3D视觉应用落地加速 助力工业自动化升级

工业视觉发展现状

据相关报告显示，全球视觉传感器市场将从2018年的25亿美元增长到2023年的45亿美元，复合年增长率为12.20%。自2018年后，3D视觉在工业等行业领域的应用越来越重要，涉及物件辨识、产品检测、尺寸测量、机械手的视觉引导定位等，随着硬件端技术的不断进步,算法与软件层面的不断优化，一系列基于3D视觉技术的双目深度相机和传感器逐渐成为工业场景应用的催化剂。

早期的视觉工业检测处于长期技术垄断局面

早期在工业高端检测和测量应用中，常见的是两种技术，一是三维激光线扫描、二是双目动态结构光。

•三维激光扫描技术又被称为实景复制技术，通过高速激光扫描测量的方法，大面积、高分辨率地快速获取物体表面各个点的坐标(x.y.z)、反射率、颜色(R.G.B)等信息，由这些大量、密集的点信息可快速复建出1:1 的真彩色三维模型，它突破了传统的单点测量方法，具有高效率、高精度的优势，其点云测量密度可达毫米级，可获取高精度高分辨率的三维模型。

•双目融合动态结构光技术的基本原理是，通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。这种具备一定结构的光线，通过双目相机采集不同的图像相位信息，然后运用算法将这种结构的变化换算成深度信息，以此来获得三维结构，一般单帧测量精度能到0.1mm甚至更高。

这两种方案在原理上能够实现最高精度的视觉测量，常见精度范围为0.1~0.01mm甚至更高，但由于工作距离短、功耗大、对工况要求高等限制因素，目前只在工业检测和自动分拣中有局部应用，售价超1万美金，基本已形成一个极细分的专门市场且长期处于被国外机器视觉大厂垄断的局面。

行业内3D视觉的发展部署已久

其实，双目融合动态结构光技术便是由3D视觉技术中的三位测距原理衍生而来。3D视觉技术的原理,最早来源于人们双眼的视差,即人眼的三维视觉特性，也就是我们现在所说的3D成像原理，3D 视觉成像按成像原理，可以大概归纳为三类：飞行时间原理、通过光线的时间差恢复深度，以及三角测量原理。其中运用最广泛的是便是三角测量原理，并衍生出很多 3D 传感器、双目多目、线结构光、相移结构光、散斑结构光(静态结构光)等。

纵观当前市面上常见的3D视觉技术方案包含双目视觉、飞行时间(ToF)和结构光三种，各行各业在此类技术方案上也进行了相当多的研究，至于为何一直未出现大规模应用，据国内知名机器视觉领域企业负责人表示，现行的产品落地标准很高，在硬件层面，镜头、红外传感器等技术工艺复杂，其次在算法层面，3D深度摄像头对于算法的要求是非常复杂的，结合不同的应用场景需要各自相应的解决方案，面临的图像识别、高精度自动化标定、抓取/运动规划等问题都需要强大的算法能力支持。但目前国内涉猎企业尚处于发展阶段，鲜少有算法团队可以达到这样的行业需求。

因此近几年奥比中光、图漾科技、华捷艾米、深慧视、小觅智能等机器视觉领域的厂商和企业开始把重点放在仓储物流和工业检测等特定细分市场中，针对不同产品规格，基于主动双目融合静态散斑结构光的技术路线，以满足工业场景下工作距离较近，识别精度要求较高、体积可控等要求，并以支持动态拍摄、功耗低且价格选择面广等优势成为一种新的3D视觉发展趋势。

3D视觉技术逐渐成为工业视觉下新的发展趋势

到目前为止，国内已有包括小羽互联在内的不少工业厂家开始采用融合静态结构光的双目相机。此前小羽互联有关旗下XYAI第三代棒材智能焊牌机器人首次采用双目结构光技术的消息一经传出，就引发了行业内的强烈关注，工业自动化的市场之热由此可见一斑。

据小羽互联技术部负责人介绍，由于在工业生产场景中，作为焊接对象的钢筋分布往往参差不齐，为了能够实现比较精准的焊牌操作，需要通过所搭载的双目深度相机采集到的图片以及点云数据，来计算得出两个最佳焊牌点，以此引导机器人进行对点焊接。目前这款搭载了双目深度相机的XYAI第三代棒材智能焊牌机器人已经在多个工厂投入使用，大大提高了工厂的焊牌效率。

从发展和应用角度来看，机器视觉在工业自动化系统的应用由来已久，比起双目深度摄像头在工业检测场景的落地，在快递物流行业，基于3D视觉传感器的包裹体积测量技术也一直是行业备受关注的重点。随着快递量的大幅增加，传统的快递包裹体积测量多为效率低下的接触式测量,已经难以满足物流行业对测量精度、测量效率等的需求。随着自动化分拣设备在行业内的大规模投入使用，各大快递业龙头企业也纷纷开始寻求适合动态高速测量,能够弥补二维扫描体积缺陷的3D视觉传感器测量方案。

当前，3D视觉技术已经成功应用于工业领域。奥比中光、图漾科技、小觅智能、深慧视等涉及3D视觉技术的企业也正在工业等行业领域积极部署中，相信经过对产品的不断迭代和技术进阶，3D视觉将可以适用于更多的智能化工业操作场景，实现更高效更安全的生产需要。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。