机器视觉是通用台不题工业制造向“智造”升级的关键一环。
从工艺增长的机觉平趋势看，工业机器视觉正在经历从2D到3D的器视蝶变。
3D视觉的伪命价值在于，多一维度的通用台不题信息信息（主要是空间坐标），能满足对体积、机觉平商场女主爆料原始版形状、器视距离等信息测量的伪命需要。并且，通用台不题3D视觉不容易受照明条件的机觉平作用，其成像精度远高于2D视觉，器视同时，伪命其快速处理信息的通用台不题能力也非2D视觉系统可比。
目前，机觉平得益于中国的器视供应链优势，3D机器视觉所需要的硬件，诸如光源、镜头、工业相机等，已经实现较高的国产替代率。
但在工业3D视觉软件领域，国内目前尚未出现一款现象级软件。
由于工业赛道足够细分，加上软件运算规则需要大量信息资源和深度行业know-how进行“喂养”，更多的3D视觉企业选择走定制化路线，这样更容易部署。
不少企业提出畅想：是否可以造一个通用的3D机器视觉平台，来满足各行各业的差异化需求？或者最大程度地减少定制化部署，以节约成本？
真实的应用场景，无形的女房客租房同居全集软件之墙
国内3D机器视觉工艺已经开始落地。但从市场竞争层面看，3D机器视觉暂未出现明显的市场格局，多数企业正处于“铺市场、拼落地”的阶段，抢占市场的无形之战已经打响。
正面战场，行业案例是敲门砖，各家使出看家本领抢市场、推方案。
后方战场，工艺运算规则是主要壁垒，各家在防护等级、稳定性、精度、扫描速度、信息传输等方面挖河道、修筑高墙。
这场战役要争夺的第一片高地，是以劳动力密集型为主要特征的制造业和物流行业。
“2018年开始，物流行业的客户率先进入规模化部署的状态，客户侧他们的时间跑出来的最快。”图漾科技CEO费浙平告诉雷峰网(公众号：雷峰网)。
3D机器视觉在制造业的应用，当前主要集中在质检场景，如高端制造业半导体、精密仪器等的产物外观缺陷质量检测。而在物流行业，3D机器视觉则应用到了引导机器人（机械臂）进行识别、分拣、上下料、拆码垛等工作。
这两大行业的特点是，产物相对标准，且具备自动化基础，这为开发通用3D机器视觉平台打下了基础。
然而要开发通用3D视觉平台还面临两个直观问题：市场接受度，以及工艺如何解决差异化需求。
市场接受度
不少业内人士向雷峰网表示：3D视觉的市场接受度越来越高。
两三年前，3D视觉创业者经常遭受来自投资人和客户的双重质问：“3D视觉到底是不是伪需求？”“2D视觉到底能不能解决？”
在经历工艺落地与市场教育之后，许多工业企业已经认识到3D视觉带来的价值。在谈项目时，开始就指明“不要2D的，要3D的。”
这意味着，从市场需求看，工业企业已经开始认可3D视觉工艺对行业产生的价值，并逐渐接受这种变化，开始愿意为新工艺买单。
工艺如何解决差异化需求
工业企业关注的主要有两点：
产物功能性，即针对应用场景，找到最合适的3D视觉解决方案。
快速交付能力，即找到能够将其需求快速产物化，满足项目时间节点的产物。
从需求倒推至工艺，市场需要的是稳定可靠、复用性强的产物，但现阶段的3D视觉产物同质化竞争非常严重，很难满足不同行业、同一行业不同领域的多样化应用场景需求。
换句话说，在3D视觉公司提供的产物与实际需求之间，还隔着一层需要逾越的厚障壁。
通用3D视觉平台之难
工业企业存在不同业务场景、生产环节，甚至同一场景不同工厂的需求都相互迥异。
设备具备非标性，通用性差，制造过程中的多品种、小批量，是许多工业企业的经营现状。
这导致许多企业不得不选择成本高昂、难以复用的定制化路线。
对于讲究生产柔性、灵活配置生产资源的中小企业，这种定制化产物无异于空中楼阁——好看管用，但用不起。
因此，市场本身需要一些能够提供可复用的通用型产物。
但现阶段，由于工艺和成本的原因，工业3D视觉平台做到完全通用几乎不可能，只能将通用部份沉淀下来，尽量减少定制化比例，将可通用的部分做到极致。
简单来说，这类“有限制”的通用，算作是从定制化迈向通用的一种过渡路线。
即便是做这样一种“类通用”的软件平台，也需要产物性能以及行业Know-How的支撑，二者缺一不可。
一方面，这类软件运算规则平台，需要通过强大的底层运算规则与海量的信息构建，实现产物的“通用性”。即找出定位、识别、抓取、测量等场景中的共性，来解决缺陷检测、无序抓取等具体问题。
在此基础之上，工艺供应商还要在功能与成本之间找到平衡点。
一位业内人士表示，“由于标准化产物需要适应各类非标场景，做到同时满足精度、速度、抗阳光性能、识别难度等需求，性能必须强大且有冗余，在此基础上，标准化产物还要兼顾成本和易用性。”
另一方面，3D机器视觉要在工业落地，行业Know-How极为关键。
在非标场景中提炼出标准化工艺，需要既懂行业又懂工艺的人才。不同场景的共性体现在何处，哪些模块可以复用，如何降低工艺成本等等，没有对行业的深度认知与Know-How沉淀，很难做出与市场需求相匹配的产物。
除了产物和行业Know-How之外，还需要产业链上下游的密切配合。
通过工艺满足多行业的多种应用，需要将核心工艺凝结在标准化的产物中，包括在传感、感知、规划几个层面的同步提升，比如3D相机硬件、视觉软件、机器人软件。软硬件的兼容性难题、迭代速度等，也需要产业上下游合作。
通用难题待解，合作才能走得更远
从产业链分工来看，3D视觉行业已形成一条包括产物供应商、解决方案集成商、终端应用的产业化分工链条。
产物提供商，负责软硬件的研发，比如3D视觉传感器硬件和软件运算规则；
解决方案集成商，直接面对终端各类应用场景的具体需求，针对各类应用运算规则进行二次开发，提供完整的解决方案。
集成商圈子的竞争，主要体现在开拓渠道，以及项目执行能力上。他们面对具体的落地应用，向上完成软硬件产物的集成，向下针对客户痛点拿出完整的解决方案，并将这种经验进行沉淀，而后找到同类场景，进行推广复制。
目前，国内3D视觉赛道，集成商数量众多，能否做到更快、更好地交付，决定着他们能否从中国2000多家视觉集成商中脱颖而出。
3D视觉存在大量分散的柔性化下游应用场景，由于方案定制化程度高，标准化难度大，常常是集成商与上游产物公司，根据某个客户需求，投入大量人力，长时间打磨定制化的解决方案，效率很低。
因此，对于集成商来说，一个能够实现硬件设备与软件运算规则的快速融合，做到与大部分主流机器人和相机、传感器，一键链接，即插即用，将复杂的视觉项目部署和交付变得简单易用的通用视觉软件平台，至关关键。
工业视觉核心软件系统的通用化，可以帮助集成商提高支持能力和解决客户复杂问题的能力，在行业内甚至跨行业进行解决方案的迁移与复制，大大缩短部署周期，节省人力物力投入。
不过，集成商的软硬件开发能力较弱，需要借助上游产物供应商的研发能力。
相较于为数众多的视觉集成商，3D视觉感知方案供应商，在3D视觉相关企业中占据少数。
于3D视觉方案提供商来说，核心竞争力在产物的功能性，包括对3D视觉传感器性能、成本、体积的优化，以及智能运算规则的优化。
不过，智能制造领域，非标场景众多，对于行业和应用场景理解的要求很高，目前供应商针对典型的场景以工艺包的形式做产物，但仍有大量场景需要根据客户的需求做开发或调整，想要缓解落地部署的压力，沉淀出一个通用的3D视觉平台，是解题思路之一。
好的通用视觉软件，既要能够帮助集成商在降低二次开发难度的同时，提高开发速度，帮助将客户的需求快速产物化，还要能较好地与行业解决方案集成。
图像处理软件是机器视觉系统的“大脑”，通过图像处理运算规则完成对被测物的识别、定位、测量、检测等功能。不过，工业系统具有各自封闭开发的特性，多平台和多品牌的多种产物的适配上容易相互“打架”。
因此，一个能与外部控制设备快速集成，增强产物扩展性，能适配多种主流协议，兼容主流3D相机（工业相机、结构光相机、TOF相机、激光相机）的工业软件十分关键。
总的来说，产物提供商的产物能力，与集成商的解决方案能力相辅相成，双方只有密切配合，才能组成一柄完整的利剑，刺穿行业痛点，满足客户的实际落地需求。
相较于2D视觉，3D视觉的工艺栈更深，由于新的工艺路线随时可能出现，目前还不能说哪一家已经形成绝对的工艺领先。
在工艺优势之外，产物功能性和快速交付能力，依旧是赛道比拼的火力集中点。
当下，3D视觉产物朝着标准化、通用化方向增长，存在一些客观难题，比如既懂3D视觉工艺又懂工业场景的人才亟待补充，业内3D视觉标准、规范也相对空白等。
3D机器视觉的通用化之路固然困难重重，但如何在保证产物性能的同时，打造出相对通用的视觉软件平台，已是接来下各方竞争中的关键突破口。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
