1. 课程导入
在智能手机、扫地机器人、AR/VR头显、汽车座舱监控等设备中，我们经常需要让机器“看懂”周围的空间：前方有没有障碍物？用户的手势指向哪里？屏幕前的脸离得多远？传统单点红外测距只能给出一个方向上的距离，而多区ToF传感则把视野划分成若干独立测距区域，一次曝光即可获得一幅低分辨率的深度图，从而同时回答“哪里近、哪里远、哪里在动”。本课程围绕多区ToF传感与串扰抑制展开，本章先建立整体认知框架。
一、什么是多区ToF传感
ToF是Time-of-Flight（飞行时间）的缩写，其基本原理是测量光从发射端出发、经目标反射后返回接收端所需的时间，再由 d = c·t/2 换算距离。按照调制方式，ToF主要分为两类：
- 直接飞行时间（dToF）：发射短脉冲激光，用SPAD或时间数字转换器直接记录光子往返时间，典型代表是手机激光对焦、LiDAR扫描模组。
- 间接飞行时间（iToF）：发射连续调制光，通过测量回波与发射信号之间的相位差反推距离，常见调制频率为20MHz～100MHz，对应无模糊距离约1.5m～7.5m。
所谓“多区”，是指接收端不是单个光电二极管，而是由多个像素或分区探测器组成的阵列，例如4×4、8×8甚至更密的宏像素结构。每个分区独立输出相位或时间信息，最终形成一张稀疏深度图。与单点ToF相比，多区ToF的核心价值在于空间分辨能力：它能区分同一视场内不同区域的深度差异，为手势识别、避障、自动对焦区域选择等提供依据。
二、发展历程：从单点到多区阵列
多区ToF并非一蹴而就，其演进大致经历四个阶段：
- 单点测距阶段（2000年前后）：工业测距仪、相机辅助对焦采用单点ToF，成本低但信息量有限。
- 面阵ToF阶段（2010年前后）：Kinect等产品推动QVGA级ToF传感器普及，可输出完整深度图，但功耗、体积和成本较高。
- 多区ToF阶段（2016年至今）：以4×4、8×8分区为代表，在功耗、成本与信息量之间取得平衡，广泛用于手机和可穿戴设备。
- 多区+串扰抑制阶段（当前）：随着分区数增加，相邻分区之间的光学串扰、电学串扰和背景光干扰成为主要瓶颈，串扰抑制算法与光学隔离设计成为关键技术。
这一演进背后有两条主线：一是应用需求驱动，设备需要更丰富的空间信息；二是工艺与算法进步，CMOS工艺使分区探测器集成度提高，而标定与补偿算法使多区数据可用。
三、典型应用场景
多区ToF传感的应用场景非常广泛，下表列出主要方向及其对分区数和串扰抑制的要求：
| 应用场景 | 典型分区 | 关键需求 | 串扰影响 |
|---|---|---|---|
| 手机激光对焦辅助 | 4×4～8×8 | 低功耗、快速响应 | 相邻分区误判导致对焦区域偏移 |
| 扫地机器人避障 | 8×8～16×16 | 广视场、抗环境光 | 地面反射串扰造成虚假障碍 |
| AR/VR手势识别 | 8×8以上 | 高帧率、低延迟 | 手部与背景串扰导致深度跳变 |
| 汽车座舱监控 | 4×4～8×8 | 宽温区、高可靠 | 座椅与人体串扰影响乘员检测 |
| 智能门锁人脸唤醒 | 4×4 | 超低功耗、小体积 | 门框反射串扰引起误唤醒 |
可以看到，分区数越多，空间信息越丰富，但串扰路径也越复杂。因此，串扰抑制不是可选项，而是多区ToF能否落地的关键。
四、核心原理与串扰问题初探
多区ToF的接收端通常由多个SPAD或光电二极管分区组成，每个分区对应视场中的一个角度区域。理想情况下，每个分区只接收来自自身视场方向的回波。但现实中存在三类串扰：
- 光学串扰：发射光经镜头、外壳或保护玻璃多次反射后进入非目标分区。
- 电学串扰：相邻分区之间的载流子扩散、电容耦合导致信号泄漏。
- 背景光串扰：环境光在分区之间不均匀分布，抬高本底噪声。
这些串扰会使深度图出现“鬼影”、边缘模糊或距离偏移。后续章节将分别从光学设计、像素隔离、调制解调和算法补偿等角度展开抑制方法。
五、学习目标与课程结构
通过本课程，你将达到以下目标：
- 理解多区ToF的物理与电路原理：掌握相位测距、分区探测、时间数字转换等核心机制。
- 识别串扰来源与传播路径：能够区分光学串扰、电学串扰和背景光串扰，并定位主要贡献项。
- 掌握串扰抑制方法：包括光学隔离、像素间深沟槽、调制频率优化、差分测量和算法补偿。
- 具备系统级调试能力：能根据深度图异常现象反推串扰来源，并设计验证实验。
- 了解工程权衡：在分区数、功耗、成本、帧率和精度之间做出合理选择。
六、常见误区与复盘
初学者容易陷入几个误区：
- 误区一：分区越多越好。分区增加会带来更严重的串扰和更高的功耗，需根据应用场景选择合适分区数。
- 误区二：串扰只是光学问题。实际上电学串扰和背景光串扰同样显著，必须系统级联合优化。
- 误区三：标定一次即可。温度、外壳装配和老化都会改变串扰特性，需要定期或在线补偿。