[原创] CMOS图像传感器何去何从？
2021-12-05
14:00:02
来源: 半导体行业观察
如今，CMOS图像传感器在我们的日常生活中已经无处不在，从智能手机到汽车、安全摄像头、机器人和AR/VR娱乐设备。对智能、互联和自主消费产品的强劲需求在很大程度上推动了物联网时代的到来。相对的，为了促进像素尺寸进一步减小，CMOS图像传感器的像素尺寸甚至超过了0.7μm，并通过像素级互联实现更大的CIS/ISP集成，领先的图像传感器设计公司、供应商和全球代工厂继续推进技术创新。增强的长波长检测和改进的SPAD设计也促进了3D-TOF成像的发展，提供更广泛的CIS能力来满足新兴应用需求。
对移动成像来说，堆栈式、背照式图像传感器将继续主导市场。2020年近90%智能手机成像设备（图1）使用相关技术。随着片上图像处理成为提高性能的关键，预计它们在智能手机中的应用将继续超过单片背照式图像传感器。
此外，堆栈式+背照式图像传感器有源阵列（ active array）增加了对die表面空间的需求，这个趋势是由提高分辨率的需求推动的，因为智能手机的图像在2020年就超过了1000万像素，并仍然呈上升趋势。图2显示了自2013年以来分析的堆叠芯片，可以看到用于感光的CIS面积占比越来越高，已经超过了80%。
Pixel footprint的持续小型化有助于获得更高分辨率。此外，随着像素间距的减小，需要增加硅厚度以保持良好的像素光响应。图 3 显示了硅厚度和厚度与像素间距之比的趋势，两者都随着像素尺寸的减小而增加。
我们在三星GW3上观察到最高的纵横比（图4（a））。据了解，这是一款6400万像素、0.7μm单像素尺寸的图像传感器，具有4.1μm有源外延厚度（active EPI thickness）和F-DTI（ Front-Deep Trench Isolation）。豪威科技的0.7μm OV64B（图4（b））具有部分 Back-DTI，观察到其EPI厚度为3.0μm。
像素尺寸的减小对保持PDAF（ Phase Detection Auto Focus ）像素的高输出信号提出了挑战。图5显示了智能手机图像传感器在分辨率和像素尺寸方面的PDAF方法。虽然Masked PDAF和双光电二极管（Dual Photodiode）仍然用于较低分辨率和较大像素尺寸的传感器，但随着像素尺寸降低到约1.0μm以下，OCL（On-Chip Lens）已成为PDAF的选择方法。
随着像素尺寸的减小， Masked pixels的 Fill-Factor也在减小，因此PDAF信号也随之减小。目前所能观察到的最小 的Masked pixels是来自三星于2019年发布的0.8μmGM1以及2020年发布的GD1（图6）。他们都是采用四像素合成技术的方式在你传感器上实现，并使用清晰通道来增强PDAF输出。
由于基于OCL的PDAF像素不会牺牲表面积，并且由于基于抗蚀剂（ resist-based）的工艺易于扩展，因此OCL-PDAF被用于生成较小的0.7μm传感器，并且随着0.6μm像素生成的实现，OCL-PDAF有望继续使用。
此外，随着自动对焦的进一步完善，传统的2x1 OCL结构现已演变为2x2 OCL结构，以促进X和y方向上的PDAF。图7显示了观察到的在使用中的不同2×2 OCL方法。最近在0.7μm、6400万像素的OV64B（图7（a））中观察到，豪威科技使用相当于2x2像素的大型OCL，而三星使用一对相邻的2x1 OCL来实现2x2效果，就像在去年推出的0.8μm、1.08亿像素的HM1和HM3以及0.7μm的PI中所观察到的那样。在最近像素间距为 0.7 μm（图 7 (b)）的HM2上 ，OCL-PDAF 通常用绿色通道（green channe）来替换红色和蓝色通道，以实现最大化的输出信号，其PDAF 单元密度为 32:1 或 36:1。
相比之下，索尼引入了全阵列2x2 OCL方法，其中微透镜（microlens）的像素大小是整个有源阵列的两倍。这最初是在2020年发布的，1.12 μm、4800万像素的传感器IMX689上看到的(图7(c))。，而最近也在IMX766和IMX789上观察到。由于全阵列自动对焦没有PDAF专用像素，因此所有像素都可用于图像采集。
如图8所示，由于像素内沟槽隔离（ in-pixel trench isolation），双光电二极管全阵列（Dual Photodiode full array）PDAF仍然是“大像素”PDAF方法。索尼在IMX700中发布了Octa-PD技术，这是一款1.22μm、5000万像素的Quad-Bayer CIS，它在所有彩色通道中的每个像素都有2个光电二极管。而三星在GN2中引入了一种改进的双光电二极管PDAF方法。这同样是一款1.40μm、5000万像素的传感器，具有倾斜的绿色通道（slanted green channel）in-pixel DTI，有助于X和X方向的PDAF。三星目前保持着在GN1中创造的1.2μm的最小像素尺寸双光电二极管PDAF方法的记录（图8（b））。
对于小像素尺寸的智能手机传感器，低光照条件下的高信号输出继续驱动Color Filter Array（CFA）mosaic和pixel-binning合并策略。图9显示了智能手机图像传感器CFA图案的分辨率和像素尺寸。2019年，索尼在IMX608中使用了4x4 分组方法。2020年，三星在1.08亿像素的传感器（HM1、HM2和HM3）中采用的是3x3像素分组方案，并将其命名为Nanocell。
图10显示了智能手机图像传感器的mosaics中CFA间距与pixel-pitch的对比 ：拜耳、2x2、3x3和4x4）像素尺寸的关系。观察到最大CFA间距是4.48μm的IMX608，其次的是豪威科技2.8μm采用4cell技术的OV12D2Q以及三星采用四像素合成技术的GN2。从2020年的统计结果来看，智能手机图像传感器的CFA间距变化很大，数字介乎1.4μm和2.8μm之间。随着像素尺寸的进一步减小，3x3和4x4Mosaics.的利用率可能会增加。
随着堆栈式CIS/ISP Die逐渐成为主流，对更小的TSV/DBI互联的需求变得至关重要。这是为了减少芯片占用面积，但更重要的是为了促进像素级互联。图11显示了2014年至2021年间分析的所有堆栈式传感器的Cu-Cu混合键合的DBI间距趋势。在大多数情况下，外围的行/列互联仍然是现在的主流方案，观察到的行/列互联最小的TSV/DBI间距为3.1μm。
然而，到目前为止，仅有3款已经商用的图像传感器利用像素级互联进行分析，分别是来自苹果2020 iPad Pro上的索尼SPAD传感器（150 X 200）、索尼 SensSWIR IMX990/991 VGA传感器和豪威科技的OG01A1B（100万像素）。其中，豪威的OG01A1B的DBI互联间距最小，达到了2.2μm（图12（a）），索尼SPAD传感器的DBI间距测量值为5.0μm（图12（b））。
近年来，NIR（Near-Infrared）增强在安全监视、测距应用和机器视觉方面获得了很多关注。为了提高NIR范围内的量子效率，我们采取的一种有效方法就是增加CIS的活性硅厚度（active silicon thickness），使其超过用于主流移动应用的厚度。图13显示了背照式传感器的活性硅厚度趋势，突出了每个应用。NIR增强传感器的外延厚度一般在5.9-7.1μm，这与用于主流CIS的3.0-4.1μm的厚度数值形成对比。
改善QE的另一个重要方法是通过促进衍射进入EPI来减少入 incident IR的反向散射。我们观察到正在使用的包括浅槽/栅格和倒金字塔阵列（IPA：Inverted Pyramid Arrays）。索尼保持着最厚的CIS EPI（IPA）记录（6.2μm）和最小的像素尺寸（1.12μm）（IPA（2x2））。豪威科技从浅槽过渡到IPA，并在最新的传感器（8 MP OS08A20）上通过扩展IPA成功获得更高的分辨率。安森美半导体和思特威分别在ARX3A0和SC5035中演示了使用IPA（图14）。
背面结构的示例如图15所示，通过针对特定的成像波长进行了优化，可以看到IPA数量和深度的变化。对于三星来说，使用7.0μm I-TOF图像传感器时可以找到浅槽栅格。
2020年，我们看到了3D飞行时间（TOF）图像传感器的持续发展，见证了在iPad Pro和iPhone 12 Pro/Max的后置摄像头模块中首次使用D-TOF/LiDAR堆栈式+背照式传感器，即索尼SPAD传感器。
图16提供了从像素数、TOF方法和传感器配置方面分析TOF器件的趋势，看到来自索尼、三星和Gpixel为i-ToF继续推出VGA型传感器。反向照明的转变利用了使用850nm-940nm NIR波长QE。对于接近/手势控制，较小的像素数传感器继续占主导地位。
意法半导体最近推出了VL53L5，这是一款64通道前照式D-TOF SPAD传感器，具有多目标跟踪功能，适用于前置移动应用。随着对面部识别/生物识别技术的重视，可以预见，未来更高分辨率（可能是VGA级）的前置TOF可能会得到更多的采用。
从TOF的像素尺寸来看，图17显示，随着背照式传感器的发展趋势，小像素的使用将会越来越多。到目前为止，在微软 Azure Kinect上观察到了最小的像素尺寸和最高的分辨率，这是一款3.5μm、100万像素I-TOF传感器。
图18显示了过去十年中每像素中有效晶体管数量（Teff）的变化趋势。用于移动应用的CIS通常具有共享像素，以便减少Teff。相比之下，I-TOF，特别是基于事件的图像传感器，通常利用具有较高晶体管数量的非共享像素，例如采用 4-Tap pixel以实现深度分辨率的32T三星I-TOF 33D和36T三星231YX动态视觉传感器。
目前，观察到晶体管数量最高的是最近分析的52T的索尼和普诺飞思基于事件的传感器。基于事件的传感器往往涉及到更多的像素复杂性，因为它们结合了传统CIS中不使用的像素级功能，例如测量信号强度的对数和像素内时间戳的使用。因此，基于事件的传感器将受益于芯片堆叠和像素级互联，可以在汽车、机器视觉以及其他应用中继续发展并得到更广泛的应用。
想要下载PDF版原文，可关注本公众号，后台回复“PDF”，获取下载链接。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2879内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
晶圆｜集成电路｜设备
｜汽车芯片｜存储｜台积电｜AI｜封装
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
责任编辑：Sophie
