机器人 ToF（飞行时间）传感器在强光下的抗干扰能力，已经从早期的一个显著短板，发展成为当前技术竞争的焦点。总的来说，其表现因技术路线和具体产品的设计水平而异，不能一概而论。

简单来说，传统的 ToF 传感器在强光下确实容易“失明”，但新一代的产品通过硬件革新和算法优化，已经能够在高达 160,000 lux（相当于正午阳光直射）的环境下稳定工作。

🤔 为什么强光曾是 ToF 的“天敌”？

ToF 传感器通过发射近红外光（通常是 940nm 波长）并计算其往返时间来测距。问题在于，太阳光中恰好含有大量相同波段的能量。

• 信号被淹没：在户外强光下，环境中的太阳光能量远超传感器自身发射的微弱信号，导致有效信号被“淹没”在背景噪声中，信噪比急剧下降。
• 精度下降甚至失效：这会导致测距误差从室内的厘米级扩大到十厘米以上，甚至出现数据跳变、漂移或完全失效。这也是为什么早期的 AR 导航或扫地机器人在阳光直射下性能会大打折扣。

🛡️ 新一代技术如何实现“逆袭”？

面对这一物理瓶颈，行业主要通过以下三种路径来提升抗干扰能力：

1. 硬件革新：从源头提升信号质量

• 采用 dToF 与 SPAD 技术：相比传统的 iToF，直接飞行时间（dToF）技术本身就具有更强的抗干扰性。特别是搭载了单光子雪崩二极管（SPAD）的传感器，其对单个光子都极其敏感，能够从海量背景光中精准捕捉到微弱的反射信号，从根本上提升了信噪比。
• 使用特殊波长：部分高性能激光雷达采用 1550nm 波长的激光，这个波段在太阳光谱中的能量占比较低，能天然地规避大部分阳光干扰，但成本也更高。
• 优化光学设计：通过集成高性能的窄带光学滤光片，只允许传感器自身发射的特定波长光线进入，有效过滤掉其他波段的环境光。

2. 算法进化：智能剥离噪声

• 背景光消除（BGC）：传感器会通过快速交替开关光源，分别采集“信号+背景光”和“纯背景光”的数据，然后通过算法将背景光成分减去，从而提取出纯净的有效信号。
• 智能抗干扰算法：例如，集成“时间相关光子阈值”等算法，动态判断并剔除不符合信号特征的噪声光子，进一步提升在复杂光照下的测量稳定性。

3. 融合感知：多传感器协同

• RGB x ToF 融合：将 ToF 深度感知与 RGB 高清成像集成在一个传感器中。RGB 相机可以提供丰富的纹理和颜色信息，辅助 ToF 数据在强光下进行校正和补偿，实现更鲁棒的感知。
• 多技术融合：将 ToF 与结构光、视觉 SLAM 等技术结合，取长补短。例如，光鉴科技发布的 sToF 方案就融合了 ToF 与结构光，宣称能在全环境下实现稳定感知。

📊 市场主流产品抗强光能力一览

目前，市场上已有不少专为户外或强光环境设计的 ToF 传感器，它们的抗干扰能力非常出色。

产品/方案：北极芯微 DTS6012M

抗强光能力：可在 12米 距离抵抗 160,000 lux 强光

核心技术亮点：集成时间相关光子阈值抗环境光算法，基于 SPAD 技术。

产品/方案：索尼 AS-DT1

抗强光能力：可在 100,000 lux 环境下稳定工作

核心技术亮点：采用 dToF 技术和 SPAD 传感器，配合特殊光学滤镜和算法。

产品/方案：光微 ND04C (TOF PLUS)

抗强光能力：可在 100,000 lux 强光下保持高精度

核心技术亮点：通过特殊光学设计和红外滤光片，提升信噪比。

产品/方案：联合影像 RGBxTOF

抗强光能力：阳光直射下深度误差控制在 1% 以内

核心技术亮点：全球首款 RGB 与 ToF 融合的相机，通过多模态信息互补。

总而言之，机器人 ToF 传感器的抗强光能力已经取得了长足进步。在选择时，不能仅看“是否支持户外”的宣传，而应重点关注其具体的抗环境光指标（如 lux 值）、所采用的技术路线（如 dToF+SPAD）以及在低反射率物体上的表现