试想如果多个自主式机器人在同一大型仓库里分拣货物，或者两辆自动驾驶的汽车同时接近交叉路口，ToF摄像头无法消除相互光源的干扰，那么使用ToF技术进行精确深度测量的应用范围将会严重受限（ADI发展路线图预计将实现64个摄像头同时近程检测的场景）。就算是在消费端，随着各种应用增多，设备间的干扰也将是实实在在的现实问题。因此，ADI认为ToF系统中的防干扰或消除干扰能力将会越来越重要。据透露，ADI目前采用了一项正在申请专利的算法，它能够避开或消除所有无关的光信息，仅使用自身激光源的光信息，所以能给出正确的深度信息。深度处理器采用伪随机化算法和特殊的图像处理功能，可以消除多机干扰。因此，可以在同个环境中使用多个ADI ToF系统。
干扰抑制算法
除此之外，随着3D算法进一步成熟，数据分析将被用来收集大量关于人们行为的有效信息，这种技术可能最先应用于楼宇控制应用，例如门禁系统。垂直安装的传感器增加了深度信息，这意味着可以非常准确地计算人数。另一个用例是智能自动门开启，它可以对人进行区分，只有在检测到真人时才开启。ADI目前也正在开发人员计数和真人区分的软件算法，通过使用深度信息，可以在许多具有挑战性的条件下对人进行高精度的分类，例如在光线暗淡或没有环境光的环境中，在人口密度较大的地区，以及在人员着装复杂的情况下。最重要的是，几乎可以消除人员计数错误。
使用深度传感技术的人员跟踪算法
本文总结
对于很多技术而言，技术的成熟度并非技术普及的唯一因素，还与技术的成本和产业链协同有很大的关系。在过去的2019年里，ToF技术不断被领先手机厂商广泛采用，在技术的演进道路上走出了关键一步。未来如何通过技术手段去真正实现成本、功耗、体积、速度、寿命、稳定性以及抗干扰能力等多方面的平衡，达到一个相对目前来说更为优化的水平，进而实现ToF技术实际应用中可靠性的成倍提升，是ToF技术普及乃至整个市场健康发展的前提，也是诸如ADI这类ToF技术系统级解决方案提供商需要考虑的研究重点。
