第一章中我们介绍了TOF的基本原理，应用，系统架构和分类。第二章和第三掌中，我们详细介绍了dTOF和iTOF系统，系统原理，从架构和零部件性能出发，分析重要的系统参数。本章，我们对iTOF系统和dTOF系统进行一个比较，同时介绍TOF的产业链，并且介绍一些应用。
dTOF和iTOF比较
根据前两章的介绍，dTOF和iTOF的比较总结如下。
基本原理：两者都是去尝试获得飞行时间，dTOF是直接测量了飞行时间，而iTOF是通过相位差的方式间接得到这个信息。
核心组件：dTOF的核心组件是SPAD单光子雪崩传感器，而iTOF的核心元件是iTOF CIS传感器。根据基本原理和传感器的不同，两者使用不同的模拟数字混合电路及IC。
探测距离和探测精度：探测距离上，dTOF的探测距离可以较远，主要原因是其精度不随距离下降；而iTOF受限于原理，随着探测距离增加，探测精度随之下降。dTOF的贪色精度受限于脉冲宽度，而iTOF的探测精度反比于调制频率。
误差：TOF系统是测距系统，再深层一些，是使用光飞行时间进行距离的计算，其中重要的参数有光波的波长，飞行的时间。所有对于这两个参数会产生影响的器件都是误差产生的原因，比如激光波长偏移，SPAD，TDC的时间误差，时钟精度，读出噪声等等。
距离歧义：由于iTOF是通过相位计算飞行时间，相位是周期性变化的，所以会产生距离歧义。
空间图像分辨率：dTOF的SPAD制造技术依然pixel较大，filling factor较低，所以空间图像分辨率较低；iTOF的传感器基于CMOS sensor，可以做到较高的像素数量。
抗干扰能力：总体上讲，dTOF的抗干扰能力比iTOF强，由于其使用时间相关单光子计数法，所以可以通过统计方式去除干扰；iTOF容易收到各种干扰，需要使用各种算法去补偿和校正，这也是各种iTOF方案公司的主攻方向。
功耗：dTOF无论在发射端还是接收端功耗都比iTOF低。
工艺：dTOF主要的工艺难点在SPAD的获得和TDC电路的制造商，iTOF的工艺类似于传统手机内照相机系统工艺，相对简单。
成本：dTOF的成本主要集中在SPAD和电路上，iTOF成本相对低一些。
产业链
TOF的产业链总结如下图，其中特别列出了一些有代表性的中国企业。
VCSEL供应商：VCSEL的供应商大部分最初来自于光通信领域，比如Lumentum和II-VI，今年II-VI收购了Coherent，Lumentum收购了NeoPhotonics，继续扩展业务；而AMS和OSRAM合并，强强联合；TRUMPF来自于飞利浦。国产代表初创公司有睿熙科技和纵慧激光。
激光驱动ASIC：激光器需要有一个专门IC进行驱动，该IC是数字模拟混合芯片，德州仪器，Analog，ST，AMS都可以提供该类芯片。
SPAD传感器：Sony依然是该行业老大，可以提供最高技术最多像素点的SPAD；ST，AMS可以提供64像素的SPAD传感器，主要用于临近传感或者辅助对焦应用；国内的创业公司灵明光子也在独立开发SPAD传感器。
iTOF CIS传感器：这种传感器制造方式类似于RGB CMOS，所以传统的CMOS厂商都有提供该种传感器的能力，国内的创业公司聚芯微电子也可以提供背照式iTOF CIS芯片。
滤光片：滤光片是TOF中的重要部件，Viavi和水晶光电是主要的供应商。
DOE和diffuser：苹果的dTOF方案使用DOE居多，其中台积电和Himax都可以提供DOE，diffuser的供应商有II-VI，舜宇光学，Viavi等。
镜头：光学镜头的供应商主要是舜宇光学，大立光学，玉晶光电和瑞声科技等。
模组组装：TOF的模组组装也是传统的模组组装厂，其中有ST，LG Innotek，Sharp，舜宇，信利等。
解决方案和算法公司：ST，AMS的官网都可以看到在售的TOF模组，pmd和infineon也为各个客户提供各种解决方案，国内的解决方案公司是光鉴科技。
可以看到TOF产业链已经非常完善，同时，在各个领域，国内都有光学企业占据了或者尝试占据生态位。但是国内企业对于一些核心零部件的掌握还不是很重复，比如VCSEL，激光驱动芯片，解决方案和算法，SPAD传感器等。但是对于镜头，滤光片，整体模组组装。
应用
对于TOF应用，苹果的FaceID刚出现的时候，带起了手机行业的3D识别风。经过这几年的沉淀，手机上后置TOF国内手机企业更多的是使用TOF进行辅助对焦，或者前置进行人脸识别，高级一些的有后置的体感交互，不过没有很好的应用，手机上的临近传感器也是TOF。
智能家居的TOF应用也越来越多，扫地机器人是一个很好的例子，新形态的机器人开始从扫地机器人发展而来，比如Amazon近期发布的家用机器人Astro。
对于工业自动化的自动避障，测量距离，定位，TOF的应用从以前专门的工业结局方案到现在的更多的集成化解决方案。
ToB业务种新零售也使用了很多TOF，比如手势识别，客流统计，行为识别，人脸识别等等。
不同场景的TOF的应用差别很大，从空间分辨率一个pixel就足矣的应用（比如小便池距离），到需要很高空间分辨率的应用（Lidar等）；从要求快速响应的应用到慢一些也可以的应用；从需要低功耗的应用，到可以连接电源的高功耗可以接受的应用等等。
所以TOF的传感器设计要综合考虑应用，进行各种参数的平衡，其中包括精度，测量范围，响应速度，空间分辨率，成本，功率等等，并针对应用，进行整体的软硬件设计。
版权声明: 感谢您的阅读，本文由超光版权所有。如若转载，请注明出处。