苹果新推的dTOF究竟是什么？

在最近发布的iPad中，苹果宣布使用了dToF LiDAR技术，这一发布让dToF又成为了整个行业关注的热点。本文将为读者仔细分析dToF传感器的技术和应用趋势。

深度传感器，LiDAR和ToF

在分析dToF的技术和应用之前，我们首先需要厘清ToF的概念。

传统来说，ToF（time-of-flight，飞行时间）的概念是扎根于深度传感器的。这里的深度传感器是指采用像素阵列来获取整个场景的高分辨率深度分布。对于深度传感器来说，一般用于测量深度的机制分别有结构光、双目和ToF三种，其中结构光（iPhone目前的FaceID就是使用了基于结构光的深度传感器）和双目技术都是基于几何原理做间接深度估计，而ToF则是测量发射光和反射光之间的飞行时间并根据光速来直接估计深度。

那么在自动驾驶领域的关键技术LiDAR和ToF又有什么关系呢？众所周知，几乎所有的LiDAR都是根据发射光和反射光之间的飞行时间来直接估计目标距离（因为双目和结构光无论是距离还是精度和可靠性都无法应用在自动驾驶中），换句话说如果从测量原理来看所有的LiDAR都是ToF。那么，ToF LiDAR这种说法是不是重复概念呢？事实上，在LiDAR语境里的ToF传感器主要强调的是可以通过高密度ToF传感像素阵列来得到测量场景的高分辨率距离/深度分布，主要是与传统上只能获得低密度点云的线扫描式LiDAR作区分。

综上，当我们在说ToF LiDAR的时候，事实上我们指的是那些基于测量发射和反射光之间的飞行时间来获得高分辨率场景深度/目标距离分布的传感器。

dToF和iToF比较和半导体工艺

在厘清了ToF的概念之后，我们看到ToF又可以分为iToF（间接飞行时间）和dToF（直接飞行时间）两类。这两类ToF又有什么区别呢？

dToF和iToF的原理区别主要在于发射和反射光的区别。dToF的原理比较直接，即直接发射一个光脉冲，之后测量反射光脉冲和发射光脉冲之间的时间间隔，就可以得到光的飞行时间。而iToF的原理则要复杂一些。在iToF中，发射的并非一个光脉冲，而是调制过的光。接收到的反射调制光和发射的调制光之间存在一个相位差，通过检测该相位差就能测量出飞行时间，从而估计出距离。

从原理上来看，iToF的最大问题就在于最大测距距离和测距精度之间的矛盾。举例来说，如果当前目标的距离是0.15m，那么整个发射和反射光的飞行时间就是1ns。在调制光的调制频率为100MHz（周期为10ns）时，1ns的飞行时间差转化为相位差就是36度，而如果调制光的调制频率为10MHz（周期为100ns）时，1ns的飞行时间差转化为相位差就是3.6度。显然，36度的相位差比起3.6度的相位差要容易检测，因此iToF的调制光调制频率越高，则测距精度越好。调制频率越高也限制了最大测距距离。举例来说，当调制频率为100MHz时，那么无论飞行时间是1ns还是11ns反应在调制相位差上都是36度，因此其最大测距距离就被调制周期所限制了；例如在10ns调制周期时其最大测距距离就是飞行时间等于调制周期时对应的距离（1.5m）。因此，目前iToF的主要应用场景都是测距距离在数米范围的应用（例如手机等）。与之相对的是，dToF不存在这个测距距离和测距精度之间的矛盾。

在具体的实现上，dToF相较于iToF来说难度要大许多。dToF的难点在于要检测的光信号是一个脉冲信号，因此检测器对于光的敏感度比需要非常高。常见的dToF传感器实现是使用SPAD（single-photon avalanche diode，单光子雪崩二极管）。SPAD的工作区域位于二极管的击穿区附近，当单个光子进入SPAD后就会产生大量的电子-空穴对，从而SPAD能检测到非常微弱的光脉冲。从器件角度来看，SPAD的集成度要低于普通的CMOS光传感器，因此dToF传感器的2D分辨率传统上较差。此外，从读出电路来看，dToF需要能分辨出非常精细的时间差（通常使用time-to-digital converter，TDC来实现）。例如如果需要实现1.5cm的测距精度，则TDC的分辨率需要达到10ps，这一点并不容易。与之相对的是，iToF检测的是调制光而非一个脉冲，在具体电路实现上通常会使用积分电路，因此可以使用工作在接近线性区域的普通CMOS光传感器像素。由于CMOS传感器像素的集成度很高，因此基于iToF的深度传感器2D分辨率可以远高于dToF，同时成本也可以较低。另一方面，iToF由于在检测相位差的时候使用了积分，所以环境光也会在积分过程中对于iToF电路造成干扰，因此iToF在明亮环境下的性能会受到影响。

以上关于dToF和iToF的对比是针对传统的技术而言。随着近几年深度传感器和LiDAR的发展，dToF也得到了长足的发展。从光传感器像素来看，dToF目前也可以使用CMOS工艺实现，并且已经可以实现不错的2D分辨率。例如，在今年的ISSCC上，松下发表了一款使用65nm CMOS工艺实现的1200x900 SPAD dToF传感器，其SPAD的像素集成度和传统iToF的像素集成度已经在同一个数量级。此外，在TDC电路设计方面，随着电路设计的进步，目前在CMOS电路中的TDC的时间分辨率精度也在逐步提升，这也为dToF的普及铺平了道路。

dToF的热点应用

dToF的传统热门应用是车载LiDAR。如前所述，dToF在车载的LiDAR中主要实现的是高2D分辨率的测距。在车载应用中，dToF的关键指标包括测距距离、距离分辨率、2D分辨率以及抗干扰性。由于车载LiDAR对于测距距离（100m以上）和抗干扰性的要求，相关的ToF传感器基本是dToF占主导。目前，车载LiDAR dToF已经可以实现200m以上的测距距离，而在2D分辨率上已经可以实现1M以上的像素数。以上两个指标的提升主要取决于器件工艺和激光光源，我们预计2D分辨率会在未来几年内快速提升。除此之外，距离分辨率和抗干扰能力的提升则主要来自于电路系统和后端算法等的提升，该领域也是工业界和学术界的热门研究领域，我们预期在未来几年内会看到一些非常有趣的技术来提升这些指标。例如，今年松下发表的dToF LiDAR中，就使用了混合测距方法，即在远距离使用dToF，而在近距离则使用iToF，从而保证在远距离和近距离都有较好的测距分辨率。

除了汽车电子之外，对于dToF和SPAD来说一个新兴的领域是消费电子。随着ARVR等新应用的兴起，消费电子领域对于深度传感器的需求也在快速上升。消费电子领域传统上是iToF的天下，因为传统上在消费电子领域的应用中对于ToF传感器的最大测距距离需求较低（数米之内），而对于2D分辨率和成本的需求则较高。然而，随着dToF技术，尤其是高集成度CMOS SPAD的发展，我们看到dToF正在从高端进入消费电子市场。如前面的技术分析，对于消费电子应用来说，使用dToF的主要优势是可以同时实现较远的测距距离和较高的测距精度，因此当需要把测距距离扩展到10米以上时，dToF有可能会成为更好的选择。此外由于dToF对于环境光干扰较不敏感，所以使用dToF可以让智能设备的深度传感工作在不同光照强度的场景下。此番苹果的下一代iPad选择使用dToF，除了在测距精度和抗干扰的考量之外，估计也是因为希望能继续扩大测距范围，从而为下一代ARVR应用铺平道路。另一方面，我们也看到iToF技术一直在进步，希望通过算法和电路设计来提升iToF系统的测距精度/测距距离/抗干扰能力，因此如果消费电子的测距范围能控制在10m左右的范围内，iToF也未必会输给dToF。未来消费电子领域究竟是dToF还是iToF占主导，目前还难下定论。

对未来半导体行业的影响

随着dToF在汽车电子和消费电子领域的普及，我们认为SPAD和相关的半导体技术会得到更多重视。首先就是SPAD像素和相关的工艺设计。目前，SPAD已经可以在CMOS实现，但是其集成度（即pixel pitch）仍然有提升空间。在这一点上，我们看到日本的相关半导体公司（如松下等）拥有较领先的技术，并且由于这些半导体公司长期以来在CMOS图像传感器领域的积累，我们认为在接下来的几年内他们很有可能继续领跑这个领域。

除了传感像素之外，另一个相关的领域是3DIC。CMOS图像传感器是3DIC最早得到大规模应用的领域之一，因为在这个领域中CMOS像素的输出需要大量的后续信号处理，而实现CMOS像素的半导体工艺往往和实现后续信号处理电路的半导体工艺并不相同，而且两者之间还需要大量的IO接口带宽，因此使用3DIC技术将CMOS像素晶片和信号处理晶片集成到一起是一个非常合理的选择。随着SPAD像素的集成度上升，我们认为也会有为SPAD集成度/性能/成本专门优化的工艺出现，在这样的情况下使用3DIC技术集成SPAD晶片和信号处理芯片将会逐渐成为主流。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第2257期内容，欢迎关注。

推荐阅读

半导体行业观察

『半导体第一垂直媒体』

实时 专业 原创 深度

识别二维码，回复下方关键词，阅读更多

东南亚芯片｜传感器｜IGBT｜SiC｜MLCC｜中兴｜腾讯｜半导体股价｜芯片测试

回复 投稿，看《如何成为“半导体行业观察”的一员 》

回复 搜索，还能轻松找到其他你感兴趣的文章！