当前位置: 首页 > article >正文

Tof 深度相机原理

深度相机(TOF)的工作原理_tof相机原理-CSDN博客

深度剖析 ToF 技术:原理、优劣、数据纠错与工业应用全解析_tof技术-CSDN博客

飞行时间技术TOF_tof计算公式-CSDN博客

深度相机(二)——飞行时间(TOF)_飞行时间技术-CSDN博客

TOF飞行时间之dTOF、iTOF测距原理_哔哩哔哩_bilibili

记录学习,最近用了一款梅卡曼德的结构光+6轴机器人做了一个项目,但是我们的竞争对手说用的是TOF,故此来学习一下。

一、什么是TOF

ToF: Time of flight. 飞行时间。当然这只是一种翻译的方法,其实ToF是一种测距的方法,通过测量超声波/微波/光等信号在发射器和反射器之间的“飞行时间”来计算出两者之间距离。

能够实现ToF测距的传感器就是ToF传感器。ToF传感器种类很多,使用较多的是通过红外(一般都是不可见光)或者激光进行测距的ToF传感器。

ToF相机之所以受到青睐,主要归功于其多项优势,包括成本效益高、测量精度良好、可靠性强、能够实现深度数据采集,以及紧凑的硬件设计

二、工作原理

TOF 结构组成:

光源

光学部件

传感器

控制电路

处理电路

原理

其测距原理是通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行(往返)时间来得到目标物距离,其中每个像素点都精确地编码了其对应场景中物体的距离信息,TOF相机则是同时得到整幅图像的深度信息

a) 发射光脉冲:ToF相机向目标物体发射出短暂的光脉冲,通常是红外光

b) 光线反射:光脉冲打到物体表面后会发生反射,一部分光线会返回到相机。

c) 测量飞行时间:相机内部的高速传感器会精确测量光脉冲从发射到返回所花费的时间。

d) 计算距离:根据光速和飞行时间,利用公式

 距离 = 光速 × 飞行时间 / 2

优势:

 1、与立体相机或三角测量系统比,TOF相机体积小巧,跟一般相机大小相去无几,非常适合于一些需要轻便、小体积相机的场合。

2、TOF相机能够实时快速的计算深度信息,达到几十到100fps  TOF的深度信息。而目立体相机需要用到复杂的相关性算法,处理速度较慢

3、TOF的深度计算不受物体表面灰度和特征影响,可以非常准确的进行三维探测。而双目立体相机则需要目标具有良好的特征变化,否则会无法进行深度计算。

4、TOF的深度计算精度基本能稳定在cm级

三、脉冲调制

四、连续调制

dToF技术

 

 对硬件的成本比较高,成本昂贵要求严格

iToF技术

相位测距原理

那么下面这个公式就很重要了

 我们可以修改一下这个公式,将

那么公式就会转变如下:

 

这里的N是一个正整数或者0 ,但是当我们在一个周期函数中找到是那个周期的时候是非常难找的,所以我们就干脆不找这个N,索性我们就将N=0(这一步非常重要)。

返回到相机里的时间不可能都是整数,如5.23,那么0.23 我们就可以理解为就是这个尾数。这个就是我们常说的相位差。

 说明:

我么这里可以让d<Ls(就是测尺长),那么就是我们测的距离d≤λ(调制)/2  ,也就是说当我们要测的距离大概是10m 的时候我们需要大概调制波长大概是20m 以上的激光

五、ITOP和DTOF的对比

基本原理

性能对比

典型应用场 

 未来趋势

 

六、对比传统

 基本原理对比

性能参数对比

优缺点总结

典型应用场景

 


http://www.kler.cn/a/614788.html

相关文章:

  • 0基础STM32之滤波函数(卡尔曼滤波)
  • 抽象的算法0.1.3.1版本
  • 算法训练营第二十八天 | 动态规划(一)
  • WinForm真入门-简介
  • NLP语言模型训练里的特殊向量
  • Linux系统中应用端控制串口的基本方法
  • 数据结构----栈
  • 记录vite引入sass预编译报错error during build: [vite:css] [sass] Undefined variable.问题
  • resnet网络迁移到昇腾执行(OM上篇)
  • 基于三维数字图像相关(DIC)全场应变测量技术的基础设施结构健康监测与安全评估方法研究
  • 探索Scala基础:融合函数式与面向对象编程的强大语言
  • 【人工智能】解锁大模型潜力:Ollama 与 DeepSeek 的分布式推理与集群部署实践
  • 智慧养老线上线下联动:重构多样化养老服务的创新实践
  • 【Qt】数据库管理
  • 从零开始研发GPS接收机连载——19、自制GPS接收机的春运之旅
  • WebSocket通信的握手阶段
  • 图像数据增强教程:为目标检测任务准备数据
  • 【可视化教程】密码验证(栈)【算法竞赛】
  • 业务流程先导及流程图回顾
  • hugo+github pages 部署实验室网站