当工业机器人拥有一双“慧眼”，为智能制造打开新视域
近些年来，人工智能技术的发展推动了3D视觉的诞生，由3D视觉引导的工业机器人，能够识别各类规格的纸箱、麻袋等物流行业的常见物体，并通过深度学习建立模型，实现对新物体的准确识别和抓取。
巨大的厂房里，搭载着3D工业相机的机械臂正在进行着今天的工作，它需要将烧得通红、重达百斤的火车轮进行抓取上料。
高达500℃的温度，这样的场景，光想想就已经热得冒汗。
而就是这样酷热的环境下，在以前，这项工作基本是由工人来操作的。
3D视觉的出现，让机器人不仅能够在极端条件下抓取轮胎，还能拧螺丝、抓麻袋，实现“万物皆可抓取”。
近些年来，人工智能技术的发展推动了3D视觉的诞生，由3D视觉引导的工业机器人，能够识别各类规格的纸箱、麻袋等物流行业的常见物体，并通过深度学习建立模型，实现对新物体的准确识别和抓取。
而资本的嗅觉是最敏锐的。
据光锥智能不完全统计，2021年全年，3D视觉在工业机器人领域共发生融资事件17起，而仅仅是2022年第一季度，该领域就发生融资事件9起，实现了融资量的翻倍增长。
而火热在第二季度再次延续。近日，梅卡曼德宣布完成C+轮融资，与此同时，星猿哲也完成了B+轮的融资。
赛道的升温，背后是工业机器人智能化需求的推动。
长期以来，由于作业精度不够高、不够灵活，传统工业机器人一直被打上“笨重”、“刚性”的标签，虽然在一定程度上代替了人力，但效率提升有限。面对复杂的生产环境，工业机器人需要迈向自适应、自感知的智能化升级。
从“机器换人”到“智能智造”，利用3D视觉和人工智能技术，机器人重构工业生产正当时。
生产的新“视界”
1969年，第一片CCD图像传感器在美国贝尔实验室诞生，此后，生活、生产的各个领域都开始与图像和视觉相连接。
人类70%的信息都是通过眼睛感知到的，机器人也一样。在3D视觉出现之前，机器人识别三维世界需要先拍摄2D画面，再经过计算得出三维立体数据，过程繁琐复杂。特别是在工业生产中，仅仅依靠平面成像不足以提高工业机器人的智能化水平，它需要一双更明亮的“眼睛”。
作为机器视觉的一种，3D视觉在完成了2D成像的迭代后，也提高了机器人作业的灵活性。与2D视觉相比，3D机器视觉通过三维成像技术，能够获得物体高精度的三维点云坐标。
但3D视觉的最终目的并不只是让工业机器人能够“看得清”，还得“看得懂”。
就传统的工业机器人而言，大多是按照既有的指令来执行任务，动作重复机械。但加上3D视觉技术以后，可以通过图像获取、信息处理和机械控制的传导路径来实现高效灵活作业。
例如，在汽车制造的焊装车间里，需要对大型副车架的各类孔径、位置度等关键参数进行精准测量，单个工件微小的误差都会影响最终的装配效果。利用3D视觉技术，能够生成孔位等细节的高质量成像，将所得信息传输给计算机以后，机器人就可以灵活应对不同位置的孔位，快速、精准地完成测量任务。
从自动化到智能化，中国制造业单件大批量的传统生产模式正在逐渐被小批量、分散的柔性化生产模式所替代。因此，如何实现高端制造中机器人柔性化、小批量、定制化的生产，成为了高端制造和智能制造机器人关键技术需要解决的问题。
此前，华为天才少年稚晖君自制机械臂给葡萄皮缝针的视频在B站大火，工业机械臂的精细化生产也进一步进入大众的视野。
从前，在汽车、钢铁等制造业中，零部件的装配工序都主要由人工来操作，劳动强度大、效率低，而且零部件种类多、结构复杂，传统的自动化很难满足柔性化生产的需要。而3D视觉的出现扭转了这一局面。
3D视觉能够在拧螺丝、装汽车轮胎以及重物的上料装配等场景实现应用，引导机器人识别并抓取随意摆放的工件，按要求将工件装配于指定位置，实现高精度定位抓取及高精度纠偏放置。
从应用功能来看，3D视觉技术在视觉引导和检测类场景应用较为广泛。而从应用终端来看，物流、金属加工和汽车零部件行业是当前3D视觉工业机器人较为重要的应用领域。
每逢“618”、“双十一”等节日大促，电商仓内都需要处理上百万件的日订单量，而传统人工供包模式人力成本高、效率低，难以满足高分拣效率的客观需求。面对海量无序的SKU，3D视觉可以快速、准确识别包括硬包、软包、信封等多种形态的包裹，实现各类包裹的三维定位，引导机器人进行抓取并放置到指定地点。
可以预见，随着相机、镜头等核心硬件性能的提升，以及图像处理、深度学习等软件技术的发展，3D视觉技术重构工业生产的作用将会更加凸显。
3D视觉在工业机器人市场中的渗透率逐年增高
2020年中国工业机器人市场受新冠疫情影响短暂，出货量实现逆势增长，达17万台。主要是因：国内疫情控制相对较好，工业经济快速恢复，消费电子、新能源行业、重型工业等行业投资大幅增加，机器人导入量随之上涨;国外疫情难以控制，与出口产品相关的行业中工业机器人销量增加，如小家电、集装箱、健身器材等;疫情影响员工的工作效率，工厂加大引入机器人及周边设备代替人工。未来几年受招工难用工贵的影响以及智能制造政策推动，工业机器人市场仍将呈现稳定的增长趋势。
机器视觉对于提高工业机器人的灵活性和可操作性具有重要意义，在大批量工业生产过程中，3D视觉助力机器人实现更多高精度动作，拓宽其应用场景，也大大提高了生产效率和柔性化程度。
中国3D视觉产业的元年是2018年，在此之前，工业视觉主要是靠2D视觉识别工件影像来指导工作;随着2D视觉自身的不足逐渐凸显以及中国智能制造智慧工厂改造的推动，3D视觉逐渐发展起来，并结合工业机器人等自动化产品进行作业。
虽然目前3D视觉+工业机器人渗透率较低，但随着工业加工越来越精细，对设备的要求越来越高，3D视觉配合工业机器人解决方案将越来越多，渗透率也将逐年增高。
4年涌入近百家，新老玩家大混战
在2018年的上海工博会上，展示3D视觉方案的工业机器人公司还寥寥无几，而伴随着3D技术越来越成熟、智能制造的兴起，多家3D视觉工业机器人公司获得了融资，此前相对冷清的赛道开始热闹起来。据高工机器人统计，目前中国市场上3D视觉厂商的数量大概在60-70家，且这一数量还在持续增长中。
热潮之下，一批智能机器人创业公司雨后春笋般涌现，如库柏特、灵西机器人、梅卡曼德、非夕、阿丘科技、星猿哲等。
传统的老牌企业也不甘示弱。工业机器人的“四大家族”ABB(瑞士)、安川(日本)、发那科(日本)和库卡陆续入局，同时，也能看到AI视觉领域海康威视和旷视的身影。
3D视觉工业机器人也受到资本的追捧。截至6月20日，2021年以来，工业3D视觉领域发生的融资事件共31起，融资金额高达数十亿美元，融资轮次主要集中在A轮和B轮，说明整个行业还在早期。
2016年，梅卡曼德CEO邵天兰曾在知乎上回答了“国产工业机器人目前发展到了什么水平?”的问题：“五至八年内中国机器人的硬件水平可以追上第一集团，三至五年内软件水平可以弯道超车，赶超第一集团。”
在机器视觉赛道上，国外的基恩士、康耐视等公司，在2D视觉领域占据着几十年的“霸主”地位。而如今，整个3D视觉市场仍处于发展的早期阶段，国内外厂商在硬件产品和软件算法上能够站在同一起跑线上。
其次，在3D视觉+AI+工业机器人的细分赛道，国内厂商布局更早。作为制造业大国，中国拥有丰富的工业应用场景，也产生了很多定制化需求，锻造了国内厂商较强的项目交付能力。
相较于国外厂商在应用需求形成一定规模时才会考虑开发方案，国内厂商更善于抓住机会去推广自己的产品，以量变的积累形成质的飞跃。
而在2D视觉市场长达几十年的发展历程中，行业格局早已趋于稳定，技术方向也较为固定，玩不出什么新花样。如果不是新技术带来新机会，新玩家很难切入场景。
就目前而言，3D视觉在工业机器人领域的应用，市场渗透率并不高，基本竞争格局可以分为上游元器件、软件算法、3D相机软硬件、一体化解决方案四类。由于产业处于早期阶段，国内市场格局较为分散，梅卡曼德和灵西机器人这类创业公司参与了产业链的多个环节，在一体化解决方案上走在前列。
虽然两者在软件算法平台的开发上相差无几，但在硬件技术和3D成像技术上，灵西机器人要优于梅卡曼德，而梅卡曼德则在缺陷检测应用中有更多的落地方案。在重点的下游应用行业，灵西机器人在物流、锂电市场有较为成熟的方案，而梅卡曼德在汽车等其他市场的优势更为明显。
从国内的市场竞争格局来看，能够进入规模化量产阶段的公司跑在第一梯队。而视科普销售总监余舒帆也曾表示，“随着涌入3D视觉赛道的玩家越来越多，会加剧头部企业的形成。同时，关于3D视觉的市场规模和行业应用会实现进一步突破。”
实际上，无论是行业格局还是技术发展，3D视觉仍然处于早期。而工业生产试错成本高，因此，在解决方案没有落地之前，资本和客户都在观望。
2019年，梅卡曼德的3D视觉+AI+机器人解决方案在汽车、家电、3C、物流等行业实现了50多个项目的落地，而灵西机器人、星猿哲等公司也分别获得了Pre-A轮和A轮融资。
从demo到方案落地，在没有客户和渠道积累的前提下，以技术见长的创业公司克服了经验不足、对行业了解不透的问题，砸出了3D视觉在工业机器人领域的第一道水花。
“模糊”工业3D视觉视野的障碍
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。
工业3D视觉的未来“视界”
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。
GGII数据显示，随着机器视觉技术在工业领域的广泛应用，预计到2023年我国机器视觉市场规模将达到208.6亿元，其中3D视觉市场规模将达到34.28亿元;预计至2025年我国3D视觉市场规模将超过100亿元。
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。
