飞行时间（ToF）是一种主动式 3D 成像技术，其工作原理其实非常直观：相机主动发射一束光脉冲，光线照射到目标物体表面后再反射回来，系统通过测量从发射到接收之间的时间差，并结合光速即可计算出物体距离。也就是说，只要准确知道光传播了多久，就能快速判断目标与相机之间的实际距离。

与其他 3D 视觉技术相比，ToF 3D 成像的优势十分突出：在低照度环境下依然能够稳定运行，面对缺乏纹理的场景也不容易失效，而且在生成距离图像时计算负载较低。更重要的是，ToF 相机具备极低延迟，非常适合需要实时响应和快速决策的应用场景。不过，再成熟的技术也并非没有短板——ToF 依旧会受到各种伪影（Artifacts）影响，只有通过合理的传感器设计与算法处理，才能尽可能降低误差。

运动伪影（Motion Artifact）

ToF 系统在计算目标距离时，通常需要结合多个相位（图像）共同完成。最少需要两个相位；如果还要补偿环境光干扰，则通常需要三个；在更复杂的应用环境中，甚至可能需要四个或更多相位。问题在于，如果传感器的存储单元一次只能记录一个相位，而场景中又存在运动物体，那么不同相位图像中的目标位置就会发生偏移。当这些相位图像被组合用于生成深度图或距离图像时，运动伪影便会产生——不仅会导致目标轮廓变形，还会让距离位置“漂移”到错误区域。类似的问题，在需要多次采集来实现 HDR（高动态范围）成像的场景中也同样存在。针对这一问题，可采用多储存单元（Multi-Tap）传感器；理想情况下，存储单元数量应与算法所需相位数匹配，再结合非破坏性读出 HDR 技术，便能更有效地抑制甚至消除运动伪影。

混叠伪影（Aliasing Artifact）

当光的飞行时间超过光源发射周期时，就会出现混叠伪影。此时，传感器接收到的反射光信号可能实际上来自前一个或另一个调制周期，但系统本身无法准确判断该信号究竟属于哪个周期。结果就是，原本位于“X 加上一个发射周期距离模值”位置的物体，可能被错误识别为位于距离 X 处，最终在 3D 深度图或点云数据中形成明显误差。若想提升模值距离范围，可以延长发射周期，但这样通常会带来测量精度下降的问题，这本质上是一种性能权衡。多频率技术也是常见的解决方案之一，但它往往会进一步加剧运动伪影。相比之下，采用具备灵活占空比（Duty Cycle）的传感器，可以将最大测量距离（与发射周期相关）与距离消歧能力有效解耦，从而从根本上缓解这一矛盾。

干扰伪影（Interferences Artifact）

当多台 ToF 相机同时运行时，系统之间容易出现“串光”现象——一台设备发射的光被另一台设备接收，进而扰乱后者的相位信息，导致深度计算结果失真，距离测量值也偏离真实距离，这就是干扰伪影。当前较常见的解决方法是时分复用（Time-Multiplexing），即将多套系统的工作时序彼此错开，避免同时发射。不过，这种方案在工程实现上并不简单，通常还需要通过有线连接来协调多个系统。相较而言，选择具备专用多系统管理能力的 ToF 传感器或整体系统方案，往往能够更高效、更稳定地降低干扰伪影带来的影响。

如今，3D 飞行时间技术在工业自动化领域的应用越来越广泛，例如机器人、智慧物流、工业检测、尺寸测量等。它之所以能够进入如此多的行业场景，关键在于即使在高帧率、低延迟的条件下，依然可以提供出色的精度与测量准确性。这种高度灵活的 3D 感知能力，使 ToF 技术能够在复杂环境中保持稳定表现，也成为其区别于其他 3D 视觉方案的重要优势。当然，任何 3D 成像技术都不可能面面俱到——ToF 同样需要在不同性能指标之间进行取舍，每一项优势背后往往也伴随着一定限制。但无论如何，上述几类伪影问题都必须尽量规避。原因很明确：一旦深度测量或距离感知出现错误，自主移动机器人（AMR）可能与障碍物发生碰撞，协作机器人（Cobots）甚至可能对人员安全造成风险。也正因如此，在 ToF 系统中，图像传感器的重要性往往比许多其他 3D 系统更为突出。选用专为 ToF 应用设计的传感器，例如 Teledyne e2v 的 Hydra3D，能够在硬件层面获得更强的伪影抑制能力；再配合其 HiRho 技术，即使面对户外环境等更具挑战的场景，也能实现更加稳定、可靠的性能表现。