本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

進入2022年，智能制造成為政府“兩會”中的熱門詞匯。

一方面，國家發改委、工業部、科技部等八部門發布了關于印發《“十四五”智能制造發展規劃》的通知，提出國家級的頂層設計；另一方面，各地方政府，如北上廣深等一線城市，都已經出臺相應政策細則，為推進智能制造提供制度保障。

而在實現智能制造、推動產業升級過程中，機器視覺作為不可或缺的技術，承擔起讓機械“看得懂、看得細、抓得牢、送得快”的橋梁作用。

換句話說，要讓機器代替人力，首先要給機器裝上“雙眼”，使之能夠“看得見”，然后才能像人一樣工作，這就是機器視覺。

作為人工智能的一個分支，機器視覺具備人所不能擁有的優勢：精度高、可適用于危險工作環境，并且識別效率高，可無間斷工作等等。實際上，機器視覺并非新事物，已經被廣泛應用在外觀檢測與識別、貨物分揀等工業流程之中。

目前的機器視覺仍以2D為主，即通過攝像頭拍到物體平面的照片，然后通過圖像分析或比對來識別物體，其局限在于只能觀測到物體平面的特征，成像精度容易受照明條件影響，因而適合一些對技術要求不高的中低端制造業。

在一些高端制造領域，例如生物科技、精密半導體等對測量精度要求極高的產業，傳統的2D解決方案已經不能滿足需求，3D視覺正逐漸崛起，成為市場新寵。

從2D到3D：不止一個維度的區別

3D視覺，即通過3D攝像頭采集物體的三維坐標信息，通過算法實現三維立體成像。

與2D視覺系統相比，3D視覺的優勢在于，多一維度的信息數據（主要是空間坐標），能滿足對體積、形狀、距離等信息測量的需要。并且，3D視覺不容易受照明條件的影響，其成像精度遠高于2D視覺，同時，其快速處理信息的能力也非2D視覺系統可比。

舉個簡單的例子：在涉及曲面、有弧度的物體測量時，2D視覺只能拍出平面圖，很難反映出物體的真實情況；3D視覺拍出的是立體圖，能呈現出物體的曲面、弧度、深度等真實信息，對機器或者人而言更具參考價值。

隨著制造業的智能化升級，市場對于3D視覺的需求也在不斷提升。根據美國市場研究機構Grand View Research的報告，到2027年，全球3D機器視覺市場規模預計將達到34.6億美元，預測期內，市場的復合年增長率預計為14.7%，是一個潛在的藍海市場。

掘金志了解到，當前3D視覺在智能制造中的應用已從單個場景發展到整個生產線的賦能，涉及定位、引導、生產、分揀、裝配等多個環節。

以智能手機生產流程為例：在2D視覺時代，應用場景最為廣泛的是質檢，即尺寸與缺陷檢測，涉及主板、零部件及包裝三大部分。3D視覺可以直接覆蓋這些流程，在檢測精度、速率上更勝一籌，并且將應用拓展到上料、生產、檢測、封裝等場景，實現對原有產線的智能化改造，在上下料、分揀、搬運等環節需根據產品種類的不同實時規劃并完成作業任務。

這實際上為廠商的柔性生產提供了便利。在C2M商業模式的帶動下，企業需要根據用戶實時訂單來決定生產規模，以往的機械化生產屬于批量生產，柔性很弱，3D視覺提高了工業機器人及自動化設備的智能化水平，使其具備按照實際生產需求來靈活變化生產各種產品。

例如，冬奧期間大火特火的冰墩墩，出現了一“墩”難求的情況。那么廠商需要實時調整生產策略，靈活配置生產原料、生產數量及質檢部署，多生產“冰墩墩”，少生產“雪容融”，整個生產環節，都可以利用3D視覺來減少人力成本、提高生產效率。

因此，3D視覺與2D視覺并不簡單的是1個維度的信息差異，多一維度信息帶來的對生產模式及效率、商業模式的改變，才是其核心要義。

不過，上述例子都是理想狀態下的預設。現實情況是，3D視覺雖然具備諸多優勢，但要實現廣泛應用，還有許多難題要解決。

3D視覺之難：場景、成本

和消費類電子不同，3D視覺在智能制造領域的應用，由于場景碎片化，顯得更為復雜。

熵智科技創始人趙青在接受雷峰網采訪時曾表示，3D視覺技術的應用落地面臨兩大難點：

• 3D視覺技術對于應用場景要有強適應能力；
• 3D視覺技術和運動規劃技術的銜接。

首先，制造業的生產場景非常復雜，3D視覺在實驗室中的效果，可能在實際場景中無法體現，這就要求3D視覺對于應用場景具備強適應能力。例如，在反光、暗黑、覆膜和遠距離等條件下是否依然可以準確感知、識別出物體。

其次，3D視覺在感知到物體的三維信息后，需要與運動規劃技術進行銜接來完成任務。這又涉及避碰檢測、手眼坐標轉換、節拍優化和力控等技術。

但機器本身很難像人一樣，大腦發出指令就能完成動作；機器需要對輸入的信息進行解讀，并且將指令傳送到各個部分，進而執行命令。其中一個環節出錯，就會導致任務失敗。

最后，技術本身很難通過標準化來實現對各場景的適配，甚至在同一場景上，對技術的要求都各不相同。比如，在產品的缺陷檢測上，廠商的標準是不一樣的，對于缺陷的定義也各不相同，很難做一個標準化的缺陷檢測工藝。

除了場景化難題之外，3D視覺所依賴的傳感器（主要為攝像頭）也還無法實現在保證抗環境光干擾能力強、測距精度高、分辨高的同時，降低成本，提高性價比。

因此，目前 3D 視覺的應用主要依據使用場景和預算來選擇相機，然后根據相機成像結果來進行定制化的算法開發。這種成本高、周期久的開發模式嚴重限制了 3D 視覺在實際場景中的應用。

國產3D視覺技術之路：困難重重

根據中國機器視覺產業聯盟的統計，國內機器視覺行業以中小企為主，銷售額在1億元以下的企業占據83.5%，而基恩士的銷售額早已突破百億（2020年為321.61億元），相比較而言，國內過億營收的企業為奧普特（2020年為6.42億元，僅為基恩士的2%）。

可以說，在以2D視覺為主的機器視覺領域，全球市場已經形成基恩士和康耐視壟斷的局面，而3D視覺技術的出現，被視為改變當前格局的技術推力。

作為新技術，3D視覺所面臨的場景化難點，是所有企業都必須解決的問題。目前無論是國外的基恩士、康耐視，還是國內的安防巨頭，如海康威視；亦或者諸多AI視覺公司、機器視覺公司，在3D視覺技術領域，都處于同一起跑線上。

不過，相較于國外巨頭，國內企業先天性存在三個不足。

• 對場景的理解。

不論是基恩士，還是康耐視，都已經成立數十年，且占據著機器視覺的絕大部分市場；多年的積累使其在探索3D視覺的應用時更具優勢，許多場景難點都可以基于以往經驗做試探，減少不必要開支。

國內企業成立時間較短，對場景的理解需要一步步探索，甚至多走彎路，為此付出高昂的時間、資金成本。

• 缺乏硬件能力。

機器視覺的主要邏輯是，對收集到的圖像信息進行分析處理，智能設備根據處理的信息做出相應判斷。這一過程中，鏡片以及鏡頭的質量對獲取圖像信息的準確性起到非常關鍵的作用。

國內多數公司以軟件算法切入，集中在應用層，缺少相應的硬件能力。國內3D視覺的核心相機大部分為外購，包括IDS、康耐視、基恩士、佳能等，而在鏡頭方面，高端市場仍為徠卡、施耐德、尼康、富士等國外品牌所壟斷。

• 穩定的客戶群體。

對于客戶而言，隨意更換合作伙伴，很容易增加試錯成本。即便是新技術，客戶也往往愿意選擇已經有過合作的技術供應商。顯然，國外巨頭具備絕對優勢，而國內企業要發展，只能一步一步“升級打怪”，以技術和產品獲取用戶信任，逐漸建立起屬于自己的客戶群。

這反映出一個深刻的現實：在新技術面前，企業都是平等的，但老牌企業仍然可以依據自身的業務生態，對新（小）企業實施降維打擊。

因此，國內企業要追趕國外巨頭，除了技術突破以外，還需要建立起穩定的生態圈，這是一個漫長而艱難的過程。

結語

當前，3D視覺在消費電子上的廣泛應用，對機器視覺公司產生了極強的刺激效應。智能制造作為下一個藍海市場，越來越多的企業開始探索以3D視覺來賦能企業生產的路徑。

但與消費電子不同，智能制造很難出現現象級應用，整個市場需求都是碎片化的，因而不可能復制前者的發展模式，企業必須在實際場景中去尋找最佳落地解決方案。

對于國內企業而言，先天性的不足并非不可逾越的障礙，需要付出比國外巨頭更多的時間和精力，去理解場景、鉆研技術，一步一個腳印夯實基礎，然后追趕。這不僅需要視覺公司的努力，也需要光學、制造業等多個產業的共同進步。