巨大的廠房里，搭載著3D工業相機的機械臂正在進行著今天的工作，它需要將燒得通紅、重達百斤的火車輪進行抓取上料。

　　高達500℃的溫度，這樣的場景，光想想就已經熱得冒汗。

　　而就是這樣酷熱的環境下，在以前，這項工作基本是由工人來操作的。

　　3D視覺的出現，讓機器人不僅能夠在極端條件下抓取輪胎，還能擰螺絲、抓麻袋，實現“萬物皆可抓取”。

　　近些年來，人工智能技術的發展推動了3D視覺的誕生，由3D視覺引導的工業機器人，能夠識別各類規格的紙箱、麻袋等物流行業的常見物體，并通過深度學習建立模型，實現對新物體的準確識別和抓取。

　　而資本的嗅覺是最敏銳的。

　　據光錐智能不完全統計，2021年全年，3D視覺在工業機器人領域共發生融資事件17起，而僅僅是2022年第一季度，該領域就發生融資事件9起，實現了融資量的翻倍增長。

　　而火熱在第二季度再次延續。近日，梅卡曼德宣布完成C+輪融資，與此同時，星猿哲也完成了B+輪的融資。

　　賽道的升溫，背后是工業機器人智能化需求的推動。

　　長期以來，由于作業精度不夠高、不夠靈活，傳統工業機器人一直被打上“笨重”、“剛性”的標簽，雖然在一定程度上代替了人力，但效率提升有限。面對復雜的生產環境，工業機器人需要邁向自適應、自感知的智能化升級。

　　從“機器換人”到“智能智造”，利用3D視覺和人工智能技術，機器人重構工業生產正當時。

　　生產的新“視界”

　　1969年，第一片CCD圖像傳感器在美國貝爾實驗室誕生，此后，生活、生產的各個領域都開始與圖像和視覺相連接。

　　人類70%的信息都是通過眼睛感知到的，機器人也一樣。在3D視覺出現之前，機器人識別三維世界需要先拍攝2D畫面，再經過計算得出三維立體數據，過程繁瑣復雜。特別是在工業生產中，僅僅依靠平面成像不足以提高工業機器人的智能化水平，它需要一雙更明亮的“眼睛”。

　　作為機器視覺的一種，3D視覺在完成了2D成像的迭代后，也提高了機器人作業的靈活性。與2D視覺相比，3D機器視覺通過三維成像技術，能夠獲得物體高精度的三維點云坐標。

　　但3D視覺的最終目的并不只是讓工業機器人能夠“看得清”，還得“看得懂”。

　　就傳統的工業機器人而言，大多是按照既有的指令來執行任務，動作重復機械。但加上3D視覺技術以后，可以通過圖像獲取、信息處理和機械控制的傳導路徑來實現高效靈活作業。

　　例如，在汽車制造的焊裝車間里，需要對大型副車架的各類孔徑、位置度等關鍵參數進行精準測量，單個工件微小的誤差都會影響最終的裝配效果。利用3D視覺技術，能夠生成孔位等細節的高質量成像，將所得信息傳輸給計算機以后，機器人就可以靈活應對不同位置的孔位，快速、精準地完成測量任務。

　　從自動化到智能化，中國制造業單件大批量的傳統生產模式正在逐漸被小批量、分散的柔性化生產模式所替代。因此，如何實現高端制造中機器人柔性化、小批量、定制化的生產，成為了高端制造和智能制造機器人關鍵技術需要解決的問題。

　　此前，華為天才少年稚暉君自制機械臂給葡萄皮縫針的視頻在B站大火，工業機械臂的精細化生產也進一步進入大眾的視野。

　　從前，在汽車、鋼鐵等制造業中，零部件的裝配工序都主要由人工來操作，勞動強度大、效率低，而且零部件種類多、結構復雜，傳統的自動化很難滿足柔性化生產的需要。而3D視覺的出現扭轉了這一局面。

　　3D視覺能夠在擰螺絲、裝汽車輪胎以及重物的上料裝配等場景實現應用，引導機器人識別并抓取隨意擺放的工件，按要求將工件裝配于指定位置，實現高精度定位抓取及高精度糾偏放置。

　　從應用功能來看，3D視覺技術在視覺引導和檢測類場景應用較為廣泛。而從應用終端來看，物流、金屬加工和汽車零部件行業是當前3D視覺工業機器人較為重要的應用領域。

　　每逢“618”、“雙十一”等節日大促，電商倉內都需要處理上百萬件的日訂單量，而傳統人工供包模式人力成本高、效率低，難以滿足高分揀效率的客觀需求。面對海量無序的SKU，3D視覺可以快速、準確識別包括硬包、軟包、信封等多種形態的包裹，實現各類包裹的三維定位，引導機器人進行抓取并放置到指定地點。

　　可以預見，隨著相機、鏡頭等核心硬件性能的提升，以及圖像處理、深度學習等軟件技術的發展，3D視覺技術重構工業生產的作用將會更加凸顯。

　　3D視覺在工業機器人市場中的滲透率逐年增高

　　2020年中國工業機器人市場受新冠疫情影響短暫，出貨量實現逆勢增長，達17萬臺。主要是因：國內疫情控制相對較好，工業經濟快速恢復，消費電子、新能源行業、重型工業等行業投資大幅增加，機器人導入量隨之上漲;國外疫情難以控制，與出口產品相關的行業中工業機器人銷量增加，如小家電、集裝箱、健身器材等;疫情影響員工的工作效率，工廠加大引入機器人及周邊設備代替人工。未來幾年受招工難用工貴的影響以及智能制造政策推動，工業機器人市場仍將呈現穩定的增長趨勢。

　　機器視覺對于提高工業機器人的靈活性和可操作性具有重要意義，在大批量工業生產過程中，3D視覺助力機器人實現更多高精度動作，拓寬其應用場景，也大大提高了生產效率和柔性化程度。

　　中國3D視覺產業的元年是2018年，在此之前，工業視覺主要是靠2D視覺識別工件影像來指導工作;隨著2D視覺自身的不足逐漸凸顯以及中國智能制造智慧工廠改造的推動，3D視覺逐漸發展起來，并結合工業機器人等自動化產品進行作業。

　　雖然目前3D視覺+工業機器人滲透率較低，但隨著工業加工越來越精細，對設備的要求越來越高，3D視覺配合工業機器人解決方案將越來越多，滲透率也將逐年增高。

　　4年涌入近百家，新老玩家大混戰

　　在2018年的上海工博會上，展示3D視覺方案的工業機器人公司還寥寥無幾，而伴隨著3D技術越來越成熟、智能制造的興起，多家3D視覺工業機器人公司獲得了融資，此前相對冷清的賽道開始熱鬧起來。據高工機器人統計，目前中國市場上3D視覺廠商的數量大概在60-70家，且這一數量還在持續增長中。

　　熱潮之下，一批智能機器人創業公司雨后春筍般涌現，如庫柏特、靈西機器人、梅卡曼德、非夕、阿丘科技、星猿哲等。

　　傳統的老牌企業也不甘示弱。工業機器人的“四大家族”ABB(瑞士)、安川(日本)、發那科(日本)和庫卡陸續入局，同時，也能看到AI視覺領域海康威視和曠視的身影。

　　3D視覺工業機器人也受到資本的追捧。截至6月20日，2021年以來，工業3D視覺領域發生的融資事件共31起，融資金額高達數十億美元，融資輪次主要集中在A輪和B輪，說明整個行業還在早期。

　　2016年，梅卡曼德CEO邵天蘭曾在知乎上回答了“國產工業機器人目前發展到了什么水平?”的問題：“五至八年內中國機器人的硬件水平可以追上第一集團，三至五年內軟件水平可以彎道超車，趕超第一集團。”

　　在機器視覺賽道上，國外的基恩士、康耐視等公司，在2D視覺領域占據著幾十年的“霸主”地位。而如今，整個3D視覺市場仍處于發展的早期階段，國內外廠商在硬件產品和軟件算法上能夠站在同一起跑線上。

　　其次，在3D視覺+AI+工業機器人的細分賽道，國內廠商布局更早。作為制造業大國，中國擁有豐富的工業應用場景，也產生了很多定制化需求，鍛造了國內廠商較強的項目交付能力。

　　相較于國外廠商在應用需求形成一定規模時才會考慮開發方案，國內廠商更善于抓住機會去推廣自己的產品，以量變的積累形成質的飛躍。

　　而在2D視覺市場長達幾十年的發展歷程中，行業格局早已趨于穩定，技術方向也較為固定，玩不出什么新花樣。如果不是新技術帶來新機會，新玩家很難切入場景。

　　就目前而言，3D視覺在工業機器人領域的應用，市場滲透率并不高，基本競爭格局可以分為上游元器件、軟件算法、3D相機軟硬件、一體化解決方案四類。由于產業處于早期階段，國內市場格局較為分散，梅卡曼德和靈西機器人這類創業公司參與了產業鏈的多個環節，在一體化解決方案上走在前列。

　　雖然兩者在軟件算法平臺的開發上相差無幾，但在硬件技術和3D成像技術上，靈西機器人要優于梅卡曼德，而梅卡曼德則在缺陷檢測應用中有更多的落地方案。在重點的下游應用行業，靈西機器人在物流、鋰電市場有較為成熟的方案，而梅卡曼德在汽車等其他市場的優勢更為明顯。

　　從國內的市場競爭格局來看，能夠進入規模化量產階段的公司跑在第一梯隊。而視科普銷售總監余舒帆也曾表示，“隨著涌入3D視覺賽道的玩家越來越多，會加劇頭部企業的形成。同時，關于3D視覺的市場規模和行業應用會實現進一步突破。”

　　實際上，無論是行業格局還是技術發展，3D視覺仍然處于早期。而工業生產試錯成本高，因此，在解決方案沒有落地之前，資本和客戶都在觀望。

　　2019年，梅卡曼德的3D視覺+AI+機器人解決方案在汽車、家電、3C、物流等行業實現了50多個項目的落地，而靈西機器人、星猿哲等公司也分別獲得了Pre-A輪和A輪融資。

　　從demo到方案落地，在沒有客戶和渠道積累的前提下，以技術見長的創業公司克服了經驗不足、對行業了解不透的問題，砸出了3D視覺在工業機器人領域的第一道水花。

　　“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年前后開始興起。隨著國內不斷的遷入并升級改造產業鏈，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，由于行業種類繁多，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視覺相關的硬件技術能力有限，而不斷崛起的AI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件的不足，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發展，但在底層的視覺硬件設備中繞不開的卡脖子技術就是芯片和光學鏡頭，這部分仍然是國外廠商的主場。而集成的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于一身的 3D 傳感器。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，然后根據相機成像結果來進行算法定制開發。這種成本高、周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，無論是為了后期獲得融資的好看數據，還是搶占市場，雖然價格戰間接培育了市場，但也對市場秩序造成破壞，低價下的用戶體驗無法保障。但對于潛在的種子用戶來說，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視覺的市場滲透率并不高。

　　③ 市場與供應鏈的不成熟、不完善。

　　對于一些需要采購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視覺廠商無法通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用戶都是對價格以及供應鏈敏感的用戶，處于早期發展階段的工業3D視覺產品撬動市場較困難。

　　④ 產線的適配與周期長。

　　千行百業的產線定制化需求使得設備具備非標性，通用性差，對于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，制造過程中的多品種、小批量影響企業的改造難度。設備交付之后還需要經過一段時間的調試，最終與產線適配才可以，存在一定的周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，用戶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視覺技術在工業制造領域的廣泛落地。處于發展初期的工業3D視覺系統規模化商業場景并不成熟，并且產品定制化程度高，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，以賦能未來工業互聯網的升級。

　　工業3D視覺的未來“視界”

　　作為工業生產線機器設備的重要感知部分，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，目前加速在多個制造行業中滲透，整個產業鏈規模也呈現加速擴容的情形。

　　GGII數據顯示，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。

　　隨著智能制造、精密加工對于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視覺應用被打開，加速了3D機器視覺在制造業的廣泛落地。下一步在工業和智能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于高性能、多場景。

　　隨著3D成像技術的不斷迭代，機器視覺技術的性能也會水漲船高往高性能方向發展。主要表現為工業相機成像分辨率不斷提高，圖像采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展，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 向智能化，實時性發展。

　　智能化主要以云計算，大數據，人工智能等新技術為依托，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，智能化將是未來工業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，依托5G大帶寬、低時延、高可靠性的性能為工業3D視覺提供實時的計算、高數據安全性，同時降低網絡中斷帶來的風險。

　　③ 工業3D視覺系統向集成化，小型化方向發展。

　　隨著工業3D視覺系統核心零部件制造工藝和光學性能的不斷提升，未來工業3D視覺系統會逐漸往小型化，集成化方向發展，光學模組、通信模組和計算模組，會不斷集成到一個單一設備中，集成化的設備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設備賦予了一雙雙智慧立體的眼睛，隨著硬件設備技術不斷進步，算法與軟件持續優化，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視覺系統視覺信息正反饋的升維，更重要的是工業3D視覺在全球競爭格局里不斷迭代，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、高性能的工業3D視覺系統技術將作為未來工廠智能硬件設備的核心，支撐AIOT智能硬件的快速發展，助推工業互聯網萬物互聯開啟。

　　來源：MIR睿工業，數字化企業，光錐智能