文｜陆英希
在巨大的工厂里，一个配备了 3D 工业相机的机械臂正在做着今天的工作。它需要抓取和装载重达100公斤的红色燃烧的火车车轮。
图：机械臂抓取并装载材料
温度高达500℃，这样的场景，光想想就已经热得冒汗了。
在如此炎热的环境下，以往这项工作基本上都是由工人操作。
3D视觉的出现，让机器人不仅可以在极端条件下抓取轮胎，还可以拧螺丝、抓取麻袋，实现“万物皆可抓取”。
近年来，人工智能技术的发展推动了3D视觉的诞生。3D视觉引导的工业机器人可以识别物流行业中常见的各种规格的纸箱、麻袋等物体，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。
而资本的嗅觉最为敏锐。
据光锥智能不完全统计，2021年全年，工业机器人领域3D视觉领域共发生17起融资事件，但仅2022年一季度，融资事件就有9起这一领域的事件，融资金额翻了一番。成倍增加。
而热度在第二季度再次持续。近日，Mecamand宣布完成C+轮融资。同时，邢远哲也完成了B+轮融资。
赛道的升温是由对智能工业机器人的需求推动的。
长期以来，传统工业机器人因精度和灵活性不足而被贴上“笨重”和“僵硬”的标签。虽然他们在一定程度上替代了人力国内工业机器人，但他们的效率受到了限制。面对复杂的生产环境，工业机器人需要迈向自适应和自我感知的智能升级。
从“机器换人”到“智能制造”，利用3D视觉和人工智能技术，机器人重构工业生产的时代来临了。
一、工业生产的新“视野”
1969年，第一个CCD图像传感器在美国贝尔实验室诞生。从那时起，生活和生产的各个领域都开始与图像和视觉联系起来。
人类通过眼睛感知 70% 的信息，机器人也是如此。在 3D 视觉出现之前国内工业机器人，机器人需要捕捉 2D 图像来识别 3D 世界，然后计算 3D 立体数据，这是一个繁琐而复杂的过程。尤其是在工业生产中，仅仅依靠平面成像还不足以提升工业机器人的智能化水平，还需要一双更亮的“眼睛”。
3D视觉作为机器视觉的一种，在完成2D成像的迭代后，也提高了机器人操作的灵活性。与2D视觉相比，3D机器视觉可以通过3D成像技术获得物体的高精度3D点云坐标。
但3D视觉的最终目的不仅仅是让工业机器人“看得清楚”，更要“看得懂”。
就传统工业机器人而言，大多是按照现有指令执行任务，动作机械重复。但随着3D视觉技术的加入，通过图像采集、信息处理和机械控制的传导路径，可以实现高效灵活的操作。
例如，在汽车制造的焊接车间，需要精确测量大副车架的孔径、位置等各种关键参数，单个工件的微小误差都会影响总装效果。使用 3D 视觉技术，可以生成孔洞和其他细节的高质量成像。将获取的信息传输到计算机后，机器人可以灵活地响应不同位置的孔位，快速准确地完成测量任务。
从自动化到智能化，我国制造业传统的单件大批量生产的生产模式正逐渐被小批量、分散的柔性生产模式所取代。因此，如何在高端制造中实现机器人的柔性化、小批量、定制化生产，成为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，一段华为天才小将智慧君用自制机械臂拼接葡萄皮的视频在B站火了一把，工业机械臂的精细化生产进一步走进了大众的视野。
图：智慧君自制机械臂在葡萄皮上缝针
过去，在汽车、钢铁等制造业，零部件的装配过程主要由人工操作，劳动强度大，效率低。此外，零件种类繁多，结构复杂。传统自动化难以满足柔性生产的需求。. 3D视觉的出现扭转了这种局面。
3D视觉可应用于拧螺丝、装载汽车轮胎、装载和组装重物等场景。引导机器人对随机放置的工件进行识别抓取，并将工件按要求组装到指定位置，实现高精度定位抓取。高精度偏移校正放置。
从应用功能来看，3D视觉技术广泛应用于视觉引导和检测场景。从应用终端来看，物流、金属加工和汽车零部件行业是目前3D视觉工业机器人最重要的应用领域。
每次“618”、“双十一”等节日促销，电商仓库每天需要处理百万级订单，而传统的人工包供模式人工成本高、效率低，难以满足分拣要求高。效率的客观需求。面对大量杂乱无章的SKU，3D视觉可以快速准确识别硬包、软包、信封等多种形式的包裹，实现各类包裹的3D定位，引导机器人抓取并放置到指定位置.
图：机械臂拣选分拣
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视觉技术在重构工业生产中的作用将更加突出。
二、4年近百家公司涌入，新老玩家大混战
2018年上海工博会上，展示3D视觉解决方案的工业机器人企业寥寥无几。随着3D技术的日益成熟和智能制造的兴起，不少3D视觉工业机器人企业获得了融资。废弃的赛道开始变得热闹起来。据高工机器人统计，目前中国市场的3D视觉厂商数量在60-70家左右，而且这个数字还在不断增长。
热潮之下，涌现出一批智能机器人创业公司，如库博特、灵曦机器人、麦卡曼德、飞喜、阿丘科技、星源哲等。
传统的老牌公司也不甘示弱。工业机器人“四大家族”ABB（瑞士）、安川（日本）、发那科（日本）、KUKA相继入局。同时，在AI视觉领域也可以看到海康威视和旷视。
3D视觉工业机器人也受到资本追捧。截至6月20日，自2021年以来，工业3D视觉领域的融资事件已达31起，融资金额达数十亿美元。融资轮次主要集中在A轮和B轮，说明整个行业还处于早期阶段。
图：2021年以来工业3D视觉领域主要投融资事件，整理：光锥智能
2016年，麦卡曼CEO邵天澜曾回答“国产工业机器人目前发展到什么水平？”的问题。知乎上：“五到八年，中国机器人的硬件水平可以赶上第一组，三到五年。一年中，软件水平可以弯道超车，超过第一组。”
在机器视觉赛道上，基恩士、康耐视等外资企业在二维视觉领域占据“霸主地位”已有数十年。如今，整个3D视觉市场还处于发展初期，国内外厂商在硬件产品和软件算法上都可以站在同一起跑线上。
其次，在3D视觉+AI+工业机器人的细分赛道上，国内厂商布局较早。中国作为制造大国，拥有丰富的产业应用场景，也产生了大量的定制需求，锻造了国内厂商强大的项目交付能力。
与国外厂商在应用需求已经形成一定规模后才考虑发展规划相比，国内厂商更善于抓住机遇推广产品，通过量变的积累形成质的飞跃。
2D视觉市场数十年的发展，行业格局早已趋于稳定，技术方向也相对固定，没有什么新花样可玩。如果不是新技术带来的新机遇，新玩家很难切入现场。
目前，3D视觉在工业机器人领域的应用市场渗透率并不高。基本竞争格局可分为上游元器件、软件算法、3D相机软硬件、集成解决方案四大类。由于行业处于起步阶段，国内市场结构较为分散，麦卡曼、灵曦机器人等初创企业参与到产业链多个环节，处于综合解决方案的前沿。
虽然两者在软件算法平台的开发上相近，但在硬件技术和3D成像技术方面，灵曦机器人优于Mecamand，而Mecamander在缺陷检测方面的应用更多。程序。在下游重点应用行业，灵曦机器人在物流、锂电池市场的解决方案较为成熟，而麦卡曼在汽车等其他市场的优势更为明显。
从国内市场竞争格局来看，能够进入大规模量产阶段的企业处于第一梯队。视觉科学销售总监余书凡也表示，“随着越来越多的玩家涌入3D视觉赛道，龙头企业的形成将愈演愈烈。同时，3D视觉的市场规模和行业应用将实现进一步的突破。”
事实上，无论从行业格局还是技术发展来看，3D视觉都还处于起步阶段。然而，工业生产的试错成本很高。因此，在方案落地之前，资本和客户都在观望。
2019年，麦卡曼3D视觉+AI+机器人解决方案已在汽车、家电、3C、物流等行业实现50多个项目，灵曦机器人、星源哲等公司也获得Pre-A轮和A轮融资.
从演示到方案落地，在没有客户和渠道积累的情况下，这家精通技术的初创公司克服了缺乏经验和对行业缺乏了解的问题，率先在3D上崭露头角工业机器人领域的愿景。
三、问题：需要降低成本，技术还需要迭代
虽然机器视觉已经走过了 70 多年，但对于 3D 视觉来说，真正的发展是在 2018 年之后。
4年，像个步履蹒跚的孩子。
据米睿实业统计，2021年工业3D视觉市场出货量将达到2.7万台，占工业机器视觉市场出货总量不足5%，市场渗透率低。
中国机器视觉产业联盟数据显示，在机器视觉下游应用市场中，消费电子是现阶段3D视觉的主要应用市场，占比24.79%，其中智能手机应用占比占比最大；其次，半导体和汽车行业也是3D视觉的主要阵地。
3D视觉的市场潜力巨大，但另一方面也存在一些问题：3D视觉在工业机器人领域的批量应用少，成本和支出难以平衡。
图：3D相机
据悉，国产3D相机的价格一般在5万到7万元之间，进口相机的价格在10万元以上。成本主要由初期研发投入和硬件本身的成本构成。
对于很多3D视觉+AI+工业机器人的解决方案商来说，前期投入的大量研发费用会增加成本，而在市场导入期，批量应用还未上线，成本不能通过大规模生产稀释。导致产品价格居高不下。
此外，3D相机硬件成本约占整体硬件成本的40%。在硬件市场，海外厂商占据了大部分高端市场份额，产品价格比国内厂商高出50%-100%左右。3D相机内置的芯片、光学镜头等核心部件需要外包。虽然近几年有国产替代的趋势，但尚未动摇国外厂商的地位。
成本降不下来，客户买单难，高昂的价格拖慢了市场拓展的速度。
但是，在技术和人才方面还有一些问题有待解决。
3D视觉主要分为硬件设备和软件算法两部分。光源、镜头、相机等硬件产品负责成像，视觉控制系统负责处理成像数据并输出结果。
在硬件方面，3D工业相机的工作频率需要适应机器人固有的最大循环时间。据悉，ABB最快的SCARA机器人节拍时间可以达到0.29秒，挑战3D工业相机的工作速度。同时，目前的3D工业相机并不能完全消除环境光的干扰，仍然受到高反射工件和环境光变化的影响。
在软件算法方面，还需要进一步完善。在缺陷检测应用中，往往会给出一些具体的缺陷模型，利用3D视觉来识别缺陷的存在。然而，在实际应用中，由于样本不足或样本量小而遗漏了许多缺陷。3D视觉还需要更强的学习和处理能力来识别意想不到的缺陷。
此外，3D视觉是一个交叉学科领域，涉及光学、3D成像、深度学习、运动规划等诸多技术，链条非常长。相关领域人才的稀缺也导致了售后技术支持的困境：懂软件算法的人不一定能修好硬件。万一出现设备故障，售后链条长。
归根结底，由于 3D 视觉仍处于 Gartner 曲线的技术起步阶段，整体市场相对分散，距离大规模成熟的解决方案落地还有很长的路要走。任何新兴技术行业都需要经历这个过程。它必须先学会走路，才能真正跑。
图：Gartner 曲线
当第一滴水溅起时，不一定是涟漪，但也有可能掀起巨浪。
顺为资本副总裁黄浩曾表示：“随着工业自动化、智能化的不断推进，3D机器视觉将在工业、物流、商业等诸多领域开花结果。
在爆发规模快速增长的前夜，3D视觉正在酝酿下一个百亿市场。
