ToF相机技术之多机干扰 | 迈尔微视知识社区

type

status

date

slug

summary

iToF技术的多机干扰问题详解

1. 多机干扰现象

当多个安装iToF传感器的机器人同时在同一空间内工作时，传感器的光信号相互重叠，可能会导致相位混淆和错误的深度测量，称为多机干扰（MDI）。具体表现为：

光信号干扰：多个iToF传感器发射的调制光波可能会在空间中相互重叠，传感器可能会接收到来自其他设备的反射光信号，导致距离测量不准确。

相位错乱：由于iToF是基于调制光波的相位差来测距的，如果多个传感器的调制信号重叠，接收端可能会错误地计算相位差，导致深度图中的噪声增大。

数据失真：由于干扰，传感器生成的深度数据可能包含异常点或噪声，影响机器人导航和避障的准确性。

2. 多机干扰的原因

iToF的多机干扰问题主要由以下几个方面引起：

调制频率重叠：多个设备可能使用相同或接近的调制频率，导致信号难以区分。

工作区域重叠：多个机器人在同一工作区域时，发射光和反射光在相同空间内交错，干扰彼此的测量结果。

同步问题：如果多个iToF设备不同步工作，接收到的光信号可能来自其他机器人，无法准确关联到自身发射的信号。

3. iToF多机干扰的解决方案

为了解决iToF的多机干扰问题，可以采取以下技术手段和方法：

3.1. 调制频率多样化

通过对每个设备使用不同的调制频率或调制波形，可以减少不同设备之间信号重叠的几率。具体方法包括：

频率跳变技术：允许传感器在多个调制频率之间快速切换，以避免干扰。

频分复用（FDM）：不同的iToF设备使用不同的调制频率工作，使得接收端可以根据频率区分信号。

关于分频的方案还需参考iToF的sensor的工艺特性，频率的选择还需过滤，不是任意频率就可以实现无多机干扰问题。本文以CWTOF技说明这个问题，其中连续波调制的原理如图1所示：

图1 CWTOF调制原理

其中多机数据模型，如下：为了说明从反射信号

中检索相位和幅度信息

的测量过程，我们将反射建模为简单谐波函数，将解调信号

建模为余弦。那么互相关函数可以简化为带有相位延迟的简单余弦表达式：

其中，当存在多机干扰时候，本机也会收到它机的信号，如它机

、

…..反射回来的信号表达为：

则本机收到的信号应是所有相机发出信号相关信号叠加。

两个itof相机的调制频率的干扰合成了所谓的拍频。该拍频的变化幅度对 iTof 芯片产生作用，就像改变环境光一样。因此，只能通过片上环境光抑制来消除。由于这一事实，必须选择积分时间的长度

以及两个调制频率之间的频率差

，以实现该拍频信号的良好平均，以便在积分时间段内仅获得直流部分。其中

、

还需在实际场景中实测其抗多机的效果。

3.2. 时间分割方案

通过时间分割，让每个iToF传感器在不同时段工作，避免同一时刻多个传感器发射光信号导致的干扰。时间分割可以通过以下方式实现：

时序同步：设置传感器的发射和接收时间窗口，使得同一区域内的多个设备不会在同一时间段内发射光信号。时分多址：将时间划分为多个时隙，每个时隙分配给不同的传感器，以确保传感器的工作时刻不重叠。对于时间分割方案这个比较容易的理解，它其实利用了传感器读出、休息的时间这部分时间控制其他机器曝光，对于传感器的工作阶段如下，这里以CWTOF的4相位为例。包含以下序列：

Startup:

这发生在第一个和第五个子帧之前。

重置：

传感器重置。在采集每个子帧时重置。

曝光：

快门打开，传感器曝光。针对每帧。

读出：

从传感器中读取子帧期间收集的数据。Blank：定义帧率

图2 单个曝光的工作原理

图2展示了单次曝光工作原理，实际上不同传感器会有些差异，具体根据传感器手册描述为准。

图3 时间分割示例

图3只表面了一帧的示意图，利用两次连续曝光的间隔进行它机的交错曝光。根据芯片的具体曝光、读出时间、帧率可以计算出时间分割方案的最大容许相机数量。这里以一个简单示例说明，假设相机曝光时间1ms，帧率20fps，可以计算出读出+空白时间t=1000/20/4-1 = 11.5ms。容许的相机数量N = 11.5。则最大可以容许11台数量，落地实现中，还需延时曝光的时间精度问题。11台是理论容许的数量。

3.3. 调制编码

通过对发射的调制信号进行编码，每个设备发出的信号都带有独特的标识符。接收端可以根据信号中的编码信息区分不同设备的信号，从而避免干扰。这种方法类似于CDMA（码分多址），可以有效区分多个设备的信号。此方法是仿照光纤应用的码分复用原理，需要在传感器使用，即芯片发出的光有对应的识别地址。目前这个方案暂无商用的按理，各个芯片厂家需发展推进。

3.4. 后处理技术

在数据处理阶段，通过算法过滤掉异常点或噪声，从而提高深度数据的可靠性。可以采用的方法包括：

异常点剔除：在深度图生成后，使用后处理算法剔除可能受到干扰的异常数据。数据融合：结合多个传感器的数据，通过加权平均、滤波等方法消除干扰信号的影响。总结迈尔微视在多机干扰这个问题上，攻坚了数年，有许多的积累，依托移动机器人部署的实践经验，我们实现了路径规划、调度、分频、时间分割、后处理技术的整体系统方案来应对现成多台AGV之间的多机干扰。

路径规划：在多AGV系统中，路径规划是确保每台AGV能够高效、无冲突地完成任务的关键。迈尔微视通过先进的算法和实践数据，优化了路径规划策略，使得AGV能够在复杂环境中减少多机情况发生。

调度：调度系统负责分配任务给各个AGV，并确保它们能够按时、按顺序完成任务。迈尔微视的通过调度系统的智能化和灵活性，实时调整深度相机的频段和曝光时间分配，以最小化多机出现概率。

分频：分频技术是一种有效的避免多个ITOF深度相机之间通信干扰的方法。通过为不同的相机分配不同的调制频率，迈尔微视确保了它们之间的测距互不干扰，从而提高了系统的稳定性和可靠性。

时间分割：时间分割技术是一种通过时间上的错开来避免多深度相机之间冲突的方法。迈尔微视通过精确的时间管理，为每台深度相机规划了合适的工作时间窗口，确保了它们在测距时不会相互干扰。

后处理技术：后处理技术是对深度相机的数据进行处理和分析，在矢量空间区分出干扰量和真值量，从而降低多机干扰的层度。

✅ToF相机技术之多机干扰

iToF技术的多机干扰问题详解