【ST精选文章】高分辨率直接飞行时间激光雷达赋予边缘 AI 空间感知能力

正文：

先进激光雷达模组能够同步输出多路数据流，包含深度图、红外图像、反射率数据、环境光检测值和置信度指标。

人工智能(AI)正从虚拟云端下沉至现实物理环境，机器现在不仅要处理数据，还要实时感知、分析现实场景环境，并与之交互。无论是仓储机器人自主导航、智能楼宇人员存在监测、医护辅助，还是增强现实系统的手势交互，全都离不开空间感知这一重要能力。

多年来，飞行时间(ToF)一直被用于消费电子深度感知，手机相机自动对焦和人机交互系统是最具代表性的ToF应用，但是，随着传感器架构、光学元件和边缘计算技术发展进步，ToF技术正在扩大应用边界。新一代 ToF 技术不再局限于单纯的测距功能，还能生成人工智能可用的空间数据，让设备能够自主感知周边环境，同时符合严格的体积、功耗和成本限制。

从直接飞行时间(dToF)三维(3D)激光雷达模组上可以看到这一技术演进过程，意法半导体的 VL53L9 dToF激光雷达模组在紧凑的封装内集成高分辨率深度传感器、片上数据处理器和系统级集成器件。

从测距传感器，到空间智能引擎

传统飞行时间传感器系统以往仅用于单点测距或低分辨率深度感知，虽能实现接近检测，但硬件架构的环境感知能力十分有限，仅适用于简易的情景感知应用。

高分辨率多区 dToF 传感器的问世彻底改写了这一局面。新一代激光雷达模组不仅输出测距信息，还可以生成详细的视场深度图。例如，ST的 dToF 模组有 54×42 个测距区，即 2268 个独立的深度测距点，同时，最高拍摄帧率达到100 帧/秒，测距范围从小于 5 厘米延长至 9 米。

该传感器兼具更高的空间分辨率、高速拍摄能力和更长的测量距离，可以实现以往只有体积更大、成本更高的系统才能实现的环境感知性能，能够高精度识别并追踪小物体、边缘轮廓和移动的目标，在机器人、工业自动化、智能楼宇、健康监测、消费电子等领域开辟全新的应用领域。截至目前，意法半导体的飞行时间传感器出货总量已超 30 亿颗。

直接(ToF)技术至关重要

间接飞行时间iToF测距技术是通过测量红外相位推算距离，而直接飞行时间dToF传感器则是直接测量光子的飞行时长，在各种工况下都具备更强的抗干扰鲁棒性，测距准确度更高。

新一代 dToF 系统的接收电路搭载单光子雪崩二极管(SPAD)阵列，能够捕捉单个光子信号，接收灵敏度极高。堆栈式背照(BSI) SPAD 架构的技术突破，让厂商得以大幅提升传感器分辨率，同时兼顾小型化和低功耗优势。

本系统采用自研堆栈式背照 SPAD 架构，并搭配超表面透镜，测距准确度最高1%，视场角宽达 54°×42°，模组尺寸仅 12.8 mm × 6.1 mm × 4.6 mm。

不止于深度测距：红外成像和三维空间数据融合

从单一深度测距转向多模态环境感知，是现代ToF系统意义最重大的发展成果之一。

高级激光雷达模组不仅提供基础测距数据，还同步输出多路传感器的数据，涵盖深度图、红外图像、反射率信息、环境光测量数据以及测距置信度指标。

例如，ST的 dToF 模组可输出三维深度数据以及配套红外图像。深度数据与红外图像优势互补，提供三维结构化视场信息，同时又能保障算力运行效率，这个特性对于人工智能应用具有很大的价值。RGB彩色摄像头往往需要海量的 AI运算，而深度数据 + 红外图像的融合数据输出，可以简化目标分割、运动分析和环境感知运算。

隐私保护是ToF技术的另一个优势。ToF系统只采集几何轮廓信息，不识别视觉图像细节。人员在场监测、客流统计、姿态分析、人体感应等应用无需采集可识别身份的人像。

重新设计照明架构

模组发射端的照明子系统设计依然是决定激光雷达整体性能的关键一环。

许多传统测距系统采用点阵投射式光路架构，依次分区扫描视场，虽适合部分应用场景，但易产生感知盲区和运动拖影，在追踪高速移动物体时存在明显短板。

新一代光路架构正在普遍采用泛光照明技术。ST的 dToF 模组搭载双扫描泛光照明系统，采用两组双结垂直腔面发射激光(VCSEL)发射单元，可以同时照射整个视场。该方案可以提升小物体检测能力，减少运动拖影，消除感知盲区，还能同步采集同一场景的红外图像和深度数据。最终，输出更纯净、完整的边缘端能够高效处理的空间数据。

赋能边缘人工智能

AI 推理运算下沉到嵌入式终端设备，是影响光学传感器行业未来的最重要的趋势之一。

受响应延迟、隐私安全、网络带宽和功耗等限制，大量工业及消费类应用无法依靠连接云端运行人工智能，而对用微控制器或低功耗处理器在传感器端分析数据的需求日益提高，这促使传感器智能化升级，直接输出结构化信息而非原始数据。新一代激光雷达模组集成片上处理单元，直接从传感器端输出AI可用数据的趋势日趋增强。

在基于 STM32H5 微控制器搭建的演示系统中，VL53L9 模组运行的感知分析算法每秒拍摄30 帧图像，仅占用很少的内存资源，让小型嵌入式设备也能够承载复杂环境感知任务。应用演示包含安全区域监控、高级人体感应、跌倒检测、人体姿态追踪和手势识别。

应用场景不断扩大

高分辨率深度感知，结合小型化集成和低算力需求，让该方案适用于各行各业。

机器人利用高精度深度图实现同步定位建图(SLAM)、避障和自主导航;工业系统利用这项技术进行体积测算、库存监测和机床安全防护;智能楼宇利用这项技术部署人员存在分析和人流监测，同时保护用户隐私安全;医疗应用场景包括跌倒检测、病患监护;AR/VR 设备则可实现手势交互、人体追踪与手指骨架精细追踪。

机器感知的未来

高分辨率直接飞行时间激光雷达(dToF LiDAR)的深远意义，不局限于某一类单一应用场景，而是体现了一场大规模的行业转型：从为人眼识别设计的成像技术，向为机器感知开发的传感器技术的转变。

随着人工智能系统全面走进工厂设备、楼宇设施、机器人、医疗仪器和消费电子产品，传感器仅采集数据是不行的，还需输出有意义的场景环境信息。深度感知、红外成像和片上处理器，结合系统级集成，构成一个将光学信号转化为高可靠数据的机器感知平台。

高分辨率 dToF 激光雷达正逐步成为赋能这场行业转型的底层核心技术，为各类边缘设备赋予稳定可靠的空间感知能力，使其在现实环境中具有视觉、分析和行动能力。

###

作者简介：Laurent Plaza，意法半导体影像事业部飞行时间(Time-of-Flight)与环境光感应产品线经理，在半导体行业从业25余年，是技术研发、产品定义和商业运作复合型人才，具有将技术创新转化为成功产品同时拉动业务增长的能力。曾助力 FlightSense™ 的发展，全球累计出货超过 30 亿颗 ToF 传感器。