TMT观察网_独特视角观察TMT行业

我們大腦皮層有50%的區(qū)域是用于視覺(jué)，在經(jīng)過(guò)幾億年的進(jìn)化以后，我們的眼睛可以在150毫秒內(nèi)將看到的場(chǎng)景識(shí)別理解出來(lái)。但是，現(xiàn)在要讓機(jī)器只憑簡(jiǎn)單的攝像頭做到這些是不可能的。

所以出現(xiàn)了可以捕捉三維深度信息的深度傳感器，雖然聽(tīng)名字這是一顆傳感器，其實(shí)它的最終形態(tài)和我們的眼睛一樣，需要去觀察、認(rèn)識(shí)以及理解這個(gè)世界。

尤其是在蘋果推出Face ID之后，相關(guān)的智能手機(jī)廠商都想跟風(fēng)，雖然這股風(fēng)現(xiàn)在還沒(méi)起來(lái)，但是大多已經(jīng)開(kāi)始蠢蠢欲動(dòng)。最近，華為在某場(chǎng)手機(jī)發(fā)布會(huì)上，也公布了點(diǎn)云深度攝像頭Jupiter X，和Phone X的“齊劉海”系統(tǒng)十分相似……

從小眾走向大眾的深度傳感器市場(chǎng)

最近一段時(shí)間，我們也采訪了不少做深度傳感器的廠商，聊來(lái)聊去，繞不開(kāi)的一個(gè)話題就是：曾經(jīng)小眾的深度攝像頭市場(chǎng)，正在慢慢走向大眾化，而iPhone X在其中發(fā)揮了關(guān)鍵性的作用。

數(shù)據(jù)顯示，深度攝像頭市場(chǎng)規(guī)模將從2015年的12.5億美元增長(zhǎng)到2021年的78.9 億美元，年均增長(zhǎng)率達(dá)35%。

來(lái)自Markets and Markets的一份報(bào)告也顯示，預(yù)計(jì)到2020年全球機(jī)器視覺(jué)市場(chǎng)規(guī)模將達(dá)到125億美元。麥姆斯咨詢也顯示，預(yù)計(jì)2016~2022年間3D傳感器市場(chǎng)規(guī)模的復(fù)合年增長(zhǎng)率為26.5%，2022年將達(dá)到54.6億美元。

這也是為什么蘋果、微軟、英特爾這樣的大公司會(huì)在五年時(shí)間內(nèi)，紛紛投資或者收購(gòu)深度傳感器、手勢(shì)識(shí)別算法以及上下游相關(guān)解決方案公司：

比如蘋果在2013年花費(fèi)3.6億美元收購(gòu)的PrimeSense，其前身是微軟Kinect的技術(shù)提供商，被蘋果收入麾下后，他們的結(jié)構(gòu)光方案也就成功的運(yùn)用到iPhone X上。

而蘋果的帶頭作用也已經(jīng)對(duì)整個(gè)智能手機(jī)市場(chǎng)產(chǎn)生影響，很多手機(jī)廠商正著手尋求和國(guó)內(nèi)外3D傳感器供應(yīng)商合作。

另外一方面，隨著AI和智能制造時(shí)代的到來(lái)，機(jī)器人市場(chǎng)對(duì)于深度傳感器的需求也隨之增加。

毫不夸張的說(shuō)，深度攝像頭所代表的三維視覺(jué)技術(shù)是一項(xiàng)非常基礎(chǔ)的技術(shù)，早早的進(jìn)行技術(shù)或者專利的布局，就是為之后的大規(guī)模應(yīng)用夯實(shí)基礎(chǔ)。

深度攝像頭的“三駕馬車”

深度攝像頭雖然也叫作攝像頭，但是它和我們?nèi)粘Ｒ?jiàn)到的還是有很大區(qū)別，以我們?nèi)粘Ｊ褂玫氖謾C(jī)相機(jī)為例，無(wú)論像素有多高，它也只能捕捉到一些簡(jiǎn)單的二維信息，而深度攝像頭如其名所示，它能夠測(cè)量視野內(nèi)空間每個(gè)點(diǎn)的深度數(shù)據(jù)，從而獲得完整三維坐標(biāo)信息。

而一旦獲得這種三維信息，就能為機(jī)器感知和智能分析提供最基礎(chǔ)的數(shù)據(jù)信息。

目前，市面上比較成熟的深度信息捕捉方案主要就三種：結(jié)構(gòu)光、雙目視覺(jué)以及TOF（飛行時(shí)間）。

第一種是結(jié)構(gòu)光方案，通過(guò)發(fā)射特定圖形的散斑或者點(diǎn)陣的激光紅外圖案，攝像頭捕捉到被測(cè)物體反射回來(lái)的圖案，計(jì)算上面散斑或者點(diǎn)的大小，然后跟原始的尺寸做對(duì)比，從而測(cè)算出被測(cè)物體到攝像頭之間的距離。

第二個(gè)叫雙目，主要通過(guò)兩個(gè)普通的攝像頭獲得深度信息，簡(jiǎn)而言之它就是模仿人眼的結(jié)構(gòu)，通過(guò)兩個(gè)攝像頭的視差來(lái)確定距離信息。

第三種是TOF，它是通過(guò)發(fā)出的激光反射回來(lái)的時(shí)間算距離，TOF的方案在第二代Kinect上有使用過(guò)，傳感器發(fā)出調(diào)制的脈沖紅外光，然后遇到物體反射后，它會(huì)計(jì)算出光線發(fā)射和反射時(shí)間差或者相位差，實(shí)現(xiàn)距離的測(cè)量，最終產(chǎn)生深度信息。

可以說(shuō)，既有的三種方案各有所長(zhǎng)，TOF的響應(yīng)速度快、精度高，不易受環(huán)境光線干擾，但是功耗和成本都比較大；結(jié)構(gòu)光的工業(yè)化應(yīng)用較多；雙目立體成像更適合室外強(qiáng)光條件和高分辨率應(yīng)用，目前主要應(yīng)用在機(jī)器人視覺(jué)、自動(dòng)駕駛等方面。

但是，現(xiàn)在很多技術(shù)廠商在盡可能的取長(zhǎng)補(bǔ)短，彌補(bǔ)既有技術(shù)的短板。

深度攝像頭的產(chǎn)業(yè)鏈分解

無(wú)論是哪種方案，追根溯源其產(chǎn)業(yè)鏈的話，如下圖所示：

從產(chǎn)業(yè)鏈來(lái)看，相比較傳統(tǒng)的攝像頭，比較突出的就是紅外相關(guān)的元件。其實(shí)，如果對(duì)比兩者的結(jié)構(gòu)，也能很明顯發(fā)現(xiàn)深度攝像頭增加了不少新的硬件組件。

2D 攝像頭模組結(jié)構(gòu)

典型的3D 攝像頭模組結(jié)構(gòu)

發(fā)射端上新增了紅外激光發(fā)射器和輔助元件，包括衍射光柵和光學(xué)棱鏡部件（如準(zhǔn)直鏡頭）；在接收端，新增紅外接收部分，包括鏡頭、紅外傳感器和窄帶紅外濾光片；在圖像處理器芯片上，由于算法上的復(fù)雜性，也比簡(jiǎn)單的2D成像芯片成本更高。

還是以蘋果iPhone X為例，它的黑劉海就引入了紅外光學(xué)發(fā)射器VCSEL（垂直共振腔表面放射激光）。

相比較傳統(tǒng)的LED，VCSEL的精度、體積以及低功耗更適合移動(dòng)端，現(xiàn)在大多數(shù)深度攝像頭都會(huì)采用VCSEL作為紅外光源，像蘋果的VCSEL供應(yīng)商之一是IQE，另一供應(yīng)商則是Lumentum。

市場(chǎng)研究機(jī)構(gòu)預(yù)測(cè)，2015年VCSEL市場(chǎng)規(guī)模為9.546億美元，至2022年預(yù)計(jì)將增長(zhǎng)至31.241億美元，2016~2022年期間的復(fù)合年增長(zhǎng)率可達(dá)17.3%。

VCSEL憑借其緊湊的尺寸、高可靠性、低功耗以及較低的制造成本而應(yīng)用廣泛。而汽車產(chǎn)業(yè)電氣系統(tǒng)對(duì)VCSEL的應(yīng)用增長(zhǎng)，正推動(dòng)整個(gè)VCSEL的市場(chǎng)增長(zhǎng)。

隨著這塊市場(chǎng)的逐漸打開(kāi)，提供綜合技術(shù)方案的廠商也開(kāi)始嶄露頭角，比如我們此前采訪過(guò)的圖漾和華捷艾米，都是以提供最終的軟硬件產(chǎn)品，甚至是算法為主。 

另外，現(xiàn)在一大趨勢(shì)就是三維視覺(jué)在算法端上和人工智能的結(jié)合，從而進(jìn)一步提高識(shí)別的精確度。

以人臉識(shí)別為例，像我們熟悉的商湯、曠視都接二連三獲得數(shù)億美元的融資，這塊市場(chǎng)的容量可想而知，商湯、曠視都是算法段的高手，但是3D攝像頭可以減少對(duì)這部分算法的依賴，通過(guò)采集人臉圖像的深度信息，直接在終端上提高人臉識(shí)別技術(shù)的準(zhǔn)確率。

機(jī)器人、無(wú)人駕駛、安防、VR/AR，深度攝像頭就像萬(wàn)金油

在一項(xiàng)智研咨詢的數(shù)據(jù)調(diào)查中，2016-2022年3D成像會(huì)在消費(fèi)電子領(lǐng)域迎來(lái)爆發(fā)，其平均年復(fù)合增速達(dá)到了160%，如下圖所示，

為此鎂客君也整理一份深度傳感器的應(yīng)用市場(chǎng)情況，從宏觀上來(lái)看，基本上囊括了移動(dòng)智能手機(jī)、機(jī)器人、自動(dòng)駕駛、安防等領(lǐng)域，也難怪為什么大公司十分熱衷于收購(gòu)這些技術(shù)公司。

如果簡(jiǎn)單梳理一下深度攝像頭的應(yīng)用方向，如下圖所示，主要集中在消費(fèi)端和工業(yè)領(lǐng)域：

說(shuō)到安防中的行為識(shí)別和生物特征識(shí)別。傳統(tǒng)的安防攝像頭只能記錄下海量的視頻信息，而無(wú)法對(duì)視頻里面人的行為做分析和預(yù)警，有了深度攝像頭，就有了對(duì)人的動(dòng)作獲取的硬件基礎(chǔ)，配合深度學(xué)習(xí)算法，就可以對(duì)人的行為做識(shí)別和預(yù)警，安防的設(shè)備能夠真正能夠體現(xiàn)出它的價(jià)值。

在智能制造方面，包括流水化生產(chǎn)線上的工業(yè)機(jī)器人，無(wú)人倉(cāng)儲(chǔ)內(nèi)的送貨機(jī)器人都需要及時(shí)獲取深度信息，比如送貨機(jī)器自動(dòng)將不同大小、體重的包裹運(yùn)送到規(guī)定的位置，僅僅是二維平面信息完全不夠，它必須要配備深度攝像頭去獲取包括深度在內(nèi)的三維信息。

同樣是我們?nèi)粘３Ｒ?jiàn)的掃地機(jī)器人，它在室內(nèi)的避障也需要深度攝像頭去以捕獲周圍的環(huán)境信息，然后再規(guī)劃出合適的路徑。

就像圖漾的聯(lián)合創(chuàng)始人徐韜所說(shuō)，“三維視覺(jué)在整個(gè)人工智能領(lǐng)域的基礎(chǔ)性地位，深度攝像頭的應(yīng)用范圍其實(shí)是在不斷拓展，將來(lái)有望成為所有機(jī)器的標(biāo)配傳感器。”

在娛樂(lè)消費(fèi)端，大家就比較熟悉它的幾個(gè)應(yīng)用場(chǎng)景，比如類似于微軟Kinect的體感游戲機(jī)。要實(shí)現(xiàn)體感交互，很重要的就是手勢(shì)、身體骨骼動(dòng)作的識(shí)別等，以華捷艾米的3D體感芯片為例，其中就包含了骨骼跟蹤技術(shù)以及slam算法（定位、跟蹤以及路徑規(guī)劃技術(shù)的核心）等。

消費(fèi)端的另一個(gè)切入口就是我們一直提到的基于智能手機(jī)的面部識(shí)別，這也是現(xiàn)階段不少手機(jī)廠商攻克的難點(diǎn)。用華捷艾米聯(lián)合創(chuàng)始人沈瑄的話來(lái)說(shuō)，“安卓手機(jī)要到明年9、10月份才能逐漸擁有類似于iPhone X的Face ID功能。”

結(jié)構(gòu)光、TOF各有各的難點(diǎn)，移動(dòng)端正在成為兵家必爭(zhēng)之地

當(dāng)然，技術(shù)的應(yīng)用也要追求小而美，蘋果在2013年收購(gòu)結(jié)構(gòu)光方案的鼻祖PrimeSense，但是直到四年后的現(xiàn)在，才成功將其小型化到可以應(yīng)用到智能手機(jī)上。

可以說(shuō)，在深度攝像頭的發(fā)展歷程中，如何去縮減傳感器的體積以及降低功耗一直是各大公司努力的方向。同樣是英特爾的RealSense技術(shù)，它的設(shè)備體積就非常大，而且需要借助PC電腦來(lái)完成識(shí)別，不適用于現(xiàn)在的移動(dòng)端需求。

相比較行業(yè)應(yīng)用，移動(dòng)端在深度傳感器上的需求差別會(huì)非常大，徐韜曾經(jīng)向鎂客君提到，“移動(dòng)端深度傳感器的體積更小、功耗更低，很多東西都要重新研發(fā)，需要投入大量的人才和資源去做這個(gè)事情。”

對(duì)于消費(fèi)端來(lái)說(shuō)，只有低功耗、小體積才能實(shí)現(xiàn)真正的商業(yè)化，這也是為什么很多廠商在做嵌入式方案、或者以“曲線救國(guó)”的形式去降低功耗等。

此前，公認(rèn)的是TOF比結(jié)構(gòu)光更加適合應(yīng)用到智能手機(jī)上，因?yàn)椴捎肨OF原理來(lái)實(shí)現(xiàn)動(dòng)作追蹤和深度感知已經(jīng)出現(xiàn)在谷歌的Project Tango方案中，Project Tango主要用于空間三維數(shù)據(jù)的采集。去年聯(lián)想推出了一款Project Tango技術(shù)方案的手機(jī)，但是時(shí)間證明，外形過(guò)大、重量過(guò)度的Tango手機(jī)并沒(méi)有打開(kāi)市場(chǎng)，現(xiàn)在關(guān)于這款手機(jī)的量產(chǎn)和銷量也不得而知，不得不說(shuō)，TOF的方案還需要“斟酌”。

深圳一家做深度攝像頭方案的繁維科技創(chuàng)始人程斯特則表示，“確切來(lái)說(shuō)，TOF確實(shí)是比較適合移動(dòng)端，但目前也不能說(shuō)相比之下，結(jié)構(gòu)光就不適合于移動(dòng)端，很多人都斷章取義了。”

確實(shí)，從iPhone X的趨勢(shì)來(lái)看，結(jié)構(gòu)光正在成功攻陷移動(dòng)端。

但值得注意的是，F(xiàn)ace ID并不是普通的結(jié)構(gòu)光技術(shù)，它實(shí)際上叫做激光散斑，是PrimeSense的專利技術(shù)，而蘋果收購(gòu)了他們，目前這個(gè)技術(shù)也只能是蘋果使用。

也就是說(shuō)，F(xiàn)ace ID的激光散斑技術(shù)比較封閉，而且對(duì)處理器要求高，相對(duì)來(lái)說(shuō)對(duì)接受器要求比較低；但是，TOF技術(shù)對(duì)于接收器要求比較高，而對(duì)于處理器要求很低。所以TOF的方案一定要把芯片做小，減少接收端的壓力。

一旦能實(shí)現(xiàn)這點(diǎn)，深度傳感器會(huì)快速打開(kāi)消費(fèi)端應(yīng)用的市場(chǎng)。

“所有的技術(shù)在某個(gè)時(shí)間點(diǎn)都有最優(yōu)的性價(jià)比選擇，只能說(shuō)在當(dāng)前這個(gè)階段，結(jié)構(gòu)光是最佳的選擇，這也是為什么蘋果會(huì)選擇結(jié)構(gòu)光。其實(shí)從蘋果的角度，它的實(shí)力、現(xiàn)金流，做任何技術(shù)都可以，但是它為什么選了結(jié)構(gòu)光，也說(shuō)明其他技術(shù)在一些問(wèn)題上沒(méi)法在當(dāng)前階段做一些消費(fèi)級(jí)的產(chǎn)品。”沈瑄表示。

雖然移動(dòng)消費(fèi)端的市場(chǎng)誘惑很大，但是這也意味著更激烈的競(jìng)爭(zhēng)。像高通已經(jīng)和奇景光電共同推出完整的解決方案，以高通在移動(dòng)芯片市場(chǎng)的壟斷地位，其他廠商很難和它進(jìn)行直面的競(jìng)爭(zhēng)。

但是這也并不妨礙一些綜合方案解決商“快馬加鞭”地優(yōu)化自己的算法和技術(shù)，去盡可能的進(jìn)入到這塊紅海市場(chǎng)中。

結(jié)語(yǔ)：

此前，鎂客君在采訪北航教授李波的時(shí)候，他提到，將來(lái)計(jì)算機(jī)的感知系統(tǒng)應(yīng)該是用綜合型的視覺(jué)來(lái)完成，而不是現(xiàn)在被動(dòng)式的采圖。比如我們會(huì)用激光、紅外、雷達(dá)、GPS等結(jié)合起來(lái)的攝像設(shè)備。

“客觀世界遠(yuǎn)遠(yuǎn)不止深度，還有很多像溫度、濕度、速度、方向等等，所以未來(lái)的深度相機(jī)應(yīng)該要把更多的信息整合到一起。”

（來(lái)源：鎂客網(wǎng)）