iTOF与dTOF：飞行时间深度感知技术全面解析
摘要 ：ToF(Time-of-Flight，飞行时间)技术是当前3D深度感知领域的核心方案之一。ToF 技术根据测量方式的不同，分为 dTOF(Direct ToF，直接飞行时间) 和 iTOF(Indirect ToF，间接飞行时间) 两大类。本文从原理、系统架构、核心器件、性能参数、优缺点和应用场景等多个维度，对两种技术进行全面对比分析。
1. ToF 技术概述
1.1 基本原理
ToF(Time of Flight)即飞行时间，是一种通过测量光在介质中飞行一定距离所耗费的时间来进行距离测量的方法。
基本公式：
d = c × t / 2 d = c \times t / 2 d=c×t/2
其中 c 为光速(约 3×10⁸ m/s)，t 为光往返时间差，除以2是因为光走了一个来回。
图1：TOF基本测距原理------发射光脉冲，测量往返时间计算距离
1.2 应用场景
TOF技术的应用极为广泛：从手机上的人脸识别、辅助对焦、临近传感，到扫地机器人与无人机的避障导航，再到工业自动化中的场景扫描与智能驾驶中的激光雷达(LiDAR)，TOF已成为3D感知领域的核心方案之一。
图2：TOF技术典型应用场景------消费电子、工业、自动驾驶等领域
1.3 系统架构
一个典型的ToF系统由以下部分组成：
1.4 技术分类
根据获取距离信息的方法不同，TOF 系统分为两大技术路线：dTOF(直接飞行时间) 和 iTOF(间接飞行时间) 。
| 技术路线 | dTOF（直接飞行时间） | iTOF（间接飞行时间） |
|---|---|---|
| 核心思想 | 直接测量光脉冲飞行时间 | 测量相位差间接推算时间 |
| 核心器件 | SPAD + TDC + TCSPC | CAPD CIS + 相位解调 |
| 距离公式 | d = c × t / 2 | d = c × φ / (4πf) |
2. dTOF原理详解
2.1 核心思想
dTOF(Direct TOF)采用直接测量光子飞行时间的方式获取距离。系统发射极短的激光脉冲(ps--ns级)，利用单光子探测能力极强的 SPAD(单光子雪崩二极管)捕捉返回的单个光子，并通过TDC(时间数字转换器)记录精确的发射--接收时间差。
图3：dTOF系统架构------VCSEL 发射脉冲，SPAD 接收，TDC 计时
2.2 关键组件
| 组件 | 功能说明 |
|---|---|
| VCSEL 激光器 | 发射短脉冲(通常 850nm 或 940nm)，脉冲宽度ps~ns 级 |
| SPAD 传感器 | 单光子雪崩二极管，单光子级灵敏度，输出数字信号 |
| TDC 电路 | 时间数字转换器，分辨率可达几十ps |
| 直方图处理 | 多次测量统计直方图，峰值位置对应目标距离(TCSPC) |
2.3 TCSPC测距流程
dTOF采用TCSPC（时间相关单光子计数法） 来解决噪声环境下的精确测距：
- 激光驱动电路控制 VCSEL 发射窄脉冲(如100个1ns脉冲)
- 光子经目标反射后被SPAD接收，触发雪崩效应
- TDC记录发射时刻与接收时刻的时间差 Δt
- 重复大量脉冲，对时间差进行直方图统计
- 直方图峰值位置即为目标的飞行时间，换算得到距离
图4：dTOF 直方图统计原理------峰值对应真实距离，其余为噪声
2.4 关键特性
-
🎯 精度不随距离下降：dTOF最大的优势。测距精度由脉冲宽度决定：ΔR = c × Δt / 2。例如1ns脉冲宽度对应15cm精度，0.1ns对应15mm精度------这一精度在1米和100米处保持一致。
-
📏 无距离歧义：dTOF直接测量绝对时间，不存在周期性模糊。最大无歧义距离仅受调制频率约束。
-
🛡️ 多径干扰抑制：由于采用直方图统计，dTOF可以有效区分直接反射和多径反射信号。
3. iTOF原理详解
3.1 核心思想
iTOF(Indirect TOF)不直接测量光的飞行时间，而是通过测量发射信号与接收信号之间的相位差间接推算飞行时间。系统发射连续调制信号(正弦波或方波)，接收端通过解调电路提取相位偏移，再换算为距离。
图5：iTOF 系统架构------VCSEL 发射调制光，CMOS CIS 接收并解调相位
3.2 连续波调制(CW-iTOF)
CW-iTOF将光调制成一定频率 f 的方波，测量发射和接收周期之间的相位偏移来计算距离。相机将激光发射器调制成四个不同时间偏移的相位能量图（0°、90°、180°、270°），分别对应 1/4 周期的积分采样。通过四相位算法计算相位偏移：
φ = arctan ( I 270 − I 90 I 0 − I 180 ) \varphi = \arctan\left(\frac{I_{270} - I_{90}}{I_0 - I_{180}}\right) φ=arctan(I0−I180I270−I90)
距离公式：
d = c × φ 4 π × f m o d d = \frac{c \times \varphi}{4\pi \times f_{mod}} d=4π×fmodc×φ
最大无歧义距离d_max = c / (2 × f_mod)。常见调制频率与最大测量范围：
| 调制频率 | 100 MHz | 80 MHz | 60 MHz | 20 MHz | 15 MHz | 10 MHz |
|---|---|---|---|---|---|---|
| 最大测量范围 | 1.5m | 1.875m | 2.5m | 7.5m | 10m | 15m |
CW-iTOF 存在精度与量程的矛盾 ：高调制频率提升精度但缩短量程，导致距离混叠（Range Aliasing) ------当光往返时间大于调制周期时，远处和近处信号产生相同相角。实际产品常用双频测量技术改善：低调制频率确定大范围，高调制频率提升精度。
图6：CW-iTOF连续波调制原理------发射正弦波与接收正弦波的相位偏移
3.3 脉冲调制 (Pulsed-iTOF)
P-iTOF发射重复的脉冲信号并分析脉冲信号的相位以获得深度。与CW-iTOF的四相位采样不同，P-iTOF 采用双重采样技术 ：将激光发射端调制成两个相位能量图(0° 和 180°)，此外在没有光脉冲发射时开启采样，只收集背景光信号用于补偿。
t d = B A + B × T p u l s e t_d = \frac{B}{A + B} \times T_{pulse} td=A+BB×Tpulse
d = c × B 2 ( A + B ) × f d = \frac{c \times B}{2(A + B) \times f} d=2(A+B)×fc×B
包含背景光补偿的距离计算：
d = c × ( B − B G ) 2 ( ( A − B G ) + ( B − B G ) ) × f d = \frac{c \times (B - BG)}{2((A - BG) + (B - BG)) \times f} d=2((A−BG)+(B−BG))×fc×(B−BG)
其中BG为无脉冲发射时采集的背景光能量。P-iTOF 的信号占空比更高，可在更短时间内收集更多光子，具有更短的曝光时间和更高的帧率。
图7：Pulsed-iTOF 脉冲调制原理------CAPD 像素交替采样
3.4 关键组件
| 组件 | 功能说明 |
|---|---|
| VCSEL / LED | 发射调制光信号(LED 10--30MHz，VCSEL >100MHz) |
| Diffuser 匀光片 | 将 VCSEL 阵列光束均匀化 |
| CMOS 传感器（CIS） | 基于 CAPD 像素工艺，如 Sony IMX556(640×480) |
| ADC 电路 | 模数转换，输出相位相关数字信号 |
3.5 距离歧义与双频去歧义
⚠️ 距离混叠(Range Aliasing)：相位值在 0--2π 范围内周期性变化，会产生距离歧义。当光往返时间大于调制光的周期时，远处和近处信号产生相同相角，无法确定目标位于哪个周期。
解决方案：双频测量技术(Dual-Frequency Modulation)------在两个不同频率下测量同一物体，低调制频率(如 20MHz)提供大范围无歧义距离，高调制频率(如100MHz)提供高精度，融合两次测量结果确定真实距离。
图8：iTOF多频率去歧义原理------多个调制频率融合确定真实距离
3.6 CW-iTOF与P-iTOF对比
| 对比维度 | CW-iTOF(连续波） | P-iTOF(脉冲波) |
|---|---|---|
| 采样方式 | 四相位采样(0°/90°/180°/270°） | 双重采样 + 背景光补偿(0°/180°/BG) |
| 功耗 | 较高(持续发射调制光) | ✅ 较低(脉冲间歇发射) |
| 抗环境光 | 一般 | ✅ 更强(背景光补偿机制) |
| 帧率 | 一般 | ✅ 更高(信号占空比高) |
| 精度 | ✅ 高 | ✅ 高 |
| 运动拖影 | ❌ 较明显(4 个微帧组成1帧) | ✅ 更短曝光时间，拖影更小 |
| 抖动 | 一般 | ✅ 更小 |
3.7 iTOF 的实际工程挑战
🔹 运动拖影：CW-iTOF 一帧深度数据由4 个90° 相位差的微帧组成，快速运动会导致3D失真。P-iTOF 由于信号占空比高、曝光时间更短，在快速运动物体检测上更有优势。
🔹 极端反射率表面(HDR) ：场景中同时存在高反和低反表面时，单一曝光参数难以兼顾。iTOF相机的 HDR(高动态范围)模式通过在不同曝光参数下采集多帧数据并融合，可同时保留高反和低反表面的细节。
🔹 多径反射 ：iTOF无法区分直接返回与多次反射返回的光信号，这是 iTOF的原理性缺陷。典型场景如凹角处，工程上可通过减少凹角、移除镜面物体、使用多径缓解算法等方式改善。
🔹 飞点(Flying Pixels)：出现在深度不连续处的错误像素，前景和背景光线在边缘处结合产生中间错误深度值。可通过飞点滤波消除。
🔹 软件滤波：iTOF相机通常配合多种软件滤波提升深度数据质量：
| 滤波类型 | 原理 | 作用 |
|---|---|---|
| 置信度滤波 | 基于信号强度阈值的高通滤波 | 剔除低置信度像素 |
| 空间滤波 | 卷积核对局部邻域加权计算 | 减少空间噪声 |
| 飞点滤波 | 边缘感知中值滤波，邻域深度一致性检验 | 消除物体边界悬浮伪影 |
| 时间滤波 | 多帧时序融合低通滤波 | 保留静态结构，抑制随机噪声 |
4. 核心器件对比
| 对比维度 | dTOF | iTOF |
|---|---|---|
| 光源 | VCSEL(脉冲激光) | VCSEL或 LED(调制光) |
| 发射光学 | 准直镜头 / DOE | Diffuser 匀光片 |
| 接收传感器 | SPAD(单光子雪崩二极管) | CAPD CIS(CMOS 图像传感器） |
| 时间测量 | TDC(时间数字转换器) | ADC + 相位解调电路 |
| 信号处理 | 直方图统计 + 峰值检测 | 四相位采样 + 相位解调算法 |
| 输出信号 | 直接数字信号 | 模拟信号 → ADC → 数字处理 |
| 像素工艺 | SPAD(工艺复杂，像素较大) | CMOS CAPD(成熟工艺，像素小） |
5. 关键性能参数对比
| 性能参数 | dTOF | iTOF |
|---|---|---|
| 测距原理 | 直接测量光脉冲飞行时间 | 测量发射/接收信号相位差 |
| 探测距离 | 中远距（0.1m ~ 数百米） | 近中距（0.1m ~ 5m） |
| 深度精度 | ⭕ 理论值高(±1~5mm)，不随距离衰减；但实际商用产品受 SPAD/TDC 限制，精度常在cm级 | ⭕ 中（±1~2cm），随距离下降 |
| 距离歧义 | ✅ 无歧义 | ❌ 存在 2π 周期歧义 |
| 空间分辨率 | ❌ 当前商用产品普遍偏低(几像素~数万像素），难以生成密集深度图 | ✅ 高(可达百万像素级) |
| 多径干扰 | ✅ 直方图统计可有效分辨 | ❌ 无法有效区分 |
| 抗环境光 | ✅ 强(TCSPC 统计滤除) | ❌ 弱，需算法补偿 |
| 帧率 | ⭕ 中等 | ✅ 高（60fps+） |
| 功耗 | ✅ 低（脉冲模式） | ❌ 高（持续调制） |
| 成本 | ❌ 较高 | ✅ 较低 |
5.1 精度与距离的关系
这是dTOF和iTOF最本质的区别之一：
- dTOF ：理论精度取决于脉冲宽度和 TDC 时间分辨率，与距离无关 ；但实际商用产品受限于 SPAD 暗计数、TDC 抖动、时钟同步等因素，实际精度常低于理论值，且空间分辨率偏低
- iTOF：精度为固定误差+工作距离x误差系数
6. 优缺点总结
6.1 dTOF
✅ 优点：
- 测距精度高且不随距离衰减（理论值，实际受器件限制）
- 抗环境光干扰能力强
- 抗多路径干扰能力强(TCSPC 统计)
- 无距离歧义问题
- 功耗低(脉冲工作模式）
❌ 缺点：
- SPAD 制造工艺复杂，良率低
- 当前商用产品空间分辨率普遍偏低(SPAD 像素大、fill factor 低)
- 实际精度常低于理论值
- 系统成本较高
- 需要高精度TDC电路
- 点云密度低，需后处理
6.2 iTOF
✅ 优点：
- 空间分辨率高(百万像素级)
- 输出密集深度图，信息丰富
- 基于成熟CMOS工艺，成本低
- 帧率高，实时性好(15fps+）
- 供应链成熟，厂商众多
❌ 缺点：
- 精度随距离增加显著下降
- 多路径干扰严重(原理性缺陷)
- 需多频率调制解决距离歧义
- 抗强光干扰能力弱
- 功耗较高(持续高频调制)
- 需复杂的标定和校准
7. 典型应用场景
| 应用场景 | 推荐技术 | 原因 |
|---|---|---|
| 自动驾驶 LiDAR | dTOF | 近距离探测(注意：当前 dTOF 分辨率低，多用于单点/稀疏点云测距） |
| 手机人脸识别 | dTOF | 功耗低、安全性好 |
| 扫地机器人避障 | iTOF | 稀疏深度图，成本适中 |
| 手势识别 / 体感交互 | iTOF | 高帧率、密集深度图、近距离精度好 |
| 智能门锁 / 临近传感 | dTOF | 单点精确测距、超低功耗 |
| 客流统计 | iTOF | 高分辨率可识别人体轮廓 |
| 无人机避障 | dTOF | 远距离、低功耗、抗阳光干扰 |
| 医疗 / 跌倒检测 | iTOF | 密集深度图可识别人体姿态 |
8. 产业链与代表厂商
| 产业链环节 | 代表厂商 |
|---|---|
| VCSEL 激光器 | Lumentum, II-VI, AMS-OSRAM, 睿熙科技, 纵慧激光 |
| SPAD 传感器 | Sony, ST, AMS, 灵明光子 |
| iTOF CIS | Sony, Infineon, Samsung, 聚芯微电子 |
| 激光驱动 ASIC | TI, ADI, ST, AMS |
| 光学组件 | Viavi, 水晶光电, 舜宇光学, 大立光 |
| 模组与方案 | ST, LG Innotek, pmd, 光鉴科技 |
图9：TOF 产业链全景------从上游核心器件到下游模组与方案
9. 技术发展趋势
dTOF 发展方向：
- SPAD 像素小型化，提高空间分辨率
- 3D堆叠工艺(SPAD + TDC + 逻辑电路)
- 全固态 LiDAR(Flash / OPA)
- 1550nm 波长：更远探测、人眼安全
- FMCW 相干检测：同时测距和测速
iTOF 发展方向：
- 更高调制频率，提升精度
- 多频率融合算法改善MPI
- AI 辅助深度估计优化
- 像素级集成，更高分辨率(1MP+）
- 低功耗设计优化
融合趋势：
- iTOF + dTOF混合方案
- ToF + RGB融合
- ToF + IMU融合
- 片上系统(SoC)单芯片集成
10. 总结
图10：dTOF与 iTOF核心特性对比一览
随着半导体工艺的进步和算法的优化，两种技术都在快速发展。dTOF 当前面临的主要挑战是SPAD阵列分辨率低和实际精度不及理论值，业界正通过BSI背照式 SPAD、3D堆叠工艺、SiPM 阵列等手段持续提升分辨率和灵敏度；iTOF则通过多频率融合、深度学习去噪等算法手段弥补固有缺陷。未来可能出现更多融合方案，取长补短，为 3D感知提供更强大的能力。