第1个回答 2022-06-24
1969年，第一片CCD图像传感器在美国贝尔实验室诞生，它为数字影像产业的发展打开了一扇新的大门。从此，人们的日常生活、生产都与影像、视觉相联系。
机器视觉的世界也在萌芽，从黑白到彩色，从低分辨率到高分辨率，从静态到动态。而现在，我们要让机器去了解真实的3D世界，让3D的影像出现在我们的面前，这就是所谓的“第四次视觉革命”。第四次视觉变革的核心是3D传感器产业的迅速发展。
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，也让实体经济与技术价值最大化，开始逐步向真实的产业场景、生产效率与产业可行性进发。
用一个词来形容3D机器视觉与工业网络之间的联系，最恰当的形容就是：“未来的工业网络将会建立在3D机器视觉的基础上，以及人工智能的认知系统。机器视觉技术在工业界的运用，早已不是新鲜事，经过三十多年的发展，在产业中的作用也逐渐显现出来。
在工业视觉技术中，2 D是最早应用于自动制造领域的技术，但是2 D技术一般仅用于处理平面的问题，而对具有高信息量的对象，例如曲面、弧度等，二维视觉很难实现，从而推动了三维视觉的发展。与二维图像相比，3D图像对周围光线的影响不大，具有更高的准确度和可靠性，能够实现对高速运动物体的形状、色彩对比度、空间坐标等的实时监测。三维可视化技术能够很好地解决目前2 D技术不能解决的许多工业领域的问题，同时也是2 D技术的一个重要补充。近年来，随着消费电子、 汽车 、半导体等精密加工领域的需求越来越大，高精度3D视觉技术也逐渐成为了一个热门话题。
工业三维可视化的研究方向包括三大领域：尺寸和缺陷检测、智能制造和自主导航。近两年来，工业3D视觉技术的应用发生了巨大的转变，从单一的产品质量检验到了全产品的制造。
在生产线上，在此以前，工业3D可视化仅限于单个场景，例如最常用的质量检验。比如，在智能手机的制造过程中，主要包括主板、零部件组装、包装和出货三个方面。所以，工业3D视觉质量的质量检验也是在这三个环节中进行的。而如今，由于三维视觉技术的融合，使得从原材料到包装检验的各个环节，都能实现多个领域的应用。例如，在流水线上的下料、零件的焊接、喷涂、装配等，都可以在三维视觉中使用。
当然，2 D视觉技术在工业生产中的应用还没有被彻底抛弃。3D视觉技术将会是二维技术的一个重要补充，它将被应用到元件的测试中，比如对 SIM卡的插槽，电池模块，摄像头模块的尺寸，以及摄像头模块的安装，大部分厂家都会提供二维/三维的组合。
不论是单个场景的运用，或是多个工艺方案的组合，3D机器视觉在工业生产中都扮演着举足轻重的角色。但在高精密探测系统中，关键部件的研制，与国外相比技术的差距还是较大，短时间内难以超越。
事实上，3D视觉技术在世界范围内的发展，也是在2014年左右。在中国持续向国外转移和更新产业链的同时，国内的研究人员也在逐步增加3D视觉技术的投资。但在产业上，因为产业的多样性、技术壁垒、场景等因素，大多数企业都会选择在一个垂直的方向发展。3D可视化的硬件技术水平是有限的，随着 AI技术的发展，能够满足部分高精度的探测要求，在某种程度上弥补了硬件方面的缺陷。
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.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.生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。
这种需求制约着三维视觉技术在实际应用中的应用。目前，3D视觉技术还处在起步阶段，还没有形成大规模的商用场景，而且还没有形成统一的生产模式，整个市场都是分散的，碎片化的，3D视觉技术还得在各个领域中 探索 ，找到自己的优势，完善自己的产品，提高自己的服务水平，为产业的升级做贡献。