机器视觉需适量收集3D信息

在生产环境中，复杂的环境因素是不可避免的，尤其是烟雾、粉尘、震动等因素，导致机器视觉很难获取准确的3D信息。而通过对环境的感知，及时动态调整相机及投影方式，能够在一定程度上对3D信息进行矫正，减少对3D数据的丢失。

很多厂商选择在生产线中配置机器视觉3D检测功能时，希望在检测过程中能够保证准确率，同时不希望该项检测系统影响自己的生产效率。而3D视觉准确率的保障通常依赖于3D信息的采集，3D信息采集越多，则准确性越高，但成本也会更高。

根据实际应用场景来对相机进行自由组合搭配，通过调试可以让结构光投影达到最佳的观察效果，不仅能帮助厂商用最少的设备来达到更高的检测率，还能厂商购买提高3D视觉的性价比。

当然，目前而言3D数据的采集及处理都还在完善当中，业内人士介绍：“目前工业领域高精度的3D数据采集很多方案还需要借助高性能的PC进行计算，随着柔性化生产要求越来越高，视觉集成需要更高的自由度，这就需要嵌入式的视觉方案，我们目前提供的3D相机是继承了片上计算，实现不占用客户的计算资源直接输出三维点云数据，集成度上已经大幅提升，成本也随之更低。产业的成熟，深度学习是一个重要的技术手段，不过仍需要获取基础的3D数据，这方面也已经有很多公司在尝试，基本上还是在某些特定的应用场景下，工业行业大范围应用还需时日。”

有机器视觉业内人士分析，机器视觉在工业领域中的发展趋势主要可以分为三个阶段，一是成长阶段，以3D视觉为主；第二为创建阶段，以嵌入式视觉为主；第三为成熟阶段，以深度学习为主。显然从如今来看，仍处于收集产品3D信息的阶段。

当前机器视觉应用在工业生产检测中主要有几个难点，一是需要对检测物体进行3D成像；二是成像过程中需要准确收集被测物体的3D信息，避免3D视觉系统漏检；三是在收集完被测物体的3D信息后，通过人工智能深度学习的方式来辨别被测物体是否具有缺陷。而今这些问题已经逐渐被厂商所破解，但一些方法还不适用于普遍生产环境，只局限在实验室当中，大范围应用还需一定时间

注意：来自网络整理