1969年，第一片CCD影象感測器在美國貝爾實驗室誕生，為工業視覺行業開啟了數碼影象的大門。自此生活、生產的各個領域都開始與影象和視覺連線。
機器視覺領域也開始發芽成長：從黑白到彩色、從低解析度到高解析度、從靜態影象到動態影像。而今天我們做到讓機器理解現實的三維立體空間，並將立體影象視覺呈現在眼前，而這也是行業內人士所說的第四次視覺革命。第四次視覺革命的視覺升維關鍵是3D感測行業的迅猛發展。
機器視覺從之前的2D平面進化到3D立體“視界”，我們常見常用的刷臉支付、Face ID、VR、無人便利店、智慧機器人等產品技術，背後關鍵的科技便是3D視覺技術。而第四次的視覺革命與工業網際網路的結合，也讓實體經濟與技術價值最大化，開始逐步向真實的產業場景、生產效率與產業可行性進發。
如果用一句話來描述工業網際網路與3D機器視覺的關係，描述最貼合的是這句話：工業網際網路的未來是基於3D機器視覺的控制和AI認知系統的處理。機器視覺在工業領域的應用並不是什麼新鮮的事物，已經發展了三十多年的歷史，而隨著工業3D視覺技術的崛起，其在工業製造領域佔據的分量也越來越重。
從單場景到賦能全產線
工業視覺的技術在自動化生產中最早採用的2D視覺技術，但由於2D視覺通常只能解決平面上的問題，對於有高度資訊的物體，比如涉及到曲面、有弧度的產品，2D視覺難以發揮作用，由此促進了3D視覺的興起。相較於2D視覺，3D視覺對環境光變化不敏感，精度和可靠性更高，在生產線中可以檢測快速移動目標並獲得形狀、顏色對比度、空間座標等資訊。3D視覺可以滿足以往2D視覺難以滿足的更多工業場景應用，對2D視覺起到補充作用。再加上近年來消費電子、汽車、半導體等精密製造行業對於精度要求的不斷提高，高精度3D視覺技術成為市場的熱點。
工業3D視覺主要集中在尺寸與缺陷檢測、智慧製造、自主導航三大類應用。工業3D視覺技術在工業領域內的使用近兩年最大的變化就是從單場景比如質檢中發展到為全產線生產的賦能。
在生產線上，工業3D視覺的引入之前都是單一場景的應用，比如最廣泛使用的質檢。拿智慧手機的生產流程舉例來說，涉及到尺寸與缺陷檢測的環節主要在主機板、零部件組裝、包裝出貨三大部分。那麼質檢的工業3D視覺系統主要也是在這三個流程中涉及。而現在隨著工業3D視覺系統的整合變化，整個產線的上料生產到封裝檢測環節都可以跨環節跨場景地應用。比如生產線上下料以及零部件的焊接、噴塗、裝配等場景都可以應用到工業3D視覺系統。
而對於時下流行的柔性製造的需求，柔性製造下生產環境更為複雜，對於智慧化作業的需求更高。在柔性生產模式下，工業機器人及自動化裝置需要按照生產需求來靈活變化以生產多種型號產品，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並完成作業任務，傳統的工業機器人或自動化裝置根本無法實現，而工業3D視覺系統的引入讓柔性生產的模式更加絲滑。只有跳出傳統自動化小集合的解決方案，實現真正的全相容智慧作業才能解決這個使用需求，這是柔性生產對智慧化視覺系統的典型需求。
比如在智慧物流中，3D視覺演算法帶來的柔性提升，透過“AI+3D視覺”能實現對海量SKU的貨品的精準識別並進行分揀，特別是視覺識別和機器人軌跡規劃、抓取、移動等控制的互動，可以突破智慧物流增長的瓶頸，極大拓寬客戶覆蓋的邊界。
當然在工業製造領域也並沒有完全淘汰掉2D視覺系統技術的應用。3D視覺系統技術也會作為2D技術的補充，這種混合的解決方案也會用在元器件的測量中，例如檢查手機上的 SIM 卡卡槽、電池模組、攝像頭模組的尺寸大小和位置安裝等，廠商大多會提供2D/3D混合的解決方案。
無論是單一場景的應用還是跨環節或者是多技術方案的混合，3D機器視覺在工業製造領域都發揮了重要的作用。不過在高精度檢測領域所需的核心零部件研發方面，與國外相比技術的差距還是較大，短時間內難以超越。
“模糊”工業3D視覺視野的障礙
實際上國內外在工業級3D視覺技術的起步時間基本都是在2014年前後開始興起。隨著國內不斷的遷入並升級改造產業鏈，國內研發商逐漸加大了對3D視覺技術的投入。但是涉及到工業領域的落地，由於行業種類繁多，技術壁壘和場景不同，大部分廠商基本都是從某個垂直領域切入。3D視覺相關的硬體技術能力有限，而不斷崛起的AI演算法實力可以滿足部分的高精度檢測需求，在一定程度上彌補了硬體的不足，但工業3D視覺的發展之路上需要解決的問題不少。
1．技術與產品需要持續升級。工業3D 機器視覺成像技術不斷髮展，但在底層的視覺硬體裝置中繞不開的卡脖子技術就是晶片和光學鏡頭，這部分仍然是國外廠商的主場。而整合的3D機器視覺目前依然沒有具備抗環境光干擾能力強、測距精度高、分辨高和成本低等優點於一身的 3D 感測器。目前 3D 視覺的應用還是依據具體的使用場景和預算來選擇相機，然後根據相機成像結果來進行演算法定製開發。這種成本高、週期久的應用模式嚴重限制了 3D 視覺在實際場景中的使用。
2。成本與市場培育的難平衡。在3D視覺市場中，參與的廠商們都在進行價格內卷，無論是為了後期獲得融資的好看資料，還是搶佔市場，雖然價格戰間接培育了市場，但也對市場秩序造成破壞，低價下的使用者體驗無法保障。但對於潛在的種子使用者來說，影響其自動化改造的難度之一就是成本的考量。成本如果超過了其預算，市場的培育也無法施展，目前工業3D視覺的市場滲透率並不高。
3。市場與供應鏈的不成熟、不完善。對於一些需要採購3D視覺的產品的廠商來說，前期的產品量需求較少，在這種情況下，工業3D視覺廠商無法透過規模化的手段分攤產品成本，而市場中有很大的一部分潛在使用者都是對價格以及供應鏈敏感的使用者，處於早期發展階段的工業3D視覺產品撬動市場較困難。
4。產線的適配與週期長。千行百業的產線定製化需求使得裝置具備非標性，通用性差，對於工廠來說不同的業務場景、生產環節，甚至不同工廠之間的需求都不盡相同，製造過程中的多品種、小批次影響企業的改造難度。裝置交付之後還需要經過一段時間的除錯，最終與產線適配才可以，存在一定的週期影響著企業的自動化改造積極性。
從選取工業3D視覺產品的客戶來看，使用者選取的標準與工廠自身的特點、預算情況而定，而這也就意味著工業3D視覺廠商必須在提供適配產品能力的前提下也要具有吸引力的價格，雙方的成本與預算需要磨合到一個合適的平衡點。
這些要求限制了3D視覺技術在工業製造領域的廣泛落地。處於發展初期的工業3D視覺系統規模化商業場景並不成熟，並且產品定製化程度高，市場整體呈現分散、碎片化的狀態，3D視覺系統技術仍然需要在這個市場中不斷摸滾打爬，在一個個細分場景中摸索與開拓，尋找差異化，完善產品與提升服務市場的能力，以賦能未來工業網際網路的升級。
工業3D視覺的未來“視界”
作為工業生產線機器裝置的重要感知部分，近年來在工業4。0的升級改造背景中，工業3D視覺技術作為核心技術單元之一產業化進展迅速，目前加速在多個製造行業中滲透，整個產業鏈規模也呈現加速擴容的情形。
GGII資料顯示，隨著機器視覺技術在工業領域的廣泛應用，預計到2023年我國機器視覺市場規模將達到208。6億元，其中3D視覺市場規模將達到34。28億元；預計至2025年我國3D視覺市場規模將超過100億元。
隨著智慧製造、精密加工對於生產流程和檢測標準提出更高要求，3D視覺系統也向著更加廣泛的機器“視界”領域演進，這些變化和要求使得3D視覺應用被開啟，加速了3D機器視覺在製造業的廣泛落地。下一步在工業和智慧化深度融合的過程中，也會有這些趨勢變化呈現。
1。工業3D視覺技術的發展趨勢趨於高效能、多場景。隨著3D成像技術的不斷迭代，機器視覺技術的效能也會水漲船高往高效能方向發展。主要表現為工業相機成像解析度不斷提高，影象採集速度以及傳輸的可靠性不斷增強，同時光源從可見光向非可見光擴充套件，相機從單光譜項多、高光譜延伸，擴充機器視覺的應用場景。
2。向智慧化，實時性發展。智慧化主要以雲計算，大資料，人工智慧等新技術為依託，運用深度學習等技術提高工業3D視覺技術處理、分析的能力，智慧化將是未來工業3D視覺系統的核心賣點之一，不斷提高企業生產效率和產品質量一致性。而在數字基建中作為核心發展的5G技術將與工業3D視覺技術結合，依託5G大頻寬、低時延、高可靠性的效能為工業3D視覺提供實時的計算、高資料安全性，同時降低網路中斷帶來的風險。
3。 工業3D視覺系統向整合化，小型化方向發展。隨著工業3D視覺系統核心零部件製造工藝和光學效能的不斷提升，未來工業3D視覺系統會逐漸往小型化，整合化方向發展，光學模組、通訊模組和計算模組，會不斷整合到一個單一裝置中，整合化的裝置也拓寬了機器視覺的應用領域。
第四代的視覺技術的革新才剛剛開始，在超高精度測量等領域，國內的企業逐漸邁出了步伐，未來還有非常廣闊的上升空間。第四次視覺革命為工業生產線的裝置賦予了一雙雙智慧立體的眼睛，隨著硬體裝置技術不斷進步，演算法與軟體持續最佳化，機器除了能看清立體的三維世界，也會更能看“懂”世界。
工業3D視覺廠商在升級打怪的道路上也會不斷地完善技術體系，看得更快更清晰。無論是產業界，還是投資界，都在這個快速增長的市場中給予工業3D視覺系統視覺資訊正反饋的升維，更重要的是工業3D視覺在全球競爭格局裡不斷迭代，蹚出了一條中國化的競爭力升維。在這場轟轟烈烈的視覺革命中，低成本、高效能的工業3D視覺系統技術將作為未來工廠智慧硬體裝置的核心，支撐AIOT智慧硬體的快速發展，助推工業網際網路萬物互聯開啟。