文｜雷科技（leitech）

3月18日晚，苹果官网火速更新iPad Pro，和前代相比，这一次iPad Pro的最大变化不是A12Z处理器，而是背后的“火疖子”——从单摄像头提升到了双摄，同时增加了ToF模组，苹果称之为激光雷达扫描仪（LiDAR）。

在苹果的介绍中，这款激光雷达扫描仪采用了直接飞行时间（dToF）来进行测距。而ToF技术，我们在这两年的安卓手机上已经见过很多。早在2018年，OPPO R17 Pro和vivo NEX双屏版都搭载了ToF影像系统，而到了2019年，华为、三星等旗舰也上马了ToF。

在上次我们的iPad Pro解析文章中，重点做了A12Z的分析，指出这是为了配合苹果“AR＋低价”战略推出的更新产品之后，就有热心的读者朋友在下面评论，希望能讲一下苹果的LiDAR。

说到底，苹果押宝的LiDAR和dToF，与我们平常见到的安卓方案又有什么不同？在这篇文章中，让我们一一道来。

神秘的dToF

我们先来快速复习一下ToF的概念：ToF，全名“Time-of-Flight”（飞行时间测距法），是3D深度摄像头的其中一种方案。但和Face ID结构光提供点阵的方案不同，ToF投射的是一整个面，根据红外线的反射时间来计算深度信息，并且，ToF的测量范围达数米，不容易被强光所影响。

当然，ToF也带来了一些缺点，譬如分辨率低、模组复杂、价格昂贵等问题，它不适合分辨率要求高的前置摄像头（虽然有些厂商也上马了ToF的面部识别），主要应用在后置摄像头上。例如人的动作识别、建筑识别这种需要一定距离进行测绘的，都是ToF比结构光更有优势的地方。

那么回到当下的问题，苹果和安卓的ToF分别有什么不同呢?

在现在的安卓大部分机型内，都采用的一种名为iToF的（indirect time of flight，间接ToF）技术。所谓间接ToF，并不是直接测量光发射返回的时间，而是根据相位偏移来间接计算距离。

众所周知，光具有波粒二象性，也就是说我们可以通过发射光和返回光的相位偏差，和收发的时间进行函数运算，来获得具体的距离。例如激光发射器可以发射850nm的调制红外光，反射回来滤片过滤之后接收的自然也就是调制红外光。

具体计算方法比较复杂，这里就不进行阐述，但基本的测量指标只有几个基本要件：光发射的振幅、频率，而反射回来的光要经过四个快门的判定，以此来得出时延、衰减后的振幅以及强度偏移（环境光），最后就可以计算出相位偏移，而加上环境光影响的强度偏移，可以得出距离。

之所以iToF设立如此繁杂的机制，归根结底是因为有利于小型化。如今的手机上的iToF的芯片像素可以小到5um，以此来实现较高的分辨率（现在可以做到640*480左右）。并且系统容易集成，不需要额外的测量电路。不过这种运算方式，需要高帧率图像进行运算，功耗不小。

而相比之下，dToF的原理就简单多了，和手机厂商一开始和我们“科普”的一样。dToF只需要发射脉冲波，然后光反射回来被接收，只要计算光发射和返回的时间，自然就可以计算距离了。

但说起来简单，做起来难：和连续波不一样，脉冲波需要极高精密度的元器件进行检测，元器件需要对光精度很敏感，只有SPAD（单光子雪崩二极管）才能检测到微弱的光脉冲。

除了光检测之外，dToF电路还要对时间判断十分敏感，需要专门的高精密度时间检测（TDC）电路来进行计算，而连续波是从相位来判断的，自然不需要这个问题。

例如上图，第一条光是发射光的脉冲信号，第二条光则是返回收到的脉冲信号，而在接收器上会布置两个窗口，里面的SPAD将会把光信号变为电荷量。这两个窗口相位相反，因此两个窗口的电荷量之和就是反射光偏离（上图中的DMIX0与DMIX1的红色之和，恰好等于反射光的脉冲）。

所以，只要向两个施加高电平，窗口打开时收到的电荷量，就能反映出总体的脉冲变化。如果算上施加高电平窗口打开的时间的话，就可以直接进行测距。

双方优劣

那么，dToF的高精密度检测，就注定要比平民化的iToF昂贵不少，并且不易集成。那么，为何苹果坚持要选择dToF，而不是现在已经在手机上大规模应用的iToF呢？

因为iToF虽然可以做到分辨率高，集成度高，成本低等原因，但对于环境光的甄别并不如dToF。只要在强光环境下，iToF的识别率就会下降明显，而dToF抗干扰能力比较强。

并且只要距离开始拉远，iToF面光源发射器的功耗就会大幅增加，而dToF由于只发射脉冲光运算端压力都交给了识别，所以发射功率自然就小很多。并且在接收过程中，不同于iToF的多帧图像计算，SPAD可以直接输出脉冲信号，大大缩短时间与功耗。

虽然无论iToF和dToF，目前主要的应用目标都是在数米之内，但dToF的低功耗、抗干扰、精准度高等特点，都是胜过iToF好几分，无疑更有未来前景，唯一能制约dToF发展的，无非是结构复杂难以小型化。

而在近几年，随着汽车厂商开始发力激光雷达，dToF的集成化和分辨率便一直有人在努力提升。松下就做出了分辨率为1200x900的传感器，而去年九月份，艾迈思也宣布，推出了使用智能手机的dToF模组，体积仅为2.2mm x 3.6mm x 1.0mm。

而从目前的结果来看，虽然尚不清楚苹果的dToF供货商是哪家（索尼或者意法半导体），但可以从成品看出，苹果又和几年前的结构光一样，成功搞定了相关技术的小型化与集成化。

ToF的未来

在最近的手机行业内，能给ToF带来可能的落地场景只有两场发布会：6月份WWDC的AR功能概述，以及几天后的华为河图功能的展望。不过，苹果已经更新了官网上的“增强现实”页面，我们看到，和之前的战略相比，苹果依然还是聚焦于小房间内的精准定位，目前没有“向外走”的更大规划。

这也说明，在未来的时间内，人一直是苹果AR的主流。从形体检测、家具摆放、游戏和课堂教学，苹果的AR都很强调和人之间的互动性。希望通过以一种“温和”的方式来改善小场景下的便利性，所以苹果才会在发布会上着重讲述购物的AR体验，以及AR游戏之间的玩家互动。

而华为在近几周的宣传，都明确地表示，河图就是华为推出的未来版地图。根据河图技术总监罗巍在微博上的发言，不同于苹果的室内，华为ToF的思考领域是地球级，要覆盖室内室外的全场景，同时能有扩展到10米以上的应用能力。

从商业角度来看，华为河图更像是诺基亚的“城市万花筒”，是以“地”作为发展的未来。用户不仅可以在繁华的街道上利用AR寻找附近的吃食和点评，商家也可以利用这一点公布自己的评分和招牌菜。平常浏览大众点评、精挑细选、进行比对的时间，可能会在“河图”的作用下大大缩小，更不用说旅游景点的自动介绍之类的了，室外AR的发展方向可谓是十分宽泛。

虽说目前我们不能确定，华为如何克服iToF的高亮环境下分辨率低、以及10米以上的识别能力。但从目前公布的图片来看，河图是以建筑作为锚点，打算绘制一幅另类的“物联网画卷”，这在当前的服务系统之下是完全可行的。河图系统的软件实现固然重要，但是硬件难关依然是第一位的。

当然，苹果也不是对“AR”地图毫无准备，在去年地图的改版上，苹果就推出了“街景功能”，全程无缝的浏览体验和店面提示，似乎也在预示着苹果还有后手。

但无论如何，从去年ToF的群魔乱舞，到今年的技术演进。业界巨头厂商都开始将ToF正式放上台面，结合几年前的软件积累进行发力。苹果和华为的方向虽然各不相同，但小雷也希望，这种不同方向上的不懈开拓，终究能给“AR时代”一个坚实的基础。