扫地机器人的感知能力，正在进化
上周我们有讲到关于ToF传感器是下一个风口吗？今天我们讲解ToF在扫地机器人的应用，激埃特以往的扫地机机器人合作伙伴方案是采用单点的激光测距传感器，加上窄带滤光片与透红外滤光片窗口的组合。那么采用ToF方案后会有什么变化呢？
早些年比较简单的扫地机器人，针对路径规划、避障普遍选择最原始的距离传感方案，另外在前方配个避震的橡胶材料。早期扫地机器人的运动路线算法也相当简单：以遵循随机运动的原则，当碰到障碍物时就随机转向，直到碰到下一个障碍物，如此循环往复。这种方案相对来说比较粗暴，但的确能够完整覆盖清扫场景，只不过很耗时。
这种方案仅适用于室内狭小空间，而不适用于空间较大的场景。后来进化版的扫地机器人开始增加更多传感器，不仅在避障、防跌落等表现上更佳，而且得以应用更复杂的算法构建场景地图，采用系统性、预定义的路径工作，甚至还有些扫地机器人可以多个协同——在一个空间内分工合作。
在测距、避障的问题上，我们很早就看到有扫地机器人设备开始采用立体视觉、结构光以及ToF（Time of Flight）技术。这个过程恰是从2D向3D感知能力进化的过程。其中ToF的发展路线更为突出。
向3D感知能力进化
我们在《消费电子ToF技术与市场分析报告》中详细分析过ToF技术。ToF技术原本是一种测距实现方法，它可以涵盖一般的光学、超声波、微波等测距方法。现在我们约定俗成，所谓的“ToF摄像头”限定在光学测距范畴，以及较小的能量级。如此一来，LiDAR、超声波雷达等广义采用ToF方法的技术皆不在我们探讨的ToF摄像头范围内。
如此一来，狭义的ToF在原理上就是指：要测得与场景中某个对象（或某个点）的距离，由ToF模组的光源向该对象发出光（子）。光在发出后抵达该对象，并反射回到ToF模组的传感器。计量此间“光的飞行时间”，在光速已知的前提下，即可得到距离数据。所以ToF模组总是包含发射端和接收端两个主要组成部分的。
先前我们就在相关ToF的文章中不止一次地提到过，ToF并不是近两年才发展起来的技术。利用这样的ToF技术进行光学测距，在过去5、6年的时间里已经发展得相当成熟。包括利用ToF实现体验加强，如屏幕配备ToF模组，检测到有人靠近时就自动亮起；利用ToF还能做手机摄像头的激光对焦、投影机的对焦；以及机器人避障，典型的如扫地机器人。
市面上有部分扫地机器人不仅将这种ToF技术应用于平视的避障，可能还会配备多个ToF传感器，比如有的在扫地机器人底部还会配备2个ToF传感器，用于检测台阶、楼梯阶落差。
对扫地机器人而言，ToF光学测距相比早年简单的距离感应具有明显更高的精度。不过早年应用的这些技术大多仅着力于单点的ToF光学测距，似乎单纯对体验加强、激光对焦、避障而言，单点光学测距已经足够了。但在实际应用里，机器人避障采用单点光学测距，是面临很现实的一个问题的，即单点光学测距最终只能实现一个2D平面的感知。
或者说ToF单点光学测距（包括早年的2D平面LiDAR）无法检测到ToF检测平面以下或以上的障碍物。比如有时宠物排便在地面较低高度，就可能无法被扫地机器人前视的ToF单点测距传感器检测到；或者有时某些家具，如沙发底部高度刚好无法让扫地机器人通过，但其高度又高于ToF传感器，那么扫地机器人就可能会被这些家具卡住。
当这种仅能探知2D平面的单点ToF测距无法满足市场需求时，扫地机器人开始进化到具备3D感知能力。
3D ToF应用于扫地机器人
与3D感知在手机领域的应用类似，当前市场上扫地机器人的3D感知技术也包括有结构光、立体视觉（Stereoscopy）以及3D ToF。这三种方案也的确是目前光学测距方案中的主流。
其中立体视觉大多采用双摄或者多摄的方案，以三角测量法进行距离检测——一般的立体视觉都是被动光学测距方案，因为这类方案并不会主动发出光，而是采用普通的摄像头。因此立体视觉应用受限于光照环境，暗光环境下其感知能力便会大幅下降。这样一来扫地机器人也就无法在夜间或光照弱的环境下高效工作了。
结构光的广为人知是在iPhone将其应用于Face ID之后。结构光和ToF一样，也属于一种主动光学测距方案，即包含了发射端和接收端两部分。不过结构光的发射端在技术要求上会明显比较高，它需要发射包含某种图案的光斑（编码的结构光），再由接收端来捕获投射到场景中的光斑，根据光点的形变来计算距离。这种方案的特点是通常精度比较高，但成本也更高，而且测量距离受限于接收端到发射端的baseline距离。
3D ToF可说是规避了上述两种主流方案缺陷，相对折中的一种技术了。前文提到了ToF单点光学测距，3D ToF即是指将单点扩展到多点，即可实现向真正3D感知的过渡。这种方案在精度方面不及结构光，单光学系统的复杂性也高于立体视觉，很多应用场景也无法替代结构光和立体视觉——所以这三者可说是互补的关系。
但在扫地机器人这个具体的应用上，3D ToF却具有先天的适用性，比如通常在相同模组体积内，其测量距离大于结构光；而且在强光或者暗光环境下都能工作，显然对环境的适应性又高于立体视觉。所以在扫地机器人的3D感知能力上，ToF是优选。
单就传感器来说，这是个CMOS图像传感器，对于940nm红外光高度敏感，对于室外强光场景也有比较高的适用性——像素中融入了SBI背景光抑制电路，避免强光场景下的像素过饱和——这就扩展了3D ToF技术的使用场景。就整个模组的角度来说，其中除了接收端的图像传感器，其他特点还包含集成的高性能ADC，以及弹性调制单元、照明控制逻辑——包括人眼安全电路，以及高速CSI-2数据接口等。
在扫地机器人配备这类3D ToF方案之后，扫地机器人就能一次“看见”所有眼前的障碍物；结合扫地机器人制造商本身的系统设计方案，要避免电线缠绕，避免进入狭窄空间（或判断以自身尺寸是否可进入）就显得相当轻而易举了；并且有利于构建更为智能化的清理路径和地图。
至少在家居环境中，这类方案是完全能够满足需求的。早前有部分扫地机器人为实现更远距离的测量，会采用LiDAR模组——这在成本和体积控制上可能会受到很大限制。而上述3D ToF方案实际上就能够部分替代LiDAR方案，虽然这两者本质上都是ToF方法的具体应用。
更多ToF方法在扫地机器人之上的应用
值得一提的是，当代的某些扫地机器人，为了实现更高的智能化，配备的传感器还相当多样。在某些典型场景下，光学测距方案对于透明的障碍物可能会显得比较无力。于是部分扫地机器人会选择超声波传感器。
超声波传感器会发射高频声波信号，超声波同样在碰到障碍物后返回到传感器，也就能够计算与障碍物之间的距离了。在广义的ToF技术方法中，超声波方案也属于ToF方法。
另外，在某些非家居场景的更复杂应用的机器人，仍然可能配备LiDAR——广义上LiDAR自然也属于ToF。显然ToF技术已经成为扫地机器人的重要感知方案——即便现如今的约定俗成大概并不会把上述两类方案说成是ToF技术。无论如何，对于家用的扫地机器人而言，3D ToF预计很快就会成为标配，并可能辅以更多传感器的补充。这也算是扫地机器人进化的一个重要方向了。