新兴科技行业研究：3D感知行业

• 如何看待3D感知细分行业发展潜力？

• 3D感知市场规模有多大？——以模组为基础测算

• 3D感知技术路线选择以及未来趋势？

• 3D感知产业链构成以及创业公司机会在哪里？

• 以手机为例，拆解3D感知模组成本构成？ 

• 创业公司如何把握本轮3D感知行业机会？

如何看待3D感知细分行业发展潜力？

1）智能化趋势上，人工智能发展所需3D感知必不可少从智能化发展趋势来看，外界感知是机器实现智能化的基础，感知是奠定后续一切智能化应用根基。感知分为很多方面，如果参考人对外界的感知，包括听觉带来的声音、视觉带来的图像、触觉获取温度、压力等。因此视觉感知是智能感知重要组成部分，过去机器通过视觉感知多为2D图像，但人对外界感知和理解其实是3D的，因此机器未来感知智能化向3D发展势在必行。

2）在应用场景需求上，众多应用领域亟待3D感知技术填补需求空白3D感知作为基础性技术，在众多场景中存在应用空间，未来在消费电子、机器人、安防监控、汽车智能化、工业智能化等行业细分方向上都有丰富应用。

全球每年摄像头出货量超过50亿颗，最重要的应用领域包括消费电子（手机为主）、汽车以及安防三大领域。消费电子领域单台手机摄像头数量在不断增加，汽车领域ADAS和AD（自动驾驶）渗透率提高对摄像头需求也在不断提升，安防领域摄像头出货量同样逐年增长。采用比较粗略匡算逻辑，2D摄像头市场每年大约超过500亿美元市场容量，叠加应用算法将更大，因此未来3D感知市场潜力可能和2D相当。

来源：Yole；TSR；IC Insight；公开数据

3D感知市场规模有多大？——以模组为基础测算

对3D感知市场容量预测仍需要相对严谨和准确的测算方法和逻辑。我们重点从两个维度来测算和验证市场规模：首先参考市场主要研究机构的预测数据，再通过自身预测数据进行交叉验证，最终得到相对比较可信的整体市场容量数据。根据YoleDevelopment（Yole是全球领先的传感器、半导体领域咨询公司）的预测，到2023年全球3D感知市场容量将达到185亿美元，其中驱动行业快速增长的重要因素是消费电子产品引入3D感知功能模组，应用包括手机刷脸支付、3D试衣、VR/AR等。

从细分市场来看，手机增加3D感知功能仍然是最重要的市场增长动力，因此我们可以通过对手机市场3D感知模组的市场测算来交叉验证上述Yole所述市场规模数字。Yole预计2019年3D图像感知市场约为63亿美元，2019年苹果手机全球销售约2亿部，绝大部分为搭载刷脸支付功能的iPhone X及以上版本，苹果3D感知模组成本大约在20美元左右，因此可以测算出苹果约贡献了40亿美元的市场规模，剩下大部分为华为Mate 20/30系列以及蚂蚁所推出的刷脸支付设备所贡献。这样测算下来市场容量和Yole的预测已基本相接近。如果进一步验证2023年3D感知模组市场规模，假设智能手机出货量不出现大幅变动，保持每年14亿部出货量，假设所有中高端手机均可配备3D感知模组，同时需要指出到2023年有可能手机前后置均搭载相应3D感知功能，我们以30%渗透率和单机30美元（包含前后置）计算得到市场规模大约为126亿美元（14*30%*30），同Yole的预测也比较接近。因此，3D感知市场总规模我们可以认为到2023年将达到180-200亿美元。需要指出的是该规模是我们以模组成本为基础对市场进行的测算，如果延伸到产业链上下游则会有较大变化，尤其是对于下游应用而言，从模组到设备甚至整体解决方案市场容量可能放大2-3倍空间。综上的测算数据让我们在整体规模上对未来市场空间有比较准确的判断，也有助于进一步拆解产业链各环节具体市场规模情况。 

3D感知技术路线选择以及未来趋势？

理解具体技术路线差异以及其所对应应用场景对于把握未来潜在发展趋势至关重要。从是否需要发射端主动发射感知光源来看，可以分为被动感知和主动感知，被动感知以双目视觉感知为主，主动感知可以进一步分为结构光技术和TOF技术，结构光和TOF技术又可以根据实现方式不同进一步细分。具体技术路线分类如下表所示：

1）双目视觉方案：对计算要求极高，环境光影响很大，目前在3D感知上较少应用双目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的位置偏差来获取物体三维几何信息。双目在原理上比较简单，但是在应用过程中面临两大重要缺陷：软件算法计算量极大和环境光影响严重。因为需要对两幅图片进行比对计算，如果为了达到更高精度，计算中需要对每个像素点或像素块进行比对，这就造成了异常庞大的计算量，现实应用中需要专门ASIC芯片来支持，这将带来额外硬件成本；另外一点是受到环境光影响巨大，如果被摄物体本身特征不明显（如白墙）或者外部环境光过暗或过亮造成被摄物体特征采集不清晰都会对测量精度产生非常大影响。因此，尽管该方案成本较低，但由于存在上述缺陷，双目视觉方案在实际3D感知中很少被应用。

双目视觉多角成像

2）3D结构光：近距离3D感知上已被广泛应用，但在长距离探测上捉襟见肘

结构光技术基本原理是探测投射在被测物体表面特定结构光学图案的变化来测算距离。当物体距离激光投射器比较近的时候，图案位移变化就较小；当物体距离较远时，图案位移也就会相应变化较大。通过计算位移变化，就能计算出物体的位置和深度信息，进而复原整个三维空间。

结构光成像

结构光技术需要激光器主动发射激光，并通过光学元件过滤衍射形成特定的光学图案向外发射，接收端则需要特定红外传感器接收感知图案的变化进而计算出深度信息。上图中左侧所发射为特定条纹结构光，打到人脸上条纹发生形变，不同位置形变不同，通过感知这种变化可以得到人脸的深度数据；而右图则是发射特定散斑结构光，可以看到打到平面上这些散斑图案并未发生显著形变（若打到人脸圆形散斑可能变形为椭圆），可以计算得到对面是一面墙。结构光根据所发射不同的光学图案可以进一步分为散斑结构光和编码结构光。两者在接收端没有显著差异，主要差别来自于发射端所形成结构光的获取方式不同，编码结构光方案并不使用DOE（衍射光栅），而是采用 MASK（掩膜）。

散斑结构光和编码结构光

散斑结构光典型代表为iPhoneX，其发射端使用DOE（衍射光栅）。编码结构光典型代表为小米8探索版，使用Mask（掩膜）获取结构光。具体过程中，散斑结构光通过Vcsel激光器发射激光，通过准直透镜进行激光准直之后，再通过特定光学元件DOE衍射光栅发射出激光散斑点云（激光先准直聚焦再发散）；而编码结构光在发射激光后先通过掩膜对激光进行编码，再通过聚焦镜头聚焦后发射出特定图案的编码激光（激光先编码图案再聚焦）。最终表现在输出光效果为：苹果以散斑方式打出3万个离散分布的红外点，而小米方案则会在用户面部呈现几何编码图形。编码结构光完美规避苹果散斑结构光专利技术路线，虽然其原理都是将光结构化，但是在硬件使用上有一定区别。散斑结构光的光学器件透过率高，能量利用率高，而编码结构光mask就是带镂空图案的遮挡版，挡板带来遮挡的光浪费太大，能量利用率低导致功耗大幅增加。结构光因为有主动发射光源投射的结构光图案，相比双目仅依赖被测物体本身光学图案而言，方案稳定性和鲁棒性更好（就算白墙也能有结构光图案）。但结构光同样面临和双目相同的问题，一方面尽管所需计算量比双目有所降低，但是仍需完成大量软件算法计算，因此在应用中大多需要特定专用ASIC芯片支持，这就带来更多的功耗和成本；另一方面在探测距离上，由于存在基线限制（发射和接收端间距），固定基线下其探测距离有限。因此从实践来看，结构光方案主要被用在2米以内近距离3D感知，超过2米中远距离探测显得力所不及。

3）TOF方案：技术不断迭代进步中，分辨率是亟待解决重要问题，未来应用空间大TOF成像技术原理相较上述两种方案更简单，通过激光器主动发射调制过后的光脉冲信号至目标面上，利用传感器接收反射光，利用反射回激光的相位差或时间差进行运算得到距离/景深数据。

TOF成像

TOF方案进一步还可以分为iTOF（间接TOF）和dTOF（直接TOF）两大类，两大类在技术原理和实现方式上有一定区别。

目前市场上应用较多的是iTOF，但是由于在技术原理上存在固有缺点，造成在远距离探测上存在较大难度，同时高功耗也是难以克服的问题，尤其对于消费电子产品而言，对功耗比较敏感进一步限制了其应用。而dTOF被认为是未来更理想的应用技术方案，但现阶段技术成熟度较低，在分辨率提升、接收芯片研发突破、方案集成等方面仍需不断迭代发展。 综上所述，双目方案目前在3D感知方面应用较少；在近距离3D感知上，目前结构光技术成熟度较高，已开始大规模应用；在中远距离3D感知上，TOF正在被逐渐大量应用，尤其iTOF方案成熟度较高，已被多家安卓手机厂商所应用，而未来dTOF方案则更具应用潜力，由于目前技术成熟度较低，技术完善仍需时间。

3D感知产业链构成以及创业公司机会在哪里？

1）3D感知产业链构成情况由于技术路线的差异，在产业链上各环节所需核心器件也会存在一定差异，但是总体来讲，整个3D感知模组可以分为四大部分发射端模组、接收端模组、RGB图像模组以及计算芯片，相应产业链除终端应用外主要可分为中游模组厂商和上游核心器件两大部分。

如果以主动3D感知（结构光和TOF）为例：-发射端模组：以红外激光发射器Vcsel为核心器件，用于发射特定波长的红外激光光束-接收端模组：以CMOS成像芯片为核心器件，用于将反射回的激光管束进行成像，涉及光电转化、数模转换等，最终得到3D信息-可见光模组（2D）：以RGB镜头为核心器件，用于获取2D图像信息，并且最终和上述3D信息进行融合，形成完整3D信息-图像处理芯片：一方面负责深度信息计算，另一方面将2D和3D信息进行融合计算，得到最终所需3D信息，尤其结构光技术由于深度信息计算量大，有时候需要由专门ASIC芯片完成。

• 结构光技术产业链及核心器件：Vcsel、DOE、IR CIS、ASIC芯片以及综合技术方案对创业公司充满机会（下表标绿部分）

从上表可以看出，经过十几年中国消费电子产业链的快速发展，很多传统产业链核心零部件都已经实现突破，国产化率程度很高。在3D感知产业链中，一些新增核心零部件及整体解决方案（标绿部分）目前由于技术壁垒较高，国产化率情况还比较低，现有产业链供应商也没有相应的技术积累，这也就给了创业公司通过技术创新重塑产业链的机会。

• TOF技术产业链及核心器件：Vcsel、TOF接收端芯片（含驱动IC）以及综合技术方案（下表标绿部分）对创业公司充满机会

相比结构光方案，TOF方案在核心零部件上有所减少，不需要DOE和专用ASIC芯片，因此理论上讲TOF的成本相比结构光将更低。尽管TOF也存在iTOF和dTOF两大类，但对创业公司而言，主要机会大多还都是集中在Vcsel激光器、TOF接收芯片（包括驱动IC等）以及综合技术方案方面（上表标绿部分）。

以手机为例，拆解3D感知模组成本构成？

由于未来消费电子对3D感知需求是最重要的细分领域，因此我们以手机（含Pad）为例，在产业链分析基础上，拆解整个3D感知核心模组成本构成，进一步有助于理解各核心器件在产业链中地位。

从成本构成上可以看出，结构光目前作为比较成熟方案，未来成本降低空间相对较小，结构光成本较高核心原因是多出了更多的光学元件和专用ASIC芯片，未来很重要的一个降成本途径将是减少ASIC芯片，通过手机内部自有芯片进行计算。TOF目前由于技术方案不够成熟，尤其dTOF方案都还没大规模应用，因此整体成本上并无显著优势，未来随着技术进步和大规模量产出货，尤其是接收端芯片成本的显著降低，TOF的成本优势将逐渐显现。

因此结合上述国产化率、技术壁垒以及成本占比，可以进一步看到对创业公司而言，未来主要的机会在哪些方面。

传统产业链中，CIS图像传感器芯片目前是成本占比和毛利率水平均较高的核心器件，对于3D感知来讲，相信最大的机会仍然在成本占比和技术壁垒最高的领域，我们也可以看到目前一些创业公司已在一些特定领域有所突破，相信随着技术进一步发展，中国创业公司会取得更大发展。

 创业公司如何把握本轮3D感知行业机会？

如何充分利用本轮3D感知行业快速发展的机会实现快速成长，这是创业公司面对的重要问题，这同样也是投资人衡量创业公司核心优势的重要因素。以下几点是我们和一些创业者、产业资源方和投资人交流后的思考，同大家分享：