3D工业视觉行业研究：机器人的眼睛

（报告出品：国泰君安证券）

1.视觉：为机器人装上眼睛

1.1 预计 2022-2027 年中国 3D 工业视觉 CAGR=53.8%

预计 2027 年中国机器视 觉市 场规模 为 566 亿元，CAGR 为 27%。根 据 MarketsandMarkets 和高工产业研究院数据，2022-2027 年全球机器视觉市场规 模提升到 172 亿美元，年复合增速 7.4%，中国市场规模预计从 170.7 亿人民币提 升到 565.6 亿元，年复合增速 27.1%，远高于全球水平。

预计 2027年中国 3D 工业相机市场规模为 160亿元人民币，2022~2027年 CAG R 为 53.8%。GGII 数据显示，2022 年中国 3D 工业相机市场规模为 18.40 亿元，同 比增长 59.90%，渗透率接近 10%。随着制造业智能化深入，预计 2027 年 3D 工 业相机市场规模将接近 160 亿元，2022~2027 年 CAGR 为 53.8%。

1.2 识别、定位、测量、检测的视觉技术难度递增

机器视觉下游应用行业，消费电子占 21.9%，锂电、半导体各占 10%，电气/电子 占比 6.6%。在国内，机器视觉在 3C 行业的需求量最大，应用覆盖电子元器件的生 产、组装、检测、识别、分类以及读码追溯的全流程。近年来，国内新能源、半导 体、汽车行业视觉渗透率快速提升。从技术难度上来说，识别、定位、测量、检测的技术难度递增。在线检测需要在短 时间内对大量的图像数据进行处理和分析，同时要保证检测的准确性和可靠性，不 受环境因素的干扰。由于工业细分场景繁多，在线检测要适应不同的产品类型、规 格、形状，能够自动识别和调整检测参数和策略，处理复杂的图像特征和背景干扰， 实现自动学习和优化。

从消费电子、锂电池、半导体三个典型行业的具体场景，看机器视觉的应用：a.消费电子领域，机器视觉主要用于过程检测、尺寸测量和尺寸全检。制程中检测包 括准确的视觉检测、高效的尺寸测量、结合大数据快速定位发生源头。关键尺寸测 量包括螺丝孔尺寸测量，关键轮廓的测量，信号和焊接尺寸测量。尺寸全检包括所 有装配位置度的测量，孔径长宽尺寸测量，特征结构匹配测量不确定的漏失。

b.动力电池制造过程中，机器视觉应用于关键工艺的缺陷检测、尺寸测量和定位。电芯前段工序，在涂布、辊压等环节，锂电池容易产生露箔、暗斑、亮斑、划痕等 缺陷，机器视觉主要用于涂布的涂覆纠偏、尺寸测量，极片的表面缺陷检测、尺寸 测量、卷绕对齐度等环节。电新后段工序，主要应用于裸电芯极耳翻折、极耳裁切 碎屑、入壳顶盖和密封钉焊接质量检测、电芯外观检测、尺寸测量、贴胶定位等；模组和 PACK 阶段，主要用于底部蓝胶、BUSBAR 焊缝、侧焊缝、模组全尺寸和 PACK 检测等。

c.半导体领域，机器视觉主要应用于硅片检测分选、晶圆缺陷检测和成品外观检测， 尤其是晶圆制造中的检测、定位、切割、封装全过程都需应用机器视觉技术。硅片 检测分选使用 3D 测量系统，实现对硅片产品多种性能参数一站式自动检测，实现 检测数据管理可视化分析统计，并对硅片质量等级自动分类。半导体工艺检测使用 机器视觉实现制造工艺外观缺陷的 3D、2D 检测，晶圆表面缺陷、杂物、裂纹、切 割削裂等检测。实现封装工艺、晶片不良、胶水不良、焊线不良、焊球不良以及杂 物检测。成品外观检测主要包括划痕检测、电池检测、插卡槽检测。

2.3 3D 视觉最有前景的场景：机器人引导、高精度测量、缺陷 识别

3D 视觉技术在检测精度、光照环境等性能远超 2D。2D 视觉技术在工业自动化过 程的应用已经超过 30 年时间，2D 视觉基于物体平面轮廓驱动，解决部分二维层面 的读条识别、边缘检测等问题，无法获得曲度、空间坐标等三维参数，完全可以满 足外观检测、识别等应用，但检验精度低。3D 视觉技术在 2014 年前后开始兴起， 利用立体摄像、激光雷达等技术准确地完成物体三维信息的采集，对于光照条件、 物体对比度等客观因素适应能力更强，可以实现 2D 视觉无法实现或者不好实现的 功能，例如检测产品的高度、平面度、体积等和三维建模等，更加适配半导体、汽 车、3C 等领域的高精度工业需求，检测要求精度达到＜1μm。

3D 工业视觉提升了检测和测量的精度和效率，扩大了质量控制在线检测的应用范 围，在机器人引导（移动机器人+3D 视觉、机械臂+3D 视觉）场景应用前景广阔。

目前 3D 视觉最有前景的工业应用场景：高精度的测量及缺陷识别、高速高精度的 在线检测、自动装配、视觉引导机器人等。

a.扩大质量控制在线检测的应用范围：2D 视觉技术在低对比度、高反射或透明材料 或带有阴影的特征等方面存在局限。由于这些限制，即使在最先进的制造商的工厂 里，也只有 30-40%的组件进行了在线检测。3D 视觉可以很好地解决这些问题，扩 大质量控制在线检测的范围。

b.协作机械臂柔性装配：总装是目前大多数行业自动化程度最低的环节之一，它涉 及精确的校准，各种各样的工件，以及潜在的频繁变化。在汽车制造中，焊接过程 的自动化程度约为 90%，而组装的自动化程度不到 5%。3D 视觉是使用协作机器人 和其他先进自动化设备的下一代柔性装配系统的使能技术。

c.仓库自动化，随机拣箱是应用难点。存储、检索、分类和码垛都需要 3D 视觉来确定包的尺寸。拣箱是实现工厂和仓库的基本功能。近年来生产和物流自动化的程度 已经得到大幅提升，但随机拣箱（许多类型的物体重叠和堆积，而不是排列在一个 平面上）的场景仍然没有实现无人化。3D 视觉不仅可以识别物体，还可以让机器人 辨别物体的位姿，并通过视觉伺服控制机器人进行工作。

d.视觉引导机器人：引导定位分为移动机器人+机器视觉、机械臂+机器视觉两种路 线。几类环境感知技术中，激光雷达和毫米波雷达都具有明显的优劣势，激光雷达 精度高，探测范围比较广，可以构建机器人和周围环境的 3D 信息，但受天气的干 扰较强；毫米波雷达对于烟雾、灰尘等环境的穿透性较强，所以在特殊环境下它的 测距信息会比较好，但是测距精度要弱一些。视觉感知会有效弥补其他感知技术的 缺点，对于可靠性要求高的场合，立体视觉加毫米波也是一个很好的组合，视觉感 知的技术成本会比激光雷达更低。

2.从 2D 成像到 3D 视觉感知是一次技术的跃迁

2.1 激光三角测量、结构光、ToF、多目视觉等技术共同推动了 3D 视觉的发展

3D 视觉常用四种技术：激光三角测量、结构光、飞行时间(ToF)、多目视觉。工作 原理均为红外激光发射器发射出近红外光，经过人脸反射后，红外信息被红 外光 CMOS 图像处理器接收，并将信息汇总至图像处理芯片，得到物体的三维数据，实 现空间定位。不同之处在于：发射近红外光取得三维数据的方式，激光三角测量用 激光线扫描物体表面，结构光发射的是散斑，ToF 是发射面光源，而双目立体成像 则是通过双目匹配，进行视差算法。激光三角测量：也被称为“位移传感器”。该方法采用激光线扫描物体表面，并通过 相机观察到的激光线变形分析、获得物体表面每个点的深度数据。特点：测量结果 能够达到微米级，但扫描速度和工作范围有限。激光三角测量的高精度、动态测速 性能促使在线检测发展迅速。

结构光：通过光学投射模块将具有编码信息的结构光投射到物体表面，在被测物表 面形成光条图像。图像采集系统采集光条图像后，通过算法处理得出被测物表面的 三维轮廓数据，以还原目标物体三维空间信息。结构光技术是一种主动的三维测量 技术。特点：由于结构光是主动光，好处是昏暗环境和夜间可用。不需要根据场景 的变化而有变化，降低了匹配的难度。但显然在强光环境中会受到干扰，室外基本 不可用。另外，由于主动结构光是带编码的，所以多个结构光相机同时使用也是有 问题的。在实测中，结构光在角度比较小的侧面上反射比较严重，经常出现比较大 的黑洞，当然黑色物体和玻璃是结构光的大 BUG，一个吸光一个透光。飞行时间(ToF)：由发射和反射光信号之间的时间延迟来测量，给定固定的光速。为 了精确地测量时延，经常使用短光脉冲。这种技术跟 3D 激光传感器原理基本类似， 只不过 3D 激光传感器是逐点扫描，而 TOF 相机则是同时得到整幅图像的深度信息。特点：和结构光方式相比，ToF 并不需要对光的图案做复杂解析，只需要反射回来 即可，这大大的提高了鲁棒性，深度信息还原度比结构光好很多，点云的完整性更 好。主要表现在：深度图质量要高于结构光，抗强光的干扰能力也更强一些，精度 也要更高一些。对于玻璃，是光技术的死穴，只能靠其他技术来弥补了。ToF 速度 高，但精度只有毫米级。ToF 技术的难度较高，成本也较高。

立体视觉法：指从不同的视点获取两幅或多幅图像重构目标物体 3D 结构或深度信 息， 目前立体视觉 3D 可以通过单目、双目、多目实现。双目机器视觉是指使用两 个 RGB 彩色相机采集图像，并通过后端的双目匹配和三角测量等算法，计算得到深 度图的技术方法。双目技术使用的是物体本身的特征点，由于每一次双目匹配都面 对不同的图像，都需要重新提取特征点，计算量非常大。双目是一种被动的三维测 量技术。特点：硬件复杂度较低，弱光或目标特征不明显时几乎不可用。同时，双 目相机的运算复杂度也非常高，对硬件计算性能要求极高。因为计算能力要求高， 双目相机极少在嵌入式系统设备中使用，双目相机在通用场景中表现也并不太好， 像诸如 slam 导航等应用，但在工业自动化领域和 x86 系统中,双目相机应用广泛， 因为工业自动化中，双目相机只要解决特定场景中的特定问题。

2.1 移动机器人引导技术方案未定，高精度量测主要用激光三 角法

3D 视觉常用技术的重点应用场景和特征总结如下：a.检测尤其是高精度的缺陷检测场景（典型代表：半导体有图形晶圆检测）是技术要 求最高的，主要采用激光三角测量技术。b.生产线在线检测是最难的，需要复杂的解决方案来适应不同的生产场景，并在振 动和环境光干扰下实现高速度和高精度。主要应用的技术是激光三角测量技术和结 构光技术，激光三角测量技术也可以用于生产线上的柔性装配领域。c.仓库自动化：包括尺寸测量、环境感知、手势识别等功能，主要采用结构光技术和 单目/双目视觉技术，随机拣箱主要采用结构光技术。这些功能也会在消费场景中得 到应用，如手机的人脸识别、手势识别等。d.机器人视觉引导是目前最具前景的场景。由于环境感知具备宽视场、高速度(用于 实时视觉伺服)、高精度的要求，最终的技术路径尚未确定，目前主要用到的技术包 括结构光、ToF、立体视觉。

2.3 人形机器人主要采用 ToF、立体视觉

特斯拉采取纯视觉方案，其余大多数人形机器人厂商采用深度相机+激光/超声波雷 达的方案。特斯拉 Optimus 机器人的 3D 传感模块以多目视觉为主，波士顿动力 Atlas 采用激光雷达+深度相机，优必选 WALKERX 采用基于多目视觉传感器的 3D 视觉定位，小米 CyberOne 机器人所搭载的 Mi-Sense 深度视觉模组是由小米设计， 欧菲光协同开发完成，其机器视觉深度相机模块主要由 iToF 模组、RGB 模组、可选 的 IMU 模块组成。特斯拉采取纯视觉方案，硬件成本低，对软件算法要求高。特斯拉人形机器人共搭 载 8 个摄像头，搭载自研的 FDS 芯片，实现 360°环绕的影像识别。FSD 系统可以 实现每 1.5 毫秒 2500 次搜索的超高效率，预测可能出现的各种情况，并在其中规 划出最安全、最舒适、最快速的路径。特斯拉自主研发了基于神经网络的训练方式， 拥有一支 1000 人左右由世界各地人才组成的数据标注团队，每天对视频数据中的物体在“矢量空间”中进行标注，在善于把握细节的人工标注和效率更高的自动标 注配合下，只需要标注一次，“矢量空间”就能自动标注所有摄像头的多帧画面。这 为特斯拉带来了上百亿级的有效且多样化的原生数据，而这些数据都会用于神经网 络培训。多任务学习 HydraNets 神经网络架构可以将 8 个摄像头获取的画面拼接 起来，并完美平衡视频画面的延迟和精准度。通过人工或自动标注环境和动静物体， 系统会逐帧分析视频画面，了解物体的纵深、速度等信息，再将这些数据交给机器 人学习，绘制 3D 鸟瞰视图，形成 4D 的空间和时间标签的“路网”以呈现道路等信 息，帮助车辆/机器人把握驾驶环境，更精准的寻找最优路径。

国内外人形机器人厂商多采用激光雷达+深度视觉的方案。激光雷达的方案成本比 纯视觉方案高，对软件算法的要求相对纯视觉方案低。优必选 WALKERX 的视觉模 块采用多目视觉，小米 CyberOne 的 Mi-Sense 采用 iToF+RGB，追觅采用 ToF+ 结构光，智元 A1 采用 RGBD 相机。

3．3D 视觉行业格局：2D 视觉头部厂商主导精密检测 及测量，国内初创企业深耕移动机器人引导场景

3.1 3D 工业视觉市场格局：专业化定制趋势明确

1. 金枪鱼价一夜暴跌24%！日本水产业慌了：中国发禁令后，有老板“大脑一片空白”

2. 3个医学博士，干出一个IPO

3. 知名百亿私募被强平？

4. 要不要反对补习班？取决于你是啥阶层