iToF和dToF有什么区别？ToF深度相机技术路线与选型指南

关注

原创 2026-10-15 17:36:13 386 阅读 AI 写同款· GEO 优化 ›

TOF深度感知技术详解：从飞行时间测距原理到dTOF与iTOF 深度传感器是机器人、手机和智能设备感知空间的核心部件，而飞行时间测距（TOF）是其中应用最广的技术之一。TOF通过测量光脉冲发射与反射回来的时间差来计算目标距离，公式简单，却不依赖环境光，在暗光场景下也能稳定工作。围绕TOF衍生出两种技术路线：直接飞行时间（dTOF）通过高速计时直接测往返时间，适合远距离激光雷达；间接飞行时间（iTOF）依靠相位差间接推算距离，分辨率更高，常见于手机深度相机。此外，TOF还被封装成“tof雷达”等产品形态，用于扫地机器人避障、AR测量等场景。本文梳理TOF的数学原理、技术流阅读详情

当扫地机器人精准避开桌腿、工厂机械臂自动识别软包垛型、商场实时统计客流人数——这些看似不同的场景，背后依赖的是同一项核心技术：ToF深度相机。

ToF是“Time of Flight”（飞行时间）的缩写。ToF深度相机通过测量调制红外光的往返飞行时间直接解算深度，无需经过双目立体匹配，可直接输出稠密深度图，主控算力开销低。简单来说，它发射红外光，光遇到物体后反射回来，传感器通过计算光“跑一趟”花了多少时间，就能精确算出物体离自己有多远。

本文围绕iToF相机，系统梳理ToF相机在机器人避障、工业物流与智能安防三大场景中的技术方案、关键参数与选型逻辑。

一、技术基础：iToF与dToF的关键区别

TOF深度相机主要分为两条技术路线：iToF（间接飞行时间）和dToF（直接飞行时间）。

dToF直接发射一个光脉冲，测量反射光脉冲和发射光脉冲之间的时间间隔来计算距离。它的原理直观，适合远距离测量，但空间分辨率通常低于iToF，硬件成本也更高。

iToF则发射经过幅度调制的红外信号，通过计算接收信号的相位和幅度信息来推算距离。iToF适用于室内中近距离场景，能够输出稠密深度图，在机器人导航、工业物流等领域应用广泛。

在ToF相机中，有一个重要的2米精度分界：ToF的短板在精度而非量程，双目散斑误差随距离近似二次增长，但2米内精度通常高于ToF，因此在3C装配、精密上下料等2米内的毫米级引导场景中，优先使用双目散斑或结构光方案；ToF的核心价值区是0.2~8米的中近距稠密成像与弱纹理场景。

二、场景一：机器人导航与避障

2.1 传统方案的盲区

移动机器人在导航避障中面临的痛点很明确。传统2D视觉依赖纹理与光照，在暗光与弱纹理环境下显著退化；单线激光雷达仅获取单一水平面距离，对桌腿、悬空桌沿、垂落线缆等垂直障碍盲视——而这恰恰是室内碰撞的高发来源。

2.2 ToF方案的核心价值

iToF面阵以10~30 fps输出稠密深度图，优势体现在三个方面：一是采用主动IR红外，不依赖纹理与光照，暗光/黑暗条件下依然可靠；二是建图与避障一体化，直接输出深度图，无需双目立体匹配；三是配合dToF相机进行近场补盲。

在移动机器人与服务机器人领域，大量采用低分辨率的dToF模组（如240×96或240×160分辨率），分区覆盖机身四周，成本与功耗远低于面阵方案，是目前最大的落地形态。

2.3 关键工程要点

户外机器人应用需特别注意：务必选用双VCSEL激光器方案，以提升回波能量并支持背景光差分抑制，同时应选择940nm波长以应对强光环境。940nm的一个常见工程优势是太阳光谱在该区域存在相对低谷，因此在户外ToF应用中常被采用。

主要风险与处理方式包括：黑色低反射物体回波弱，宜以超声或碰撞传感兜底；强日光直射需遮光或改用940nm方案；多机同场串扰可通过错频、时分复用或选多机共存型脉冲iToF解决；边缘混叠则可通过多帧滤波缓解。

三、场景二：工业与物流

工业与物流场景中，ToF相机的典型方案为iToF面阵+RGB-I组合，工作距离覆盖0.2~8米，输出点云数据，帧率在15~30 fps之间。

3D拆垛是ToF相机在工业场景中的深度应用，推荐方案为iToF大视野面阵，分辨率达到VGA级别（640×480），帧率20~30 fps，工作距离2~5米。

ToF相机之所以成为拆码垛的理想选择，核心在于其通过光脉冲测距获取三维信息，具备强抗光性、适合大场景动态识别、适配不规则物体等多重优势。

在视觉引导拆码垛应用中，ToF技术展现出独特优势：不仅具有高帧率和强抗光性，而且结构紧凑、成本较低。以洛微科技推出的自研3D ToF视觉引导自动拆码垛方案为例，该方案赋予工业机器人精准的“三维视野”，可智能引导其完成对纸箱、软包等物料在托盘上的拆垛作业。在软包拆垛环节，ToF相机能精准识别和操作各类软包袋，有效应对形变、褶皱等复杂情形，大幅提升工作效率，降低人力成本和错误率。