进入2022年，智能制造成为政府“两会”的热词。一方面，发改委、工信部、科技部等八部门印发了《“十四五”智能制造发展规划》的通知，提出了国家层面的顶层设计；另一方面，北京、上海、广州、深圳等一线城市的地方政府已经出台了相应的政策规定，为推进智能制造提供了制度保障。在实现智能制造、推动产业升级的过程中，机器视觉作为不可或缺的技术，承担着让机械“看得懂、看得仔细、抓得稳、送得快”的桥梁作用。换言之，机器要想代替人力，首先要让机器长上“两只眼睛”，让机器“看得见”，才能像人一样工作。这就是机器视觉。机器视觉作为人工智能的一个分支，具有人类所不具备的优势：精度高、适用于危险的工作环境、识别效率高、工作不间断等。其实机器视觉并不新鲜，已经广泛应用于外观检验鉴定、货物分拣等工业流程。目前的机器视觉还是以2D为主，即相机对物体平面进行拍摄，然后通过图像分析或比对来识别物体。局限性在于只能观察物平面的特征，成像精度容易受光照条件影响。因此，适用于一些对技术要求不高的低端制造业。在一些高端制造领域，如生物科技、精密半导体等对测量精度要求极高的行业，传统的2D解决方案已不能满足需求，3D视觉逐渐兴起，成为市场新宠。从2D到3D：多维区分3D视觉，即通过3D相机采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视觉的优势在于多了一维信息数据（主要是空间坐标），可以满足测量体积、形状、距离等信息的需要。而且3D视觉不易受光照条件的影响，其成像精度远高于2D视觉。同时，其快速处理信息的能力也不是二维视觉系统可以比拟的。举个简单的例子：在测量弯曲、弯曲的物体时，二维视觉只能拍平面图，很难反映物体的真实情况；3D视觉取的是三维图像，可以显示物体的曲面、曲率、深度等真实信息，对机器或人类更有价值。随着制造业的智能化升级，市场对3D视觉的需求也越来越大。根据美国市场研究机构GrandViewResearch的报告，到2027年，全球3D机器视觉市场规模有望达到34.6亿美元。预测期内，市场年复合增长率预计为14.7%，是一个潜力巨大的蓝海市场。掘金了解到，目前3D视觉在智能制造中的应用已经从单一场景发展到对整条生产线的赋能，涉及定位、引导、生产、分拣、组装等多个环节。以智能手机的生产流程为例：在二维视觉时代，质量检测是应用最广泛的场景，即尺寸和缺陷检测，涉及主板、元器件、封装三部分。3D视觉可以直接覆盖这些流程，在检测精度和速度上具有优势，并将应用扩展到装车、生产、检测、包装等场景，实现对原有生产线拣选、搬运和分拣的智能化改造。其他环节需要根据不同的产品类型实时规划完成。这实际上方便了制造商的灵活生产。在C2M商业模式的驱动下，企业需要根据用户的实时订单来确定生产规模。过去，机械化生产属于批量生产，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化水平，使其能够根据生产需要灵活改变各种产品的生产。比如在冬奥会期间，冬奥会期间非常火爆的冰墩盾就很难找到一个“盾”。那么厂家就需要实时调整生产策略，灵活配置生产原料、生产数量和质检调配，多生产“冰墩墩”，少生产“雪蓉蓉”。整个生产过程可以使用3D视觉来降低人工成本，提高生产力。因此，3D视觉和2D视觉并不是简单的一维信息的差异。核心本质是多一个维度的信息带来的生产方式、效率和商业模式的改变。然而，上述示例是理想的假设。现实情况是，虽然3D视觉有很多优势，但要想得到广泛应用，还有很多问题需要解决。3D视觉难点：场景和成本与消费电子不同。由于场景的碎片化，3D视觉在智能制造领域的应用更加复杂。熵科技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个难点：3D视觉技术必须对应用场景有很强的适应性；3D视觉技术与运动规划技术之间的联系。首先，制造业的生产场景非常复杂，3D视觉在实验室的效果在实际场景中不一定能体现出来，这就需要3D视觉对应用场景有很强的适应性。比如在反光、黑暗、镀膜、远距离等条件下，是否仍能准确感知和识别物体。其次，3D视觉感知到物体的三维信息后，需要与运动规划技术相结合才能完成任务。这又涉及到防撞检测、手眼坐标变换、节拍优化、力控等技术。但机器本身很难像人一样，大脑通过发出指令完成动作；机器需要对输入的信息进行解读，并将指令传递给各个部分，然后执行命令。如果其中一个链接失败，则任务将失败。最后，技术本身很难通过标准化来适配各种场景，即使是同一个场景，对技术的要求也是不同的。例如，在产品缺陷检测方面，各厂商的标准不同，对缺陷的定义也不同。很难制定一个标准化的缺陷检测流程。除了基于场景的问题，3D视觉所依赖的传感器（主要是摄像头）仍然无法在保证抗环境光干扰能力强、测距精度高、分辨率高的情况下降低成本、提高性价比。因此，目前3D视觉的应用主要是根据使用场景和预算选择摄像头，然后根据摄像头成像结果开发定制算法。这种高成本、长期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：重重困难据中国机器视觉产业联盟统计，国内机器视觉行业以中小企业为主，销售额亿元以下的企业占83.5%%，而KEYENCE的销售额已经突破百亿（2020年为321.61亿元），相比之下，国内营收过亿元的公司是Opto（2020年为6.42亿元，仅为Keyence的2%）。可以说，在以2D视觉为主导的机器视觉领域，全球市场已被Keyence和康耐视所垄断，3D视觉技术的出现被视为改变现状的技术推力。作为一项新技术，3D视觉在场景中的难易度是所有企业必须解决的问题。目前无论是国外的基恩士、康耐视，还是国内的海康威视等安防巨头；或者说很多AI视觉公司和机器视觉公司，在3D视觉技术领域，都站在同一起跑线上。然而，与国外巨头相比，国内企业先天存在三个不足。场景的理解。无论是基恩士还是康耐视，都成立了几十年，占据了大部分机器视觉市场；多年的积累让他们在探索3D视觉的应用上更有优势，很多困难的场景都可以根据以往的经验来解决，做实验，减少不必要的开支。国内企业成立时间较短，对场景的理解需要一步步摸索，甚至走弯路，耗费了大量的时间和资金。缺乏硬件能力。机器视觉的主要逻辑是对采集到的图像信息进行分析处理，智能设备根据处理后的信息做出相应的判断。在这个过程中，镜头的质量和镜片的质量对所获得的图像信息的准确性起着关键作用。国内企业大多采用软件算法切入，专注于应用层，缺乏相应的硬件能力。国内3D视觉核心相机大部分外购，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，客户往往也愿意选择已经合作过的技术供应商。显然，国外巨头占据绝对优势，而国内企业要想发展，只能一步步“升级打怪”，以技术和产品取得用户信任，逐步建立自己的客户群。这反映了一个深刻的现实：在新技术面前，企业一律平等，但老牌企业仍然可以基于自身的商业生态，对新（小）企业实施降维打击。因此，国内企业要想赶超国外巨头，除了技术上的突破，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视觉在消费电子领域的广泛应用，对机器视觉企业产生了强烈的刺激作用。智能制造是下一个蓝海市场，越来越多的企业开始探索3D视觉赋能生产的路径。然而，与消费电子产品不同，智能制造很难有现象级的应用。整个市场需求是碎片化的，不可能复制以前的发展模式。企业必须在实际场景中找到最佳的落地方案。对于国内企业来说，先天不足并非不可逾越的障碍。他们需要比国外巨头花费更多的时间和精力去了解场景，钻研技术，一步步打好基础，然后迎头赶上。这不仅需要视觉企业的努力，更需要光学、制造等多个行业的共同进步。
