3D传感行业迅猛发展 推动机器视觉技术崛起
- 2021/11/29 14:00:58 21403
- 来源：仪表网
而今天我们做到让机器理解现实的三维立体空间，并将立体图像视觉呈现在眼前，而这也是行业内人士所说的第四次视觉革命。第四次视觉革命的视觉升维关键是3D传感行业的迅猛发展。
机器视觉从之前的2D平面进化到3D立体“视界”，我们常见常用的刷脸支付、Face ID、VR、无人便利店、智能机器人等产品技术，背后关键的科技便是3D视觉技术。而第四次的视觉革命与工业互联网的结合，开始逐步向真实的产业场景、生产效率与产业可行性进发。
如果用一句话来描述工业互联网与3D机器视觉的关系，描述最贴合的是这句话：工业互联网的未来是基于3D机器视觉的控制和AI认知系统的处理。机器视觉在工业领域的应用并不是什么新鲜的事物，已经发展了三十多年的历史，而随着工业3D视觉技术的崛起，其在工业制造领域占据的分量也越来越重。
工业视觉的技术在自动化生产中最早采用的2D视觉技术，但由于2D视觉通常只能解决平面上的问题，对于有高度信息的物体，比如涉及到曲面、有弧度的产品，2D视觉难以发挥作用，由此促进了3D视觉的兴起。相较于2D视觉，3D视觉对环境光变化不敏感，精度和可靠性更高，在生产线中可以检测快速移动目标并获得形状、颜色对比度、空间坐标等信息。3D视觉可以满足以往2D视觉难以满足的更多工业场景应用，对2D视觉起到补充作用。再加上近年来消费电子、汽车、半导体等精密制造行业对于精度要求的不断提高，高精度3D视觉技术成为市场的热点。
工业3D视觉主要集中在尺寸与缺陷检测、智能制造、自主导航三大类应用。工业3D视觉技术在工业领域内的使用近两年最大的变化就是从单场景比如质检中发展到为全产线生产的赋能。
在生产线上，工业3D视觉的引入之前都是单一场景的应用，比如最广泛使用的质检。拿智能手机的生产流程举例来说，涉及到尺寸与缺陷检测的环节主要在主板、零部件组装、包装出货三大部分。那么质检的工业3D视觉系统主要也是在这三个流程中涉及。而现在随着工业3D视觉系统的集成变化，整个产线的上料生产到封装检测环节都可以跨环节跨场景地应用。比如生产线上下料以及零部件的焊接、喷涂、装配等场景都可以应用到工业3D视觉系统。
而对于时下流行的柔性制造的需求，柔性制造下生产环境更为复杂，对于智能化作业的需求更高。在柔性生产模式下，工业机器人及自动化设备需要按照生产需求来灵活变化以生产多种型号产品，在上下料、分拣、搬运等环节需根据产品种类的不同实时规划并完成作业任务，传统的工业机器人或自动化设备根本无法实现，而工业3D视觉系统的引入让柔性生产的模式更加丝滑。只有跳出传统自动化小集合的解决方案，实现真正的全兼容智能作业才能解决这个使用需求，这是柔性生产对智能化视觉系统的典型需求。
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。
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。
作为工业生产线机器设备的重要感知部分，近年来在工业4.0的升级改造背景中，工业3D视觉技术作为核心技术单元之一产业化进展迅速，目前加速在多个制造行业中渗透，整个产业链规模也呈现加速扩容的情形。
随着智能制造、精密加工对于生产流程和检测标准提出更高要求，3D视觉系统也向着更加广泛的机器“视界”领域演进，这些变化和要求使得3D视觉应用被打开，加速了3D机器视觉在制造业的广泛落地。下一步在工业和智能化深度融合的过程中，也会有这些趋势变化呈现。
1.工业3D视觉技术的发展趋势趋于高性能、多场景。随着3D成像技术的不断迭代，机器视觉技术的性能也会水涨船高往高性能方向发展。主要表现为工业相机成像分辨率不断提高，图像采集速度以及传输的可靠性不断增强，同时光源从可见光向非可见光扩展，相机从单光谱项多、高光谱延伸，扩充机器视觉的应用场景。
2.向智能化，实时性发展。智能化主要以云计算，大数据，人工智能等新技术为依托，运用深度学习等技术提高工业3D视觉技术处理、分析的能力，智能化将是未来工业3D视觉系统的核心卖点之一，不断提高企业生产效率和产品质量一致性。而在数字基建中作为核心发展的5G技术将与工业3D视觉技术结合，依托5G大带宽、低时延、高可靠性的性能为工业3D视觉提供实时的计算、高数据安全性，同时降低网络中断带来的风险。
3. 工业3D视觉系统向集成化，小型化方向发展。随着工业3D视觉系统核心零部件制造工艺和光学性能的不断提升，未来工业3D视觉系统会逐渐往小型化，集成化方向发展，光学模组、通信模组和计算模组，会不断集成到一个单一设备中，集成化的设备也拓宽了机器视觉的应用领域。
第四代的视觉技术的革新才刚刚开始，在超高精度测量等领域，国内的企业逐渐迈出了步伐，未来还有非常广阔的上升空间。第四次视觉革命为工业生产线的设备赋予了一双双智慧立体的眼睛，随着硬件设备技术不断进步，算法与软件持续优化，机器除了能看清立体的三维世界，也会更能看“懂”世界。
工业3D视觉厂商在升级打怪的道路上也会不断地完善技术体系，看得更快更清晰。无论是产业界，还是投资界，都在这个快速增长的市场中给予工业3D视觉系统视觉信息正反馈的升维，更重要的是工业3D视觉在全球竞争格局里不断迭代，蹚出了一条中国化的竞争力升维。在这场轰轰烈烈的视觉革命中，低成本、高性能的工业3D视觉系统技术将作为未来工厂智能硬件设备的核心，支撑AIOT智能硬件的快速发展，助推工业互联网万物互联开启。
资料来源：脑极体
全部评论