文|光錐智能 盧瀅西
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。
一、工業生產的新“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。
二、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。
三、難題：成本待下降，技術仍需迭代
雖然機器視覺已經走過了70多年的歷程，但對于3D視覺來說，真正意義上發展起來，是在2018以后。
4年時間，猶如一個孩童剛走得穩當。
據MIR睿工業統計，2021年工業3D視覺市場出貨量達2.7萬套，在整個工業機器視覺市場出貨中占比不足5%，市場滲透率較低。
中國機器視覺產業聯盟數據顯示，在機器視覺的下游應用市場中，消費電子是現階段3D視覺的主要應用市場，占比24.79%，其中智能手機應用占比最大；其次，半導體和汽車行業也是3D視覺主要的陣地。
3D視覺市場潛力巨大，但另一方面，也存在一些問題：3D視覺在工業機器人領域批量應用少，成本和支出難以平衡。
據悉，國產3D相機的價格一般在5-7萬元人民幣，進口相機在10萬元及以上。而成本主要由前期的研發投入以及硬件本身的成本組成。
對于很多3D視覺+AI+工業機器人的解決方案提供商而言，前期投入的大量研發費用會拉高成本，而且在市場導入期，批量應用尚未展開，無法通過規模化生產的方式攤薄成本，這就導致了產品高昂的價格。
另外，3D相機硬件的成本約占整體硬件成本的40%。而在硬件市場上，海外廠商占據大部分高端市場份額，產品售價約比國內廠商高出50%-100%。3D相機內置的芯片、光學鏡頭等核心零部件需要外購，盡管近些年刮起了國產替代的風，但仍然還沒撼動國外廠商的地位。
成本下不去，客戶難買單，高昂的價格減緩了市場拓展的速度。
而技術和人才也仍存在一些待突破的難題。
3D視覺主要分為硬件設備和軟件算法兩個部分，光源、鏡頭、相機等硬件產品負責成像，視覺控制系統則負責處理成像的數據并輸出結果。
在硬件方面，3D工業相機的作業頻率需要適應機器人的固有最高節拍。據悉，ABB速度最快的SCARA機器人的節拍時間可達0.29秒 ，這對3D工業相機的作業速度提出挑戰。同時，目前的3D工業相機無法完全排除環境光的干擾，仍然會受到高反光工件以及環境光的變化帶來的影響。
在軟件算法方面，也同樣需要進一步提升。在缺陷檢測應用中，往往是給定一些具體的缺陷模型，讓3D視覺來識別缺陷是否存在。但在實際應用中，許多缺陷由于缺少樣本或者樣本量少，從而出現漏檢的情況。3D視覺對識別非預期性的缺陷還需要更強的學習和處理能力。
另外，3D視覺是一個交叉領域，涉及光學、3D成像、深度學習、運動規劃等眾多技術，鏈條很長。相關領域的人才稀缺也導致了售后技術支持的窘境：懂軟件算法的，不一定會修理硬件。如果遇到設備故障的情況，售后鏈條長。
歸根結底，由于3D視覺仍然處于Gartner曲線的技術萌芽期，市場整體比較碎片化，離解決方案大規模的成熟落地還有一段距離。任何新興的技術產業都需要經歷這一過程，要先學會走，才能真正跑起來。
當第一聲水花濺起時，所泛起的不一定是漣漪，也有可能掀起巨浪。
順為資本副總裁黃豪曾表示：“隨著工業自動化和智能化的持續推進，3D機器視覺將在工業、物流和商業等多個領域遍地開花。
處于規模快速增長的爆發前夜，3D視覺正在醞釀下一個百億市場。