以上图来辅助说明，ƒ就是调制频率，蓝线表示发出时的光波函数，红线表示返回时的光波函数，它们之间产生了相位角差值φ，那么利用相位角配合公式：d=c·φ/4πƒ就可以算出物体和TOF深感镜头的距离了。3、手机端TOF镜头实例根据这个原理，除了拍照，华为手机已经集成了深感镜头的测距功能，看下面这个例子，我们通过手机来聚焦一副眼镜，完成后点击中间的圆点就可以开始测量，选择起点和终点，手机就能显示出被测点之间的长度。
深感摄像头的应用及前景根据咨询机构的统计预测，得益于手机终端等电子设备的科技发展，和数码消费的火爆市场，可全球3D成像与传感的市场规模到2022年将达到90亿美元，而这一数字在2016年才13亿美元。CAGR即复合年均增长率能达到近38%。前面说的3种深度感知成像技术在军事、工业、医疗、汽车、家居等方面都有着大量的应用，下面讲解几个跟大家平时使用较为密切的应用，比如：1、人脸识别、动作识别如苹果公司的产品iPhone X的前置摄像头就是搭载了结构光技术，可以在近距离下识别手势动作和人脸，是一种便捷又安全的识别模式，支持用来进行人脸支付或解锁等操作。
除了识别人脸，还能识别手势、动态，比如捕捉动作的体感游戏，还有用手势控制智能家电的开关、亮度。2、配合手机相机功能如今华为、OPPO等手机厂商的相机功能已经越来越“浮夸”，都是高清主摄 超感光 超广角 长焦 景深镜头，这里的景深镜头就是TOF深感摄像头，得益于集成电路和电子传感器的突破技术，现在TOF技术也可以做的很小，集成到手机里，并实现较远距离的拍摄。
景深镜头摄入的景象肯定是比其他镜头更准确，但它并不能单独进行摄像，因为分辨率不够高，所以要搭配一颗或几颗高清的主摄像头。3、AR、全息影像等TOF技术的景深功能能较好地获取物体不同部位的具体深度信息，可以用来实现3D方位上的很多不同场景应用，比如配合第三方提供的数据可以实现AR场景展现、虚拟换装等效果。
想学unity 3d 有什么好的培训单位？
题主学习u3d，我这里姑且认为题主是想走游戏开发的道路。问题很敏感，不直接回答，只提供一个判断思路：培训单位是否靠谱，首要考虑两个要素：教学质量与学习氛围。1、教学质量：可主要从老师经历和班级规模两个维度上来评判：直接授课的老师一定要有多年游戏行业一线从业经验。游戏开发是一个实践性极强的领域，没有成熟上线产品经验，一切都只能停留在纸上谈兵。
至于班级规模，一个班的学生自然是越少越好。单班规模越大，能学好的概率越低。感受一下下图：2、学习氛围好坏这块相对不太容易获取，往往需要实际去现场体验，甚至试听一些课程才能感受到。学习是一个需要持续获取正反馈的行为，这在游戏开发领域表现得尤其明显，而正反馈的直接动力之一，就是良好的氛围（老师与同学之间、同学与同学之间等）。
同样是3D传感技术，TOF和结构光到底谁更具优势？
2017年9月，苹果推出了全球首款搭载3D结构光技术的智能手机——iPhone X，并且以实现了3D人脸识别Face ID彻底取代了Touch ID指纹识别，随后众多手机大厂开始跟进，3Dsensing市场被彻底引爆。根据第三方权威市调机构Yole的预测数据也显示，全球3D成像和传感器的市场规模在2016–2022年的CAGR为38%，2017年市场规模18.3亿美元，2022年将超过90亿美元。
其中，消费电子是增速最快的应用场，2016–2022年的CAGR高达160%，到2022年市场规模将超过60亿美元。数据来源：Yole Developpement（单位：百万美元）相比之下德银的数据更为乐观，根据德银预测，3D sensing的渗透率有望从2017年的3%提高到2018年的6%，2019年的20%和2020年的38%，搭载3D sensing的智能手机出货量有望从2017年的3800万部提高到2020年的6.35亿部。
整个市场规模有望从2017年的7亿美金提高到2020年的140亿美金，4年间年复合增长率高达173%。目前，主流的3D成像技术主要有三种，分别是双目主动立体视觉，结构光和TOF（Time Of Flight）。从技术上来看，双目成像虽然有着3D成像分辨率高、精度高、抗强光干扰性强、成本低等优势，但是其缺点也非常明显，比如其算法非常复杂、容易受到环境因素干扰、依赖环境光源、暗光场景表现不佳等。
因此目前在手机上应用相对较少。3D结构光虽然识别距离相对较短（作用距离大约0.2米到1.2米，甚至更远一点），模组结构也比较复杂，成像容易受强光干扰，成本也相对较高，但是其通过一次成像就可以得到深度信息，能耗低、成像分辨率高，非常适合对安全级别要求较高的3D人脸识别、3D人脸支付等方面的应用。而且由于苹果iPhone X的率先应用3D结构光技术的带动，该技术目前已经非常成熟。
