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。

ADI从软硬件入手打造ToF高性能开发平台,加速走向更多创新应用落地场景

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。

ADI从软硬件入手打造ToF高性能开发平台,加速走向更多创新应用落地场景

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。