以 3D 之名，围攻智能制造，AI 视觉独角兽们的新战场

　　2022年，智能制造成为政府两会的热门词汇。

　　一方面，国家发改委、工业部、科技部等八个部门发布了《十四五智能制造发展规划》通知，提出国家顶层设计；另一方面，北京、上海、广州、深圳等地方政府出台了相应的政策细则，为智能制造的推广提供制度保障。

　　在实现智能制造、促进产业升级的过程中，机器视觉作为一项不可或缺的技术，承担着理解、仔细、牢牢把握、快速送货的桥梁作用。

　　换句话说，要让机器取代人力，首先要把眼睛放在机器上，这样才能看得见，然后才能像人一样工作。这就是机器视觉。

　　在生物技术、精密半导体等高端制造领域，传统的2D解决方案无法满足需求，3D视觉正在逐渐崛起，成为市场的新宠。

　　从2D到3D:不止一个维度。

　　三维视觉，即通过三维摄像头收集物体的三维坐标信息，通过算法实现三维成像。

　　与2D视觉系统相比，3D视觉的优点是多维信息数据（主要是空间坐标）可以满足信息测量的需要，如体积、形状和距离。此外，3D视觉不容易受到照明条件的影响，其成像精度远高于2D视觉。同时，其快速处理信息的能力也无法与2D视觉系统相比。

　　举个简单的例子：当涉及曲面和弧度的物体测量时，2D视觉只能拍摄平面图，难以反映物体的真实情况；3D视觉是三维图，可以呈现曲面、弧度、深度等真实信息，对机器或人更有参考价值。

　　随着制造业智能化的升级，市场对3D视觉的需求也在增加。根据美国市场研究机构GrandViewresearch的报告，到2027年，全球3D机器视觉市场规模预计将达到34.6亿美元。预计市场复合年增长率预计为14.7%，是一个潜在的蓝海市场。

　　掘金志了解到，目前3D视觉在智能制造中的应用已经从单一场景发展到整个生产线的授权，涉及定位、引导、生产、分拣、装配等环节。

　　以智能手机的生产过程为例：在2D视觉时代，最广泛的应用场景是质量检验，即尺寸和缺陷检测，涉及主板、零部件和包装。3D视觉可以直接覆盖这些过程，在检测精度、速度、应用到给料、生产、检测、包装等场景，实现原生产线的智能改造，在给料、分拣、搬运等环节需要根据不同的产品类型实时规划和完成操作任务。

　　这实际上为制造商的灵活生产提供了便利。在C2M商业模式的推动下，企业需要根据用户的实时订单来确定生产规模。过去，机械化生产属于大规模生产，灵活性很弱。3D视觉提高了工业机器人和自动化设备的智能水平，使其能够根据实际生产需要灵活地生产各种产品。

　　例如，在冬奥会期间，冰墩很难找到墩。因此，制造商需要实时调整生产策略，灵活配置生产原材料、生产数量和质量检验部署，多生产冰墩，少生产雪融合。整个生产环节可以利用3D视觉降低劳动力成本，提高生产效率。

　　因此，3D视觉和2D视觉不仅仅是一个维度的信息差异。多维度信息带来的生产模式和效率以及商业模式的变化是其核心本质。

　　然而，上述例子是理想状态的预设。现实是，虽然3D视觉有很多优点，但仍有许多问题需要解决才能广泛应用。

　　3D视觉困难:场景、成本。

　　与消费电子不同，由于场景碎片化，3D视觉在智能制造领域的应用更为复杂。

　　熵智能技术创始人赵青在接受雷锋网采访时表示，3D视觉技术的应用面临两大困难：

　　3D视觉技术对应用场景要有很强的适应性；

　　3D视觉技术与运动规划技术的联系。

　　其次，在感知到物体的三维信息后，3D视觉需要与运动规划技术联系起来完成任务。这还涉及避碰检测、手眼坐标转换、节拍优化和力控等技术。

　　但机器本身很难像人一样完成动作；机器需要解释输入信息，并将指令传输到各个部分，然后执行命令。其中一个错误会导致任务失败。

　　最后，技术本身很难通过标准化来适应每个场景，即使在同一个场景中，技术要求也是不同的。例如，在产品缺陷检测中，制造商的标准不同，缺陷的定义也不同，难以进行标准化的缺陷检测过程。

　　除了场景问题外，3D视觉所依赖的传感器（主要是摄像头）无法保证较强的抗环境光干扰能力、较高的测距精度和较高的分辨率，降低成本，提高性价比。

　　因此，目前3D视觉的应用主要基于使用场景和预算，然后根据相机成像结果进行定制算法开发。这种成本高、周期长的开发模式严重限制了3D视觉在实际场景中的应用。

　　国产3D视觉技术之路：困难重重。

　　据中国机器视觉产业联盟统计，国内机器视觉产业以中小企业为主，销售额低于1亿元的企业占83.5%，而基恩士的销售额已经超过100亿元(2020年为321.61亿元)。相比之下，国内收入超过1亿元的企业是奥普特(2020年为6.42亿元，仅为基恩士的2%)。

　　可以说，在以2D视觉为主的机器视觉领域，基恩士和康耐视垄断已经在全球市场形成，3D视觉技术的出现被视为改变当前模式的技术推力。

　　作为一种新技术，3D视觉所面临的场景困难是所有企业都必须解决的问题。目前，海康威视等国外基恩士、康耐视和国内安全巨头；或者许多人工智能视觉公司和机器视觉公司在3D视觉技术领域处于同一起跑线上。

　　然而，与巨头相比，国内企业先天性存在三大不足。

　　理解场景。

　　基恩士和康耐视都成立了几十年，占据了机器视觉的绝大多数市场；多年的积累使其在探索3D视觉的应用方面具有更多的优势。许多场景和困难可以根据以往的经验进行测试，以减少不必要的费用。

　　国内企业成立时间短，对场景的理解需要一步步探索，甚至走弯路，为此付出了很高的时间和资金成本。

　　缺乏硬件能力。

　　机器视觉的主要逻辑是分析和处理收集到的图像信息，智能设备根据处理过的信息做出相应的判断。在这个过程中，镜头和镜头的质量对获取图像信息的准确性起着至关重要的作用。

　　大多数国内公司从软件算法开始，专注于应用层，缺乏相应的硬件能力。国内3D视觉的核心相机大多是外包，包括IDS、康耐视、基恩士、佳能等。在镜头方面，高端市场仍被徕卡、施耐德、尼康、富士等国外品牌垄断。

　　稳定的客户群。

　　对于客户来说，随意更换合作伙伴很容易增加试错成本。即使是新技术，客户也往往愿意选择已经合作过的技术供应商。显然，外国巨头具有绝对优势，而国内企业要想发展，只能一步一步地升级

　　这反映了一个深刻的现实：面对新技术，企业是平等的，但老企业仍然可以根据自己的业务生态打击新（小）企业。

　　因此，除了技术突破外，国内企业还需要建立稳定的生态系统，这是一个漫长而艰难的过程。

　　结语

　　目前，3D视觉在消费电子产品中的广泛应用对机器视觉公司产生了强烈的刺激作用。作为下一个蓝海市场，越来越多的企业开始探索通过3D视觉实现企业生产的道路。

　　然而，与消费电子产品不同，智能制造难以实现非凡的应用，整个市场需求分散，不可能复制前者的发展模式。企业必须在实际情况下找到最佳的着陆解决方案。

　　对于国内企业来说，先天性的缺陷并不是不可逾越的障碍。他们需要比外国巨头花更多的时间和精力来理解场景，学习技术，一步一步地巩固基础，然后赶上。这不仅需要视觉。