??預(yù)計(jì)到2025?年全球3D?視覺感知市場(chǎng)規(guī)模達(dá)到150?億美元，年復(fù)合增長(zhǎng)率（CAGR）達(dá)?20%

??發(fā)源于工業(yè)，3D視覺技術(shù)快速迭代。

1）3D視覺感知技術(shù)最早被用于工業(yè)領(lǐng)域的測(cè)量和掃描。在技術(shù)剛剛誕生時(shí)，主要被用于工業(yè)設(shè)備和零部件的高精度三維測(cè)量、物體和材料的微小形變測(cè)量等。在多家公司的積極推廣下，3D視覺感知技術(shù)快速發(fā)展，在過去10?年內(nèi)初步實(shí)現(xiàn)了從工業(yè)往消費(fèi)電子領(lǐng)域延申的變革。

2）3D視覺目前主要有四種技術(shù)路線：激光三角測(cè)量、結(jié)構(gòu)光、飛行時(shí)間（ToF）、多目視覺等是 3D 視覺目前主要的幾種技術(shù)路線。幾種技術(shù)路線的不同之處主要在于發(fā)射紅外光獲取數(shù)據(jù)的方式不同。

??應(yīng)用領(lǐng)域持續(xù)拓展，打開3D 視覺廣闊空間。

1)據(jù)Yole Devolopement預(yù)測(cè)，全球3D視覺感知市場(chǎng)規(guī)模在2025年將達(dá)到150?億美元，CAGR達(dá) 20%。

2）目前，3D視覺技術(shù)的主要下游行業(yè)主要包括消費(fèi)電子、汽車（自動(dòng)駕駛與智能座艙）、鋰電、半導(dǎo)體、AIOT、工業(yè)自動(dòng)化等。根據(jù) Yole Devolopement 的預(yù)測(cè)，未來消費(fèi)電子類和智能汽車行業(yè)是3D視覺市場(chǎng)擴(kuò)容的重要推動(dòng)力。

? 3D 視覺感知技術(shù)最早被用于工業(yè)領(lǐng)域的測(cè)量和掃描。

在技術(shù)剛剛誕生時(shí)，主要被用于工業(yè)設(shè)備和零部件的高精度三維測(cè)量、物體和材料的微小形變測(cè)量等。為了能夠適應(yīng)工業(yè)領(lǐng)域嚴(yán)苛的工況，并且滿足精確到微米級(jí)別的測(cè)量精度，3D視覺測(cè)量設(shè)備一般需要多種技術(shù)融合使用，比如利用相位結(jié)構(gòu)光以及高精度工業(yè)相機(jī)組成工業(yè)三維測(cè)量?jī)x器。這會(huì)導(dǎo)致設(shè)備成本高、體積大、功耗高，應(yīng)用普及緩慢。在這個(gè)階段，市場(chǎng)上主要的玩家為德國(guó)高慕公司(GOM)、瑞典?？怂箍担℉EXAGON）、美國(guó) CSI 公司等。這些公司的設(shè)備主要應(yīng)用于測(cè)量工業(yè)零部件三維尺寸和形變，對(duì)工業(yè)部件實(shí)現(xiàn)高精度3D 數(shù)字化作業(yè)等。

??3D?視覺目前主要有四種技術(shù)路線

激光三角測(cè)量、結(jié)構(gòu)光、飛行時(shí)間（ToF）、多目視覺等是 3D 視覺目前主要的幾種技術(shù)路線。幾種技術(shù)路線的不同之處主要在于發(fā)射紅外光獲取數(shù)據(jù)的方式不同。

a)?激光三角測(cè)量：

工作原理：采用激光線掃描物體表面，觀察激光線的變形以獲取物體表面的深度數(shù)據(jù)。

特點(diǎn)：其精度非常高，可達(dá)微米級(jí)。但其掃描速度和工作范圍有限。盡管如此，它在在線檢測(cè)中仍得到了廣泛應(yīng)用，尤其是因?yàn)槠涓呔群蛣?dòng)態(tài)測(cè)速性能。

b)?結(jié)構(gòu)光：

工作原理：根據(jù)投影光束形態(tài)的不同，結(jié)構(gòu)光法又可分為光點(diǎn)式結(jié)構(gòu)光法、光條式結(jié)構(gòu)光法和光面式結(jié)構(gòu)光法等。通過被測(cè)物體反射回來的光柵與參考光柵之間的幾何關(guān)系，分析得到每一個(gè)被測(cè)點(diǎn)之間的高度差和深度信息。

特點(diǎn)：計(jì)算簡(jiǎn)單，測(cè)量精度較高，對(duì)于平坦的、無明顯紋理和形狀變化的表面區(qū)域都可進(jìn)行精密的測(cè)量。其缺點(diǎn)是對(duì)設(shè)備和外界光線要求高，造價(jià)昂貴。目前，結(jié)構(gòu)光法主要應(yīng)用在條件良好的室內(nèi)。

c)?飛行時(shí)間(ToF)：

工作原理：基于發(fā)射和反射光之間的時(shí)間延遲來測(cè)量物體的深度。

特點(diǎn)：與結(jié)構(gòu)光相比，ToF不需要復(fù)雜的光模式解析，具有較高的魯棒性。其深度圖質(zhì)量和精度都較好，但對(duì)于某些材質(zhì)，如玻璃，可能存在挑戰(zhàn)。ToF技術(shù)較為復(fù)雜，成本相對(duì)較高。

d)?立體視覺法：

工作原理：使用兩個(gè)或多個(gè)RGB 彩色相機(jī)獲取圖像，并通過雙目匹配、三角測(cè)量等算法來得到深度信息。

特點(diǎn)：這是一種被動(dòng)的3D 測(cè)量技術(shù)，硬件需求相對(duì)較低，但計(jì)算復(fù)雜度高。在弱光或目標(biāo)特征不明顯的情況下，其表現(xiàn)可能不佳。在工業(yè)自動(dòng)化和X86 系統(tǒng)中，雙目相機(jī)得到了廣泛的應(yīng)用。

??應(yīng)用領(lǐng)域持續(xù)拓展，打開3D?視覺廣闊空間

3D 視覺感知技術(shù)與產(chǎn)品經(jīng)過多年的發(fā)展，已在鋰電池、半導(dǎo)體、AIoT、3C 消費(fèi)電子、工業(yè)自動(dòng)化、汽車應(yīng)用等多個(gè)領(lǐng)域?qū)崿F(xiàn)了推廣應(yīng)用，市場(chǎng)空間十分廣闊。

全球3D?視覺市場(chǎng)維持高速增長(zhǎng)

隨著下游市場(chǎng)需求的不斷增長(zhǎng)和3D 視覺感知技術(shù)的升級(jí)，3D視覺感知市場(chǎng)將迎來快速增長(zhǎng)期。隨著技術(shù)的進(jìn)步，2D成像技術(shù)已經(jīng)不能滿足當(dāng)前日益復(fù)雜的應(yīng)用需求，尤其是在人工智能、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等領(lǐng)域。3D視覺感知技術(shù)，憑借其能夠提供深度信息的特性，為各種應(yīng)用帶來了更豐富的數(shù)據(jù)維度，從而大大提高了其應(yīng)用價(jià)值。Yole Devolopement 的研究報(bào)告報(bào)告進(jìn)一步證實(shí)了這一市場(chǎng)趨勢(shì)。據(jù)其統(tǒng)計(jì)，2019年，全球 3D 視覺感知市場(chǎng)規(guī)模已達(dá) 50?億美元。同時(shí)預(yù)計(jì)在 6 年之內(nèi)，市場(chǎng)規(guī)模將會(huì)翻三倍，到2025 年達(dá)到 150?億美元。年復(fù)合增長(zhǎng)率（CAGR）達(dá) 20%，這也意味著 3D 視覺感知技術(shù)的應(yīng)用和普及速度正在加快。

不同技術(shù)路線下的3D?視覺技術(shù)市場(chǎng)空間均在不斷擴(kuò)大

消費(fèi)電子類和智能汽車行業(yè)是3D 視覺市場(chǎng)擴(kuò)容的重要推動(dòng)力。數(shù)據(jù)顯示，2019 年至 2025 年間，智能手機(jī)領(lǐng)域的市場(chǎng)規(guī)模預(yù)期從20.17 億美元激增至81.65 億美元，年均復(fù)合增長(zhǎng)率高達(dá)26%。市場(chǎng)規(guī)模占比從40%增至 54%。而汽車領(lǐng)域的市場(chǎng)規(guī)模則預(yù)計(jì)從8.54 億美元增長(zhǎng)至36.73 億美元，年均復(fù)合增長(zhǎng)率達(dá)到28%，市場(chǎng)規(guī)模占比從17%增至 25%。這兩大應(yīng)用領(lǐng)域?qū)⒊蔀?3D 成像和傳感技術(shù)的主力軍，推動(dòng)其在全球范圍內(nèi)的普及和應(yīng)用。

??機(jī)器視覺技術(shù)已成為確保鋰電池質(zhì)量和效率的關(guān)鍵工具

鋰電池制造：在現(xiàn)代的鋰電池生產(chǎn)線上，機(jī)器視覺技術(shù)已經(jīng)成為了確保產(chǎn)品質(zhì)量和效率的關(guān)鍵工具。從動(dòng)力電池的前期制造到后期的封裝，機(jī)器視覺在每一個(gè)關(guān)鍵工序中都發(fā)揮著重要的作用。在涂布、輥壓等前端工序中，鋰電池可能會(huì)產(chǎn)生各種表面缺陷，例如露箔、暗斑和劃痕。而機(jī)器視覺技術(shù)可以實(shí)時(shí)檢測(cè)這些缺陷，確保生產(chǎn)出的產(chǎn)品達(dá)到標(biāo)準(zhǔn)。隨著電池制造工藝的復(fù)雜性增加，如電芯后段的裸電芯極耳翻折和密封釘焊接，以及模組和PACK 階段的底部藍(lán)膠和焊縫等，機(jī)器視覺的應(yīng)用已逐漸成為標(biāo)準(zhǔn)配置。

這一技術(shù)在應(yīng)對(duì)鋰電池行業(yè)快速發(fā)展中也面臨著挑戰(zhàn)。首先，隨著大規(guī)模制造的到來，如何在保持高精度的同時(shí)提高生產(chǎn)效率，是一個(gè)普遍的問題。其次，新材料和新工藝的應(yīng)用速度遠(yuǎn)超過了機(jī)器視覺技術(shù)的迭代速度。例如，隨著磷酸錳鐵、硅基負(fù)極、高鎳三元等新材料的出現(xiàn)，以及CTC、CTB 等新工藝的應(yīng)用，機(jī)器視覺技術(shù)需要更快地適應(yīng)和升級(jí)。此外，雖然機(jī)器視覺已經(jīng)在鋰電池生產(chǎn)中發(fā)揮了重要作用，但對(duì)于大量的檢測(cè)數(shù)據(jù)仍然沒有得到充分利用。

為了解決這些問題，業(yè)內(nèi)已經(jīng)采取了一系列的措施。在技術(shù)層面，推出了輕量化語義模型，確保機(jī)器在面對(duì)新工藝時(shí)具有更強(qiáng)的應(yīng)對(duì)能力。產(chǎn)能布局上，重點(diǎn)投入到工業(yè)人工智能、先進(jìn)光學(xué)和計(jì)算成像等研發(fā)項(xiàng)目，以擴(kuò)充自身的視覺系統(tǒng)和智能視覺裝備的產(chǎn)能。此外，產(chǎn)品矩陣也進(jìn)行了調(diào)整，重點(diǎn)發(fā)展了原材料隔膜檢測(cè)、極片電極段的檢測(cè)以及后工序的焊接檢測(cè)。

??半導(dǎo)體是機(jī)器視覺技術(shù)最早大規(guī)模應(yīng)用的領(lǐng)域之一

半導(dǎo)體這一高度集成、精細(xì)的產(chǎn)業(yè)，無疑已經(jīng)成為機(jī)器視覺技術(shù)最早大規(guī)模應(yīng)用的領(lǐng)域之一。在半導(dǎo)體制造過程中，機(jī)器視覺起到了不可或缺的作用。從硅片的檢測(cè)分選，到晶圓的缺陷檢測(cè)，再到成品的外觀檢測(cè)，機(jī)器視覺技術(shù)都發(fā)揮著核心作用。例如，硅片檢測(cè)分選使用了3D 測(cè)量系統(tǒng)來對(duì)硅片的多種性能參數(shù)進(jìn)行自動(dòng)檢測(cè)，實(shí)現(xiàn)了檢測(cè)數(shù)據(jù)的管理與自動(dòng)分類。又如在晶圓制造過程中，機(jī)器視覺用于檢測(cè)晶圓表面的各種缺陷，如雜物、裂紋等，并在封裝工藝中檢測(cè)晶片、膠水、焊線等的質(zhì)量。

機(jī)器視覺在半導(dǎo)體行業(yè)應(yīng)用范圍廣泛

半導(dǎo)體行業(yè)仍然面臨著一些技術(shù)與標(biāo)準(zhǔn)化的挑戰(zhàn)。首先，目前關(guān)于半導(dǎo)體芯片檢測(cè)設(shè)備的技術(shù)，尤其是微納米及納米級(jí)的2D、3D 光學(xué)成像技術(shù)，主要掌握在國(guó)外，這給國(guó)內(nèi)產(chǎn)業(yè)帶來了一定的壓力。其次，雖然3D 視覺檢測(cè)與生產(chǎn)工藝緊密相關(guān)，但其設(shè)備還未有統(tǒng)一的國(guó)家標(biāo)準(zhǔn)，這在一定程度上制約了產(chǎn)業(yè)的進(jìn)一步發(fā)展。

為了應(yīng)對(duì)這些挑戰(zhàn)，行業(yè)已經(jīng)開始進(jìn)行技術(shù)突破。例如，開發(fā)了基于AI的缺陷檢測(cè)算法平臺(tái)，提高了算法的遷移能力和缺陷的檢測(cè)能力。同時(shí)，也在研發(fā)高速高精度的光學(xué)成像系統(tǒng)和運(yùn)動(dòng)隔震平臺(tái)架構(gòu)，以實(shí)現(xiàn)更加精確和穩(wěn)定的檢測(cè)效果。

隨著5G 芯片、激光芯片等新技術(shù)的出現(xiàn)，對(duì)機(jī)器視覺技術(shù)的要求也將更高，但機(jī)器視覺技術(shù)在半導(dǎo)體行業(yè)的應(yīng)用無疑將更加廣泛和深入。

??3D?視覺感知技術(shù)大幅提升工業(yè)自動(dòng)化效率

隨著3D 視覺感知技術(shù)的不斷成熟其為工業(yè)領(lǐng)域的生產(chǎn)、制造和研發(fā)帶來了革命性的機(jī)遇。

3D?視覺感知在工業(yè)領(lǐng)域有諸多基礎(chǔ)應(yīng)用場(chǎng)景

高精度數(shù)據(jù)采集：傳統(tǒng)的2D 數(shù)據(jù)采集方法在許多領(lǐng)域中已不能滿足高精度要求。3D視覺感知技術(shù)在汽車、航空、數(shù)碼家電和醫(yī)學(xué)等行業(yè)，為研究人員和生產(chǎn)線提供了細(xì)致、準(zhǔn)確的三維數(shù)據(jù)，這大大提高了制造和檢測(cè)的精度。

除基礎(chǔ)應(yīng)用外，3D視覺在工業(yè)中的應(yīng)用場(chǎng)景不斷拓展

先進(jìn)質(zhì)控在線檢測(cè)：在工業(yè)生產(chǎn)中，質(zhì)量控制是至關(guān)重要的。3D視覺技術(shù)不僅可以處理低對(duì)比度、高反射或透明材料，還能有效地識(shí)別和定位產(chǎn)品上的細(xì)微缺陷，從而實(shí)現(xiàn)更為精確的在線質(zhì)量監(jiān)控。

柔性裝配與自動(dòng)化：高度的生產(chǎn)自動(dòng)化需要精確的數(shù)據(jù)支持。3D視覺在自動(dòng)裝配中的應(yīng)用，尤其在需要高精度和靈活性的領(lǐng)域如精密儀器制造已經(jīng)變得不可或缺。機(jī)器人、協(xié)作機(jī)械臂配合3D 視覺系統(tǒng)可以實(shí)現(xiàn)更為精確的組裝和定位。

倉庫與供應(yīng)鏈自動(dòng)化?：在物流和供應(yīng)鏈管理中，3D 視覺技術(shù)正在為倉庫自動(dòng)化帶來全新的變革。從精確的貨物定位到智能揀貨，這項(xiàng)技術(shù)提供了必要的數(shù)據(jù)支持，使得倉庫操作更為高效、準(zhǔn)確。

機(jī)器人的導(dǎo)航與感知：在工業(yè)環(huán)境中，機(jī)器人穩(wěn)定、安全的視覺引導(dǎo)是至關(guān)重要的。它通常分為兩種主要策略：一種是結(jié)合移動(dòng)機(jī)器人與機(jī)器視覺，另一種是結(jié)合機(jī)械臂與機(jī)器視覺。這兩種策略為機(jī)器人提供了在其操作環(huán)境中精確定位和導(dǎo)航的能力。

在眾多的環(huán)境感知技術(shù)中，激光雷達(dá)和毫米波雷達(dá)各自擁有其獨(dú)特的優(yōu)點(diǎn)和局限性。例如，激光雷達(dá)以其高精度和廣泛的探測(cè)范圍為人所知，能夠有效地為機(jī)器人構(gòu)建其周圍環(huán)境的3D 信息模型。然而，它在惡劣天氣條件下可能會(huì)受到干擾。相對(duì)之下，毫米波雷達(dá)在煙霧、灰塵等低能見度環(huán)境中表現(xiàn)出色，其強(qiáng)大的穿透性使其能在這些特殊環(huán)境下提供可靠的測(cè)距信息。但是，其測(cè)距的精度相對(duì)較低。

3D?視覺被廣泛應(yīng)用于工廠移動(dòng)機(jī)器人引導(dǎo)中

??AI?加速?3D?視覺技術(shù)發(fā)展

隨著深度學(xué)習(xí)和人工智能的崛起，尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）和變形器網(wǎng)絡(luò)（Transformer）的進(jìn)步，3D 視覺技術(shù)的研究和優(yōu)化已在精確度和效率上獲得顯著提升。

深度學(xué)習(xí)技術(shù)可與3D?視覺技術(shù)緊密結(jié)合

在3D 視覺的深度學(xué)習(xí)應(yīng)用中，典型的工作流程可分為模型訓(xùn)練和圖像識(shí)別兩大階段。

模型訓(xùn)練：此階段的關(guān)鍵任務(wù)是從大量標(biāo)注的3D 數(shù)據(jù)樣本中提取和學(xué)習(xí)有代表性的特征。這通常涉及大量的計(jì)算，包括前向傳播、誤差反向傳播以及參數(shù)優(yōu)化等過程。在深度學(xué)習(xí)模型中，網(wǎng)絡(luò)的深度、層數(shù)和結(jié)構(gòu)復(fù)雜度都可能影響到模型的最終性能。

圖像識(shí)別：在模型訓(xùn)練完畢后，我們可以使用它來識(shí)別新的、未標(biāo)記的3D 圖像數(shù)據(jù)。此階段主要包括數(shù)據(jù)預(yù)處理、特征提取和最終的分類或回歸等任務(wù)。

深度學(xué)習(xí)技術(shù)為3D?視覺帶來了革命性變化

深度學(xué)習(xí)，尤其是卷積神經(jīng)網(wǎng)絡(luò)和變形器網(wǎng)絡(luò)，已經(jīng)為3D 視覺帶來了多方面的革命性變化。

高精度和魯棒性：通過多層網(wǎng)絡(luò)結(jié)構(gòu)，深度學(xué)習(xí)模型能夠自動(dòng)地從原始數(shù)據(jù)中提取和學(xué)習(xí)復(fù)雜的特征，這極大地提高了3D 物體識(shí)別和分類的精度。

廣泛的應(yīng)用領(lǐng)域：由于其出色的泛化能力，深度學(xué)習(xí)模型已被成功應(yīng)用于多個(gè)3D 視覺領(lǐng)域，包括物體檢測(cè)、場(chǎng)景理解、人體姿態(tài)估計(jì)、深度估計(jì)等。

??群雄逐鹿，掘金3D工業(yè)視覺：老牌廠商和初創(chuàng)企業(yè)者各有所長(zhǎng)

3D 工業(yè)視覺領(lǐng)域的主流參與者大致可以劃分為兩大類別：傳統(tǒng)2D 視覺的內(nèi)外資領(lǐng)先廠商，以及國(guó)內(nèi)新興廠商。這些公司之間的業(yè)務(wù)范圍和專長(zhǎng)有所不同。

來自傳統(tǒng)2D 視覺領(lǐng)域的頭部廠商，無論是國(guó)內(nèi)還是國(guó)外品牌，都在工業(yè)高精度和高效率的測(cè)量與識(shí)別領(lǐng)域展現(xiàn)出了明顯的優(yōu)勢(shì)。這些公司通常在工業(yè)應(yīng)用中結(jié)合1D、2D 和 3D 技術(shù)，實(shí)現(xiàn)更精準(zhǔn)的識(shí)別和測(cè)量。

例如，基恩士和康耐視憑借其領(lǐng)先的鏡頭和CMOS 傳感器技術(shù)，能夠在短短0.6 秒內(nèi)完成檢測(cè)。與此同時(shí)，他們?cè)?D 技術(shù)的算法上也取得了顯著的進(jìn)步，如基恩士搭載的AI 芯片和康耐視的VisionPro Deep Learning 軟件。

?

基恩士推出3D輪廓測(cè)量?jī)x

在工業(yè)高端應(yīng)用，如汽車、3C、鋰電池、半導(dǎo)體等領(lǐng)域，這些頭部企業(yè)，如基恩士、?？低?/u>和奧普特等，憑借在 2D 視覺領(lǐng)域的深厚技術(shù)和客戶基礎(chǔ)，成功地轉(zhuǎn)型和升級(jí)，贏得了大量的高價(jià)值訂單。相比之下，許多國(guó)內(nèi)的3D 視覺初創(chuàng)公司更多地聚焦于中低端的應(yīng)用領(lǐng)域，例如物流、金屬加工、3C電子等。