3D机器视觉来了，你准备好了吗？

重磅干货，第一时间送达

本文转载自：新机器视觉

既人工智能后，当下“智”造业最炙手可热的技术莫过于3D机器视觉。

以往我们所说的机器视觉通常指2D的视觉系统，通过摄像头拍到一个平面的照片，然后通过图像分析或比对来识别物体能看到物体一个平面上特征，可用于缺失/存在检测、离散对象分析图案对齐、条形码和光学字符识别以及基于边缘检测的各种二维几何分析。

由于2D视觉无法获得物体的空间坐标信息

所以不支持与形状相关的测量

诸如物体平面度、表面角度、体积

或者区分相同颜色的物体之类的特征

或者在具有接触侧的物体位置之间进行区分

而且2D视觉测量物体的对比度这意味着特别依赖于光照和颜色/灰度变化，测量精度易受变量照明条件的影响。

因此，随着现在对精确度和自动化的要求越来越高3D机器视觉变得更受欢迎。

业界认为2D向3D的转变将成为继黑白到彩色、低分辨率到高分辨率静态图像到动态影像后的第四次革命，3D视觉将是人工智能“开眼看世界”的提供者！

相比2D，3D机器视觉具有以下优点

在线检测快速移动的目标物，获取形状和对比度

消除手动检查带来的错误

实现部件和装配的100％在线质量控制

最大限度地缩短检测周期和召回

最大限度地提高生产质量和生产量

对比度不变，是检查低对比度物体的理想选择

对较小的照明变化或环境光不敏感

建立大型物体检测的多传感器设置更简单

其实，要想真正了解3D视觉

首先得了解3D视觉的测量原理

目前市场上主流的有四种3D视觉技术

双目视觉、TOF、结构光和激光三角测量

双目技术是目前较为广泛的3D视觉系统

它的原理就像我们人的两只眼睛

用两个视点观察同一景物

以获取在不同视角下的感知图像

然后通过三角测量原理计算图像的视差

来获取景物的三维信息

双目技术原理简单

不需要使用特殊的发射器和接收器

只需要在自然光照下就能获得三维信息

适合于制造现场的在线、产品检测和质量控制

不过双目技术的缺点是算法复杂，计算量大

而且光照较暗或者过度曝光的情况下效果差

第二个技术是TOF飞行时间法成像技术

TOF是Time Of Flight的简写

通过给目标物连续发送光脉冲

然后用传感器接收从物体返回的光

通过探测光脉冲的飞行时间来得到目标物距离

TOF的核心部件是光源和感光接收模块

由于TOF是根据公式直接输出深度信息

不需要用类似双目视觉的算法来计算

所以具有响应快、软件简单、识别距离远的特点

而且由于不需要进行灰度图像的获取与分析

因此不受外界光源物体表面性质影响

不过TOF技术的缺点是

分辨率低、不能精密成像、而且成本高

由于双目和TOF都有各自的缺点

所以就有了第三种方式

——3D结构光技术

它通过一个光源投射出一束结构光

这结构光可不是普通的光

而是具备一定结构（比如黑白相间）的光线

打到想要测量的物体上表面

因为物体有不同的形状

会对这样的一些条纹或斑点发生不同的变形

有这样的变形之后

通过算法可以计算出距离、形状、尺寸等信息

从而获得物体的三维图像

由于3D结构光技术

既不需要用很精准的时间延时来测量

又解决双目中匹配算法的复杂度和鲁棒性问题

所以具有计算简单、测量精度较高的优势

而且

对于弱光环境、无明显纹理和形状变化的表面

同样都可进行精密测量

所以越来越多的3D视觉高端应用采用结构光技术

最后一种是和结构光类似的激光三角测量法

它基于光学三角原理

根据光源、物体和检测器三者之间的几何成像关系

来确定空间物体各点的三维坐标

通常用激光作为光源，用CCD相机作为检测器

具有结构光3D视觉的优点

精准、快速、成本低

不过，由于根据三角原理计算

被测物体越远

在CCD 上的位置差别就越小

所以三角测量法在近距离下的精度很高

但是随着距离越来越远

其测量的精度会越来越差

对于这四种3D视觉原理各自的优缺点

我们简单总结为以下的表格

随着测量精度要求越来越高

被测物体条件越来越复杂

2D系统的缺陷愈发突出

而3D视觉技术不断获得突破

在精度、灵活性和速度方面2D是无可比拟的

未来，相信3D视觉将成为主流视觉系统

3D机器视觉来了，而你准备好了吗？