22000字深入研究消费电子光学传感器行业

时间：2022-07-03 22:00:00 甲烷传感器类型如何将传感器封装成一个库膜盒传感器接触式影像传感器

来源:华创证券、宇势资本研究所

根据研究机构的研究数据，消费电子是传感器最重要的应用市场，约占传感器的50%。

本文主要基于3D光学传感器产业研究也涉及TOF对消费电子设备中使用的飞行时间传感器、红外传感器等光学传感器进行分析，对消费电子中使用的技术、发展趋势和市场状况进行了深入研究。建议需要了解消费电子光学传感器的合作伙伴分享和收集。

文章大纲

1.3D Sensing摄像头：智能手机行业十年来最大的智能硬件创新AR大杀器的全面发展

为什么说3D Sensing 相机是十年来智能手机行业最大的创新
痛点应用场景层出不穷，将迎来手机标配到智能终端竞争的爆发

2.3D Sensing摄像头：有预谋的变化

成熟的技术路线：TOF结构光殊途同归
国际消费电子大厂成熟3D Sensing 相机技术苹果积累最深

3.解密3D Sensing摄像头产业链最大的变化是摄像头产业链最大的变化IR VCSEL模块(光源光学组件)

关键点之一-红外传感器
关键点之二——IR VCSEL
关键点之三——VCSEL激光光光学组件

4.几个对于VCSEL模组的思考

Eye-Safe激光消费应用必须考虑问题
VCSEL能否优化结构，满足更低功耗、更高效率的要求

摄像头

3D Sensing摄像头：十年来智能手机行业最大的创新

智能硬件向AR大杀器的全面发展

为什么说3D Sensing摄像头

十年来智能手机行业最大的创新

3D什么是摄像头？3D摄像头的特点是，除了获取平面图像外，还可以获取对象的深度信息，即三维位置和尺寸信息，通常由多个摄像头深度传感器组成。D摄像头实现实时三维信息采集，为消费电子终端增加物体感知功能，引入人机交互、人脸识别、三维建模等多个痛点应用场景AR、许多领域，如安全和辅助驾驶。站在，我们认为2D向 3D摄像头的转变将成为继黑白到彩色、低分辨率到高分辨率、静态图像到动态图像之后的第四次革命，预计将再次引爆消费电子供应链！总之，触摸屏实现了从一维到平面的交互模式D相机将使交互模式从平面变为立体。

消费体验来讲，到底能实现怎么样的颠覆式应用？3D摄像头实时获取环境物体深度信息、三维尺寸以及空间信息，为动作捕捉、三维建模、VR/AR、室内导航和定位等痛点应用场景提供了基本的技术支持，具有广泛的消费和工业应用需求。从应用的角度来看，目前的 3D摄像头可以展示技能的场景主要包括消费电子领域的动作捕捉识别、人脸识别、自动驾驶领域的三维建模、巡航和障碍避免、工业自动化部件的扫描、检测和分类、安全监控、人数统计等。

今年大客户导入3D相机技术、人脸识别和手势识别应用将率先脱颖而出，预计市场空间将迎来爆炸性增长！根据研究机构Zion Research预测数据，3D 相机市场规模将从2015年的12年开始.2021年，5亿美元增长到78亿美元.9亿美元，年均增长率达35%！而从当前产业链调研来看，单价预计13-18美元；按2021年18亿部智能手机40%渗透率来算已经超过100亿美元市场空间，加上在AR、应用于自动驾驶、机器人等领域，整个3D实际上，摄像头市场空间有望超过200亿美元！

痛点应用场景层出不穷

将迎来手机标配到智能终端争配的爆发

场景1-人脸识别的第一年即将到来，指纹识别脱颖而出

在智能手机强调差异化、寻求创新的背景下，面部识别有望成为消费电子产业链投资的下一个创新方向。

从市场份额来看，面部识别最有可能在指纹识别后脱颖而出。据前瞻性产业研究院统计，2007年至2013年6年，生物识别技术全球市场年均增速为21.7%。从2015年到2020年，各细分行业市场规模分别增长:指纹(73.3%，语音(100%)，人脸(1666).6%)、虹膜(100%)、其他(140%)。人脸识别在众多生物识别技术中排名第一，预计到2020年，人脸识别技术的市场规模将上升到24亿美元。我们预计，当智能终端渗透到人脸识别时，市场规模可能会超出预期。

目前，人脸识别市场的解决方案主要包括：2D识别、3D识别和热感识别。2D面部识别是基于平面图像的识别方法，但因为人的脸不平坦，所以2D识别在将3D在人脸信息平面投影过程中存在特征信息损失。D三维人脸立体建模法的识别可以最大限度地保留有效信息。3D人脸识别技术更合理，精度更高。

以TOF以结构光为代表的3D相机技术最符合人脸识别技术的要求。首先，3D相机采用红外线作为发射光，可以解决环境光对可见光的影响。传统的2D当环境光发生变化时，识别技术的识别效果会急剧下降，无法满足实际系统的需要。例如，在拍照时，可能无法正确识别侧光时的阴阳脸现象。

TOF或结构光3D在传统人脸识别技术的基础上，相机技术收集人脸图像的深度信息，可以获得更多的特征信息，大大提高识别精度。与2D与人脸识别系统相比，3D人脸识别可以收集深度特征信息，如眼角距离、鼻尖点、鼻翼点、两个太阳穴之间的距离、从耳朵到眼睛的距离等，这些参数通常不会随着一个人的整形手术和换发而发生很大变化，因此3D当用户特征发生变化时，人脸识别可以继续保持很高的识别精度。

场景2-手势识别：人机交互核心痛点

回顾人机交互的发展，其实是一个不断改造机器解放人的过程。在最早的计算机中，键盘是图形界面唯一的输入设备GUI键盘鼠标的组合已经形成，但准确点击鼠标和键盘仍然需要更高的学习成本。随后，设备终端越来越小，以进一步解放用户。手机触摸屏的出现真正摆脱了键鼠的中间介质，实现了触摸就是收入。下一个十年人机交互方式将更加智能与便捷，将用户从触碰屏幕解放出来，主动捕捉用户手势动作并进行识别处理将成为下一个交互痛点！

手势识别的关键便在于3D摄像头（或称3D感知）技术，3D摄像头利用TOF或结构光技术获取影像深度信息，通过算法处理对用户手势进行识别，从而实现用户隔空操控智能终端。根据MarketsandMarkets研究，预计近距离传感器的市场规模在2020年将达到37亿美元，2015年至2020年的复合增长率为5.3%。

场景3-三维重构基础技术，AR/VR领域将大放异彩

AR/VR设备为什么要采用3D摄像头技术？——1、获得周围环境图像的RBG数据与深度数据，进行三维重建；2、实现手势识别、动作捕捉等人机交互方式。

AR/VR的3D感知在实现原理上一般采用TOF和结构光这两种主动感知技术，设备正面通常包括1个红外发射器、1个红外传感器（获取深度信息）和多个环境光摄像头（获取RBG信息）。以TOF技术为例，红外发射器发射红外线，至目标物体反射后由红外传感器进行接收，利用发射信号和接收信号之间的相位差进行运算和转换得到距离/景深数据。

早期通过不同角度的二维图像重建场景中的三维模型，真实感低，深度摄像头的出现使得三维重建效果大大提升。深度摄像头能同时获得图像的RGB数据和深度数据，并基于此进行三维重建。

下面通过一个简单场景对利用3D摄像头三维重建进行说明。利用基于TOF/结构光技术的3D摄像头可以建立周围环境的“点云”，如左图所示，并通过不同颜色标注距离镜头远近不同。点云数据结合环境图像的RBG信息便可以进行如右图的场景还原，此后可以在此基础上衍生出多重应用如测距、虚拟购物、装修等等，比如进行右图中的家具摆放，由于还原的场景具有深度信息，因此模拟出来的家具在碰到障碍物时便不能继续推动，具有超强真实感。

同时3D摄像头技术提供的手势识别功能将成为未来AR/VR领域的核心交互手段。目前各大厂商推出的VR设备大都需要控制器,游戏控制器的优势在于控制反馈及时、组合状态多。缺点是与虚拟环境互动少，用户只能控制而不能参与。而在AR应用方面，手柄就完全不能胜任人机交互的任务了。在AR应用领域有丰富的人机互动内容，而这种互动是非常复杂的，只有手势操作才可以完成。以HoloLens为例，就拥有一组四个环境感知摄像头和一个深度摄像头，环境感知摄像头用于人脑追踪，深度摄像头用于辅助手势识别并进行环境的三维重构。

除Hololens外，目前已经发布的AR产品如Meta2、HiAR Glasses以及Epson Moverio也已经采用3D感知技术进行手势识别、动作捕捉等功能，我们预计未来基于TOF或结构光技术的3D摄像头作为手势识别、三维场景重建的基础，将成为AR设备的标配！

摄像头

3D Sensing摄像头

一场“有预谋”的变革已经箭在弦上

技术路线已经成熟，TOF及结构光殊途同归

3D摄像头主要有三条主流技术路线：光飞时间（TOF，time of flight）、结构光（structure light）和多角成像（也称双目立体视觉技术，multi-camera）。从当前技术发展和产品应用来看，TOF与结构光因其使用便捷、成本较低等优点而最具前景。

光飞时间（Time Of Flight）技术

TOF技术是通过主动发射调制过后的连续光脉冲信号至目标面上，然后利用传感器接收反射光，利用它们之间的相位差进行运算和转换得到距离/景深数据。

TOF优点在于可以做到对逐个像素点的深度进行计算，近距离情况下精度可以很高；缺点则在于室外受自然光红外线影响大、测量范围窄（远距离无法保证进度）以及成本较结构光要高。

目前的主流技术TOF技术采用SPAD（single-photonavalanche diode，单光子雪崩二极管）阵列来精确检测并记录光子的时间和空间信息，继而通过三维重构算法进行场景的三维重构。SPAD是一类高灵敏度的半导体光电检测器，被广泛应用于弱光信号检测领域。

结构光（structure light）技术

结构光技术的基本原理是：在激光器外放置一个光栅，激光通过光栅进行投射成像时会发生折射，从而使得激光最终在物体表面上的落点产生位移。当物体距离激光投射器比较近的时候，折射而产生的位移就较小；当物体距离较远时，折射而产生的位移也就会相应的变大。这时使用一个摄像头来检测采集投射到物体表面上的图样，通过图样的位移变化，就能用算法计算出物体的位置和深度信息，进而复原整个三维空间。

采用结构光技术的代表产品包括Kinect 1、Intel RealSense Camera（F200&R200）以及第一代project tango 产品等等。

结构光技术优点在于一次成像即可读取深度信息，缺点在于解析度受光栅宽度与光源波长限制、对衍射光学器件（DOE）要求较高，也同样会受室外可见光红外线较大影响。

多角成像（Multi-Camera）技术

多角成像技术是基于视差原理，并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间位置偏差，来获取物体三维几何信息的方法。

多角成像技术优点在于室内室外皆适用，不受日光影响以及几乎不受透明屏障影响，缺点则在于计算量巨大、算法复杂，对硬件具有较高要求。

下表主要从软件复杂性、延迟、是否主动照明、探测距离、分辨率等指标对三种主流技术进行对比：

从目前已经上市的产品技术运用来看，结构光/TOF的应用具有成熟，且技术原理上殊途同归。初代产品大多采用结构光技术，而新一代产品采用TOF技术的数量则开始逐渐提升，我们认为TOF技术未来将凭借自身在软件复杂性、延迟、精度、扫描速度等领域的优势成为最具应用前景的3D摄像头技术；而结构光则在成本优势、一次性成像等方面具备较好优势，有望成为手机应用的排头兵。