三维视觉数字化行业基本情况分析
思瀚产业研究院 思看科技    2023-06-18

随着工业自动化技术的不断发展，机器视觉作为与工业应用结合最为紧密的人工智能技术之一，通过对图像的智能分析，使工业装备具有了基本的识别和分析能力。工业机器视觉是软硬件一体化的集成系统，其目的是代替人眼对被测物进行观察和判断。

从组成上，机器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括标准的数字图像处理算法或基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，然后依靠软件算法对数字图像信号进行处理。机器视觉在识别的精确度、速度、抗干扰性、可靠性、工作效率、工作环境要求、数据价值方面都优于人工视觉。

机器视觉是实现智能制造的关键、核心技术之一，长期以来一直受到国家产业政策的鼓励和支持，市场近年来呈现持续快速增长趋势。2021 年，国务院发布《“十四五”智能制造发展规划》明确提出到 2025 年，规模以上制造业企业大部分实现数字化网络化，智能制造装备和工业软件技术水平和市场竞争力显著提升，研发数字化非接触精密测量、在线无损检测、激光跟踪测量等智能检测装备等。

2022 年，科技部发布《关于支持建设新一代人工智能示范应用场景的通知》提出充分发挥人工智能赋能经济社会发展的作用，围绕构建全链条、全过程的人工智能行业应用生态，支持一批基础较好的人工智能应用场景。据 Marketsand Markets 研究数据，全球机器视觉市场收入规模 2022 年约 880 亿元人民币，高工机器人产业研究所（GGII）预计到 2025 年该全球市场规模将超过 1,200 亿元人民币。

目前，受限于软硬件等各方面的限制，二维（2D）机器视觉发展时间较长，技术相对更为成熟。随着工业智能化水平的不断提升，机器视觉检测的需求从简单的有无检测、瑕疵检测升级为三维（3D）尺寸检测、复杂曲面检测。三维机器视觉具有可以识别空间坐标信息和空间 3D 位置关系，因此在精准测量和自动化等方面都有较大优势。近些年来，3D 机器视觉在智能制造、高端装备、自动化设备等先进制造业中已逐步展现出独特的优势。

二维视觉系统的原理是拍摄平面照片，通过图像分析或对比识别对象，可以看到对象的平面特征，可以用于缺陷检测、离散对象分析模式对齐、条形码和光学字符识别以及基于边缘检测的各种二维几何分析。由于二维视觉无法获取对象的空间坐标信息，因此不支持与形状相关的测量，例如对象的平面度、表面角度、体积或区分相同颜色的对象的特征，或区分接触侧对象的位置，以及二维视觉测量对象的对比度，这意味着特别依赖于光线和颜色/灰度的变化，测量精度容易受到变量照明条件的影响。

三维视觉系统则是使用专业机器设备采集视野空间内每个点位的三维坐标信息，并通过计算机转化为三维数字化模型。三维视觉系统在生产检测过程中，可更为全面获取被测物体的详细三维数据，在应对复杂高端制造领域具有显著优势。

从二维机器视觉转向三维机器视觉是以航空航天、汽车制造及工程机械为代表的高端先进制造业未来的必然趋势。三维数字化是构建三维机器视觉的重要基础，运用三维工具（软件或仪器），通过传统接触式传感技术或现代光学技术对现实中实物的三维数据和信息进行收集并转化成三维数字化模型，最终实现机器对三维空间目标进行识别、测量、跟踪、描述、记录存储和理解等功能。

三维视觉数字化通过光学原理，通常在不用接触物体的情况下，以多种方式扫描物体后，识别收集视野内空间每个点位的三维坐标信息，使计算机得到空间的三维数据，并将实物三维信息转换成为三维数字化模型。目前，三维视觉数字化相关产品已可广泛应用于工业级高精度制造领域及专业级高效率的复杂场景中，并仍在快速拓展更广的应用场景与领域。

更多本行业研究分析详见思瀚产业研究院，同时思瀚产业研究院还提供、产业研究、可行性研究报告、商业计划书、产业规划、概念性规划等解决方案。