ToF技術在智慧型手機上，已經衍生出兩大類應用，其一是用來實現人臉辨識，另一個則是取得所在場域的深度資訊，進而強化手機拍照功能。
智慧型手機是一個年出貨量超過十億支的超大規模應用市場，照理說，能應用在這個市場的技術，都已經有一定的成熟度，但截至目前為止，環繞在ToF感測周邊的生態系統，還有許多改進的空間。
除了手機之外，ToF在其他應用領域還有很大的潛力，但不同應用對ToF的需求不盡相同，配套方案的成熟度跟資源也未必如手機般完整。因此，ToF若要在其他消費性電子或工業領域複製手機上的成功經驗，最大的關鍵，仍在於如何盡速搭建出完善的生態系統。除了感應晶片供應商之外，鏡頭模組廠、軟體開發商等業者也必須共同努力，才能完成光、機、電、軟的跨界整合。
ToF雜訊抑制仍需特別注意
英飛凌(Infineon)大中華區電源與感測系統事業部主任工程師林慶宗(圖1)指出，ToF技術問世至今已經有十多年歷史，感測器本身的性能在過去十多年來，有很明顯的進步。但在實際應用上，ToF感測的精準度除了取決於感測器本身的設計之外，環繞在感測器周邊的元件，也扮演著非常重要的角色。
ToF技術是以紅外線作為感測介質，因此，跟紅外線有關的因素，對ToF感測的表現具有決定性的影響力。以感測器本體來說，如何因應環境中本來就存在的紅外線，抑制其對感測器的干擾，是首要的技術課題。事實上，太陽本身就是一個強大的紅外線來源，因此在設計感測器的時候，選擇正確的頻譜，避開太陽所造成的紅外線干擾，是最關鍵的。
另一方面，因為ToF必須搭配主動光源，因此在選擇感測器頻段時，還得考慮市場上是否有對應的光源元件可供選用。目前比較主流的紅外線光源有兩種，一是IR LED，另一個則是IR VCSEL，其所發射的紅外線波長，大多都屬於近紅外線(NIR)，即750奈米~1,400奈米之間。而其中又以760奈米、850奈米與940奈米最為主流。
因此，目前業界所推出的ToF感測器，多半工作在上述三個波長。以英飛凌為例，其Real3感測器就是工作在850奈米與940奈米這兩個波長。但太陽光中所含有的紅外線，在這兩個波長的能量還是相當強的，所以在設計感測器時，必須設法降低感測器過飽和的風險。
其實，ToF感測器跟一般相機所使用的CIS很類似，只是ToF感測器接收的是紅外線，一般相機接收的是可見光。相信很多人在拍照的時候，都曾經拍出過度曝光、畫面死白的照片。這個就是CIS過飽和所造成的結果。ToF感測器接收到太強的紅外線能量時，也會有一樣的狀況，只是ToF過飽和所造成的結果不是死白的畫素，而是沒有深度資訊的畫素。
因此，英飛凌在與PMD合作開發Real3 ToF感測器時，特別開發出背景照明抑制技術(Supression of Background Illumination, SBI)，以避免感測器在背景環境的紅外線能量太強時，產生過飽和現象。圖2是在照度50kLux，對距離50公分的兩張人臉進行感測所取得的ToF點雲，這個照度大約跟晴天上午10點的陽光類似。在沒開啟SBI功能時，可以看到ToF感測器出現嚴重過飽和，原本該有深度資訊的點，都變成一片死白；但開啟SBI功能時，ToF感測器就能正常取得目標物的點雲。值得一提的是，關閉SBI功能時，快門的曝光時間為0.15毫秒，開啟SBI功能時，快門時間則長達0.3毫秒，換算下來，SBI功能大概可以讓感測器的動態範圍增加20倍之多。
.jpg)
除了自然界中本來就存在的紅外線干擾外，搭配ToF感測器的主動光源，也會對3D感測的效果造成很大的影響。目前業界所使用的主動光源，不外IR LED與IR VCSEL兩種，IR LED的成本非常有優勢，但除此之外，在體積、可調變範圍方面，都遠不如VCSEL。其中，可調變範圍這項參數會直接影響ToF的感測解析度。
由於IR LED的調變頻率最快只能做到30MHz，VCSEL則可高達150MHz，若要應用對感測精細度的要求較高，例如人臉辨識，就必須使用VCSEL光源。
完善生態系統不可或缺
亞德諾(ADI)大中華應用工程總監李財旺則認為，不同應用情境對ToF的需求也不一樣，因此ToF解決方案必須在各種指標之間取得平衡。例如汽車、工業自動化、醫療電子、新零售、智慧監控等專業級場景來說，ToF感測系統不僅需要在精度、範圍、響應時間、解析度、成本、功耗、封裝之間取得平衡，還需要針對不同情況中出現的各種不可控因素、感測系統的靈活性與抗干擾性等方面進行客製化的冗餘設計。
這些冗餘設計有時是硬體，例如加入高可靠性的濾波和抗干擾元件/模組，有時則是軟體演算法，以保證系統有足夠的能力因應不同類型的突發狀況。
ToF或者3D技術從前端到後端都需要上下游產業鏈一起配合。它需要光學、電、晶片級、電路級，以及模組廠，還有一些應用專業產業來共同開發、適配整個方案。作為一種新型的視覺感測技術，無論是針對消費性還是專業級應用領域，目前需解決的基礎性問題還很多，未來如何透過技術去真正實現成本、功耗、體積、速度、壽命、穩定性以及抗干擾能力等多方面的平衡，以達到一個相對目前來說更為優化的水準，進而實現ToF視覺感測技術實際應用中可靠性的提升。
ToF是一種複雜的技術，必須擁有深厚的光學專業技術才能讓VGA感測器發揮最高效能。光學校正、高速脈衝時序模式、溫度漂移、以及補償等因素都會影響到深度的準確度。有可能要歷經冗長的設計週期才能達到想要的效能。同時，與感測器搭配的處理器也扮演非常重要的角色，因為3D ToF需要更高的運算能力。
ADI已支援許多精簡晶片數量的設計來因應客戶拓展商機的需求。針對許多客戶仍尋求更容易、更快速、更有效率的商品化途徑，希望能擁有簡單的展示模組，讓他們能先評測技術的效能，滿意之後再展開實際專案。ADI除了已經透過與許多領域的硬體夥伴合作，聯手提供不同層級的硬體方案之外，也透過與外部軟體夥伴合作，聯手將深度處理演算法方面的專才發揮至軟體層面。
事實上，即便是智慧型手機，目前的ToF配套方案也還沒有發展到十分成熟的地步。舉例來說，因為ToF感測器其實是一種特殊的相機，照手機的系統架構來說，應該要在影像處理器(ISP)便完成ToF資料的解算，但目前市面上並沒有手機的ISP晶片內建ToF運算加速硬體，導致ToF感測器取得的資料必須耗用ISP，甚至手機應用處理器的運算資源來處理。就功耗最佳化的角度來看，最理想的方法還是要在ISP添加專用的硬體電路來解算，這是手機相關晶片業者在制定產品發展藍圖時，可以思考的發展方向。
但如果是手機以外的應用產品，因為在系統的硬體架構中，不一定有ISP的存在，這時就得考慮外掛數位訊號處理器(DSP)，或是採用整合DSP功能的感測解決方案。例如亞德諾的ToF解決方案，因為其鎖定的目標市場是各種專業級應用，因此有一部分方案已經包含處理器功能，應用開發者不需要擔心ToF會額外占用系統主處理器的資源。
開拓多元應用 模組廠配合是關鍵
由於ToF是一種特殊功能的相機模組，終端產品製造商要靠自己的力量完成光學、電子的整合設計，是非常困難的任務，因此終端產品製造商通常不會直接跟感測元件供應商採購元件，而是向模組製造商購買已經整合好的模組，據此進行系統開發。
這意味著模組供應商對於ToF能不能開拓出更多應用，有非常大的影響力。如果模組廠商投入ToF的意願不高，即便ToF能為終端產品帶來很多附加價值，產品製造商恐怕也找不到可用的模組。因此，不管是英飛凌或亞德諾，除了開發感測晶片之外，在模組廠的業務經營上，也投入不少資源。
舉例來說，如果要將ToF技術推向筆記型電腦(NB)/平板電腦這類應用產品，原本供應NB相機模組的台系模組廠，如光寶、富士康是否願意投入，就會是關鍵。至於車用相機或工業相機，也有自己的供應鏈生態，如果要將ToF推入汽車跟工業市場，也得獲得這些模組廠商的支持。
由於生態系的建立跟經營需要一段時間，因此ToF技術雖然可以在許多應用場合找到發揮的空間，但個別產業導入的時間，仍會有快慢之別。按照生態系統發展的成熟度來看，在智慧型手機之後，掃地機器人會是最快將ToF感測功能列為標準配備的消費性電子產品。
至於NB跟平板電腦，因為供應鏈業者跟手機有若干重疊，導入的速度應該也不會太慢，特別是蘋果(Apple)在iPad Pro上內建光達功能後，許多品牌商為了跟蘋果抗衡，應該會加快導入的進程。
