dToF · DIRECT TIME-OF-FLIGHT
180°×140° 大FOV dToF
— L4 近场感知的终极答案
4颗全固态面阵SPAD dToF，实现车身周围 360° 无死角覆盖。
5cm起步测距，毫米级精度，图像级稠密深度——填补L4感知体系的最后一块拼图。
水平FOV 180°
垂直FOV 140°
最近测距 5 cm
测距精度 mm 级
帧率 30 fps
全固态 SPAD
01 · 技术定位
dToF 是什么——为什么 L4 需要它
定义
dToF（direct Time-of-Flight，直接飞行时间）通过直接测量光子从发射到接收的飞行时间计算距离。
核心器件为
SPAD（单光子雪崩二极管）面阵 +
TDC（时间数字转换器），
本质是 Flash 型全固态激光雷达的面阵化路线。
L4 感知的核心矛盾：远距越来越强，近距依然失明
当前L4自动驾驶的感知架构中，主激光雷达已实现 200m+ 测距与千线级分辨率，
但在车身近场 0–5m 范围内，依然存在系统性的感知盲区：
- 主激光雷达：安装位置高，近场下视盲区大（最近测距通常 > 20cm），侧向/后方覆盖不足
- 环视摄像头：鱼眼畸变严重，近距测距误差 > 10%，低光逆光下失效
- 毫米波雷达：对静止低矮目标（儿童、路锥、地锁）检测率低，存在"静态目标滤除"问题
- 超声波雷达：精度低（±5cm）、测距短（< 5m）、对细杆类目标检测差
核心判断：L4的安全瓶颈不在远距，而在近场盲区。
dToF面阵传感器以全固态、零盲区、稠密深度三大特性，成为近场补盲的最优技术路线。
dToF vs 主流近距感知方案
| 技术路线 |
测距原理 |
典型范围 |
精度 |
抗强光 |
全固态 |
成本量级 |
| 面阵 dToF |
光子飞行时间 |
0.05–30m |
mm级 |
★★★★★ |
是 |
千元级 |
| iToF（间接TOF） |
相位差测量 |
0.1–10m |
cm级 |
★★☆☆☆ |
是 |
数百元 |
| 结构光 |
编码图案+三角测量 |
0.2–5m |
亚mm级 |
★☆☆☆☆ |
是 |
数百元 |
| 毫米波雷达（4D） |
FMCW调频 |
0.5–200m |
0.1–1m |
★★★★★ |
是 |
数百~千元 |
| 超声波雷达 |
声波飞行时间 |
0.1–5m |
±5cm |
★★★★★ |
是 |
几十元 |
| 机械激光雷达 |
脉冲+扫描 |
0.2–200m |
cm级 |
★★★★☆ |
否 |
数千~数万 |
注：iToF与结构光在强光（> 80klux）下信噪比骤降，户外场景实用性有限；
dToF的SPAD单光子灵敏度配合时间门控，可在 120klux 强光下稳定工作。
02 · 方案架构
4颗 dToF = 360° 全周感知
180° 超广水平FOV意味着单颗传感器即可覆盖车辆一侧的完整侧向视野。
前、后、左、右各一颗，四颗即可实现车身周围 360° 无死角覆盖，
相邻传感器之间形成 > 45° 的交叠冗余区。
图1 · 4颗 dToF 360° 覆盖方案（俯视图）
阶段 1/3 · 初始状态
4颗 180°×140° dToF 分别安装于前后保险杠与两侧后视镜/侧裙，
每两颗之间形成 > 45° 的交叠冗余区，实现 360° 无盲区覆盖。
交叠区可用于功能安全降级——单颗失效时相邻传感器可接管。
方案六大优势
→
② 功能安全
交叠区冗余，满足ASIL-B/D降级
→
→
→
→
⑥ 车规可靠
全固态无运动部件，MTBF百万小时级
图2 · 垂直FOV盲区对比（侧视图）
阶段 1/4 · 传统主雷达
传统机械激光雷达垂直FOV仅 25°–40°，近场下视盲区大；
140° 超大垂直FOV的dToF可同时覆盖地面低矮目标与悬空障碍物，
最近测距 5cm，真正实现"贴地感知零盲区"。
设计逻辑：140° 垂直FOV ≈ 水平视线以上 30° + 以下 110° 的下视偏置布局。
上视覆盖悬空障碍（限高杆、悬挂物），下视覆盖地面目标（地锁、儿童、台阶）。
核心不是"看得更远"，而是"从脚下开始看得见"。
03 · 场景价值
三大核心场景——从盲区补全到感知升级
图3 · 近距盲区场景·多传感器可见性对比
场景 1/4 · 纯视觉方案
车前近场（0.5–2m）场景对比：儿童蹲在车头前方。
依次展示纯视觉、视觉+毫米波、主激光雷达、dToF补盲方案的可见区域。
红色区域为感知盲区。
场景一：近距盲区检测——L4安全的底线
据统计，停车场与小区内 80% 以上的事故与近距盲区有关。
A柱盲区、车头前儿童、侧后开门杀——这些场景对L4而言是不可逾越的安全红线。
- 最近测距 < 5cm，从"贴地"开始全覆盖
- 30fps 高帧率输出，响应延迟 < 33ms
- 稠密深度图稳定识别：儿童、宠物、路锥、地锁、轮胎碎片、低矮台阶
- 不受光照条件影响（夜间 / 地下车库全工况可用）
场景二：自动泊车（AVP）——精度与可靠性的双重升级
自动泊车是用户感知最强的L4功能之一，也是当前纯视觉+超声波方案投诉率最高的场景。
- 精度升级：毫米级测距精度，支持厘米级泊车位姿控制
- 目标升级：稠密点云识别车位线、地锁、挡车器、立柱等精细特征
- 场景升级：地下车库 / 夜间 / 弱光全场景可用，不依赖环境光
- 融合升级：与环视相机输出RGBD，语义分割精度提升 30%+
场景三：低速城区——复杂交通参与者的守护神
城区低速跟车、拥堵路段穿行、狭窄街道会车——非机动车、行人、宠物等弱势交通参与者密集，
"鬼探头"、外卖车横穿等极端场景频发。
- 侧向大FOV覆盖，提前感知侧向来车 / 行人横穿
- 高帧率输出支持快速目标跟踪与运动预测
- 小目标检测能力远超毫米波雷达（RCS截面小的目标）
- 稠密深度图支撑精确自由空间（Free Space）分割
- 与主激光雷达形成远近互补：主雷达看远（100m+），dToF看近（0–30m）
一句话总结：dToF 解决的不是"看得更远"的问题，
而是"在最容易出事的地方，看得最清楚"的问题。
04 · 参数对标
全参数对标——在补盲雷达中处于什么位置
| 参数 |
单位 |
大FOV dToF（本方案） |
速腾E1 |
禾赛FT120 |
索尼IMX459 |
| 水平FOV |
° |
180 |
180 |
120 |
— |
| 垂直FOV |
° |
140 |
135 |
90 |
— |
| SPAD分辨率 |
像素 |
640×480（VGA级） |
640×480 |
— |
约10万像素 |
| 最近测距 |
cm |
5 |
< 5 |
< 10 |
— |
| 最远测距 |
m |
30 |
30 |
30 |
— |
| 测距精度 |
— |
mm级 |
mm级 |
cm级 |
cm级 |
| 帧率 |
fps |
30 |
10–30 |
10–20 |
— |
| 全固态 |
— |
是 |
是 |
是 |
是（传感器） |
| 车规认证 |
— |
AEC-Q100 |
AEC-Q100 |
AEC-Q100 |
AEC-Q100 Grade 2 |
| 工作波长 |
nm |
905 |
905 |
905 |
— |
| 抗强光 |
klux |
120+ |
100+ |
100+ |
— |
数据来源：各厂商公开产品规格与技术白皮书。
索尼IMX459为座舱DMS/OMS用SPAD传感器，非车载外部补盲雷达，参数体系不同，仅供参考。
本方案对标速腾E1，垂直FOV提升 5°，其他参数处于同一技术梯队。
05 · 行业趋势
为什么是现在——dToF的三个拐点
拐点一：SPAD-SoC 芯片化，成本曲线进入摩尔定律区间
早期dToF方案采用分立器件（SPAD芯片+TDC芯片+VCSEL驱动），BOM成本高、体积大。
随着SPAD-SoC单芯片方案成熟（速腾孔雀芯片、索尼IMX系列等），
集成度大幅提升，成本进入半导体工艺驱动的下降通道。
- 像素密度每代提升 5–10 倍（144×192 → 640×480 → 下一代 > 1MP）
- 成本遵循摩尔定律下降，预计 2027–2028 年下探至千元以内
- 消费电子（手机/AR）SPAD产能外溢，进一步摊薄制造成本
拐点二：L4 落地加速，补盲从"选配"变"标配"
头部L4企业的感知架构已形成共识：主激光雷达负责远距感知，
补盲雷达负责近场覆盖。小马智行、文远知行、轻舟智航等 Robotaxi 方案
均已验证"主雷达 + 多颗补盲雷达"架构的可靠性。
- 乘用端：比亚迪、红旗、小鹏等加速补盲雷达前装落地
- Robotaxi端：4–6颗补盲雷达已成标准配置
- 法规端：功能安全标准对感知冗余的要求趋严
拐点三：从"深度"到"RGBD"——下一代的像素级融合
当前dToF输出纯深度图，语义信息需与摄像头后融合。
行业下一代路线是"彩色+深度"像素级融合的RGBD传感器：
同一芯片上同时实现图像像素与深度像素，从硬件层面消除配准误差。
判断：dToF正处于"技术验证完成 → 规模量产爆发"的前夜。
大FOV、高分辨率、低成本——三条曲线同时上扬，
谁先定义近场感知的标准，谁就掌握L4感知体系的下一个话语权。