工业机器人增长迅猛(为工业机器人装上慧眼)

文|卢英熙

在巨大的厂房里，装有3D工业相机的机械臂正在做着今天的工作，它需要抓取并装载重达100磅的炽热火车车轮。

图：机械臂抓取材料。

气温高达500，这样的场景，光想想就已经是热得冒汗了。

在这种炎热的环境下，在过去，这项工作基本上由工人操作。

随着3D视觉的出现，机器人不仅能在极端条件下抓轮胎，还能拧螺丝抓麻袋，做到“什么都能抓”。

近年来，人工智能技术的发展推动了3D视觉的诞生。3D视觉引导的工业机器人可以识别各种规格的纸箱、麻袋等物流行业常见物体，通过深度学习建立模型，实现对新物体的准确识别和抓取。

而资本的嗅觉是最敏锐的。

据光锥智能不完全统计，2021年，工业机器人领域针对3D视觉的融资事件有17起，但仅2022年第一季度，该领域的融资事件就有9起，融资金额翻倍。

第二季度热度再次持续。近日，美卡曼德宣布完成C轮融资，同时，星云哲也完成了B轮融资。

赛道的升温是由工业机器人的智能化需求带动的。

长期以来，传统的工业机器人因为精度和灵活性低，被贴上了“笨重”、“死板”的标签。虽然它们在一定程度上替代了人力，但效率提升有限。面对复杂的生产环境，工业机器人需要走向自适应、自感知的智能升级。

从“机器换人”到“智能创造”，利用3D视觉和人工智能技术，机器人重构工业生产正当其时。

工业生产的新“视界”

1969年，第一个CCD图像传感器在贝尔实验室诞生。从此，生活和生产的各个领域都与图像和视觉联系在了一起。

人类70%的信息是靠眼睛感知的，机器人也是。在3D视觉出现之前，机器人需要拍摄2D照片来识别3D世界，然后计算3D数据，这是一个复杂的过程。特别是在工业生产中，仅仅通过平面成像来提高工业机器人的智能水平是不够的。它需要一双更明亮的“眼睛”。

三维视觉作为机器视觉的一种，在完成2D成像的迭代后，提高了机器人操作的灵活性。与2D视觉相比，三维机器视觉可以通过三维成像技术获得物体的高精度三维点云坐标。

但3D视觉的终极目标不仅仅是让工业机器人“看得清”，更是“看得懂”。

就传统工业机器人而言，大部分都是按照已有的指令执行任务，动作具有重复性。然而，随着3D视觉技术的加入，通过图像采集、信息处理和机械控制的传输路径，可以实现高效灵活的操作。

比如汽车制造的焊接车间，需要精确测量大型副车架的关键参数，如孔径、位置等，单个工件的微小误差都会影响最终的装配效果。使用3D视觉技术，它可以生成孔位置和其他细节的高质量图像。将获得的信息传输到计算机后，机器人可以灵活应对不同位置的孔位，快速准确地完成测量任务。

从自动化到智能化，中国制造业的传统生产模式正逐渐被小批量、分散的柔性生产模式所取代。因此，如何实现高端制造中机器人的柔性化、小批量、定制化生产，成为高端制造和智能制造机器人需要解决的关键问题。

此前，华为天才智自制机械臂缝制葡萄皮的视频在大火，工业机械臂的精细化生产进一步进入大众视野。

图：智自制的机械手在缝制葡萄皮。

曾几何时，在汽车、钢铁等制造业，零部件的装配过程主要靠人力操作，劳动强度大，效率低。此外，零件种类多，结构复杂，传统的自动化很难满足柔性生产的需要。3D视觉的出现扭转了这一局面。

3D视觉可以应用在拧螺丝、装汽车轮胎、装重物等场景。它可以引导机器人识别和抓取任意放置的工件，并根据要求将工件装配到指定位置，实现高精度定位抓取和高精度纠偏放置。

从应用功能来看，3D视觉技术广泛应用于视觉制导和探测场景。从应用终端来看，物流、金工、汽车零部件行业是3D视觉工业机器人比较重要的应用领域。

每次“618”、“双十一”等节日促销，电商仓库里每天都需要处理几百万件的订单。而传统的人工包裹供应模式，人力成本高，效率低，难以满足分拣效率高的客观需求。面对大量无序的SKU，3D视觉可以快速准确地识别各种形式的包裹，包括硬包装、软包、信封等。实现各类包裹的三维定位，引导机器人抓取并放置在指定的地方。

图：机械臂抓取分拣

可以预见，随着相机、镜头等核心硬件性能的提升，以及图像处理、深度学习等软件技术的发展，3D视觉技术在重构工业生产中的作用将更加突出。

4年涌入近百家，新老玩家大混战

在2018年的上海工博会上，展示3D视觉解决方案的工业机器人企业依然寥寥无几。随着3D技术的日益成熟和智能制造的兴起，一批3D视觉工业机器人公司获得融资，之前相对冷清的赛道变得热闹起来。据高工机器人统计，中国市场3D视觉厂商数量约为60-70家，而且这个数字还在不断增长。

热潮之下，涌现出一批智能机器人创业公司，如固铂、灵犀机器人、美卡曼、肥西、科技、Xingape Zhe等

传统老牌企业也不甘示弱。机器人“四大家族”ABB(瑞士)、安川(日本)、发那科(日本)和库卡相继进入市场。同时，在AI视觉领域也可以看到海康威视和旷视。

3D视觉工业机器人也受到资本追捧。截至6月20日，2021年以来，工业3D视觉领域共发生31起融资事件，融资金额达数十亿美元。融资轮次主要集中在A轮和B轮，说明整个行业还处于早期。

图：2021年以来工业3D视觉领域重大投融资事件，整理：光锥智能

2016年，美卡曼CEO邵天澜曾回答“国内工业机器人发展到什么水平了？”在智湖。提问：“五到八年内，中国机器人的硬件水平可以赶上第一集团，三五年内，软件水平可以赶超第一集团。”

在机器视觉领域，卡恩斯(Kearns)和康耐视(cognex)等国外公司已经在2D视觉领域占据了数十年的“霸主”地位。现在整个3D视觉市场还处于发展初期，国内外厂商在硬件产品和软件算法上可以站在同一起跑线上。

其次，在3D视觉AI工业机器人的细分赛道上，国内厂商布局较早。中国作为制造业大国，工业应用场景丰富，也有很多定制化需求，锻造了国内厂商强大的项目交付能力。

与国外厂商相比，他们只考虑应用需求形成一定规模时的发展规划。国内厂商更善于抓住机会推广自己的产品，通过积累量变来实现质的飞跃。

在2D视觉市场几十年的发展中，行业格局早已稳定，技术方向也相对固定，因此没有新的t

目前3D视觉在工业机器人领域的应用市场渗透率不高，基本竞争格局可分为上游元器件、软件算法、3D摄像机软硬件、集成解决方案四大类。由于行业处于初级阶段，国内市场结构分散，所以像美卡曼、灵犀机器人这样的创业公司，参与了产业链的很多环节，处于集成解决方案的最前沿。

虽然在软件算法平台开发上两者相似，但灵熙机器人在硬件技术和3D成像技术上优于Mecamand，而Mecamand在缺陷检测应用上有更多的落地方案。在关键的下游应用行业，灵犀机器人在物流、锂电池市场有成熟的解决方案，而美卡曼在汽车等其他市场优势更明显。

从国内市场竞争格局来看，能够进入量产阶段的公司处于第一梯队。视觉科学的销售总监于也表示，“随着越来越多的玩家涌入3D视觉赛道，头部企业的形成将会加剧。同时，3D视觉的市场规模和产业应用将实现进一步突破。”

事实上，无论是行业结构还是技术发展，3D视觉都还处于早期阶段。和工业

生产的试错成本很高，因此，在解决方案落地之前，资本和客户都在观望。

2019年，Mecamand的3D视觉+AI+机器人解决方案已实现汽车、家电、3C、物流等行业50多个项目的落地。而灵犀机器人、星云哲等公司也分别获得Pre-A轮和A轮融资。

从demo到项目实施，在没有客户和渠道积累的前提下，擅长技术的创业公司克服了经验不足和对行业不了解的问题，在工业机器人领域打出了3D视觉的第一个水花。

难题：成本待下降，技术仍需迭代

虽然机器视觉已经走过了70多年，但是对于3D视觉来说，真正发展起来是在2018年之后。

四年就像一个刚刚稳步行走的孩子。

据米睿产业统计，2021年，工业3D视觉市场出货量达到2.7万台，占工业机器视觉市场总出货量不到5%，市场渗透率较低。

中国机器视觉产业联盟数据显示，在机器视觉下游应用市场中，消费电子是目前3D视觉的主要应用市场，占比24.79%，其中智能手机应用占比最大；其次，半导体和汽车行业也是3D视觉的主要阵地。

3D视觉市场潜力巨大，但另一方面也存在一些问题：3D视觉在工业机器人上的应用较少，成本和支出难以平衡。

照片：3D相机

据悉，国产3D相机价格一般在5-7万元，进口相机在10万元以上。成本主要由前期研发费用构成。投资和硬件本身的成本。

对于许多3D视觉+AI+工业机器人的解决方案提供商来说，大量的研发；前期投入的费用会提高成本。而且在市场导入期，还没有开始批量应用，无法通过量产来摊薄成本，导致产品价格偏高。

此外，3D摄像头硬件的成本约占总硬件成本的40%。在硬件市场，海外厂商占据了大部分高端市场份额，产品价格比国内厂商高出约50%-100%。需要购买3D相机的内置芯片、光学镜头等核心部件。尽管近几年国产替代，但依然没有撼动国外厂商的地位。

成本下不去，客户买单不起，价格高减缓了市场拓展。

但是在技术和人才方面还存在一些问题需要解决。

3D视觉主要分为硬件设备和软件算法两部分。光源、镜头、摄像头等硬件产品负责成像，视觉控制系统负责处理成像数据并输出结果。

硬件方面，3D工业相机的工作频率需要适应机器人固有的最高节拍。据悉，ABB最快的SCARA机器人的生产节拍可以达到0.29秒，挑战了3D工业相机的运算速度。同时，目前的3D工业相机并不能完全消除环境光的干扰，但仍然会受到工件高反射和环境光变化的影响。

在软件算法方面，也需要进一步完善。在缺陷检测的应用中，往往会给出一些特定的缺陷模型，利用三维视觉来识别缺陷的存在。然而，在实际应用中，由于缺少样本或样本量小，许多缺陷被遗漏。3D视觉需要更强的学习和处理能力来识别意想不到的缺陷。

另外，3D视觉是一个跨学科的领域，涉及光学、3D成像、深度学习、运动规划等诸多技术，链条很长。相关领域人才的稀缺也导致了售后技术支持的困境：懂软件算法的不一定会修硬件。万一设备故障，售后链条长。

归根结底，由于3D视觉仍处于Gartner曲线的技术萌芽阶段，市场整体呈碎片化，解决方案大规模成熟还有很长的路要走。任何新兴的科技行业都需要经历这个过程，学会走路，才能真正跑起来。

图：Gartner

顺资本副总裁黄浩曾表示：“随着工业自动化、智能化的不断推进，3D机器视觉将在工业、物流、商业等诸多领域遍地开花。

在规模快速增长的前夜，3D视觉正在酝酿下一个百亿市场。

原标题：当工业机器人有了一双“雪亮的眼睛”，这个百亿轨道被重塑。