3D视觉检测让智造大开眼界

对于3D视觉检测，很难说，究竟是底层技术的突破支撑了应用需求的创新，还是应用场景的转变推动了关键技术的变革。但可以确定的是，3D检测是目前机视觉研究应用的方向之一，从物件/条码辨识、产品检测、外观尺寸量测到机械手臂/传动设备定位，都是3D视觉检测技术可以发挥的舞台。

打破2D视觉技术局限

3D视觉技术是相对于2D视觉技术而言的，在可靠性及精度等方面，具有诸多2D视觉技术无法比拟的优势。

2D视觉技术通过相机拍摄平面照片，然后进行图像分析，识别比对平面上的物体特征信息，由于其不能获得对象的空间坐标信息，因此不能满足任何与高度信息关联的检测需求。3D视觉检测技术能够识别物体的空间立体位置和表面信息，被测物体可以在传感器的有效测量范围内任意移动或摆放，这大大拓展了3D视觉技术的检测维度，延伸出许多基于高度差信息的应用场景，例如物体平直度，表面角度和体积等，使用范围更广。

在检测精度方面，3D视觉技术也更胜一筹。2D视觉检测依赖于被测物体表面的对比度，如果不能满足特定光照条件,如照射角度、波长等，则无法准确地从图像背景中提取出相关特征，导致可靠性和测量精度都无法得到保证。而且，2D视觉根本无法检测黑色背景上的黑色物体。

“3D视觉相对2D视觉检测而言，对外界光的干扰不很敏感。”西克中国高级视觉业务发展经理郑平易指出，由于3D视觉检测技术是使用结构光三角测量原理，将特定波长的激光图案投射到物体表面。图像中的前景是被物体表面形状调制后的激光图案，图像对比度是恒定的，只取决于物体表面材质的反光能力，不易受环境光变化影响，从而保证测量精度。

值得一提的是，3D传感器中的所有组件都被牢固地安装在单个光机械组件上，提供深度测量信息，能够纠正物体移动误差，从而简化物体固定要求，这进一步巩固了其在测量稳定性和精度上的优势。除此之外，在灵活性、实用性和速度方面，3D视觉与2D视觉相比也有较大的优势。

拓展延伸更多应用场景

对于用户来说，以2D视觉技术为手段的检测应用以平面需求为主，3D视觉技术的发展则为检测应用找到新的切入点，延伸出很多新的应用方向。

早在2017年，锂电、半导体、光伏等新兴行业就出现了对3D视觉技术的迫切需求，其中以测量、定位、识别和缺陷检测为主。

以电子器件的涂胶检测为例，最早业内是通过2D视觉技术检测涂胶宽度来判断是否存在异胶、漏胶的现象，但是少胶的状况往往被忽略掉。如果只涂了薄薄的一层胶，宽度合格，2D视觉技术会认为这是一个正常品，但是厚度不足的话不一定能确保胶的粘性。在3D视觉技术出现之后，涂胶检测的需求就发展为不仅要检测涂胶宽度，同时还要检胶体体积，这大大提高了涂胶行业的产品合格率。

对于一些传统行业，随着工业4.0的到来，工业生产对生产效率、产品品质的要求日益提高，3D机器视觉也开始发挥更加广泛的作用。这其中，比较有代表性的有钢铁、汽车、轮胎等行业。

在钢铁行业，3D视觉检测主要用于生产环节中视觉定级、尺寸检测、识别防错、定位引导等方面。其中，在钢材成型出厂前，需要对型材进行全尺寸轮廓检测、钢坯平面度检测等，使用3D相机可以更高效地解决生产线上高速裁剪、多种类柔性线兼容问题，替代人工，实现产线全检。

在轨道交通领域，3D视觉技术催生了隧道表面安全检测的发展。隧洞表面的物体脱落是交通安全的一大隐患，但由于隧洞本身是弧形的，表面脱落物难以通过传统技术检测，3D轮廓检测通过一次扫描可以同时检测多个平整度，实现精准判断，大大提高隧道出行的安全性。

此外，最近几年，利用3D视觉技术实现机器人引导、抓取、搬运类的应用也非常广泛，3D视觉技术在汽车、机械制造、机床加工等领域展现出了广阔的应用潜力。

结合2D与3D检测新技术

尽管3D技术已被证明可用于诸多质量检测应用中，但许多企业仍然仅依靠2D机器视觉来实现其质量控制流程，其主要还是受限于3D视觉技术在精度和速度方面带来的缺失，以及相对较高的成本。如此一来，将3D激光探测器的基本功能与2D视觉传感器进行结合就成为了未来视觉检测技术的一大发展方向。

在一些应用场合，当3D视觉技术不能解决所有问题时，就需要建立一个2D的项目，在其成熟功能上通过3D视觉添加描述形状的数据，这种2D叠加3D的组合方式可以为某些应用提供有益补充。

比如在实际分拣作业中，应用3D技术结合2D检查功能，可以准确地检测分拣机上是否有包裹，包裹是否超出边界，空车检测，以及是否有遗留物品。与传统方法不同，系统可以生成准确的三维和二维信息，无需编码器或复杂的校准，因此拥有更高的检测率，并可输出详细数据以便跟踪系统性能和健康状态。

不难发现，在自动化工业质量控制和检测领域，2D和3D技术相互结合、优势互补对用户创建更可靠、高效的机器视觉检测系统非常有意义。

深度学习助益缺陷检测

结合深度学习进行工业视觉检测也是目前3D视觉技术新的发展趋势。

深度学习是机器学习的领域之一，它使计算机通过处理数据来模仿人类大脑的工作方式进行决策，结合工业视觉，就是让视觉系统能够通过大量样品进行训练从而进行更加精确的检测判断，结合深度学习的3D视觉技术在缺陷检测应用中获得了广泛认可。

以半导体行业为例，电子元器件虽然体积小，但其承载的功能却都十分重要，任何瑕疵都可能导致整个半导体芯片无法使用。不但刮擦、缠绕、弯曲等比较严重的缺陷会导致产品报废，即使最表浅的缺陷也是芯片的极小误差容限所不能接受的。这就需要更加严格的质量管理和缺陷探测要求。

如果将这么多缺陷类型直接编程到软件算法中，检测效率其实是非常低下的。基于深度学习的图像分析软件，可以帮助通过软件的神经网络会归纳概括芯片的正常外观，识别异常特征，然后将缺失、损坏或者磨损的组件标记为缺陷，助力制造商提高成品率。

此外，在汽车、电子、包装、军民融合等行业，结合深度学习的视觉缺陷检测也大施拳脚，实现了包括发动机缸盖、缸体、凸轮轴、手机重要零部件、IC插件外观检测、连接器、军民融合产品和包装的外观缺陷检测。

“一个好的技术或者一个成功的产品能否最终推动整个产业的发展，中间存在巨大的鸿沟，只有不断提供创新、实用的解决方案，不断满足市场应用的需求，才能降低成本，推动技术进步和产业升级。”堡盟视觉技术产品经理陈田感触颇深，他说，堡盟非常看好3D视觉技术的发展，将继续跟进检测应用需求，为客户提供高性价比的解决方案，和行业用户一起推动制造业的智能升级。(张   兰  )