TOF-Kamera

Eine TOF-Kamera besteht mindestens aus folgenden Komponenten:

• Beleuchtungseinheit: Mit ihr wird die Szene beleuchtet. Hier werden entweder LEDs oder Laserdioden verwendet, die genügend schnell moduliert werden können, damit der Sensor einwandfrei die Laufzeit messen kann. Die Pulsdauer bewegt sich dabei im Nanosekundenbereich. Die Beleuchtung sendet meist im nahen Infrarot, damit die Umgebung nicht durch die Kamera gestört wird.
• Optik: Eine Optik sammelt das von der Umgebung reflektierte Licht wieder ein und bildet die Szene auf dem Sensor ab. Ein optischer Bandpassfilter lässt nur die Wellenlänge durch, mit der auch die Beleuchtung arbeitet. Somit wird ein großer Teil des störenden Hintergrundlichtes eliminiert.
• Sensor: Das Herzstück der TOF-Kamera ist der Sensor, der die Laufzeit für jeden Bildpunkt separat misst. Der Bildsensor ähnelt dabei anderen Chips für Digitalkameras mit dem Unterschied, dass ein Pixel um einiges komplizierter aufgebaut ist: Es muss nicht einfach das einfallende Licht sammeln können, sondern die Laufzeit messen. Durch den komplizierteren Aufbau sind die Pixel im Vergleich zu Digitalkameras groß, sie erreichen Seitenlängen bis 100 µm. Die bisher höchste Auflösung von ToF-Sensoren beträgt 204 × 204 Pixel bei einer Kantenlänge von 45 µm.
• Ansteuerelektronik: Die Beleuchtung und der Sensor müssen mit einer aufwendigen Elektronik angesteuert werden, um eine möglichst hohe Genauigkeit zu erzielen. Verschieben sich die Ansteuersignale zwischen Beleuchtung und Sensor nur um 10 ps, so ändert sich die gemessene Distanz schon um 1,5 mm.
• Auswertung/Interface: Direkt im Kamerasystem geschieht meist auch die Berechnung der Distanz aus den gemessenen Werten. Dazu werden auch Kalibrierwerte im System abgespeichert. Als Schnittstelle kommt unter anderen USB oder Ethernet zum Einsatz.

Prinzip von TOF-Kameras

Die einfachste Form von TOF-Kameras arbeitet mit Lichtpulsen: Die Beleuchtung wird für einen kurzen Moment eingeschaltet, der Lichtpuls beleuchtet die Szene und wird an den Objekten reflektiert. Das Objektiv der Kamera sammelt dieses Licht und bildet die Szene auf dem Sensor ab. Abhängig von der Distanz erfährt das auf die einzelnen Pixel auftreffende Licht eine Verzögerung. Da sich das Licht mit Lichtgeschwindigkeit (in der Luft ca. 299.710 Kilometer pro Sekunde) ausbreitet, sind diese Zeiten sehr klein: Die Laufzeit des Lichts von der Kamera zu einem 2,5 m entfernten Gegenstand und zurück zur Kamera beträgt:

${\displaystyle t_{\mathrm {D} }=2\,{\frac {D}{c_{\mathrm {luft} }}}=2\,{\frac {2{,}5\,\mathrm {m} }{299.710\,\mathrm {km} \,\mathrm {s} ^{-1}}}\approx 16{,}7\,\mathrm {ns} }$

Aufgrund des Auswertungsprinzips (s. u.) bestimmt die Pulslänge der Beleuchtung t₀ den maximalen Distanzbereich, den die Kamera abdecken kann. Mit einer Pulslänge von 50 ns können Distanzen bis zu

${\displaystyle D_{\mathrm {max} }={\frac {c_{\mathrm {luft} }\,t_{0}}{2}}={\frac {299.710\,\mathrm {km} \,\mathrm {s} ^{-1}\cdot 50\,\mathrm {ns} }{2}}\approx 7{,}5\,\mathrm {m} }$

gemessen werden. Diese kurzen Zeiten zeigen, dass die Beleuchtung ein kritischer Teil des Systems ist. Nur mit ausgesuchten LEDs oder mit aufwendiger anzusteuernden Lasern ist es möglich, solch kurze Pulse zu erzeugen.

Die einzelnen Pixel bestehen aus einem fotoempfindlichen Element (z. B. Fotodiode), es wandelt das Licht in einen Strom um. An die Fotodiode sind einer oder mehrere schnelle Verschlüsse oder Schalter angebracht, welche nur für einen ganz bestimmten Zeitraum das elektrische Signal durchlassen. Ein nachgeschaltetes Speicherelement summiert das Signal auf.

In der Beispielskizze arbeitet das Pixel mit 2 Schaltern (G₁ und G₂) und Speicherelementen (S₁ und S₂). Die Schalter werden mit einem Pulssignal mit der gleichen Länge wie der Lichtpuls angesteuert, wobei das Steuersignal für G₂ um eine Pulslänge verschoben ist. Trifft nun das reflektierte Licht verzögert auf das Pixel auf, so gelangt nur ein Teil des Signals in das Speicherelement S₁, der andere Teil wird in S₂ gesammelt. Je nach Distanz verändert sich also das Verhältnis von S₁ und S₂, wie es in der zweiten Grafik dargestellt ist. Da innerhalb von 50 ns nur sehr wenig Licht gesammelt werden kann, wird nicht nur ein Puls, sondern mehrere Tausend mit einer Repetitionsrate von (t_R-1) ausgesandt und gesammelt, was die Signalstärke erhöht.

Nach der Aufnahme werden die Pixel ausgelesen, und die nachfolgende Stufe misst die Signale S₁ und S₂. Da die Länge des Lichtpulses bekannt ist, kann die Distanz wie folgt berechnet werden:

${\displaystyle D={\frac {c_{\mathrm {luft} }\,t_{0}}{2}}\cdot {\frac {S_{2}}{S_{1}+S_{2}}}}$

Im Beispiel sind S₁ = 0,66 und S₂ = 0,33. Die Entfernung ist somit

${\displaystyle D\approx 7{,}5\,\mathrm {m} \cdot {\frac {0{,}33}{0{,}66+0{,}33}}=2{,}5\,\mathrm {m} }$

Hintergrundlicht ergibt auf den beiden Speicherelementen einen zusätzlichen Signalanteil. Um diesen zu eliminieren, kann die Aufnahme noch einmal mit inaktiver Beleuchtung durchgeführt werden und diese Werte von den Signalen mit Beleuchtung abgezogen werden. Sind die Objekte weiter als der Distanzbereich entfernt, so ergeben sich mit der obigen Formel falsche Distanzwerte. Das kann auch mit einer zweiten Messung, bei der die Schaltsignale nochmals um t₀ verschoben werden, unterdrückt werden. Andere Systeme arbeiten anstelle der Pulse mit einer Sinusmodulation, bei der die Anforderungen an die Flankensteilheit der Beleuchtung kleiner sind.

• LIDAR

• Pia Breuer: Entwicklung einer prototypischen Gestenerkennung in Echtzeit unter Verwendung einer IR Tiefenkamera. 2005 (Universität Koblenz Landau; Diplomarbeit; PDF-Datei; 2,80 MB; Gestenerkennung mit TOF-Kameras)
• Martin Profittlich: Minority Report -Futuristische Interface-Technologien durch 3D-Bildverarbeitung. In: Inspect. Nr. 2, 2009 (HTML-Version, abgerufen am 30. September 2009).
• Christian Schaller, Jochen Penne, Joachim Hornegger: Time-of-flight sensor for respiratory motion gating. In: Medical Physics. Band 35, Nr. 7, 2008, S. 3090–3093, doi:10.1118/1.2938521 (uni-erlangen.de [PDF; 214 kB] Atemdetektion mit TOF-Kameras, TOF-Forschungsgruppe des Lehrstuhl für Mustererkennung Universität Erlangen-Nürnberg).
• Technological overview of Time-of-Flight cameras. Beschreibung der Technologie und Vergleich zu anderen Echtzeit 3-D Erfassungssystemen, Metrilus.de, abgerufen am 13. Juli 2011.

• Stefan Fuchs, Stefan May: Calibration and Registration for Precise Surface Reconstruction with TOF Cameras. (Kalibrierung von TOF-Kameras; englisch; PDF-Datei; 2,49 MB).
• Gesturespace, Arbeit an der Zürcher Hochschule der Künste (Memento vom 26. März 2012 im Internet Archive)
• Website des europäischen Forschungsprojekt ARTTS über den Einsatz von TOF-Kameras
• Project Tango

1. Christoph Heckenkamp: Das magische Auge – Grundlagen der Bildverarbeitung: Das PMD Prinzip. In: Inspect. Nr. 1, 2008, S. 25–28.
2. TOF-Kamera von ESPROS mit bis zu 512 fps. (PDF) Abgerufen am 27. April 2017.
3. Bluetechnix bringt ToF 3D-Kamera mit 160 fps auf den Markt (Memento des Originals vom 17. Juni 2013 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/www.ptext.at
4. Michael Paintner: Alles im Blick – Fahrerassistenz- und Sicherheitsfunktionen mit einer 3D-PMD-Kamera. In: AutomobilKonstruktion. Nr. 2, 2007, S. 66–67 (PDF-Datei; 954 kB).
5. Gerd Kucera: NoAE-Innovationspreis der Automobilindustrie für 3-D-Kamera erhalten (Memento des Originals vom 13. April 2014 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.@1@2Vorlage:Webachiv/IABot/www.elektronikpraxis.vogel.de. In: Elektronik Praxis. 10. August 2009, abgerufen am 11. August 2009.
6. Siehe auch die erste 3D-Industriekamera, die von der Firma ifm electronic GmbH in Zusammenarbeit mit der PMDTechnologies GmbH entwickelt wurde.
7. siehe auch die in einem Forschungsprojekt in der Schweiz zusammen mit dem CSEM entwickelte TOF-Kamera ESPROS/TOF.
8. Frederik Geissler, Rafael Heiß, Markus Kopp, Marco Wiesmüller, Marc Saake: Personalized computed tomography – Automated estimation of height and weight of a simulated digital twin using a 3D camera and artificial intelligence. In: RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren. 3. November 2020, ISSN 1438-9029, S. a–1253–8558, doi:10.1055/a-1253-8558 (thieme-connect.de [abgerufen am 30. Januar 2021]).