但是，LiDAR中的激光源最近发展很快。初创企业有可能将脉冲激光引入用于深度动态，性能至关重要的系统的移动式ToF传感器中，例如针对面向业务的电子市场领域的AR和VR.这些应用程序还可以提供很高的利润率，对于初创企业来说是一个理想的机会。
3、ToF传感器——改善LED性能
ToF传感器的另一端是对成本敏感的应用程序，例如IoT。
对于低成本设备，激光仍然太昂贵。LED可以在ToF传感器中用于低成本应用，但性能会下降。ToF传感器的LED性能问题可以在设备或系统级别解决。通过该装置，可以使用具有更高调制频率容量的新型LED.通过改进系统的模拟信号处理电路，重新配置系统（即使用LED阵列并组合结果）或通过实施一种新的深度评估算法。
4、ToF和结构光——提高亮度容限
环境亮度是ToF和结构光深度传感器的瓶颈。为了忍受来自环境的更多光，已经提出了几种背景消除技术。例如，在意法半导体（STMicroelectronics）生产的ToF传感器芯片中，还集成了环境光传感器和深度传感器像素，以估算来自环境光的干扰。其他一些公司也提出了信号处理（模拟和数字）中的背景消除算法。
但是这些解决方案并不完美。为ToF和结构光提供更好的背景消除仍然是深度传感技术中的一个悬而未决的问题。如果初创公司可以解决这个问题，那么它的价值将是巨大的，特别是对于背景消除而言，可以使结构的光深度感应系统在明亮的环境中工作。
5、摄像头阵列与ToF结合使用可实现高分辨率
尽管ToF传感器的分辨率较低，但相机阵列的分辨率较高，但存在匹配问题。但是，智能设备完全可能同时包含摄像头阵列和ToF传感器。相机阵列还可以用于深度感应以外的应用程序，例如智能对焦。可能会合并来自摄像机阵列和ToF传感器的信息，从而以高分辨率和良好的深度精度计算深度图。该深度传感系统的总成本甚至可能低于具有更高分辨率的ToF传感器。
这些只是带有深度传感器的新型计算机视觉应用的众多未来机会中的少数。到目前为止，绝大多数计算机视觉应用程序都涉及通过摄像机解释2D世界。借助深度传感器，我们为计算机提供了整个数据范围，极大地扩展了计算机能够执行的功能的可能性。
