机器视觉技术的不断升级，使得对二维图像的处理逐渐扩展到了更复杂的三维领域，形成了3D机器视觉。3D机器视觉是机器视觉的重要应用领域之一，通过计算机能够在短时间内处理视觉传感器采集的图像信号，从而获得目标对象的三维信息。
除此之外，3D机器视觉还能快速且准确地获取检测场景的点云图像，并通过3D识别算法，实现对点云图中多种目标物体的识别和位姿估计。本文旨在通过分析3D视觉的技术形态，并对3D视觉相关问题进行解答，让更多读者对3D视觉有一定了解。
3D机器视觉 四大技术形态分析
目前市场上存在四种主流的3D视觉技术，包括双目视觉、TOF飞行时间法成像技术、3D结构光技术以及激光三角测量法。
双目视觉
双目技术应用广泛，其原理是通过使用两个或多个摄像头来模拟人类的双眼视觉，并通过计算摄像头之间的视差获取物体的深度信息。
优点：在较短距离内具有高精度、自然光照下能够获得三维信息、系统结构简单、灵活、成本低
缺点：算法复杂、计算量大、光照较暗或过度曝光的情况效果差
TOF飞行时间法成像技术
TOF飞行时间法成像技术，其原理是通过测量光线从相机到物体并返回的时间来获取深度信息，适用于快速运动的场景。
优点：响应快、软件简单、识别距离远、高速度
缺点：分辨率低、不能精密成像、成本高
3D结构光技术
结构光技术通过一个光源投射出一束具备一定结构（比如黑白相间）的光线，打到想要测量的物体表面，然后通过检测物体表面的形变来计算出距离、形状、尺寸、深度等信息。
优点：计算简单、测量精度较高、精密测量弱光环境和无明显纹理和形状变化的表面
缺点：识别距离较短、受光源影响强光环境检测弱、响应时间较慢
激光三角测量法
激光三角测量基于光学三角原理，根据光源、物体和检测器三者之间的几何成像关系，来确定空间物体各点的三维坐标。
优点：精准、快速、成本低
缺点：近距离下的精度很高，但是随着距离越来越远，其测量的精度会越来越差
综上所述，3D视觉的四种技术形态各有优缺点，在具体的制造业的生产线上，我们可以根据不同技术形态的优缺点，针对性选择技术，从而实现不同的应用效果。
3D机器视觉 问题解答
Q1：在3D视觉兴起之后，我们应该如何选择2D视觉和3D视觉呢？
从检测能力上看：
2D视觉的处理对象包括平面图像或视频，只能获取被测产品X和Y轴的空间信息，以及颜色值和灰度等级。这使得2D视觉在测量物体平面度、表面角度、部分体积，或是区分相同颜色物体等场景中存在局限性，无法实现对形状和深度的精准测量。
3D视觉的处理对象包括三维立体空间中的物体和场景，不仅能够获取X和Y轴的空间信息，还能获取Z轴的深度信息。除此之外，3D视觉通过深度图或点云数据，能够获取物体的距离和三维坐标，以及物体的形状、位置、大小等更全面的信息。
从场景覆盖上看：
2D视觉通过分析图像的颜色、形状和纹理等特征，以及相对较快的处理速度，能够实现高效的物体识别，在图像识别、人脸识别、目标检测、文字识别等场景实现广泛应用。
3D视觉凭借着更精确、真实的场景感知，以及深度、立体信息的获取，实现对传统的2D视觉技术的补充，通过感知物理环境的变化进行相应的调整，有效扩大机器视觉的应用场景，在机器人导航、虚拟现实、三维重建等场景中也有良好的应用效果。
依据上述信息，3D视觉比起2D视觉，无论从检测能力还是场景覆盖来看，都更胜一筹。
Q2：那3D视觉能够完全替代，2D视觉在工业生产中进行应用吗？
实际上并不会。根据高工机器人最新发布的《2023机器视觉产业发展蓝皮书》数据显示，2D视觉市场规模约为152.24亿元，同比增长20.21%，3D视觉市场约为18.40亿元，同比增长59.90%。由此可见，2D视觉的市场规模占据主导地位，而3D视觉则具备更高的市场增速。
在工厂的实际应用中，2D视觉相较于3D视觉成本更加低廉，且在二维特征和位置检测、二维尺寸检查、条码读取、字符识别、标签检测、有无检测等识别检测场景中，依然具有强大的技术优势。而3D视觉，虽然具备巨大潜能和应用前景，但高成本、长周期的应用模式，也限制了其在中小型制造企业的铺开。相比之下，2D视觉与3D视觉的关系更多是互补而非替代。
所以根据性价比最优原则，将2D视觉与3D视觉结合使用将是较好的解决方案。
深眸科技作为一站式AI视觉解决方案提供商，在给客户进行方案定制的过程中，针对客户的实际情况，常采用2D与3D视觉结合的方式，柔性化定制成本最优、性价比最高的解决方案。
例如，在机加工滚子打痕缺陷检测案例中，深眸科技通过2D视觉技术，能够检测滚子尺寸不标准、圆形度不良、脏污、划痕等缺陷，通过3D视觉技术，能够对滚子表面凸起、凹坑等缺陷进行深度信息的获取，实现对滚子的缺陷全检及高精度尺寸测量。
· 机加工滚子打痕缺陷检测
目前，3D机器视觉领域正在持续研发与推进，通过与2D机器视觉的结合使用，将持续拓宽在实际场景中的应用范围。未来随着硬件和算法的不断发展，3D机器视觉也将发挥更重要的作用，并不断推动科技的进步，创造更智能和高效的未来。
（部分图片来源网络，若有侵权请联系删除）
