1969年，第一片CCD图像传感器诞生于贝尔实验室，为工业视觉行业打开了数字图像的大门。从那时起，生活和生产的各个领域都开始与图像和视觉相连。
机器视觉领域也开始发芽和生长：从黑白到颜色，从低分辨率到高分辨率，从静态图像到动态图像。今天，我们让机器了解三维空间的现实，并将三维图像视觉呈现在我们面前，这也是业内人士所说的第四次视觉革命。第四次视觉革命的关键是3D传感产业发展迅速。
机器视觉从前2D平面进化到3D立体的视觉，我们常用的刷脸支付，Face ID、VR、无人便利店、智能机器人等产品技术背后的关键技术是3D视觉技术。第四次视觉革命与工业互联网的结合也最大限度地发挥了实体经济和技术的价值，并开始逐步发展到真实的工业场景、生产效率和工业可行性。
如果用一句话来描述工业互联网和3D这句话最适合描述机器视觉的关系:工业互联网的未来是基于3D控制和控制机器视觉AI认知系统的处理。机器视觉在工业领域的应用并不是什么新鲜的事物，已经发展了三十多年的历史，而随着工业3D随着视觉技术的兴起，它在工业制造领域的重量越来越大。
自动化生产中最早采用的工业视觉技术2D但是因为2D视觉通常只能解决平面上的问题。对于高信息对象，如曲面和弧度产品，2D视觉难以发挥作用，由此促进了3D视觉的兴起。相较于2D视觉，3D视觉对环境光变化不敏感，精度和可靠性度和可靠性，可以在生产线上检测快速移动目标，获取形状、颜色对比度、空间坐标等信息。3D视觉可以满足以前的2D更多的工业场景应用在视觉上难以满足，对于2D视觉起到补充作用。此外，近年来，电子、汽车、半导体等精密制造业的精度要求不断提高，高精度3D视觉技术已成为市场的热点。
工业3D视觉主要集中在尺寸和缺陷检测、智能制造和制造和自主导航。D近两年视觉技术在工业领域的应用最大的变化是从单一场景发展到赋能全产线生产，如质检。
工业3在生产线上D在引入视觉之前，都是单一场景的应用，比如广泛使用的质量检验。以智能手机的生产工艺为例，涉及尺寸和缺陷检测的环节主要包括主板、零件组装、包装和运输。所以质检行业3D这三个过程主要涉及视觉系统。现在随着工业3D视觉系统的集成变化，从整个生产线的上料生产到包装检测，可以跨环节、跨场景应用。如生产线上下料及零件焊接、喷涂、装配等场景均可应用于工业3D视觉系统。
对于当前流行的柔性制造需求，柔性制造下的生产环境更加复杂，对智能操作的需求更高。在灵活的生产模式下，工业机器人和自动化设备需要根据生产需要灵活改变生产各种型号的产品，根据不同的产品类型实时规划和完成操作任务，传统的工业机器人或自动化设备无法实现，工业3D引入视觉系统使柔性生产模式更加丝滑。只有跳出传统的自动化小集合解决方案，实现真正兼容的智能操作，才能解决这一使用需求，这是智能视觉系统灵活生产的典型需求。
例如，在智能物流中，3D通过AI 3D视觉可以实现海量SKU准确识别和分类商品，特别是视觉识别与机器人轨迹规划、抓取、移动等控制的交互，可以突破智能物流增长的瓶颈，大大拓宽客户覆盖范围。
当然，工业制造业并没有完全淘汰2D应用视觉系统技术。D视觉系统技术也会作为2D这种混合解决方案也将用于元器件的测量，如检查手机上的技术补充 SIM 卡槽、电池模块、摄像头模块的尺寸和位置安装等。大多数制造商将提供2D/3D混合解决方案。
无论是单一场景、跨环节还是多技术方案的应用，3D机器视觉在工业制造领域发挥着重要作用。然而，与国外相比，高精度检测领域所需的核心部件的研发仍存在较大差距，难以在短时间内超越。
其实国内外工业级3D视觉技术的开始时间基本上是在2014年左右。随着国内产业链的不断迁入和升级，国内研发商逐渐增加了3D投资视觉技术。然而，由于行业种类繁多，技术壁垒和场景不同，大多数制造商基本上都是从一个垂直领域开始的。3D与视觉相关的硬件技术能力有限，不断崛起AI算法实力可以满足部分高精度检测的需要，在一定程度上弥补了硬件的不足，但工业3D在视觉发展的道路上，有许多问题需要解决。
1.技术和产品需要不断升级。工业3D 机器视觉成像技术不断发展，但底层视觉硬件设备中不可避免的颈部技术是芯片和光学镜头，这仍然是外国制造商的主场。而集成的3D目前，机器视觉仍具有抗环境光干扰能力强、测距精度高、分辨率高、成本低等优点 3D 传感器。目前 3D 视觉应用或根据具体的使用场景和预算选择相机，然后根据相机成像结果进行算法定制开发。这种成本高、周期长的应用模式严重限制 3D 在实际场景中使用视觉。
2.成本难以平衡市场培育。在3D在视觉市场上，参与的制造商都在进行价格内部卷，无论是为了在后期获得良好的融资数据，还是为了抢占市场。虽然价格战间接培育了市场，但也破坏了市场秩序，无法保证低价下的用户体验。但对于潜在的种子用户来说，考虑成本是影响其自动化转型的难度之一。如果成本超过预算，市场的培育就无法实施。目前，工业3D视觉市场渗透率不高。
3.市场和供应链不成熟和不完善。对于一些需要购买的人，3D对于视觉产品制造商来说，早期对产品量的需求较少。在这种情况下，工业3D视觉制造商无法通过大规模手段分担产品成本，市场上大量潜在用户对价格和供应链敏感，处于工业3早期发展阶段D视觉产品很难撬动市场。
4.生产线的适应性和周期较长。各行各业的生产线定制需求使设备非标准，通用性差。对于工厂，不同的业务场景、生产环节，甚至不同工厂之间的需求也不同。制造过程中的多品种、小批量影响了企业的转型难度。设备交付后，需要调试一段时间，最终适应生产线，一定的周期影响了企业自动化转型的热情。
从选取工业3D对于视觉产品的客户来说，用户选择的标准取决于工厂自身的特点和预算，这意味着工业3D在提供适应产品能力的前提下，视觉制造商也必须有吸引力的价格，双方的成本和预算需要达到适当的平衡。
这些要求限制了3D视觉技术广泛应用于工业制造领域。发展初期的工业3D视觉系统的大规模商业场景不成熟，产品定制度高，整体市场分散分散，3D视觉系统技术仍然需要在这个市场上不断探索和探索，在细分场景中探索和发展，寻找差异化，提高产品和服务市场的能力，以促进未来工业互联网的升级。
近年来作为工业生产线机械设备的重要感知部分，在工业4中.在0升级改造的背景下，工业3D视觉技术作为核心技术单位之一，工业化进展迅速。目前，它加速了多个制造业的渗透，整个产业链的规模也加快了扩张。
GGII数据显示，随着机器视觉技术在工业领域的广泛应用，预计到2023年，中国机器视觉市场规模将达到208年.6亿元，其中3D视觉市场规模将达到34.28亿元，预计到2025年3000元D视觉市场规模将超过100亿元。
3.智能制造和精密加工对生产工艺和检测标准提出了更高的要求D视觉系统也演变成了更广泛的机器视觉领域，这使得3D视觉应用应用，加速3D机器视觉在制造业中得到了广泛的应用。在工业与智能深度融合的过程中，也会出现这些趋势变化。
1.工业3D视觉技术的发展趋势是高性能、多场景。D随着成像技术的不断迭代，机器视觉技术的性能也将上升到高性能方向。主要表现为工业相机成像分辨率的不断提高，图像采集速度和传输可靠性的不断提高，光源从可见光扩展到非可见光，相机从单光谱项、高光谱扩展，扩展机器视觉的应用场景。
2.实时智能化发展。智能化主要以云计算，大数据，人工智能等新技术为依托，运用深度学习等技术提高工业3D智能将是未来工业3的视觉技术处理和分析能力D不断提高企业生产效率和产品质量的一致性，是视觉系统的核心卖点之一。以数字基础设施为核心发展的5G技术将与工业D视觉技术的结合依赖于5G工业3具有大带宽、低延迟、高可靠性D在降低网络中断风险的同时，视觉提供实时计算的风险。
3. 工业3D视觉系统向集成化、小型化方向发展。D未来工业3D视觉系统将逐渐向小型化和集成化方向发展。光学模块、通信模块和计算模块将继续集成到单个设备中，集成设备也拓宽了机器视觉的应用领域。
第四代视觉技术的创新才刚刚开始。在超高精度测量领域，国内企业逐步迈出步伐，未来仍有广阔的上升空间。第四次视觉革命给了工业生产线设备一双智能三维的眼睛。随着硬件设备技术的不断进步，算法和软件不断优化，机器不仅可以看到三维世界，还可以看到理解世界。
工业3D在升级打怪的道路上，视觉厂商也会不断完善技术体系，看得更快更清晰。在这个快速增长的市场中，工业界和投资界都给予工业3D更重要的是，工业3D视觉在全球竞争格局中不断迭代，涉及到中国竞争力的提升。在这场轰轰烈烈的视觉革命中，低成本、高性能的工业3D视觉系统技术将作为未来工厂智能硬件设备的核心，支持AIOT智能硬件的快速发展促进了工业互联网万物互联网的开放。