3D感測檢視原始碼討論檢視歷史

3D感測
3D感測照片來自

3D感測(3D Sensing)係由CMOS影像感測器、演算法、輔助感測效果的外部元件(如紅外光IR)及主處理器所組合而成。紅外線能捕捉人體的熱幅射，使感測時可以聚焦在主控者身上，不被混亂的背景干擾；也能用來作距離的運算，與影像感測器配合來實現3D掃描的功能。3D感測系統包含4大零組件：光源、控制光學、影像感測器、韌體。光源常使用LED(發光二極體)或VCSEL(面射型雷射)，傳統上可產生紅外線，能提供較佳精確度和效率；控制光學元件可降低韌體的運算負擔；影像感測器常採用CMOS；韌體則需要高速運算晶片來接收數據，並轉換成終端應用需要的格式。

科技不斷進步之下，終端設備開始大量處理圖像資訊，這也使得手機、汽車、AR 等應用的可拓展性變得越來越高，而從 2D 走向 3D 是未來感測器發展的一大趨勢。現今 3D 感測的主流技術包括：立體系統、結構光與 TOF(time of flight)。而目前 3D 感測以結構光與 TOF 兩大技術為主。兩種感測技術從原理的差異決定下游應用的不同。若以測量距離、深度精準度、演算法複雜度、掃描與反應速度、各類環境適應性、硬體成本等進行比較分析，說明兩種技術各自適用的應用領域。深度精準度方面，結構光發射光源具有一定隨機性，安全性最高，因此最為精準；而 TOF 深度精準度與發射光強度和圖像感測器精準度有關，一般而言精準度低於結構光。測量距離方面，結構光由於遠距離光強度的衰減過快，因此測量距離近，約在 1.2m 之內；TOF 則採用面光源，抗衰減佳，測量距離更遠，一般約在 5m～10m。至於在演算法複雜度、掃描回應速度、弱光與強光適應性及硬體成本等方面上，TOF 方案均優於結構光。綜合來看，結構光 3D 方案適用於對安全性要求高而測量距離較近的場景，例如人臉辨識、AOI 檢測等。而 TOF 方案則應用更寬廣距離，例如 3D 建模、遊戲、導航、自動駕駛、手勢捕捉、AR 等各個領域。

產業鏈 3D 感測的高成長吸引不少光學大廠競相投入新技術的研發，特別在於手機鏡頭功能越來越多，除拍照、攝鏡外，身份辨識的應用也開始普及，再加上手機每年出貨量保持在 14 億支以上，成為 3D 感測需求的大宗。此外，汽車電子的快速發展，也為 3D 感測鏡頭帶來新的需求。而為求汽車能達到自動駕駛境界，鏡頭配置數量將遠超過傳統汽車，且不像手機鏡頭搭載 3D 感測數量有其限制，最多前後鏡頭各一顆感測功能。汽車則是車身周邊每顆鏡頭均可具備 3D 感測功能，以將肇事機率降至趨近於零。

影片

【產業大趨勢】從鍵盤走向3D感測 輸入介面持續進步