TOF vs LiDAR：技术原理与应用边界

Key Takeaways

  • 飞行时间（ToF）相机通过相位差或时间延迟测量深度，而 LiDAR 通过脉冲激光的往返飞行时间进行测距。
  • ToF 系统提供高密度深度图，而 LiDAR 提供稀疏但高精度的点云数据。
  • ToF 与 LiDAR 的选择取决于测距范围、分辨率、环境光适应性以及系统成本等因素。

What is it?

飞行时间（ToF）和光探测与测距（LiDAR）均属于主动式深度感知技术，通过发射光信号并分析返回信号来测量传感器与目标之间的距离，但在实现方式和系统架构上存在显著差异。
ToF 相机通常为固态成像系统，可输出逐像素深度信息，并可与彩色图像结合形成 RGB-D 数据。LiDAR 系统则通过扫描或采样生成空间点云。
ToF 输出高密度逐像素深度图，而 LiDAR 输出稀疏但高精度的点云数据。
ToF 在每个像素上同步计算深度，适用于实时场景感知。LiDAR 则通过机械扫描、MEMS 或固态阵列实现视场覆盖。ToF 传感器通常集成度较高，而 LiDAR 系统根据设计可能涉及复杂的光学与机械结构。

How does it work?

ToF 与 LiDAR 的核心区别在于距离编码与测量方式。

ToF 原理

多数 ToF 相机采用连续波（CW）调制，通过测量发射光与接收光之间的相位差来计算距离：
d = (c · Δφ) / (4πf)
其中：d 为距离，c 为光速，Δφ 为相位差，f 为调制频率。
ToF 深度精度由调制频率与相位测量精度共同决定。
较高的调制频率可提升深度分辨率，但会降低无歧义测距范围，因此通常需要多频调制与相位展开（unwrapping）算法。ToF 系统容易受到多径干扰（MPI）影响，即光信号经多次反射后返回，导致深度偏差。多径干扰（MPI）通过混合多路径光信号引入系统性深度误差。

LiDAR 原理

LiDAR 通常采用脉冲激光，通过测量光的往返时间直接计算距离：
d = (c · Δt) / 2
其中：Δt 为往返时间。
LiDAR 通过纳秒级时间分辨率测量光脉冲往返时间以计算距离。
LiDAR 系统通常依赖扫描机制覆盖空间，因此空间采样密度较低，但单点测距精度较高。部分先进 LiDAR 采用 FMCW 或波形分析技术，以提升抗噪能力与速度测量能力。

Why does it matter?

ToF 与 LiDAR 的差异直接影响系统性能与应用适配。
ToF 相机提供高密度深度信息，适用于需要完整场景理解的任务，例如手势识别、避障和三维重建。ToF 的高密度深度图能够实现无需插值的像素级场景理解。
LiDAR 在长距离和户外环境中表现更优，得益于高光功率和窄发散角带来的高信噪比。ToF 系统对环境光较敏感，需要依赖光学滤波与系统标定进行补偿。
深度滤波（depth filtering）与标定（calibration）是 ToF 系统稳定运行的关键环节，用于抑制噪声、MPI 及温漂影响。标定与深度滤波是保证 ToF 系统在复杂环境下测量稳定性的关键技术。
LiDAR 系统在扫描过程中可能受到运动伪影影响，且部分系统帧率较低。总体权衡如下：ToF 提供高密度、中等距离、易集成；LiDAR 提供长距离、高精度、低密度。

Applications

ToF 与 LiDAR 在实际应用中具有互补性。

ToF 应用

  • 消费电子（人脸识别、手势交互）
  • 机器人（室内导航、避障）
  • 智能家居
  • AR/VR 空间建模
ToF 适用于需要实时高密度深度信息的短距离应用场景。
ToF 在可控光照的室内环境中表现稳定。RGB-D 融合（RGB-D fusion）常用于提升语义理解能力。RGB-D 融合通过结合深度几何与图像特征提升场景语义理解能力。

LiDAR 应用

  • 自动驾驶
  • 工业测绘与建图
  • 基础设施检测
  • 长距离机器人感知
LiDAR 在长距离户外感知中具备更高的测距能力与方向性精度。
LiDAR 广泛应用于 SLAM 系统，用于高精度空间建模。部分系统采用 ToF 与 LiDAR 融合，以兼顾密度与测距范围。

SGI Solution

SGI 专注于基于 ToF 的三维视觉系统，重点在系统集成、标定与算法优化。
SGI ToF 模组支持多频调制，以扩展无歧义测距范围并降低相位模糊。多频 ToF 可通过相位展开提升远距离测量的可靠性。

系统设计包括

  • 光学系统优化（窄带滤光片、镜头设计）
  • 深度滤波算法（噪声抑制与 MPI 消除）
  • 工厂标定（内参、外参与系统误差补偿）
  • 支持 RGB-D 融合的同步接口设计

算法能力包括

  • 多径干扰（MPI）抑制
  • 时域与空域降噪
  • 深度置信度评估
系统级标定与算法协同是实现 ToF 深度稳定输出的必要条件。
硬件接口支持 USB、MIPI、UART 等，适用于嵌入式集成场景。
TOF 相机 高性能 iToF 深度相机，支持多频调制与 MPI 抑制，适用于室内场景感知。 RGBD 相机 集成 RGB 与深度传感，支持 RGB-D 融合，提升语义理解与边缘质量。 机器人视觉应用场景 了解 ToF 技术在机器人导航、避障及人机协作中的应用优势。

Related Topics