从“测距器”到“数据平台”，解读艾迈斯欧司朗 dToF 的发展之路

2025年9月10日，在深圳举行的第27届中国国际光电博览会（CIOE 2025）上，照明与传感创新的全球领导者艾迈斯欧司朗（ams OSRAM）发布了新一代直接飞行时间（dToF）传感器 TMF8829。这款新品在分辨率、视场角和刷新率等关键指标上实现了跨代提升，标志着ToF技术进入新阶段。在实际应用中，TMF8829展现出高分辨率带来的优势。例如，智能咖啡机可通过传感器区分意式浓缩杯和旅行杯，从而确保精准出液；物流机器人能够辨别近乎相同的包裹；动态视频系统也能稳定追踪高速运动目标。这些功能体现了其在消费电子、工业自动化和智能出行等场景中的广阔应用前景。

艾迈斯欧司朗ToF产品副总裁Matthias Winter与艾迈斯欧司朗ToF产品营销经理David Smith在现场接受了与非网记者的独家专访，详细解析了产品的四大核心突破：规格跃迁、数据接口、算法融合和应用分层。Matthias Winter强调，新品不仅是性能的提升，更要“让ToF从传感器变成真正的数据平台”。 David Smith补充道，TMF8829无需依赖摄像头，即可在多场景下实现精准的3D探测与识别，并能在不同目标物和环境条件下保持稳定表现。

新一代TOF传感器TMF8829的参数升级

与传统“测距器”不同，TMF8829被定位为连接AI与边缘计算的数据入口，推动ToF从单一测距功能演进为多行业智能化的底层平台。无论在智能手机、机器人、无人机、智能家居还是未来汽车座舱中，TMF8829都展现出高度灵活性和拓展潜力。

相比前代产品， TMF8829在分辨率、视场角、刷新率、数据接口以及抗干扰能力等方面实现全面升级。其研发目标聚焦在“更高性能与更稳定落地”，不仅仅追求参数的提升，更强调在复杂场景下的可靠表现。

据了解，TMF8829分辨率由8×8（64点）提升至48×32（1536点），采样点数增加近24倍。这一突破意味着设备能够捕捉更细粒度的深度信息，在空间建模和目标识别中具备更高精度。例如，TMF8829可以区分间距极小或形态相似的物体，广泛应用于咖啡机液位检测、无人机避障、物流机器人包裹分拣等场景。视场角从约63°拓展至80°，大幅减少盲区；刷新率从30Hz提升至60Hz，使传感器在快速运动或动态环境中仍能保持稳定输出。

与8×8低分辨率传感器相比，TMF8829可捕捉更细微的空间细节，包括：

在智能照明系统中实现人员计数与占位监测；

在机器人应用中完成复杂物体识别与防撞；

在楼宇自动化中执行高精度人数检测。

详尽的深度数据也为机器学习模型提供底层支撑，推动更多AI应用落地。

尺寸方面，TMF8829仅5.7mm×2.9mm×1.5mm，比1美分硬币还要纤薄，特别适配空间受限的设备。无需摄像头即可运行，适合注重隐私保护的场景；若与摄像头协同，可构建RGB深度融合系统，用于AR/VR应用中的虚拟物体定位与交互。

Matthias Winter指出：“我们从8×8的64点提升到48×32的1536点……价值不止在数字，而是能稳定识别细小目标，完成更可靠的建模与控制。”为平衡更宽视场与更稳定的输出，TMF8829采用双发射器架构，室内测距可达约11米，覆盖服务机器人、安防门禁及交互终端等典型中距应用。

TMF8829不仅提供处理后的距离结果，还首次开放直方图原始数据通道。开发者可通过高速SPI接口直接获取深度分布底层信息。艾迈斯欧司朗ToF产品营销经理David Smith解释：“直方图数据本来是内部处理用的，但很多AI应用需要原始分布信息做二次建模。我们现在通过高速SPI提供，让开发者把dToF当作数据源平台来用。”这种开放打破了传统ToF芯片输出路径固定的局限。开发者可以在底层信号的基础上进行误差分析、特征建模，从而提升机器人避障、无人机姿态感知以及AR/VR空间交互的可靠性。

在可靠性设计上，TMF8829从发射端到接收端再到算法链路进行了整体优化。光源采用940nm红外波段，结合双发射器设计，使光功率分布更均匀并支撑更宽FOV。接收端则使用高灵敏度器件和模拟前端，将微弱返回信号转换至数字域，再通过直方图处理生成可靠的距离信息。针对户外或强光环境，产品配备自研光学滤波片，仅透过940nm波段，有效抑制环境红外干扰。艾迈斯欧司朗在光接收型传感器领域的长期积累为此提供了技术基础。

这些设计使传感器在实际应用中表现更稳定。例如，服务机器人在玻璃幕墙下仍能准确识别障碍物，门禁设备在强光变化中依旧保持识别性能，投影仪在实时几何校正时响应速度显著提升。

据介绍，TMF8829计划于2025年第四季度上市，目标市场涵盖服务机器人、消费电子、安防监控和智能家居等多个应用领域。其小型化设计与数据开放能力，将推动更多AI与IoT场景的创新。

dToF 传感器TMF8829核心升级点

在采访过程中，Matthias Winter多次强调，参数提升是必要条件，但真正的价值在于稳定落地。他总结道：“更高像素、更宽FoV、更快帧率，叠加抗强光和滤波器能力，让传感器不只是‘更灵敏’，而是‘更稳’。”TMF8829的推出，不仅在分辨率、视场角和帧率等核心参数上实现跨越式升级，还在数据开放、抗干扰和可靠性方面设立了新标杆。它为机器人、投影仪、AR/VR及智能家居提供了坚实的支撑，展现了dToF传感器在未来智能交互生态中的广阔潜力。

从消费电子到汽车座舱，TOF传感器主要应用场景

在采访中，Matthias Winter介绍了ToF传感技术的主要应用场景及他比较看好的市场前景。

消费电子：小型化与隐私优先

据介绍，ToF在消费电子的第一落点是智能手机。单点ToF（如TMF8806）已经在该领域成为主流，典型功能包括暗光对焦、节能亮灭屏、入耳检测与口袋接近唤醒。这类场景要求器件必须具备“小体积+低功耗”的属性，从而在体验与成本之间达到平衡。

相比之下，多点或高分辨率ToF虽然能在多人像、景深控制等功能上扩展更多玩法，但其商业价值难以覆盖BOM增加。市场反馈显示，若新增功能无法成为稳定卖点，就很难在旗舰之外的机型长期保留。正因如此，单点ToF凭借明确的性价比，仍是智能终端的主流选择。

在平板与PC端，ToF更多作为辅助交互手段，如通过姿势识别实现护眼提醒、在位检测提升使用感知。这些功能强调补充性，而非替代性。

在智能家居场景，ToF的“隐私优先”特性更具吸引力。基于80°视场角的多点测距，系统可以区分人或宠物，并联动灯光控制，实现动态照明效果。由于无需采集可识别影像，而是基于占据信息进行判断，ToF更容易被家庭与办公用户接受。典型案例包括浴室跌倒检测，在提升安全性的同时避免隐私问题。

在AR/VR领域，用户常见的不适来自虚拟与现实间的尺度和角度失配。新一代dToF通过48×32阵列和60Hz动态深度输入，为内容引擎提供可信的实时几何数据，从根本上减少虚实映射的偏差。David Smith表示：“我们不是用一句口号消灭眩晕，而是给系统提供更可信的实时几何。”这让虚拟物体不再“漂浮”或“抖动”，大幅提升沉浸体验。

机器人：从“避障”到“看清”

机器人是ToF进入大规模应用的核心赛道之一。扫地机器人逐渐用dToF取代毫米波或激光雷达，不仅显著降低了整机高度，更有助于进入床底、沙发底等低矮空间。对玩具、拖鞋等小目标的识别能力，也直接改善了清洁与巡检效率。

在人形机器人和机器狗上，ToF的价值更体现在细节感知。据介绍，TMF8829已被某机器人品牌选中，预计年底量产。其多点测量和60Hz刷新率，在动态交互与路径规划中至关重要。与扫地机强调“避障优先”不同，人形机器人更强调“细节可见”，以支持手部交互、形体识别和复杂环境下的路径规划。

换句话说，机器人应用正在经历从“能避障”向“能看清”的技术跃迁。

投影仪：即开即正的体验

投影仪是ToF显著改善用户体验的典型场景。传统自动梯形校正依赖摄像头和补光，不仅速度慢，还可能对人眼造成干扰。基于多点ToF和60Hz刷新率，投影仪能够在一定范围内实现接近实时的校正。这一能力让投影设备从“等待修正”转向“实时预测”，60Hz刷新率一定范围内量程结合多点原始深度信息，能够实现即时梯形校正。用户无需像过去那样等待长时间打光或手动调整，大幅改善了使用体验。这种“即开即正”的能力，正是算法与原始深度数据协同带来的直接成果。

无人机：从消费级到行业级

无人机对ToF的需求呈现明显分层。

消费级无人机：典型避障距离为5–10米，注重在有限体积和功耗条件下实现可靠短距感知。

行业级无人机：常用于林地、水面、坡地等复杂场景，需求延伸至10–20米，并要求具备强抗光和抗多路径干扰能力。

在飞行过程中，速度变化与风力扰动对测距算法提出更高要求，因此无人机往往采用相机、雷达、红外与ToF的多传感器融合，以提升环境感知的鲁棒性。

目前，消费级无人机的需求已能由48×32/60Hz/80°组合满足，例如定高与近距避障。而行业级无人机则在探索VGA级3D成像，以适配精准测绘和复杂环境下的自主飞行。

汽车座舱：非车规先行

ToF在汽车中的应用路径是“非车规功能”先行。据介绍，深圳某车企已在旗舰车型量产采用TMF8821，用于后排中央扶手屏升降控制。其他在研功能还包括阅读灯的在位检测与手势调光、车内投影的自动校正等。在认证方式上，ToF通常采取“非车规芯片+车规模组”的策略，即由模组厂或整车厂完成模组级车规认证，覆盖非安全关键场景。这既保持了ToF的小型化和低功耗优势，又加快了导入量产的速度。随着车企对舱内交互体验的重视，ToF的应用预计会逐步扩展到更深层的车内功能。

技术路线的选择，为什么是 dToF？

在深度传感的技术路线中，iToF、结构光与dToF是最主要的三种选择，各自具有不同的适用场景与限制。

iToF在复杂室内环境中容易受到多路径反射干扰。桌椅边缘、墙角和装饰物往往引入混叠信号，使得测距稳定性下降。结构光则在近距离和人脸识别等场景表现出色，但对器件布局和厚度空间的约束较强，量程偏近，且在强光环境下性能退化明显。因此，在无人机、机器人等需要兼顾远距离与强光抗性的场景中表现受限。

相比之下，dToF以“单光子计时”为基本范式，具备长距离测量、低功耗和结构紧凑的优势。Winter指出，关键优势在于光学门控能力。

“我们自研并量产光学滤光片，把940nm以外的强光与噪声过滤掉，这就是为什么我们能同时做到小体积、低功耗和高灵敏度。”Winter强调，这一能力源于长期的光学传感积累，也是公司在市占率上保持领先的重要原因。

尽管技术特性明显不同，但在消费电子领域的商业化进程并不均衡。以手机为例，多点ToF曾一度被厂商采用，但又迅速撤退。核心原因在于功能增益不足以覆盖BOM的抬升。只有当差异化卖点成立时，例如隐私交互、AR实时建模或显著提升拍摄合焦效率，dToF才具备长期留存的价值。Winter坦言：“功能肯定有提升，但能否覆盖成本是另外一个考量。找到价值与成本的平衡点，才是正确的商业节奏。”

多区、多点深度的意义在于“让系统一次就做对”。在影像侧，多点dToF能够为多人合影中的每张人脸提供距离信息，从而帮助相机系统更可靠地实现对焦与景深控制。在动态场景中，它还能对多个快速移动目标进行聚焦辅助，提升成片率。与传统摄像头依赖影像识别相比，几何优先的方式减少了系统在“猜距离、估尺度”上的算力开销，使更多计算资源可以投入到决策与控制层。

AR/VR和空间投影是dToF的天然应用场景。TMF8829单帧可输出多达1536个深度点，为虚实融合和空间锚定提供细粒度几何数据。当用户快速移动或转身时，深度与姿态估计若滞后，容易引发眩晕，而dToF的低延迟和高密度输入显著缓解了这一问题。类似地，博物馆展陈的随动投影或家庭中的交互式投影，也需要快速、隐私友好的三维感知能力，这与dToF的特性高度契合。

值得强调的是，隐私问题在欧美市场尤为敏感，很多场景下明确禁止开启摄像头。ToF天然具备优势：它依靠点云与深度数据即可完成入侵检测、在位检测、灯光联动等功能，无需获取人脸或影像信息，从根本上规避了隐私风险。艾迈斯欧司朗产品经理David Smith强调：“尤其在欧美，不能开摄像头是强约束。ToF不用拍到你长什么样，却能完成绝大多数存在/动作层面的智能。”

算法如何赋能AI+传感器？

对于AI企业而言，TMF8829提供的原始数据为算法优化与自定义模型训练创造了更多可能性。

新一代dToF实现了“数据直通AI”。传统ToF模块通常只输出单一距离值，而现在通过直方图原始数据和高速SPI接口，能直接将未经压缩的数据送到端侧AI，成为一个“近端数据泵”。这使得dToF从“测距器”转变为人机交互和空间计算的基础数据源。

Matthias Winter指出：“ToF不再只是一个测距器，而是一个数据平台。随着AI与边缘计算的兴起，dToF的市场份额会不断提升。”在隐私合规上，点云数据相比影像数据风险更低，更适合未来的智能交互。

在ToF（Time-of-Flight）传感技术的发展中，真正决定价值的并不是单纯的像素数量提升，而是算法如何将原始数据转化为可用的信息。硬件提供的是基础“读数”，而算法才是把这些读数转化为“能力”的核心环节。Matthias Winter直言：“硬件只是输出原始数据。要适配不同应用，必须用软件和算法完成转换。”

在PC和平板电脑端，ToF最初的应用只是“有人/无人”检测：当用户离开时屏幕自动熄灭进入低功耗模式，靠近时又能瞬间点亮。随着分辨率与算法的进步，ToF逐步进化为三维人体检测与姿态识别。在教育平板场景中，系统能够提示学生是否坐姿不正、距离屏幕过近，既能保护视力，又兼顾能耗管理。目前这些能力已经在部分联想、荣耀机型中落地，成为差异化的卖点。

基于多点dToF输出，叠加算法后可以做到手指级别的精细识别。这意味着用户可以用“OK”“YES/NO”等手势直接向系统下达指令，而无需依赖摄像头或触控操作。与传统的相机识别相比，这种方式不仅反应更快，而且大幅降低了隐私风险。对交互设备而言，这是迈向自然人机交互的重要一步。

复杂场景下，单一传感器难以满足所有需求。RGB/IR相机擅长纹理与颜色识别，但在近距离、拥挤环境下容易出现前后目标的深度混淆。ToF提供的“每像素实距”则能够清晰拆解遮挡关系，并输出稳定的深度图。两者结合后，既能获得纹理与色彩信息，又能在近场保持精准的空间分辨，形成更完整的目标形状表征。通过算法深度融合，系统能输出更稳健的景深图，整体感知能力显著增强。

为了满足AI算法对数据量与时序精度的需求，新一代ToF器件在“数据通道”上进行了扩展。除常规的距离与深度结果外，还能通过SPI接口输出原始直方图数据，为上层算法提供更丰富的时域与能量分布特征。开发者借助这些“原料”，可以训练出更贴近真实物理回波的模型，从而提升动态障碍识别、快速环境建模、人体关键点估计等任务的准确性和实时性。这一开放策略，也为不同厂商在系统集成层面的差异化提供了可能。

综合来看，本代dToF的升级不是孤立的像素、视场角或刷新率的提升，而是一套面向“算法与应用可塑性”的系统化进步。在硬件层面，像素密度与刷新率的同步提升，为上层算法提供了更丰富的数据维度；在接口层面，原始直方图与高速SPI通道的开放，保证了算法与应用能够根据需求灵活取用；在应用层面，既能满足消费类终端对体积与能耗的严苛限制，又能支撑机器人、无人机等对远距测量和复杂环境感知的高强度需求。

总结

总体来看， dToF技术正通过“小型化+低功耗”与“高分辨率+强鲁棒性”两条轨道，构建覆盖消费电子、机器人、投影、无人机、汽车和家居的应用版图。从“能用”到“好用”，它的价值已不再是单点突破，而是跨场景、多维度的系统优化。笔者认为：dToF的意义不仅是参数升级，而是通过工程取舍和系统集成，为空间交互、隐私保护与智能体验的长期演进奠定坚实基础。随着端侧AI和多传感器融合需求的增加，dToF的适用边界还将不断扩展，其几何优势也将被更广泛地转化为用户的直观体验。