机器视觉|工业3D视觉，为智能制造打开新视域( 二 ) 智能制造|自动化|革命

比如在智慧物流中， 3D视觉算法带来的柔性提升，通过“AI+3D视觉”能实现对海量SKU的货品的精准识别并进行分拣，特别是视觉识别和机器人轨迹规划、抓取、移动等控制的交互，可以突破智慧物流增长的瓶颈，极大拓宽客户覆盖的边界。
当然在工业制造领域也并没有完全淘汰掉2D视觉系统技术的应用。 3D视觉系统技术也会作为2D技术的补充，这种混合的解决方案也会用在元器件的测量中，例如检查手机上的 SIM 卡卡槽、电池模组、摄像头模组的尺寸大小和位置安装等，厂商大多会提供2D/3D混合的解决方案。
无论是单一场景的应用还是跨环节或者是多技术方案的混合， 3D机器视觉在工业制造领域都发挥了重要的作用。不过在高精度检测领域所需的核心零部件研发方面，与国外相比技术的差距还是较大，短时间内难以超越。
“模糊”工业3D视觉视野的障碍
实际上国内外在工业级3D视觉技术的起步时间基本都是在2014年前后开始兴起。随着国内不断的迁入并升级改造产业链，国内研发商逐渐加大了对3D视觉技术的投入。但是涉及到工业领域的落地，由于行业种类繁多，技术壁垒和场景不同，大部分厂商基本都是从某个垂直领域切入。 3D视觉相关的硬件技术能力有限，而不断崛起的AI算法实力可以满足部分的高精度检测需求，在一定程度上弥补了硬件的不足，但工业3D视觉的发展之路上需要解决的问题不少。
1．技术与产品需要持续升级。工业3D 机器视觉成像技术不断发展，但在底层的视觉硬件设备中绕不开的卡脖子技术就是芯片和光学镜头，这部分仍然是国外厂商的主场。而集成的3D机器视觉目前依然没有具备抗环境光干扰能力强、测距精度高、分辨高和成本低等优点于一身的 3D 传感器。目前 3D 视觉的应用还是依据具体的使用场景和预算来选择相机，然后根据相机成像结果来进行算法定制开发。这种成本高、周期久的应用模式严重限制了 3D 视觉在实际场景中的使用。
2.成本与市场培育的难平衡。在3D视觉市场中，参与的厂商们都在进行价格内卷，无论是为了后期获得融资的好看数据，还是抢占市场，虽然价格战间接培育了市场，但也对市场秩序造成破坏，低价下的用户体验无法保障。但对于潜在的种子用户来说，影响其自动化改造的难度之一就是成本的考量。成本如果超过了其预算，市场的培育也无法施展，目前工业3D视觉的市场渗透率并不高。
3.市场与供应链的不成熟、不完善。对于一些需要采购3D视觉的产品的厂商来说，前期的产品量需求较少，在这种情况下，工业3D视觉厂商无法通过规模化的手段分摊产品成本，而市场中有很大的一部分潜在用户都是对价格以及供应链敏感的用户，处于早期发展阶段的工业3D视觉产品撬动市场较困难。

4.产线的适配与周期长。千行百业的产线定制化需求使得设备具备非标性，通用性差，对于工厂来说不同的业务场景、生产环节，甚至不同工厂之间的需求都不尽相同，制造过程中的多品种、小批量影响企业的改造难度。设备交付之后还需要经过一段时间的调试，最终与产线适配才可以，存在一定的周期影响着企业的自动化改造积极性。
从选取工业3D视觉产品的客户来看，用户选取的标准与工厂自身的特点、预算情况而定，而这也就意味着工业3D视觉厂商必须在提供适配产品能力的前提下也要具有吸引力的价格，双方的成本与预算需要磨合到一个合适的平衡点。
这些要求限制了3D视觉技术在工业制造领域的广泛落地。处于发展初期的工业3D视觉系统规模化商业场景并不成熟，并且产品定制化程度高，市场整体呈现分散、碎片化的状态， 3D视觉系统技术仍然需要在这个市场中不断摸滚打爬，在一个个细分场景中摸索与开拓，寻找差异化，完善产品与提升服务市场的能力，以赋能未来工业互联网的升级。