Sony：单颗CIS芯片同时实现高分辨率彩色图像采集+iTOF测距

本人对CIS图像传感器的专业知识了解得不多，老本行还是光通信，写得不对请见谅。个人只是觉得CIS领域也挺有意思的，这几年的一些趋势似乎也是各种专用芯片的解耦(Sensor，storage, readout，processing等)和多芯片多晶圆堆叠/先进封装来继续提升性能，而今天分享的这篇索尼在IEDM2024上边的工作，则是通过有机光敏晶体管做可见光图像传感＋硅像素做近红外测距的双层像素堆叠，在不影响原有RGB成像性能的前提下，实现了NIR波段iTOF的无缝融合(无色差无混色的同步信息采集)。

以前报道的实现单个芯片上获取 RGB 图像和测距信息的方法有几种，一种是在同一平面上混合和排列 RGB 像素和测距像素。但这种方法会降低 RGB 像素密度，从而降低图像质量。另一种方法是通过在不同帧之间切换操作模式来获取 RGB 成像和测距信息；但是，它不能同时获取 RGB 成像和测距信息，对于运动物体的深度和纹理精度会有所妥协。也有人提出在硅近红外像素上堆叠硅 RGB 像素；然而，硅会吸收从可见光到近红外的宽波长范围，导致 RGB 像素中的近红外颜色混合和不准确的色彩再现。

本工作的架构是由吸收可见光的全色有机光电导膜制成的 RGB 像素堆叠在近红外（iToF）硅像素上组成。RGB 像素是 1.0μm 的拜耳像素，而测距像素是 4.0μm 的 iToF 像素，一个 iToF 像素上排列着 16 个 RGB 像素。为了减少所需晶体管的数量并实现像素尺寸的小型化，多个像素共享像素晶体管。有机光电导膜形成一个片上滤光片，它吸收可见光但不吸收近红外光，从而能够获取 RGB 图像并抑制近红外颜色混合。iToF 像素吸收透过有机光电导膜的近红外光，在获取测距信息时将可见光噪声降至最低。驱动 RGB 像素的透明导线有效地将近红外光引导至 iToF 像素，确保了高量子效率。RGB 和 iToF 像素之间的 RGB 截止滤光片进一步抑制了 iToF 像素中的 RGB 颜色混合。

其中， 1μm尺寸的有机光电导膜像素下用了氧化物半导体，通过将电子积累和转移到耗尽的氧化物半导体来防止 kTC 噪声。像素晶体管由多个像素共享，减少了所需晶体管的数量并实现了像素尺寸的小型化。RGB 像素结构由 16 个光电探测器和两组放大晶体管、选择晶体管和复位晶体管组成，而 iToF 像素结构由两组用于 2 - tap iToF 深度传感的传输门、放大晶体管、选择晶体管和复位晶体管组成。iToF 的两个传输门分别将光生电子分配到两个浮动扩散区用于 iToF 深度传感。RGB 和 iToF 像素的输出信号都可以通过垂直信号线同时读出。

在只吸收可见光波长的有机光电导膜上加工片上彩色滤光片，以实现抑制近红外颜色混合的 RGB 图像采集。iToF 像素吸收透过有机光电导膜的近红外光，在获取测距信息时最大限度地减少可见光噪声。虽然大部分可见光被有机光电导膜吸收，但仍有一部分可见光透过有机光电导膜。RGB 和 iToF 像素之间的 RGB 截止滤光片进一步抑制了 iToF 像素中的 RGB 颜色混合。

iToF 像素采用背照式（BI）传感器来提高光学特性，由于当光入射面朝上时，驱动 RGB 像素的晶体管和浮动扩散区位于硅衬底下方，因此需要像素内通孔。在硅界面上采用金字塔表面衍射（PSD）结构来提高作为近红外传感器的量子效率。硅像素之间的全深度深沟槽隔离增强了调制传递函数（MTF）。硅像素之间的结构集成了像素内通孔和全深度深沟槽隔离。图 4 显示了所制造设备的扫描电子显微镜图像，成功地在硅衬底上制造了集成有机光电导模块、透明电极、RGB 截止滤光片、高深宽比像素内通孔和全深度深沟槽隔离的传感器。iToF 像素的布局是在光电二极管周围排列像素内通孔（图 4a）。图 4b 显示了像素内通孔排列的截面，图 4c 展示了形成全深度深沟槽隔离的截面。

图 5 显示了 RGB 和 iToF 像素的光谱曲线。RGB 像素的光谱曲线表明在 700nm 以上没有近红外波长颜色混合发生。此外，iToF 像素的光谱曲线显示其在 940nm 处的量子效率达到 18%，在 700nm 以下颜色混合受到抑制。图 6 显示了 MTF 曲线，表明由于全深度深沟槽隔离减少了像素串扰，实现了良好的 MTF。

图 7 展示了使用该传感器的相机模块，能够用一个小型的单芯片传感器和 LED 模块获取 RGB 图像和测距信息。图 8a 显示了具有良好色彩还原的 4016×3024 彩色图像，此外，如图 8b 所示还获得了 1004×756 的深度图像。图 8c 是图 8a 和图 8b 的叠加，图 8a 和图 8b 完全重叠。

表 1 将本工作（能够同时获取 RGB 和 NIR 信息）的特性与先前报道进行了比较，显示出更高的满阱电容（FWC）和量子效率，以及同时、无视差的采集和低颜色混合。

IEDM2024上，索尼的另外一个CIS＋AI工作也挺有意思的，但不是很懂就不展开写了。该工作介绍了一种新型 1/1.3 英寸 5000 万像素三晶圆堆叠 CMOS 图像传感器，通过在传统二晶圆堆叠传感器底部集成 DNN 嵌入式 AI 芯片，实现了基于DNN的图像边缘处理。

该器件采用晶圆对晶圆对晶圆（WoWoW）工艺制造，成像性能与传统二晶圆堆叠传感器相比，像素特性相近，底层低温键合工艺未影响上层特性。仿真显示 DNN 电路放底层利于散热，且与二晶圆堆叠传感器相比，该三晶圆堆叠传感器芯片尺寸因 DNN 电路位置优化而减小，更适用于移动和小型设备。

传感器拍摄图像及识别结果表明，提高像素分辨率可扩大识别范围，减少摄像头数量。应用 HDR 功能测试中，传感器在 HDR 模式下对不同光照环境物体识别能力显著提升。同时，DNN 电路性能优于以往，功耗降低 27%、效率提高 35%，SRAM 容量增加 30%，传感器整体性能也有优势。作者认为预计未来使用图像传感器的AI边缘计算将变得越来越重要，这将使得带有 DNN 电路的传感器路线会成为主流。(未来不知道是不是会有高光谱/计算光谱成像的专用处理芯片集成)