一、工業(yè)3d相機(jī)市場(chǎng)規(guī)模如何

普通攝像頭都是2d平面成像的，丟失了物理世界中的第三維信息（尺寸和距離等幾何數(shù)據(jù)），計(jì)算機(jī)只能實(shí)現(xiàn)影像記錄和平面圖像特征識(shí)別，分析算法難度極大，目前能夠?qū)崿F(xiàn)的智能分析功能十分有限。

3d成像能夠識(shí)別視野內(nèi)空間每個(gè)點(diǎn)位的三維坐標(biāo)信息，從而使得計(jì)算機(jī)得到空間的3d數(shù)據(jù)并能夠復(fù)原完整的三維世界并實(shí)現(xiàn)各種智能的三維定位。那么工業(yè)3d相機(jī)市場(chǎng)規(guī)模如何呢？

目前，國(guó)內(nèi)3d工業(yè)相機(jī)測(cè)量模組行業(yè)主要應(yīng)用于測(cè)量/檢測(cè)領(lǐng)域，其他領(lǐng)域需求較少。3d視覺(jué)正處于發(fā)展初期，市場(chǎng)對(duì)于其需求剛剛打開(kāi)閥門(mén)，其產(chǎn)品和方案也都尚不成熟，目前主流廠商以小批量導(dǎo)入和試用為主。預(yù)計(jì)需要2~3年左右的驗(yàn)證周期，之后將實(shí)現(xiàn)較大批量的出貨。

二、工業(yè)3d相機(jī)未來(lái)發(fā)展趨勢(shì)是什么

1、人工智能深度學(xué)習(xí) 機(jī)器視覺(jué)的技術(shù)發(fā)展趨勢(shì)

傳統(tǒng)的基于規(guī)則的機(jī)器視覺(jué)系統(tǒng)可以高精度地每分鐘檢查數(shù)百甚至數(shù)千個(gè)零件，但系統(tǒng)仍是通過(guò)逐步過(guò)濾和基于基本規(guī)則的算法運(yùn)行的。而深度學(xué)習(xí)算法使用了卷積神經(jīng)網(wǎng)絡(luò)，利用卷積層提取出圖像特征，而卷積層的參數(shù)并非全部由人工設(shè)計(jì)而是通過(guò)數(shù)據(jù)訓(xùn)練所得。機(jī)器視覺(jué)系統(tǒng)與其結(jié)合后，將會(huì)形成以下幾個(gè)優(yōu)點(diǎn)：（1）克服視覺(jué)應(yīng)用程序難以使用基于規(guī)則的算法，進(jìn)而進(jìn)行編程；（2）維護(hù)應(yīng)用程序并在工廠車(chē)間重新訓(xùn)練新的圖像數(shù)據(jù)；（3）無(wú)需重新編程核心網(wǎng)絡(luò)即可適應(yīng)新的示例；（4）處理迷惑性較高的背景和零件外觀的變化等。

近年來(lái)，得益于計(jì)算能力的提高和大規(guī)模數(shù)據(jù)集的出現(xiàn)，AI 技術(shù)本身以及各類(lèi)商業(yè)解決方案已日臻成熟，正在快速進(jìn)入工業(yè)化階段?！叭斯ぶ悄苌疃葘W(xué)習(xí) 機(jī)器視覺(jué)”可以幫助機(jī)器視覺(jué)設(shè)備快速進(jìn)行圖像分類(lèi)、目標(biāo)檢測(cè)和分割，且已越來(lái)越多的應(yīng)用在 3d 機(jī)器視覺(jué)中，成為業(yè)內(nèi)公認(rèn)的未來(lái)主流發(fā)展趨勢(shì)之一。

2、技術(shù)提升帶來(lái)的滲透率提升及加速進(jìn)口替代的趨勢(shì)

受益于光源系統(tǒng)、圖像處理系統(tǒng)以及相機(jī)等軟硬件領(lǐng)域的技術(shù)持續(xù)提升，機(jī)器視覺(jué)設(shè)備的成本端呈現(xiàn)逐年下降趨勢(shì)。在同等價(jià)格甚至性?xún)r(jià)比更高的條件下，機(jī)器視覺(jué)設(shè)備可以提供更多更快的圖像數(shù)據(jù)傳輸、更先進(jìn)的軟件算法，實(shí)現(xiàn)數(shù)字化、實(shí)時(shí)化和智能化的性能提升。性?xún)r(jià)比的提高加大了機(jī)器視覺(jué)設(shè)備的市場(chǎng)滲透率，同時(shí)，國(guó)內(nèi)企業(yè)在地域性及客戶(hù)服務(wù)上相較于境外企業(yè)有明顯優(yōu)勢(shì)，隨著國(guó)產(chǎn)機(jī)器視覺(jué)設(shè)備逐漸成熟，原先機(jī)器視覺(jué)行業(yè)較高的進(jìn)口依存度為進(jìn)口替代帶來(lái)廣闊的空間。