通用3D机器视觉平台是不是伪命题?

机器视觉是工业制造向“智造”升级的重要一环。

从技术发展的趋势看,工业机器视觉正在经历从2D到3D的蝶变。

3D视觉的价值在于,多一维度的信息数据(主要是空间坐标),能满足对体积、形状、距离等信息测量的需要。并且,3D视觉不容易受照明条件的影响,其成像精度远高于2D视觉,同时,其快速处理信息的能力也非2D视觉系统可比。

目前,得益于中国的供应链优势,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,加上软件算法需要大量数据资源和深度行业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,无形的软件之墙

国内3D机器视觉技术已经开始落地。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,工艺算法是主要壁垒,各家在防护等级、稳定性、精度、扫描速度、数据传输等方面挖河道、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费浙平告诉小编。

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、精密仪器等的产品外观缺陷质量检测。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,产品相对标准,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,以及技术如何解决差异化需求。

  • 市场接受度

不少业内人士表示: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?”

在经历技术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视觉技术对行业产生的价值,并逐渐接受这种变化,开始愿意为新技术买单。

  • 技术如何解决差异化需求

工业企业关注的主要有两点:

产品功能性,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品化,满足项目时间节点的产品。

从需求倒推至技术,市场需要的是稳定可靠、复用性强的产品,但现阶段的3D视觉产品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视觉公司提供的产品与实际需求之间,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,这种定制化产品无异于空中楼阁——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品。

但现阶段,由于技术和成本的原因,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,也需要产品性能以及行业Know-How的支撑,二者缺一不可。

一方面,这类软件算法平台,需要通过强大的底层算法与海量的数据构建,实现产品的“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,技术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,“由于标准化产品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,标准化产品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极为重要。

在非标场景中提炼出标准化技术,需要既懂行业又懂技术的人才。不同场景的共性体现在何处,哪些模块可以复用,如何降低技术成本等等,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品。

除了产品和行业Know-How之外,还需要产业链上下游的密切配合。

通过技术满足多行业的多种应用,需要将核心技术凝结在标准化的产品中,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品供应商、解决方案集成商、终端应用的产业化分工链条。

产品提供商,负责软硬件的研发,比如3D视觉传感器硬件和软件算法;

解决方案集成商,直接面对终端各类应用场景的具体需求,针对各类应用算法进行二次开发,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,向上完成软硬件产品的集成,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品公司,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算法的快速融合,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,至关重要。

工业视觉核心软件系统的通用化,可以帮助集成商提高服务能力和解决用户复杂问题的能力,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,需要借助上游产品供应商的研发能力。

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,核心竞争力在产品的功能性,包括对3D视觉传感器性能、成本、体积的优化,以及智能算法的优化。

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品,但仍有大量场景需要根据用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品化,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”,通过图像处理算法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品的适配上容易相互“打架”。

因此,一个能与外部控制设备快速集成,增强产品扩展性,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)的工业软件十分重要。

总的来说,产品提供商的产品能力,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视觉的技术栈更深,由于新的技术路线随时可能出现,目前还不能说哪一家已经形成绝对的技术领先。

在技术优势之外,产品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视觉产品朝着标准化、通用化方向发展,存在一些客观难题,比如既懂3D视觉技术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,但如何在保证产品性能的同时,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重要突破口。

本站部分文章来自互联网,文章版权归原作者所有。如有疑问请联系QQ:3164780!

(0)
AIIAW的头像AIIAW本站编辑
上一篇 2023-06-20 22:37
下一篇 2023-06-22 08:08

相关推荐