2024年3D视觉技术专题：可应用于ARVR、机器人等下游，迎千亿蓝海

1. 3D 视觉采集深度信息，在 AR/VR、机器人等下游 应用空间广阔

1.1 3D 视觉感知识别三维坐标，填补 2D 视觉的技术空白

3D 视觉感知能获取物理世界中的深度信息，相比 2D 视觉具有诸多优势。2D 平面视觉能提供物 体的纹理（色彩）信息，经过过去的数十年的长足发展，2D 成像技术的分辨率从几十万像素发展 到现在的上亿像素，色彩还原更真实，图像质量有了质的提升。然而，2D 平面视觉无法识别物理 世界的三维信息，如空间形貌、几何尺寸、位姿等，因此难以实现精准识别、追踪等功能。3D 视 觉感知是一种深度感应技术，可以捕获真实世界对象的长度、宽度和高度，能通过相应传感器来 采集视野内空间每个点位的三维坐标，并通过算法复原智能获取三维立体成像，不易受外界环境、 复杂光线的影响，技术更加稳定，规避了 2D 视觉的体验和安全性较差的问题。 在应用方面，由于 2D 平面视觉无法获得物体的空间坐标信息所以不支持与形状相关的测量，包 括物体平面度、表面角度、体积，或区分相同颜色的物体以及区别具有接触侧的物体位置，且 2D 视觉测量物体的对比度尤其依赖于光照和颜色/灰度变化，测量精度易受光线影响。相比之下， 3D 视觉具有以下优点：① 可实现在线检测快速移动的目标物，获取形状和对比度，消除手动检 查带来的错误；②对比度不变，是检查低对比度物体的理想选择；③对较小的照明变化或环境光 不敏感；④建立大型物体检测的多传感器设置更简单。

用几个例子可以展示出 2D 平面视觉和 3D 视觉感知的区别。基于 3D 视觉传感器采集的信息，不 但有2D视觉的纹理（色彩）信息，还增加了深度信息。这样围绕着人体、物体、空间扫描一圈， 就能得到点云图和精准的“1:1”还原的 3D 模型。三维信息的输入，将使得 3D 视觉感知的应用 场景大大增多。

1.2 3D 视觉感知可应用于扩展现实、机器人等广泛下游

3D 视觉感知技术的应用场景相比 2D 视觉而言也更加广泛、多样。在消费电子领域，通过在智能 手机、个人电脑、平板设备、电视等智能终端设备上搭载 3D 视觉传感器可以使其具备 3D 人脸识 别解锁、沉浸式交互、体感交互等能力，创造更安全、更沉浸的用户体验；在生物识别领域，通 过在线下支付终端、智能门锁/门禁等设备上搭载 3D 视觉传感器可实现更精准、安全的 3D 刷脸 支付和解锁；在 AIoT 领域，3D 视觉传感器可以被搭载在 3D 空间扫描设备、服务型机器人、 AR/VR 设备等终端上以实现传统 2D 相机无法实现的功能，例如三维重建、避障导航等；在工业 三维测量领域，3D 视觉感知技术可以被用来实现微米级的工业扫描、工业检测等功能。未来， 3D 视觉感知技术将不断探索下游应用，扩大在自动驾驶汽车、工业机器人、医疗等更丰富领域中 的使用场景。

消费电子领域，智能手机是 3D 视觉感知技术最大的应用场景之一。2010 年起，苹果公司即开始 通过收购 3D 视觉相关技术厂商以拓展自身 3D 传感摄像头业务，2013 年收购的 3D 传感技术方案 服务商 PrimeSense 为苹果开发结构光 3D 传感摄像头产品提供有力的技术支持；2018 年苹果收 购 Lighthouse 公司的多项技术专利，而 Lighthouse 的核心技术为飞行时间法（ToF）3D 视觉技 术，由此苹果逐步加快其在 ToF 技术方面的布局。2017 年 9 月以来，苹果的 iPhoneX、iPhone 11、iPhone 12 手机系列均搭载了前置结构光 3D 视觉传感器，并在 iPhone 12 Pro 上同步搭载了 基于 dToF 技术的后置激光雷达扫描仪。安卓端包括华为 Mate 系列、P 系列，OPPO Find X，魅 族 17 Pro、18 Pro 等众多智能手机分别在前置和后置视觉传感器中尝试使用结构光或 ToF 技术的 3D 视觉传感器。随着智能手机前、后置的 3D 视觉应用的不断探索，诸如解锁、支付、拍照、AR 互动、图片美化、三维空间扫描等功能，加上 3D 视觉感知技术的不断成熟和迭代所带来的软硬 件成本下降，3D 视觉传感器在中端机型中普及，乃至下探至低端机型当中，其在智能手机领域的 渗透率不断提升。

生物识别领域，3D 视觉感知技术以 3D 人脸识别方法呈现。生物识别是一种通过计算机、光学、 声学、生物传感器等多种学科技术密切结合，利用人体固有的生理特性如指纹、人脸、虹膜等， 以及行为特征包括笔迹、声音、步态等进行个人身份鉴定的方法。随着对于身份识别和保密需求 的日益增加，各类新兴生物识别的技术不断发展，通过 3D 视觉感知技术实现的生物识别方法逐 渐落地于不同的应用场景。目前，3D 人脸识别技术主要用于 3D 刷脸支付和 3D 门锁门禁两大场 景。

3D 刷脸支付起源于 2018 年，支付宝率先发布“蜻蜓”3D 刷脸支付终端；2019 年，微信的 3D 刷脸支付终端“青蛙”上线，同年银联系试点的 3D 刷脸支付终端“蓝鲸”正式发布。相较于银 行卡支付和 QR 码支付，3D 刷脸支付更加快捷便利，无需输入密码即可完成支付验证。搭载 3D 人脸识别的门锁、门禁则避免了接触式的识别过程，相较传统的密码锁和指纹锁给用户带来了更 高的便利性，且 3D 人脸识别技术的特点（如较高的识别精度和稳定性）与门锁门禁的安全性需 求天然契合。根据 RUNTO 数据，2019 年我国智能门锁总销量达 1400 万套，到 2023 年售出 1801 万套，5 年间复合增长率为 6.5%。即使在疫情持续的三年期间，中国智能门锁市场仍坚韧 地保持了增长势头。

在 AIoT 领域，3D 视觉传感器已开始装载于 AR/VR 穿戴设备、服务型机器人等终端。2024 年一 季度苹果新发售的 MR 头显穿戴设备 Apple Vision Pro 使用了深度传感器——激光雷达和 3D 结构 光深度相机 TrueDepth，并叠加多颗 SLAM 摄像头，以实现对周围环境的三维重建，使得虚拟的 立体影像更好地叠加在现实场景中，并做到识别人的手势、动作从而完成人与虚拟影像的交互体 验。其他很多 XR 设备则配置了 3D 视觉传感器——ToF 相机，如 Hololens2 使用了 ADSD3100 的 1MP 分辨率 iToF 模组，Magic Leap2 使用了 PMD 的 VGA 分辨率 iToF 模组。

在服务型机器人上，3D 视觉传感器能够充当机器人的“眼睛”，帮助其高效完成人脸识别、距离 感知、避障、导航等功能。目前已落地的服务机器人类型包括扫地机器人、自动配送机器人、引 导陪伴机器人等，适用于家庭、餐厅、旅馆、医院等多个线下场景。2024 年初，人形机器人进展 频出，特斯拉新公开的 optimus gen2 已经在自主导航、物体识别和人机交互方面取得了显著成果；搭载 OpenAI 的多模态大模型的 Figure 01 充分展示了和人类以及环境交互的能力，能够推理，自 行识别、计划和执行有用的任务。这些功能的实现都有赖于 3D 视觉传感器。随着机器人、尤其 是人形机器人行业的逐步成熟，3D 视觉传感器的可想象空间也不断增长。 3D视觉传感器还能搭载于 3D 体态仪、监护设备，3D体态仪可以快速采集对象的体型数据，发现 不良体态、肥胖类型等健康风险；搭载 3D 视觉传感器的监护设备可以在家中进行实时监测，基 于深度点阵图识别等技术通过仅采集人体的 3D 信息（无需采集图像信息）来完成对监护对象的 动作、姿态识别和预警。综上，3D 视觉感知技术在 AIoT 领域仍有许多潜在可挖掘的应用场景， 这为行业的长期市场需求快速增长奠定了基础。

1.3 3D 视觉感知行业市场规模有望高速增长

2022 年全球 3D 视觉感知行业的市场规模超 500 亿元，2028 年将超千亿元。参考 Yole 的统计预 测数据，越来越多的笔记本会配备 3D 视觉人脸识别模块，平板会配置后置 3D 视觉 ToF 模块； 同时随着 24 年 Q1 苹果 Vision Pro 的正式发售，配备 3D 视觉传感器的 XR 设备有望加速成熟； 机器人和汽车两个细分下游，也将随着3D视觉传感器的渗透率提升而形成可观增量。综上，Yole 预测全球 3D 视觉感知的市场空间将从 2022 年的 82 亿美元增长至 2028 年的 172 亿美元，其中 消费电子领域从 2022 年的 39.8 亿美元增长到 2028 年 58.1 亿美元，CAGR 6.5%，汽车领域从 2022 年的 6.6 亿美元增长到 2028 年 46.4 亿美元，CAGR 38.5%。

2. 3D 视觉技术多元化，结构光和 ToF 方案主导市场

2.1 3D 视觉感知以光学测距为底座，技术原理多元化

3D 视觉感知中最关键的深度信息依赖于光学测距原理，光学测量可获取目标与观察者之间的距 离，光学测距分为多种技术流派。按技术原理划分，光学测距包括主动测距和被动测距两大类。 光学主动测量方法需要人造光照射物体，通过分析物体反射光的相位振幅变化或直接测量光的传 播时间来计算深度距离，由于人造照射光源的使用，该类方法隐蔽性和抗干扰性较弱，包括结构 光和飞行时间（ToF）两种技术。被动测距方法通过探测物体的自然光辐射、分析确定距离，无 需发射人造光，因此隐蔽性较强，但同时成像清晰度也易受到自然光照条件和物体纹理的影响。 被动测距法涵盖单目立体视觉、双目立体视觉和多目立体视觉。

目前在市场上占据主导地位的 3D 视觉感知技术是结构光、ToF 和双目立体视觉。根据 Yole 统计， 2018-2022年，销量占比前三的 3D视觉传感技术始终是结构光、ToF和双目立体视觉，三者销量 比例之和超过九成。

2.2 3D 视觉感知技术各有所长，适用不同领域

双目/多目立体视觉的基本原理是从两个（或多个）视点观察同一景物，以获取在不同视角下的感 知图象，通过三角测量原理计算图像像素间的位置偏差（即视差）来获取景物的三维信息，这一 过程与人类通过左右双眼获得立体感知过程类似。双目/多目视觉测距的过程主要分为摄像机标定、 立体校正、立体匹配和三维重建共四个环节，其中摄像机标定和立体校正理论已经比较成熟，而 立体匹配作为关键的视差求取步骤，立体匹配算法的精度对测量结果的准确度影响极大，目前算 法仍比较复杂，还在持续研究改进。 双目立体视觉无需对外主动投射光源；完全依靠拍摄的两张图片（彩色 RGB或者灰度图）来计算 深度，因此测距设备仅需两台参数一致的摄像机，对相机硬件要求低、成本低。劣势是双目视觉 对环境光照非常敏感，依赖环境中的自然光线采集图像，鲁棒性差；并且最大的问题是立体匹配 算法复杂，算法精度对结果准确度影响大。

结构光法主动测距通常是将人造光源发射的某种形状的（点状、条状、面状）结构光投射到目标 物表面，接收器收到返回的结构光图案，检测结构光偏移畸变距离，利用三角测量原理计算分析 得物体的三维信息。一般结构光光源采用特定波长的不可见红外激光，激光光源具有高亮度和良 好的方向性，是一种较理想的主动投射光源。 常见的结构光包括散斑结构光和编码结构光。散斑结构光是激光在散射体表面发生漫反射或通过 一个透明散射体（如毛玻璃）时，在散射表面或附近的光场形成的一种无规分布的亮暗斑点，具 有高度的随机性，在同一空间中任何两个地方的散斑图案都不相同。只要在空间中打上散斑结构 光然后加以记忆，就可以标记整个空间，在此情况下把一个物体放入这个空间后只需要从物体的 散斑图案中特征点的畸变位移量，就可以计算出该物体的具体三维位置。编码结构光是按一定时 间和空间规律设计的编码图像，将其投射到目标物体表面，再使用摄像机接收反射的编码图案， 由于接收的编码图像因物体的立体型状而发生变形，所以可以凭借图像的形变来获得物体的空间 信息。从技术本质我们可以看出，散斑结构光的安全性与计算复杂程度高于编码结构光。

结构光的硬件方案由 TX 红外光发射模组、RX 红外光接收模组、可见光 RGB 模组和图像处理芯 片构成。TX 红外光发射模组和 RX 红外光接收模组负责深度信息的感应，红外光发射模组中的发 射源发出不可见红外光，经过准直镜头校准，再通过光学衍射元件（DOE）散射形成具有特定图 案的结构光；红外光接收模组是一颗红外摄像头，用于接收被物体反射的红外光，主要包括光学 镜头、红外窄带干涉滤色片、红外 CIS 传感芯片三部分。红外窄带滤光片需要剔除环境杂光，只 允许 TX 发射模组射出的不可见红外光透过，从而让红外 CIS 只感应到特定结构光的信号。可见 光 RGB 模组即可见光摄像机，负责拍摄 2D 彩色图片，感应目标物的色彩纹理信息。图像处理芯 片则将红外光接收模组采集的深度信息与普通可见光镜头模组拍摄的色彩信息相结合，通过算法 最终生成具备空间信息的三维图像。 结构光技术既不需要使用精准的时间延时来测量，又无需使用双目立体视觉中复杂的立体匹配算 法，所以具有计算简单、测量精度较高的优势。同时结构光采用主动发射的红外光光源，因此对 于弱光环境、无明显色彩和形状变化的表面都可进行精密测量。但另一方面，结构光的接收模组 需要拍摄到清晰的图案才能计算出深度，随着目标物距离的增加，发射模组投出的图案可能会模 糊，也可能发生亮度能量的衰减，从而导致目标的深度图不完整，所以结构光并不适用于远距离 深度信息采集。 苹果手机多采纳结构光作为 3D 人脸识别功能方案。2017 年苹果发布 iPhone X，首次搭载前置 3D 结构光视觉传感器，用于人脸解锁、人脸支付等功能。且在 iPhoneX 后续手机系列，包括 iPhone 12 Pro、iPhone13 Pro、iPhone 14 Pro、iPhone 15 Pro Max，均搭载了前置结构光 3D 视觉传感器。

ToF（Time of Flight）飞行时间法主动测量的原理是，通过泛光照明器（固态激光器或者 LED） 发射近红外（~850 nm 或 940nm）的连续或脉冲波，脉冲波遇到物体以后反射回来，被传感器 （sensor）收集到。系统通过计算 sensor 上每个像素脉冲波之间的频率差或时间差，再通过算法 得到每个位置的精确三维深度。 ToF 技术根据测量方式，分为直接飞行时间测量（Direct-ToF，即 dToF）和间接飞行时间测量 (Indirect-ToF，即 iToF)，dToF 直接计算红外光发射和接收时间差来测量深度信息，而 iToF 通 过计算红外光发射和返回相位差进而得到目标的距离深度。因 dToF 使用的接收端 SPAD（单光 子雪崩传感器）工艺复杂、设计难度大、能生产的厂家资源少，iToF 接收端 CIS 传感器与传统红 外光 CIS 技术类似，工艺已经十分成熟，因此 dToF 成本要高于 iToF。很多厂商选择在产品上搭 载 iToF 方案，例如 2016 年 Google 和联想合作推出的全球首个搭载 ToF 模组的智能手机 Phab2 Pro、OPPO 首部搭载 ToF 摄像头的 OPPO R17 Pro、华为 Mate 30 系列手机以及大多数安卓品 牌的旗舰机型；而选取了 dToF 技术路线的厂商主要是苹果，代表产品为 2020 年发布的第四代 iPad Pro。

2.3 iToF 与结构光技术的应用范围广阔

双目立体视觉、结构光（散斑/编码）、ToF（dToF/iToF）在适用工作距离、工艺难度与成本、 分辨率和测量精度等属性方面区别较大，因而可应用的领域也有所不同。iToF 在 3-5 米距离范围 的测量精度高、分辨率尚可，常用于 VR/AR、手机前置和后置镜头；dToF 在远距离的测量精度 高，可用于手机后置和平板后置，较高的工艺难度和成本使得dToF应用不够广泛；结构光在2米 以内的近距离测量分辨率和精度都很高，因此普遍用在刷脸支付、刷脸门锁、安防监控、手机前 置等功能，新一代 MR穿戴设备 Apple Vision Pro 也运用了结构光技术；双目立体视觉精度较低， 在室外机器人等范畴有所应用。

3. 光源和光学元件价值丰富，3D 视觉行业合作与竞争 并存

3.1 VCSEL 和光学元件是 3D 视觉传感器中的高价值部件

占据市场主导地位的结构光和 ToF 两种 3D 视觉感知技术，硬件组成均涵盖 4 个部分：红外光发 射模组、红外光接收模组、可见光 RGB 模组和图像处理算法芯片。但两种路线由于底层原理不 同，四个组成模块所包含的具体部件也有轻微差别。总体而言，两类方案中价值量较高的组件为 VCSEL 发射器和一系列光学元件。 红外光发射模组：结构光和 ToF 两者都采用 VCSEL 发射器居多，但 ToF 因为发射面光源需要调 制连续的方波或正弦波，需要专门的驱动控制芯片来驱动 VCSEL 发射红外光束，结构光则不需 要。在发射模组的光学元件方面，结构光技术的复杂度和成本远高于 ToF，主要源于结构光方案 需要采用特定图案（散斑或编码）进行空间标识，需定制的衍射光学元件 DOE和晶圆级光学透镜 （包括扩束元件、准直元件、投射透镜等），然而 ToF 方案使用的光学元件只有技术难度较低的 漫射体 Diffuser。

红外光接收模组：镜头、红外窄带滤光片和接收端传感芯片是结构光和 ToF 技术的必要组成。 ToF 模组中的接收端传感芯片价值量高于结构光，且 dToF 采用的 SPAD 传感芯片成本比 iToF 的 CIS 传感芯片更高。 可见光 RGB 模组：结构光和 ToF 方案均内置传统摄像头模组，工艺成熟且价格相对稳定。 图像处理算法芯片：ToF 技术计算简单，不需要专门的算法芯片；结构光一般需要专门的算法芯 片，诸如奥比中光的 ASIC 芯片、苹果针对刷脸的人工智能芯片等。

3.2 技术优势突出，VCSEL 红外光发射器成为最优选择

目前，可以提供不可见近红外光（波长范围 800-1000nm）的光源主要有三种，红外 LED、红外 LD-EEL（边发射激光二极管）和 VCSEL（垂直腔面发射激光器）。这三种光源都使用半导体制 程制造，其中 LED 和 VCSEL 发光从表面垂直方向发出，EEL 从侧面发出，这种模式决定了 LED 和 VCSEL 都可以在 Wafer（晶圆薄片）上进行片上测试，而 EEL 要把 Wafer 切开后形成单个零 部件封装后才能进行测试，因此成本上 EEL 最高。光谱宽度方面，VCSEL 和 EEL 都是受激发光， 属于激光，光谱宽度很窄；LED属于发光半导体，光谱宽度较宽。光束质量上，VCSEL可以提供 相对小发散角、质量高的光束，而 LED 发光是 Lambertian，EEL 发出的是椭圆形光束，常需要 光束整形。与分辨率低、电光转换效率低的红外 LED 相比， VCSEL 采用谐振腔设计，具有发散 角小、光电转换效率高、数据传输速度快等优点；与边发射激光二极管 LD-EEL 相比，VCSEL 具 有较低的生产成本，发光光束具有圆形对称性和高调制频率的优点；因此 VCSEL 在 3D 视觉传感 器领域更受青睐，已成为结构光和 ToF 模组中红外光发射器的最优先选择。

VCSEL 的制造依赖于 MBE（分子束外延）或 MOCVD（金属有机物气相沉积）工艺，在 GaAs （80%左右的份额）或 InP（15%左右的份额）晶圆上生长多层反射层与发射层，元件结构较复 杂，对技术要求高。VCSEL 元件供应链主要包括 GaAs 基板、GaAs 磊晶、IDM/晶圆代工、封测 等环节。GaAs 基板材料经磊晶后形成复杂材料结构，随后送到 IDM 厂进行加工，或发包给制造 和封测代工厂进行后续制造、封装与测试等步骤，最终生产出完整 VCSEL 元件。整个产业分工 高度明确，专业化程度很高，拥有较高的技术门槛。

3.3 光学元件作为 3D 视觉感知的技术基石

DOE（衍射光学元件）是结构光方案的重中之重。结构光 3D 视觉传感器中，DOE 光栅表面具有 三维的微结构，尺寸都在微米甚至纳米级别。DOE 的作用就是利用光的衍射原理，令光源发出的 光束被 DOE 表面的浮雕结构调制改变相位，从而实现光束的调制和变化，在一定距离处产生干 涉，形成特定的散斑或编码结构光图案。DOE 元件具有体积小、重量轻、使用方便、可灵活定制、 衍射效率高的优点，是结构光能够计算深度信息的硬件基础之一。其制造工艺复杂、门槛较高， 例如苹果手机 DOE 组件由台积电采购玻璃后进行 pattern， 精材科技将台积电 pattern 后的玻璃 进行堆叠、封装和研磨，然后交采钰进行 ITO （导电玻璃制造工艺）工序， 最后由精材科技进行 切割。因此仅有少数国内厂商能够量产 DOE 元件。

ToF 方案的发射成像元件主要运用扩散板（Diffuser）。ToF 的发射光束只需形成最常规的规则 排列的均匀面，并不像结构光那样对图案有一定要求，因此光学器件制作上更为简单，装配精度 要求也更低。Diffuser 本质上属于波束整形器，对输入光束进行均一化，通过使较大折射角处具 有更大屈光度，使得较窄的光束扩展到更宽的角度范围内，并具备均匀的照明场。TOF 中的 Diffuser 的设计制作难度，较之结构光发射模组中的 DOE 大大降低，所以 Diffuser 厂商数量比 DOE 多，主要有 Viavi、Finisar、Himax、舜宇光学，其中舜宇光学是我国 Diffuser 主要供应商。 晶圆级光学透镜常用于结构光方案的是准直镜头，有时会与扩束元件、投射透镜等形成微透镜阵 列。准直镜头使发散的激光光束达到平行、均匀光斑的状态。WLO（晶圆级）工艺在整片玻璃晶 圆上，用半导体工艺批量复制加工镜头，将多个镜头晶圆压合在一起，然后切割成单颗镜头。 WLO 工艺非常适合大量生产，规模效应加持下成本很低，能生产出具有可塑形、薄型、小型、一 致性好的光学产品，更适合移动端消费电子设备；制造的光学透镜之间的位置精度可达纳米级， 可以有效缩减占据模组的体积空间。WLO 技术具有很高技术壁垒，全球具备规模量产能力的厂商 极少。目前，WLO 技术主要掌握在 Heptagon（被 AMS 收购）、Himax、VisEra 采钰、 Anteryon（被晶方科技收购）等厂商手中，而 Heptagon 把控着大部分专利。

红外接收模组中的红外窄带滤光片在结构光和 ToF 技术中扮演着关键角色。目前，红外光技术常 被用于获取 3D 景深信息，而地表太阳光中近红外光频段内 940nm 处较为薄弱，因而 940nm 红 外窄带滤光片被广泛使用于各类生物识别滤光片，包括人脸识别、指纹识别、手势识别、3D 传感 等，装载于智能手机、AR/VR 设备等终端。对于结构光和 ToF 方案的 3D 视觉传感器，在红外发 射端，VCSEL 发射 940nm 波长的红外光；在红外接收端，使用红外窄带滤光片阻止偏离 940nm 波段的光信号进入 CIS 图像传感芯片。红外窄带滤光片的生产流程需要经过研磨、抛光、超声清 洗、在晶片表面蒸镀几十层光学镀膜、并划片包装，相比普通的 RGB 吸收型滤光片具有更高的 技术难度和产品价格。目前行业内主要供应商为 VIAVI 和国内的水晶光电。

3.4 3D 视觉传感器处快速发展期，合作与竞争并行

科技巨头、芯片企业和初创公司是 3D 视觉行业内的主要参与者。目前，市场上已开展 3D 视觉相 关技术与产品研发的代表性企业包括苹果、华为、微软、英特尔、索尼、三星等科技巨头企业， 还包括英飞凌、瑞芯微、华捷艾米、奥比中光等企业。微软是业内最早推出消费级 3D 视觉传感 器的企业，经过多年发展，已推出了结构光、iToF 技术的 3D 视觉传感器面向市场销售，推动了 3D 视觉感知技术的发展；苹果、华为主要面向自主终端产品（智能手机、平板设备等）对 3D 视 觉感知技术需求，自研 3D 视觉传感器以服务于自家产品；英特尔则面向开发者、机器人等多个 应用场景推出了多款产品。索尼、三星借助于自身在感光芯片方面的实力，在 iToF、dToF 技术 上进行发力，推出了相应的感光芯片产品，面向业内其他企业销售。英飞凌、瑞芯微、华捷艾米 也向市场推出了各自研发的 3D 视觉传感器产品。 3D 视觉市场格局未定，合作与竞争并行。3D 视觉感知行业属于新兴行业，在消费电子、生物识 别、AR/VR、机器人、汽车等领域中具有广泛应用场景，正处于快速发展的阶段，还没有形成稳 定的竞争格局。现在行业内各厂商偏向于竞合关系，既存在部分竞争关系也有潜在的合作关系， 多数企业是基于自身的技术优势或产品需求进行技术与业务布局。例如苹果、华为、三星拥有智 能手机等终端产品，目前大都采用自研的 3D 视觉感知技术方案，但不排除未来随着产业链逐渐 成熟，当外购产品性能及成本更优时会进行同步外采。三星、索尼的图像传感器芯片也会向业内 其他企业供货，让下游企业基于该芯片，研发面向特定应用场景的 3D 视觉传感器产品。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）