人類視覺能做什么計算機視覺做不到的？人類以三維方式感知世界，深度傳感器是實現更高水平機器視覺和解鎖自動駕駛的關鍵。

在傳感技術最新發(fā)展的支持下，越來越多的機器被賦予了感知、行動和與環(huán)境互動的能力。EE Times Europe對3D視覺前景進行了掃描，以更清楚地了解市場驅動因素、零部件供應商的機遇和挑戰(zhàn)，以及新興技術。

深度感知

據Yole Développement稱，在模塊級別，3D傳感市場目前的價值規(guī)模為68億美元，到2026年將以15%的復合年增長率增長至150億美元。

Yole Développement的光子學和傳感部門首席分析師Pierre Cambou表示：“在移動和消費主要驅動市場中，由于對華為的禁令以及安卓陣營事實上已放棄了3D傳感，這一增長暫時性停滯。”另一方面，他補充說：“蘋果正通過在iPad和iPhone中安裝激光雷達來加速這一趨勢。”

Cambou表示，3D技術在汽車領域的應用也在加速發(fā)展。激光雷達和座艙內的3D攝像頭正在被采用，“我們對3D傳感技術在汽車市場上的應用非常樂觀，未來五年內這個市場將增長四倍。”



目前流行的3D成像技術有立體視覺、結構光和飛行時間（ToF）。

Cambou表示，立體視覺在10米以上的遠程傳感應用領域非常強大，比如DJI等公司生產的消費類無人機，以及奔馳、捷豹和斯巴魯等車型上的前視ADAS攝像頭。

結構光一直是1米以下短程傳感的首選方法，通常用于蘋果iPhone的前置面部識別，但也用于一些工業(yè)應用，如Photoneo公司。

Cambou說，ToF系統(tǒng)主要用于中程，目前有兩種類型。2019年和2020年，安卓手機（華為、三星和LG等供應商）的背面使用了間接ToF，用于拍照。蘋果在其最先進的智能手機中使用了直接ToF。Cambou說：“激光雷達（例如Velodyne、Innoviz、Ibeo、禾賽和速騰）使用的直接ToF技術，最終可能在接收端使用矩陣形狀的傳感器。由于人們對自動駕駛的追捧，它正在取得進展。”

EEL或VCSEL？

激光雷達捕捉整個場景的能力使其成為機器視覺應用的一項寶貴的技術。獲取3D點云最常用的兩種系統(tǒng)是Flash激光雷達和Scanning激光雷達。歐司朗的全球營銷經理Matthias Hoenig說，在Scanning激光雷達系統(tǒng)中，聚焦的脈沖激光束通過機械旋轉反射鏡或MEMS反射鏡定向到某個小的立體角。由于高功率激光束被控制，使其只發(fā)射到一個小的立體角，所使用的光功率可達到的距離可以比3D Flash系統(tǒng)可達到的距離大得多。Hoenig說：“邊緣發(fā)射激光器（EEL）是該系統(tǒng)架構的首選產品，因為它們通過較小的發(fā)射面積在較小的空間內發(fā)射大量的光，因此在功率和射程方面也有加分。”

歐司朗（現在是Ams的一部分）表示，在封裝溫度在應用過程中上升的問題方面，其激光器的波導穩(wěn)定性最近取得了進展。用于激光雷達應用的波長更高的產品也正在探索中。

Yole預測，關于激光二極管，EEL是目前最大的市場機會，但垂直腔面發(fā)射激光器（VCSEL）將在未來迅速趕上。VCSEL將高功率密度和簡單封裝的紅外LED與激光的光譜寬度和速度相結合。

Hoenig說：“該技術的優(yōu)勢，包括卓越的光束質量、簡單的設計和小型化方面的進步，解釋了VCSEL市場的增長。一般來說，它們比EEL發(fā)射器需要更多的安裝空間，但在某些應用領域具有優(yōu)勢。例如，它們的輻射特性使它們特別適合Flash激光雷達系統(tǒng)，以及工業(yè)應用中的主動立體視覺，如機器人和物流車輛。”

至于VCSEL相關的技術挑戰(zhàn)，Hoenig說，歐司朗正在研究更高的光輸出。在2018年收購Vixar之后，該公司展示了雙結和三結VCSEL，比單結VCSEL提供更高的效率和速度。在今年的Photonics West上，該公司推出了基于這種多結技術的PowerBoost VCSEL產品組合。該公司表示，它也在探索各種改善散熱的想法，例如，通過改變從頂部發(fā)射到底部發(fā)射的組件。

歐司朗高級市場經理Lei Tu表示，所有常見的3D傳感方法都依賴于各種系統(tǒng)構建模塊的順暢交互。通常，這些系統(tǒng)由光源、特殊光學、探測器和相應處理被檢測信號的下游軟件組成。未來，她繼續(xù)說道：“對于歐司朗這樣的零部件制造商來說，重點將是以盡可能好的方式滿足客戶的需求。這包括組件的小型化，優(yōu)化他們的光學性能、壽命，當然，還要易于使用。”Tu補充說，一些客戶更喜歡“現成的、即取即用的解決方案”，而另一些客戶更傾向于自己組裝單個組件或讓第三方組裝成一個完整的解決方案。

深度和側向感知用于盲點檢測

深度感知是一種從3D看事物并測量物體距離的能力。激光雷達確實充當了自動駕駛汽車的眼睛，許多OEM使用它來構建汽車周圍環(huán)境的3D地圖。盡管如此，開發(fā)主要集中在具有較長檢測范圍（超過200米）但視野相對較?。s20°-30°）的前置激光雷達系統(tǒng)上。

2019年從德國弗勞恩霍夫硅技術研究所（ISIT）獨立出來的OQmented正在努力改變這一現狀。該公司表示，他們已經開發(fā)了一種MEMS反射鏡技術，使側向激光雷達具有180°視野。

OQmented的創(chuàng)始人兼董事總經理Ulrich Hofmann表示：“側向激光雷達系統(tǒng)更能瞄準近距離目標”，以實現盲點檢測。他補充說，盲點檢測是一項重要的安全功能，它使近距離側面掃描系統(tǒng)“比遠視系統(tǒng)更有意義”。例如，“進入十字路口時，你需要那些近距的激光雷達系統(tǒng)，因為有大量的行人、自行車、汽車等車輛，這很容易導致混亂和事故。”因此，在廣角上有一個清晰的全景和高橫向分辨率是很重要的，以區(qū)分不同的物體（靜態(tài)或移動）。”

OQmented在其MEMS鏡面設備的頂部放置了一個球星的玻璃蓋，與平面平行的玻璃蓋不同，可以成功地讓激光束進出封裝，從而實現180°激光掃描。Hofmann說，Bubble MEMS專利技術不僅提供了“密封的真空封裝和保護”，不受環(huán)境污染物的影響，而且還確保了激光束成功地進入和離開封裝，因為它總是以垂直的方式撞擊玻璃。當使用平面平行玻璃蓋時，情況并不總是如此。對于大的掃描角度，部分光被反射回封裝上的蓋子。Hofmann說，這對任何一種激光雷達解決方案來說都是不可接受的。


OQmented的MEMS鏡面裝置上的球形玻璃蓋啟發(fā)了這項技術的名字，Bubble MEMS

更接近數據源

圖像傳感器產生大量的數據。雖然目前大多數處理都在云或中央處理單元進行，但趨勢是使計算更接近數據源，并在傳感器附近或內部嵌入智能。

Yole的Cambou說，為了便于觀看，數據通常被H264壓縮，這意味著它可以通過100mbps帶寬傳輸。“在傳感的情況下，數據流通常是10-100倍大（對于機器視覺來說，1Gbps是非常典型的）。如果同時使用10個攝像頭，那么你很快就能達到10Gbps甚至更多。管理傳感器附近的數據的必要性來自于CPU級別的負擔。如果需要，所有的預處理、清理和AI增強都必須在離傳感器更近的地方完成，以減輕CPU的負擔。”

Cambou說，然而今天，傳感器本身幾乎沒有什么計算，因為它會產生熱量。

前視

圖像傳感器是一個關鍵的部件，但它們不能無限地添加，所需的計算能力將會爆炸。Yole的分析師說，一個解決方案是提高數據質量。“如果你真的想解決自動駕駛的問題，就需要盡快增加多樣性。”

新技術不斷涌現，出現了靈敏度更高看得更清楚的機器。Cambou確定了兩個方向：神經形態(tài)感知，其中每個像素作為一個神經元，并嵌入了一定程度的智能；量子成像，它可以單獨檢測每個光子。

法國的神經形態(tài)初創(chuàng)公司Prophesee推出了業(yè)界首款基于事件的視覺傳感器，第三代metavision傳感器。Prophesee的產品營銷和創(chuàng)新總監(jiān)Simone Lavizzari說：“如果你將metavision傳感器與VCSEL發(fā)射器或另一種可以發(fā)射合適模式的發(fā)射器結合，你就可以實現一個基于事件的結構光傳感器。”到底為什么呢？當今最先進的深度傳感技術要求在曝光時間、準確性和魯棒性之間進行權衡。

Lavizzari說，將紅外發(fā)射器與Prophesee的metavision傳感器相結合，可以為每個獨立的像素提供快速的響應時間，進而允許直接在傳感器內部進行時間模式識別和提取。“如果你使用基于事件的傳感器來做結構光，響應速度非常快。我們可以將掃描時間提高50倍，所以比起傳統(tǒng)的基于幀的方法，你需要1毫秒才能獲得完整的3D掃描。它的精確度是最先進的，但軟件的復雜性降到了最低，因為我們不需要在后處理中進行匹配。”

匹配不是在事件之后的幀上進行的，而是在傳感器級別上逐像素進行的。Lavizzari說:“其中一個好處是，沒有運動模糊，因為我們可以非常快速地捕捉點云，而且我們與戶外應用程序兼容。”超高速脈沖檢測確實可以增加功率，同時保持該技術的人眼安全等級。



在量子成像方面，Cambou提到了Gigajot Technology的量子圖像傳感器（QIS），這是一種具有光子計數功能的單光子圖像傳感器。Gigajot是一家加州的初創(chuàng)公司，該公司聲稱，動態(tài)場景可以由一組幀以每幀像素1個光子的光子級別重建。


[參考文章]
Depth Sensing Takes Machine Vision into Another Dimension — Anne-Françoise Pelé