苹果新iPad Pro发售在即，其中最受果粉关注的就是新iPad Pro的激光雷达扫描仪，这个听起来高大上的技术其实是通过dToF传感器实现的。据苹果官网描述，该技术就连NASA也会在下次火星登陆任务中用到它，这样的神仙技术让人兴奋的同时脑子里也会多了几个问号。
黑科技dToF传感器能给果粉带来哪些惊喜?
dToF(Direct-Time of flight)技术，中文直译为直接飞行时间，它的主要能力是测量目标物的距离，实现的原理也并不复杂，通过给目标物连续发送光脉冲，然后用传感器接收从物体返回的光，已知光飞行的速度是不变的，通过计算接收时间，就可以得到与目标物间隔的距离。所以，只要发射的光脉冲能完全覆盖测量物，通过算法就能得到物体的3D成像。
dTOF技术实现原理
dToF技术并不神秘，在消费领域应用最早可以追溯到2005年微软XBOX360体感外设Kinect上，通过其内部集成的深度摄像头，利用dToF原理实现对用户的追踪，实现体感游戏操作。当然如今的dToF技术在精度、响应速度、体积上已经远超15年前的Kinect了。
AR领域的应用增强可能是苹果研发dToF技术的最大目的
苹果迫不及待的想要把dToF技术推向市场，那么该技术究竟能带来那些不一样的体验呢?苹果官网给了一个模糊的答案：为增强现实及更广泛领域开启无尽可能。其实dToF技术的应用领域非常广泛，比如AR领域，假设你要换个家具，但不知道摆放效果如何，使用带有dToF技术的iPad Pro对着你房间的空地扫一下，你想搭配的家具就会出现在屏幕上。对于3D设计的工程师来说，只要用新iPad Pro扫一下想要建模的物体，就可以快速获得物体的建模。还有娱乐领域，像Kinect一样隔空操作实现体感游戏功能，在拍摄上增强照片的虚化效果，甚至是对物体进行直接抠图理论上都是可以实现的。
扫地机器人为何要用到dToF技术
虽然增加dToF传感器能让苹果实现众多新功能，但不得不说基于目前的软件能力，苹果还不能很好的利于这颗dToF测距传感器。那NASA为什么也要使用它呢?根据猜测最大的可能性就是利用dToF技术为火星无人机器人进行导航和实现自动驾驶，这也是目前dToF技术研究最有价值的领域。像我们熟悉的特斯拉无人驾驶电动车、科沃斯最新发布的地宝T8 AIVI扫地机器人、索尼Vision-S概念车在无人导航测距上都有dToF技术的应用。
以科沃斯机器人为例，其最新推出的扫地机器人地宝T8 AIVI，首次将dToF技术用于扫地机器人导航系统，推出了全新TrueMapping全局规划技术。
科沃斯搭载dToF导航的地宝T8 AIVI
而就目前中高端扫地机器人市场而言，主流的导航技术仍然是采用三角测距法的LDS激光雷达，众所周知扫地机器人其实就是微缩版的“无人驾驶车”，其技术原理和真正的无人驾驶汽车是有相通之处的，那为什么无人驾驶汽车不采用跟主流扫地机器人一样的LDS激光雷达进行导航呢?因为扫地机器人使用的LDS激光雷达导航相较于dToF导航在技术原理上存在探测距离端、精度低、采样率低、延迟高等无法克服的缺点，扫地机器人在封闭的家居环境下工作即便LDS雷达出错对用户而言也不会有大损失，而对于无人驾驶汽车而言，如果使用这样的技术一旦出错就会车毁人亡。
当然，对于室内无人导航而言LDS激光雷达导航已经能够帮助扫地机器人实现绝大部分的正确导航了，但想要让扫地机器人体验进一步升级，获得更快的建图速度、更精准的规划和避障能力以及产品的使用寿命，dToF导航是不可或缺的。根据科沃斯官方数据显示采用TrueMapping全局规划技术搭配dToF传感器进行导航的地宝T8 AIVI扫地机器人对比主流的LDS激光雷达导航产品而言，在建图精度上提高了4倍、在建图效率上提高了3倍，在扫描范围上提升了2倍，这样的提升带给用户的体验就是更高效和更智能。
除了dToF，3D结构光技术的加持让机器人更智能
此外为了强化避障效果，科沃斯在最新发布的沁宝、地宝产品上还增加了TureDetect 3D技术，即3D结构光技术，可以让机器人在家居环境下主动精准避障，穿梭自如。该技术此前也曾广泛应用于苹果、华为等智能手机的面部识别功能中，较比传统的2D或2.5D技术，3D结构光能通过专业的泛光感应原件实时读取物体信息，并通过红外光线、点阵等，反推物体的深度和位置，从此前的2D感知变成了立体的3D感知。对于扫地机器人而言，较比传统的2D监测避障，3D结构光能更好的捕捉更多环境信息，增强避障的准确性。
凭借着dToF导航、3D结构光这些高精度响应的加持，家用服务机器人可以快速补齐导航、规划、避障能力的短板，提升家居环境下无人作业的能力。而随着5G、人工智能等新技术的成熟，高响应、高带宽、高智能、大数据、这些新关键词将给家用服务机器人带来更多智能功能的加持，让家用服务机器人朝向更智能的路径的迭代，未来家用无人服务机器人市场也会有更多的想象空间。