Analog Devices （ADI） 和 Microsoft 聯手生產飛行時間 （ToF） 3D 成像解決方案，目標是在任何場景條件下都提供更高的精度。ADI 將利用 Microsoft 的 Azure Kinect 3D ToF 技術并添加其技術 IC 和系統專業知識，以創建更易于采用的解決方案。目標是在工業 4.0、汽車、游戲、增強現實以及計算攝影和攝像等領域覆蓋廣泛的受眾 。

行業市場分析師估計，在具有挑戰性的環境中使用的 3D 成像系統將出現強勁增長，并且需要人類協作機器人、房間映射和庫存管理系統等尖端應用來實現工業 4.0。 還需要ToF 應用 來創建具有占用檢測和駕駛員監控功能的更安全的汽車駕駛環境。

在接受 EE Times 采訪時，增強成像和解釋高級總監 Tony Zarola 和 ADI 公司戰略營銷經理 Carlos Calvo 強調了此次合作的基礎。 Zarola 表示：“微軟已成為圖像傳感器制造商 3D ToF 性能的基準，并為 ADI 提供核心像素技術，這是 ADI 正在構建的傳感器和解決方案的基礎。幾十年來，他們開發了在智能邊緣或智能云上運行的最佳數據捕獲和革命性算法所需的專業知識。我們期待結合微軟和 ADI 在芯片、系統、軟件和光學方面的最佳能力。”

3D ToF 設計

手勢識別是設備識別人體一系列動作的能力。電子技術基于相機和 IC 的幫助，用于識別和掃描 2D 或 3D 輪廓中的場景。ToF 技術包括向目標發送激光束并分析信號的反射。

3D ToF是一種沒有掃描儀的光探測和測距 （LiDAR），它使用納秒級的高功率光脈沖從場景中捕獲深度信息（通常是短距離）。各種 IC 解決方案在手勢識別軟件算法的幫助下，創建接收到的圖像的深度圖，實時響應身體運動。手勢識別技術的主要優點是個人和控制系統之間不需要物理接觸。

ToF 相機通過調制激光照射物體和激光波長敏感傳感器來捕獲反射光，從而測量距離。傳感器測量從光發射到相機接收到反射光之間的時間延遲。有幾種測量時間延遲的方法，其中兩種已經很常見：連續波 （CW） 方法和脈沖方法。絕大多數 ToF 傳感器是 CW 并使用 CMOS 傳感器。

有許多混雜因素使 ToF 測量變得困難：干擾環境光、由場景中物體反射的光導致的多路徑效應破壞真實距離、溫度效應和范圍模糊。“挑戰的范圍從硅片開發到創建一個完整的系統，該系統的性能與部件的理論總和一致，”Calvo 說。“孤立地看待每個組件是不可能的。例如，具有最佳傳感器但配備未優化鏡頭的 ToF 相機的整體系統性能會很差。

“從表面上看，ToF 相機與 RGB 相機有相似之處，”他補充道。“一個關鍵的區別是，根據應用程序，RGB 相機的圖像質量是以一定程度的主觀性來判斷的；其他應用程序只能通過高級后處理啟用。ToF 相機測量一個客觀的物理量（距離），根據應用，用戶可能會嚴重依賴圖像的準確性。RGB 相機中的一些光學缺陷（例如鏡頭眩光）會產生有時被認為是藝術性的偽影（例如，陽光眩光）。在 ToF 系統中，鏡頭光暈即使沒有大幅減少，也會在物體強烈反射的情況下削弱整個系統的性能。”

用于 ToF 的 CMOS 傳感器由發射器和接收器組成；它能夠以接近 160 fps 的性能以單像素級別計算對象的距離。

“在芯片級別，必須考慮信號鏈的關鍵元素：激光驅動器、集成讀出的 ToF 圖像傳感器，最后是深度計算引擎，”Calvo 說。“挑戰始于在圖像傳感器本身中設計具有高響應度和高調制對比度的像素，并以形成可由下一個應用層解釋的 3D 點云結束。

“除了組件之外，深度相機的設計和生產還面臨著關鍵挑戰，因為光機設計、校準、電氣設計和軟件實施都非常耗時且具有挑戰性，”他補充道。“Analog Devices 為我們的客戶應對這些挑戰，以簡化他們的設計流程。”

圖 1：ToF 框圖。

像素從場景的不同部分收集光，它們的重組將構成重建圖像。所有傳感器像素都由解調和調制塊之間的相關性控制。每個像素都可以用圖 2所示的模型來近似。

通過激活相關控制信號，電流在積分時間內被引導至節點 A （Da） 或節點 B （Db）。在解調停止的情況下進行讀取，以便系統可以讀取整個位序列。ClkA 和 ClkB 在時間 tInt1 以選定的調制頻率進行 180° 異相調制。接收到的關于 ClkA 和 CLkB 時鐘的光的相位決定了 DA 和 DB 信號。在積分結束時，ClkA 和 ClkB 關閉，讀取階段通過對積分信號 （BitlineAInt1-BitlineBInt1） 進行采樣來進行。

光子到電流的轉換受泊松分布的量子過程控制。讓我們了解系統優劣的參數是量子效率。也就是說，產生的電子數量與激活相應像素的光子數量之間的比率。電子的數量取決于實際調制的光和對應于噪聲效應的環境光。設計 ToF 系統時要選擇的參數是視野 （FoV）。必須根據場景的覆蓋范圍適當地選擇FOV。

圖 2：像素的電路和時序。

為了在高頻下實現高效率，可以使用 0.13-μm 混合信號低功耗 CMOS 工藝制造芯片，并稍作修改，以支持高效的 ToF 操作。

ADI 和微軟

微軟與 ADI 的合作旨在增強 ToF 技術：ADI 正在設計一系列新的 ToF 3D 圖像傳感器，該傳感器將提供小于 1 毫米的精度，并將與微軟的深度、智能的雷德蒙德巨頭生態系統兼容。云和智能邊緣平臺。

“我們堅信這種合作將影響所有主要行業——消費、工業、醫療保健和汽車，”Zarola 說。“到目前為止，微軟開發的技術還沒有廣泛用于規模化的商業應用程序。我們相信，由微軟成像技術提供支持的 ADI 解決方案將全面改變游戲規則。”

安全系統在增強面部識別方面有著明顯的應用，同時為更高效的工廠自動化采取了先進的安全措施。工業 4.0 將通過協作機器人與人類一起安全地工作，而不會在“無人”區域被隔離，并且通過 ToF 精度來確定箱子和托盤尺寸的進一步優化物流。

Zarola 補充說：“更復雜的占用檢測將提高能源效率、安全系統和人機交互。從家庭到汽車，我們與微軟的 ToF 合作將為新的游戲體驗提供在現實世界中放置虛擬對象并與之交互的能力，改變我們與汽車的交互方式，并通過監控駕駛員和乘客來提高安全性。ToF 技術的潛在用例廣泛且不斷發展，因此今天的主要應用預計將在明天被新想法所取代。”

Zarola 和 Calvo 已經表明他們的客戶希望在很寬的溫度范圍內實現毫米級深度分辨率和精細的空間分辨率。實現這種性能需要在硬件和軟件層面實現極端水平的時間同步。“控制激光器的信號和傳感器中的像素之間 10 ps 的時序錯位會導致最終距離估計出現 1.5 毫米的誤差，”Calvo 說。“如果這還不夠困難，還需要在很寬的溫度范圍內保持 ToF 系統準確，這需要聯合設計的高級處理和校準算法。”

對 ToF 系統的一個具體批評是它們可以運行的調制頻率以及 ADI 最集中的位置。大多數深度估計誤差的來源往往被調制頻率“劃分”。“我們的目標是提高 ToF 系統的平均調制頻率，這將允許以更低的深度噪聲進行測量，并減少多路徑或環境光散粒噪聲的不利影響，”Zarola 說。“ADI 還在尋求解決使深度相機的設計和生產既耗時又困難的關鍵挑戰。我們正在處理機械對準、光學設計、校準、電氣設計和軟件實施以及圖像捕獲中的傳統障礙。”

微軟在 HoloLens 混合現實設備中使用的 ToF 3D 技術和 Azure Kinect 開發套件與 ADI 的定制解決方案相結合，將使新一代高性能應用程序得以實施和擴展，同時優化上市時間。

審核編輯：郭婷