3D TOF 相機特性
利用TOF技術成像的設備被稱為TOF相機(或TOF攝像頭), TOF相機與普通機器視覺成像過程也有類似之處,都是由光源、光學部件、傳感器(TOF芯片)、控制電路以及處理電路等幾部單元組成。這種技術跟3D激光傳感器原理基本類似,只不過3D激光傳感器是逐點掃描,而TOF相機則是同時得到整幅圖像的深度信息。
與同屬于非侵入式三維探測、適用領域非常類似的雙目測量系統相比,TOF相機具有根本不同3D成像機理。雙目立體測量通過左右立體像對匹配后,再經過三角測量法來進行立體探測,而TOF相機是通過入、反射光探測來獲取的目標距離獲取。
TOF技術采用主動光探測方式,與一般光照需求不一樣的是,TOF照射單元的目的不是照明,而是利用入射光信號與反射光信號的變化來進行距離測量,所以,TOF的照射單元都是對光進行高頻調制之后再進行發射。
與普通相機類似,TOF相機芯片前端需要一個搜集光線的鏡頭。不過與普通光學鏡頭不同的是這里需要加一個帶通濾光片來保證只有與照明光源波長相同的光才能進入。同時由于光學成像系統具有透視效果,不同距離的場景為各個不同直徑的同心球面,而非平行平面,所以在實際使用時,需要后續處理單元對這個誤差進行校正。
作為TOF的相機的核心,TOF芯片每一個像元對入射光往返相機與物體之間的相位分別進行紀錄。該傳感器結構與普通圖像傳感器類似,但比圖像傳感器更復雜,它包含2個或者更多快門,用來在不同時間采樣反射光線。
因為這種原因,TOF芯片像素比一般圖像傳感器像素尺寸要大得多,一般100um左右。照射單元和TOF傳感器都需要高速信號控制,這樣才能達到高的深度測量精度。比如,照射光與TOF傳感器之間同步信號發生10ps的偏移,就相當于1.5mm的位移。而當前的CPU 可到3GHz,相應得時鐘周期是300ps,則相應得深度分辨率為45mm。運算單元主要是完成數據校正和計算工作,通過計算入射光與反射光相對相移關系,即可求取距離信息。
TOF相機優缺點分析
TOF相機優點:
1、相對二維圖像,可通過距離信息獲取物體之間更加豐富的位置關系,即區分前景與后景;
2、深度信息依舊可以完成對目標圖像的分割、標記、識別、跟蹤等傳統應用;
3、經過進一步深化處理,可以完成三維建模等應用;
4、能夠快速完成對目標的識別與追蹤;
5、主要配件成本相對低廉,包括CCD和普通 LED 等,對今后的普及化生產及使用有利;
6、借助 CMOS 的特性,可獲取大量數據及信息,對復雜物體的姿態判斷極為有效;
7、無需掃描設備輔助工作。
TOF相機缺點:
1、相對于普通數碼相機,其造價仍然偏高,影響該產品目前的普及使用率;
2、相機本身仍然受到硬件發展的限制,更新換代速度較快;
3、測量距離較常規測量儀器短,一般不超過 10 米;
4、測量結果受被測物性質的影響;
5、大多數機器的測量結果受外界環境干擾較為明顯,尤其是受外界光源干擾;
6、分辨率相對較低,
7、系統誤差及隨機誤差對結果影響明顯,需要進行后期數據處理。
TOF應用領域
TOF技術具有豐富的應用場景,在汽車、工業、人臉識別、物流、安撫監控、健康,游戲、娛樂、電影特效、3D打印和機器人等諸多領域都有應用。
汽車:TOF傳感器可以用于自動駕駛,通過TOF技術對行車環境進行感知,從而獲取環境信息以增加安全性,此外TOF還可以用于汽車內的乘客離位檢測。
工業領域:TOF傳感器可以被用作HMI(人機接口:Human Machine Interface),在高度自動化的工廠中,工人和機器人需要在很近的距離下協同工作,TOF設備可以用于控制各種情形下的安全距離。
人臉識別系統:TOF相機的亮度圖像和深度信息可以通過模型連接起來,迅速精準的完成人臉匹配和檢測。
物流行業:通過 TOF 相機迅速獲得包裹的拋重(即體積),來優化裝箱和進行運費評估;
安防和監控:利用景深進行人數統計( Peoplecounting)俗稱“數人頭”,確定進入某區域的人數;通過對人流或復雜交通系統的人數統計,實現對安防系統的統計分析設計;以及敏感地區的檢測對象監視;
機器視覺:工業定位、工業引導和體積預估;替代工位上占用大量空間的、基于紅外光進行安全生產控制的設備;
機器人:使用深度視覺進行導航、識別外界的環境、規劃路徑、實現避障工作等;
醫療和生物:足部矯形建模、病人活動/狀態監控、手術輔助;
互動娛樂:動作姿勢探測、表情識別、娛樂廣告;在制作影視特時,TOF相機可以將深度信息附加在視頻圖像中,精確確定場景中每個像素的空間位置。通過簡單的后期處理,就能將特效道具插入影片的任何位置。
此外,無論是固定式還是移動式的,TOF設備都可以作為一個性能優異的輸入設備。TOF相機的手勢識別能力特別適用于消費電子領域,例如游戲、手持式設備和家庭娛樂,以TOF設備為第一人稱游戲提供了直觀的接口,完全可以代替遠程控制,鼠標和觸摸屏。
評論
查看更多