求真百科歡迎當事人提供第一手真實資料,洗刷冤屈,終結網路霸凌。

3D感測檢視原始碼討論檢視歷史

事實揭露 揭密真相
前往: 導覽搜尋
3D感測
3D感測照片來自

3D感測(3D Sensing)係由CMOS影像感測器、演算法、輔助感測效果的外部元件(如紅外光IR)及主處理器所組合而成。紅外線能捕捉人體的熱幅射,使感測時可以聚焦在主控者身上,不被混亂的背景干擾;也能用來作距離的運算,與影像感測器配合來實現3D掃描的功能。[1]3D感測系統包含4大零組件:光源、控制光學、影像感測器、韌體。光源常使用LED(發光二極體)或VCSEL(面射型雷射),傳統上可產生紅外線,能提供較佳精確度和效率;控制光學元件可降低韌體的運算負擔;影像感測器常採用CMOS;韌體則需要高速運算晶片來接收數據,並轉換成終端應用需要的格式。


科技不斷進步之下,終端設備開始大量處理圖像資訊,這也使得手機、汽車、AR 等應用的可拓展性變得越來越高,而從 2D 走向 3D 是未來感測器發展的一大趨勢。現今 3D 感測的主流技術包括:立體系統、結構光與 TOF(time of flight)。而目前 3D 感測以結構光與 TOF 兩大技術為主。兩種感測技術從原理的差異決定下游應用的不同。[2]若以測量距離、深度精準度、演算法複雜度、掃描與反應速度、各類環境適應性、硬體成本等進行比較分析,說明兩種技術各自適用的應用領域。深度精準度方面,結構光發射光源具有一定隨機性,安全性最高,因此最為精準;而 TOF 深度精準度與發射光強度和圖像感測器精準度有關,一般而言精準度低於結構光。測量距離方面,結構光由於遠距離光強度的衰減過快,因此測量距離近,約在 1.2m 之內;TOF 則採用面光源,抗衰減佳,測量距離更遠,一般約在 5m~10m。至於在演算法複雜度、掃描回應速度、弱光與強光適應性及硬體成本等方面上,TOF 方案均優於結構光。綜合來看,結構光 3D 方案適用於對安全性要求高而測量距離較近的場景,例如人臉辨識、AOI 檢測等。而 TOF 方案則應用更寬廣距離,例如 3D 建模、遊戲、導航、自動駕駛、手勢捕捉、AR 等各個領域。


產業鏈 3D 感測的高成長吸引不少光學大廠競相投入新技術的研發,特別在於手機鏡頭功能越來越多,除拍照、攝鏡外,身份辨識的應用也開始普及,再加上手機每年出貨量保持在 14 億支以上,成為 3D 感測需求的大宗。此外,汽車電子的快速發展,也為 3D 感測鏡頭帶來新的需求。而為求汽車能達到自動駕駛境界,鏡頭配置數量將遠超過傳統汽車,且不像手機鏡頭搭載 3D 感測數量有其限制,最多前後鏡頭各一顆感測功能。汽車則是車身周邊每顆鏡頭均可具備 3D 感測功能,以將肇事機率降至趨近於零。


影片

【產業大趨勢】從鍵盤走向3D感測 輸入介面持續進步


參考資料

  1. 3D感測12.6.2020 MoneyDJ理財網
  2. 一文解析:3D感測成長潛力及產業鏈1.26.2020 鉅亨網