018年引入iToF并推動其主流化。目前如三星、華為、OPPO、vivo等品牌均有在中高端機型中配臵，除此之外，iToF在物體識別，3D重建以及行為分析等應用場景中能夠重現場景中更多的細節(jié)信息，因此還被廣泛應用于機器人、新零售等領域。

dToF直接測量飛行時間，具備低功耗、抗干擾等優(yōu)勢，適用于對測距精度要求高的較遠距離測距場景。dToF原理為向被測物體發(fā)射光脈沖，通過對反射和發(fā)射光脈沖時間間隔的測量，直接計算待測物體的深度。測距原理使得dTOF測量精度不會因距離增大而降低，功耗更低同時對環(huán)境光的抗干擾能力更強。

dToF深度算法相對簡單，難點在于用以實現較高精度的SPAD。dToF要檢測光脈沖信號（納秒甚至皮秒級），因而對光的敏感度要求會很高，因此接收端通常選擇SPAD（單光子雪崩二極管）或者APD（雪崩光電二極管）這類傳感器來實現，集成度弱于普通的CMOS圖像傳感器，像素尺寸一般大于10μm，從而分辨率通常較差，成本更高。SPAD是dTOF技術的核心，技術難度大且制作工藝復雜，目前世界上極少廠家具備量產能力，集成難度很高難以小型化應用在手機等小型消費電子上，因而除傳統(tǒng)熱門應用領域車載LiDAR之外，消費電子領域目前僅有蘋果一家實現商用（iPad Pro首次搭載）。

未來TOF會向更高集成度、更小的傳感器尺寸、更高分辨率發(fā)展。目前傳統(tǒng)的CIS單像素尺寸最小可達到0.7μm，而目前0.6μm也已經在研發(fā)中。但ToF傳感器更要求單像素獲取信號的能力，因而需要更大的單像素尺寸；dToF傳感器電路設計比較復雜，需占據較大的片上尺寸；iTOF像素尺寸則需暫時讓步于更高的集光效率。種種原因使得ToF圖像傳感器的小型化存在一定困難。

半導體工藝改進將有望實現TOF傳感器小型化。ToF傳感器廠商通過半導體工藝方案的改進，如背照式（BSI）、堆棧式（Stacked）CMOS等技術，將原本位于光電二極管上方的布線層移至下方，以及將光電轉換器、電子倍增器（electron multipier）這些部分垂直堆疊，增大像素開口率，同時減小像素尺寸。目前根據松下最新的研究成果，dToF傳感器也可以用CMOS工藝實現，集成度已經在數量級上逼近iToF方案。

目前ToF技術低分辨率的固有缺陷仍然存在，未來有望隨技術更迭而實現突破。目前ToF測量精度量級仍然相較結構光方案落后，但近兩年其傳感器分辨率已經在提升。iToF方面，英飛凌面向消費市場的一般REAL3?傳感器（iToF）也達到了3.8萬像素，2019年推出的IRS2771C則達到15萬像素；dToF方面，例如iPad Pro 2020的LiDAR分辨率達到了3萬像素；另外TDC電路設計進步也逐步提升著CMOS電路中的TDC時間分辨率精度，有望帶來dToF的分辨率的提升。

ToF未來最有潛力的應用在AR領域

目前手機是ToF在消費電子中的主要應用領域，隨著市場對3D視覺與識別技術的興趣日益濃厚，頭部終端廠商推動TOF技術在3D感知和成像方向上不斷拓展，我們看到TOF技術在智能手機端加速滲透，TOF的使用進一步豐富著3D sensing的應用場景。伴隨AR/VR的發(fā)展，ToF有望成為智能手機攝像頭的下一個風口。

ToF助力消費級AR普及。ToF技術的應用亦是AR、VR時代的催化劑。考慮到ToF的兩個獨特的優(yōu)點——作用距離長、刷新率高，存在遠距離3D測距需求的AR/VR是最能體現TOF優(yōu)勢的功能之一。3D攝像頭技術提供的手勢識別功能將成為未來AR/VR領域的核心交互手段。目前各大廠商推出的VR設備大都需要控制器，游戲控制器的優(yōu)勢在于控制反饋及時、組合狀態(tài)多。

根據Markets and Markets，2019年全球AR市場規(guī)模達到107億美元，預計到2024年將達到727億美元，復合增長率達46.6%。過去幾年中，以Facebook、英特爾、高通和三星為代表的公司在AR領域進行了大量投資，推動了全球AR市場的快速增長。中國AR市場規(guī)模預計在2024年將達到約59億美元，從下游應用來看，工業(yè)應用占比最大，約占42%，其次是汽車（18%），零售（15%）以及航空與國防（10%）等。

AR室內設計。2020款iPad Pro使用了dToF LiDAR技術，通過這一技術可以獲得3D空間的深度信息，建立詳細的室內環(huán)境空間數據，模擬出擺放了新家具后的情況。宜家的IKEA Place應用，利用AR讓家居產品的外觀和在家中的擺放效果直接呈現在用戶眼前。

醫(yī)療學習。Complete Anatomy是一款教醫(yī)學院學生通過虛擬技術了解心臟、實時肌肉運動、神經系統(tǒng)等人體結構的軟件，在2020款iPad Pro上可以使用這一軟件，它將幫助專業(yè)人士更準確的評估病人的身體運動情況，為未來醫(yī)學發(fā)展帶來更多可能性。

3D攝像頭技術提供的手勢識別功能將成為未來AR/VR領域的核心交互手段。目前各大廠商推出的VR設備大都需要控制器，游戲控制器的優(yōu)勢在于控制反饋及時、組合狀態(tài)多。以HoloLens為例，就擁有一組四個環(huán)境感知攝像頭和一個深度攝像頭，環(huán)境感知攝像頭用于人腦追蹤，深度攝像頭用于輔助手勢識別并進行環(huán)境的三維重構。

拍照虛化。ToF具備更好的景深信息采集功能，加入智能手機后攝模組后，能夠實現快速、遠距離獲取更高精度的深度圖（depth map），從而完成較結構光范圍更大的3D建模，而且由于自帶紅外光源，其在暗光環(huán)境下獲得的景深信息同樣準確。因此，有TOF攝像頭參與的成像在虛化效果上會更加真實，富有層次。華為2019年發(fā)布的旗艦機P30 Pro在后臵3D成像與感知模組中加入ToF鏡頭輔助，ToF鏡頭獲取的更多景深信息加強背景虛化功能，相比雙目視覺更加精準，使得得到的圖像虛化邊緣更加清晰、更具表現力。

手勢識別。目前不少手機具備的懸浮手勢識別功能，不用直接接觸手機屏幕，僅借由前臵ToF的對手勢的3D感知，通過如在手機前揮揮手這樣簡單的操作來實現翻頁、滾屏等普通操作。體感游戲相比前者更具交互性，通過TOF技術能夠采集到被拍攝人的身體深度信息，捕捉和采集身體的動作，進行手勢判定，控制預制的3D建模人偶的形象和動作，實現真人和3D虛擬形象跟隨，用身體、動作和手勢做游戲交互。

ToF技術的應用是AR、VR時代的催化劑?？紤]到ToF的兩個獨特的優(yōu)點——作用距離長、刷新率高，存在遠距離3D測距需求的AR/VR是最能體現TOF優(yōu)勢的功能之一。3D攝像頭技術提供的手勢識別功能將成為未來AR/VR領域的核心交互手段。

dTOF技術的應用有望推動AR內容的完善，加速消費級AR普及。蘋果2017年便針對開發(fā)者們發(fā)布了用于iOS設備上AR應用開發(fā)的ARKit開發(fā)工具，2020年發(fā)布的iPad Pro為消費電子設備首次搭載dToF模組，可視為蘋果針對5G時代AR領域的進一步布局。iPad Pro搭載的LiDAR（激光雷達掃描儀），采用Sony 3萬像素10μm dTOF圖像傳感器，SPAD陣列的探測器，并集成了Lumentum的VCSEL芯片和TI的VCSEL驅動芯片，能達到ps級時間分辨率，可實現5米范圍內的3D感知與成像，具備更快的AR建模速度、更高的測量精度和更少的抖動、錯位。

Sony的dTOF方案首次采用3D堆疊工藝，像素內連接通過混合鍵合互連技術將探測器晶圓和邏輯電路晶圓鍵合實現，同時，深溝槽隔離（Deep trench isolation）也被應用，充滿金屬的溝槽完全隔離了像素。從而有效控制了dTOF傳感器的尺寸，使其成功的應用在iPad這類小型消費電子設備中。

目前iPad Pro的LiDAR共呈現出三種典型場景的應用。AR測量、AR游戲和AR裝修設計。

AR測量：LiDAR可以快速計算人的身高，并展現垂直和邊緣引導線。通過開發(fā)者開發(fā)的app可實現對物體尺寸、建筑物更精細的測量。

AR游戲：LiDAR通過對周圍真實環(huán)境的掃描和快速獲得深度信息能力，為AR游戲開辟了更廣闊的設計空間。如官網展示的《熾熱熔巖(Hot Lava)》電子游戲，可以把客廳變成一個虛擬的熔巖環(huán)境，游戲中的玩家可以跳到家具上以此來避開模擬中的地板熔巖。iPad Pro上市后帶動開發(fā)者不斷豐富iOS平臺上AR游戲內容，也使一些原有的AR游戲因為玩法升級而更具有生命力。

AR裝修：iOS上的Shapr3D app，借助LiDAR對房間進行掃描創(chuàng)建3D模型，用戶可以對該模型展開編輯或添加新對象，使用AR可以查看實際房間在編輯后的虛擬效果，幫助用戶在裝修動工前更真切體驗設計效果。宜家Place應用同樣可以通過掃描一個房間獲得與之匹配的家具推薦，然后使用AR查看家具擺放效果。

dTOF在iPad Pro上的應用，可以視為蘋果打通AR生態(tài)硬件基礎的第一步。未來蘋果通過技術改進和突破，有望將dTOF引入手機端以及更多地AR設備，促進AR硬件設備的發(fā)展同時，也激發(fā)設計師基于dTOF的特性開發(fā)如建筑、教育、醫(yī)療等更多場景的AR內容應用，推動AR應用生態(tài)持續(xù)完善。

華為河圖（Cyberverse）定義地球級XR應用（包括VR、AR、MR等擴展現實技術），將AR應用拓展到更廣闊的數字世界。華為河圖（Cyberverse）被定義用來提供地球級的虛擬現實融合服務的數字平臺，華為AR地圖是其推出的第一個商業(yè)產品，主要功能包括AR實景導航、全息信息展示、虛實融合拍照及其他虛擬活動等。全場景空間計算能力是河圖的核心，這一能力所需的宏觀地圖可以使用衛(wèi)星定位，而室內及一些微觀場所的建模定位則依賴智能手機的3D Sensing來完成。目前華為P40系列機型已經能夠支持華為AR地圖。

下一波移動終端創(chuàng)新將圍繞AR進行革命性創(chuàng)新。AR/VR開發(fā)平臺的搭建和完善，及增強現實內容市場的蓬勃發(fā)展，必然會推動TOF產業(yè)的發(fā)展。TOF有望接力結構光，從生物感知到虛擬現實，從人臉識別到3D建模，帶來產業(yè)端升級和用戶體驗優(yōu)化，前臵人臉識別+后臵虛擬現實功能可能成為手機的下一個形態(tài)。伴隨AR/VR的發(fā)展，ToF有望成為5G時代智能手機攝像頭的下一個風口。

下一波創(chuàng)新性革命，TOF市場空間巨大

下一波移動終端創(chuàng)新將圍繞AR進行革命性創(chuàng)新。隨著增強現實內容市場的蓬勃發(fā)展，內容廠商不斷推動AR/VR開發(fā)平臺的發(fā)展，必然會推動TOF產業(yè)的發(fā)展。TOF有望接力結構光，從生物感知到虛擬現實，從人臉識別到3D建模，帶來產業(yè)端升級和用戶體驗優(yōu)化，前臵人臉識別+后臵虛擬現實功能可能成為手機的下一個形態(tài)。伴隨AR/VR的發(fā)展，ToF有望成為智能手機攝像頭的下一個風口。

我們看到2019年3D感測手機大多集中在高端機等旗艦機型，結構光以蘋果為代表，自iPhoneX后的機型都已經搭載結構光功能，而華為搭載TOF的機型數量最多。根據Yole的預測數據也顯示，全球3D成像和傳感器的市場規(guī)模在2016–2022年的CAGR為38％，2017年市場規(guī)模18.3億美元，2022年將超過90億美元。其中，消費電子是增速最快的應用場，2016–2022年的CAGR高達160％，到2022年消費電子市場規(guī)模將超過60億美元。

從出貨量上來看，我們預測智能手機3D感測需求將從2017年的4000萬部增加至2019年的2億部以上，其中2019年的ToF機型還主要集中在幾款高端旗艦機，從2020年開始TOF的出貨量將進一步爆發(fā)，在整體3D感應中占比有望達到40%。

我們預測2019/2020年TOF的出貨量為7760萬/1.6億部，同比大幅增長747%/108%。

　BOM比較：TOF或更具成本優(yōu)勢

我們預計ToF和結構光的BOM成本大約為12~15美元和20美元，相比之下TOF更具有成本優(yōu)勢。以iPhone X為例，結構光技術的解決方案包括三個子模塊（點投影儀，近紅外攝像機和泛光照明器+接近傳感器），而ToF解決方案則將三個集成到一個模塊中，可以將包裝成本降低。

我們預計在這個TOF模組中，芯片的成本仍占主要的部分，大約占到整體BOM的28%~30%。

深度解析3D Sensing攝像頭產業(yè)鏈

目前TOF或結構光的3D感知技術均為主動感知，因此3D攝像頭產業(yè)鏈與傳統(tǒng)攝像頭產業(yè)鏈相比主要新增加紅外光源、紅外傳感器和光學組件等部分。通過對已經上市的主流3D攝像頭產品進行拆解分析，3D攝像頭產業(yè)鏈可以被分為：

1、上游：紅外傳感器、紅外光源、光學組件、光學鏡頭以及CMOS圖像傳感器。

2、中游：傳感器模組、攝像頭模組、光源代工、光源檢測以及圖像算法。

3、下游：終端廠商以及應用。

TOF和結構光二者雖然原理不同，但其所需要的核心部件基本相同，TOF中的核心部件包括發(fā)射端的VCSEL光源、Diffuser等，接收端的鏡頭、窄帶濾光片、近紅外CMOS等。

參考資料來自：國盛證券、馭勢資本研究所