河圖首發(fā)P40?大神點評蘋果和華為的XR路徑
雖然并未官宣,但種種跡象表明,在北京時間3月26日21點的華為P40系列全球線上發(fā)布會上,除了全新P40系列手機,華為“河圖”(Cyberverse)或將首發(fā)P40系列。

此前不久,華為大神級科學家——華為Fellow Cyberverse總工程師、Camera總工程師羅巍在微博中稱“我們有陣地了,華為河圖正式上線花粉論壇,大家有什么需求和問題歡迎來討論”,不由讓人遐想連篇……

作為在華為開發(fā)者大會2019上壓軸登場的黑科技大招,“河圖” (Cyberverse)自問世以來就備受關注。很顯然,“河圖”的舞臺并不會只有手機一項,隨著智能硬件和網絡技術的逐步完善,它將在XR眼鏡、家居、汽車等領域發(fā)光發(fā)熱。華為希望利用地圖、XR以及云計算等技術,讓人們以全新的角度來觀看我們的世界,即開啟一個“地球級的數字新世界”。

究竟 “河圖” (Cyberverse)是否會首發(fā)于P40系列?華為P40系列全球線上發(fā)布會已近在眼前,不妨再多點耐心。距離21點的發(fā)布會還有一段時間,可以先來看看羅巍對iToF和dToF這兩種ToF技術路線的科普,以及對蘋果和華為的XR規(guī)劃路徑的點評——
「ToF是time of flight的縮寫,原理比較簡單:通過測量光從發(fā)射、到達物體表面再反射回來的總時間,結合已知的“光速”,計算即可得到被測物的距離。與結構光依靠視差關系和空間三角計算的原理不同,ToF測距依靠的是時間維度的測量,因此在器件結構上ToF模組可以設計的非常緊湊。
ToF現(xiàn)有的技術路線中有iToF(indirect ToF)和 dToF(direct ToF)兩種方案。
顧名思義,iToF方案并不直接測量飛行時間,通常做法是把發(fā)射的光波調制成一定頻率的周期性信號,通過測量發(fā)射信號和該信號經過被測物反射回來到達接收端時的相位差,間接計算出光的飛行時間,常見的方案有四步相移法和兩步相移法等。
因為iToF輸出一幀深度圖像通常需要采集多個相位的圖像數據來計算相位差,因此iToF相對整體功耗比較高,而且提高深度圖的幀率會比較困難。
為了解決這些問題,iToF采用增加脈沖瞬時功率、多像素融合Binning的方式來提高信噪比,從而降低功耗,增大探測距離,不過iTof的優(yōu)勢是因為sensor 的pixel相對較小(可以做到5um,甚至3.5um),所以分辨率可以做高。
dToF方案則直接完成光飛行時間的測量。相對iToF來,dToF的發(fā)射端通常使用納秒甚至皮秒級的短脈沖激光,此外dToF需要探測器在光子到達時刻立刻做出反應,因此接收端通常選擇SPAD(單光子雪崩二極管)或者APD(雪崩光電二極管)這類適合進行事件記錄的傳感器。
由于這類傳感器的像素尺寸(一般大于10um)不容易做小,所以dToF方案目前的分辨率通常較低,比如手機攝像頭的激光對焦模塊就使用了dToF技術。還有dTof的SPAD因為是單光子雪崩,所以在戶外的使用場景,因為雜光多,所以噪聲很大。
LiDAR激光雷達隨著自動駕駛被大家認識,市面上的LiDAR大多是基于ToF技術的,從結構形態(tài)上主要有機械旋轉式、MEMS振鏡固態(tài)式、Flash固態(tài)式幾種。其中Flash式LiDAR從原理上講與目前手機使用的ToF技術非常相似,而MEMS振鏡方案理論上可以提供更高的分辨率,但因為工藝復雜集成難度比較大所以在消費電子領域應用較少。
蘋果新的iPad Pro所搭載的LiDAR應該也是類似的Flash方案,與常規(guī)的dToF方案類似受限于像素尺寸,無法提供高分辨率。
現(xiàn)在對于ToF技術還有一個很大的問題是,對于透明物體,比如玻璃等,基本無法工作。所以要靠后期的算法以及結合RGB來估計,這個就看各家的算法實力了。
總體來說蘋果還是有非常清晰的規(guī)劃路徑,為了匹配他的房間級XR,先搞定室內,先搞定5米以內。華為的思路是為了地球級XR,要全場景,室內,室外。同時希望有擴展到10米以上的應用能力。因此都為了自己的平臺構想匹配硬件。
不論如何,這是一個好的開始,我們?yōu)橛羞@樣一個有夢想的同行者鼓掌。」
電科技專注于TMT領域報道,青云計劃、百+計劃獲得者。榮獲2013搜狐最佳行業(yè)自媒體人稱號、2015中國新媒體創(chuàng)業(yè)大賽總決賽季軍、2018百度動態(tài)年度實力紅人等諸多大獎。
投稿請登錄:http://www.diankeji.com/member 商務合作請洽:marketing#diankeji.com
聲明:本站原創(chuàng)文章文字版權歸電科技所有,轉載務必注明作者和出處;本站轉載文章僅僅代表原作者觀點,不代表電科技立場,圖文版權歸原作者所有。如有侵權,請聯(lián)系我們刪除。
猜你喜歡
核心關鍵字: VR/AR| 留言與評論(共有 0 條評論) |



