工業機器視覺/3D視覺行業分析和企業匯總

正文：

人工智能的分支主要包括語音類技術、視覺類技術、自然語言處理技術和基礎硬件等。視覺類技術在中國人工智能市場中占據最大的市場份額。

視覺類技術包含機器視覺和計算機視覺兩個既有區別又有聯系的概念。

資料來源：甲子光年整理

計算機視覺(computer vision)是采用圖像處理、模式識別、人工智能技術相結合的手段，實現一幅或多幅圖像的計算機分析，而機器視覺(machinevision)偏重于計算機視覺技術工程化，旨在自動獲取和分析特定的圖像，以控制相應的行為。

具體來說，計算機視覺為機器視覺提供圖像和景物分析的理論及算法基礎，機器視覺為計算視覺的實現提供傳感器、系統構造和實現手段。通俗地說，機器視覺就是用機器代替人眼。機器視覺模擬眼睛進行圖像采集，經過圖像識別和處理提取信息，最終通過執行裝置完成操作。

目前機器視覺的主要應用領域包括ADAS(高級駕駛輔助系統)、AGV(自動引導車)、安防、工業、消費等。

根據調查結果顯示，2012-2021年中國機器視覺器件和系統的銷售額從2012年的19.8億元增長至2021年的161億元，其復合增長率近似為31.7%，且2021年的增長率56%尤為顯著。2022年中國機器視覺行業銷售額預測將突破200億元。

工業是目前中國機器視覺行業最大的下游應用領域，工業領域的銷售額占比為 81.2%，其中工業行業包括電子制造、顯示面板、汽車、印刷、半導體、食品飲料包裝等行業。其他、交通、娛樂、國防安防行業為輔，其銷售額占比依次為 10%、3.3%、3.1%、1.1%。

工業機器視覺的核心是通過“機器眼”代替人眼，對物體進行識別、測量并做出判斷。工業機器視覺具備高感知效率、高精準度、和基本無人化的優勢，是實現工業自動化的核心。

機器視覺發展歷程：

資料來源：甲子光年整理

機器視覺系統：

機器視覺系統是一個包含硬件、軟件和算法等諸多單元的應用系統，主要包括成像和圖像處理兩大部分，前者通過硬件部分實現，后者由算法及軟件構成的視覺控制系統負責，對成像進行處理分析，輸出分析結果至執行機構。

2D、3D機器視覺系統：

典型的機器視覺系統包括光源及光源控制器、鏡頭、相機、視覺控制系統等部件，其中 光源及光源控制器、鏡頭、相機等硬件部分負責成像，視覺控制系統負責對成像結果進行 處理分析和輸出。

2D視覺系統的一般原理是通過攝像頭拍攝平面照片，然后通過圖像分析或比對來識別物體，主要依據是物體一個平面上的特征。

由于2D視覺無法獲得物體的空間坐標信息，因此無法完成物體平面度、表面角度、體積等測量，同時也難以區分顏色相近的表面。同時成像的對比度對結果的分析至關重要，因此特別依賴于光照和顏色/灰度變化，易受照明條件的影響。

3D視覺可以滿足以往2D視覺難以滿足的工業場景應用，對2D視覺起到補充作用。業界認為2D向3D的轉變將成為視覺技術繼黑白到彩色、低分辨率到高分辨率、靜態圖像到動態影像后的第四次革命。

目前3D視覺最有前景的工業應用場景：高精度的測量及缺陷識別、高速高精度的在線檢測、自動裝配、視覺引導機器人等。

視覺引導是指通過3D視覺對工件進行定位和識別，引導機器人進行抓取，用于無序分揀與堆碼，上下料，焊接等。視覺檢測則是將攝像頭、激光掃描器等安裝在機器人末端，對工件進行輪廓檢測、表面缺陷檢測、三維重建等。

典型機器人3D視覺引導系統由三部分構成：軟件、3D相機、計算機。3D相機獲取待分揀工件/堆垛的3D點云信息，傳送到計算機上的軟件，進行分割和識別，獲取要抓取物品空間位置信息，規劃機械臂運動路徑，引導機械臂完成抓取。

主流的 3D 成像技術

資料來源：甲子光年整理

2D機器視覺技術具有局限性，3D可以作為有效補充。使用2D機器視覺技術可以獲取二維圖像，在三個自由度（x、y和旋轉）上定位被攝目標，并基于灰度、對比度的特征進行分析。但2D技術存在無法提供物體高度、平面度、表面角度、體積等三維信息、易受光照變化影響、對物體運動敏感等局限性。3D 技術增加了旋轉、俯仰、橫擺三個維度，更能還原真實立體世界，通過3D視覺傳感器采集3D輪廓信息，形成3D點云，實現平面度、翹曲度、段差、曲面輪廓度等3D尺寸量測。

工業控制對精度、柔性的要求高，場景還原度更好、魯棒性更強的3D有望加速滲透。盡管目前2D視覺可以滿足絕大部分行業對檢測的需求，但涉及到立體工件、精度要求高的檢測仍需3D視覺來配合。通過增加3D視覺模塊，增加工業機器人的環境感知能力，可以拓寬應用場景。

工業視覺市場規模：

當前國產機器視覺的市場主要集中于2D技術領域的市場，2021年工業3D視覺市場出貨量達2.7萬套，在整個工業機器視覺市場出貨中占比不足5%；2022年中國工業視覺規模168.88億，其中工業3D視覺規模不到20億（其中3D工業相機銷量超過5萬臺，其中機器人引導類3D相機出貨量超過8500臺）現階段不是一個量級。

資料來源：中商產業研究院、中泰證券研究所

資料來源：中商產業研究院、中泰證券研究所

資料來源：甲子光年整理

預計2027年中國3D工業相機市場規模為160億元人民幣，2022~2027年CAGR為53.8%。GGII數據顯示，2022年中國3D工業相機市場規模為18.40億元，同比增長59.90%，滲透率接近10%。隨著制造業智能化深入，預計2027年3D工業相機市場規模將接近160億元，2022~2027年CAGR為53.8%。

數據來源：GGII、?？禉C器人招股書

工業視覺產業鏈：

從機器視覺產業鏈角度來看，機器視覺行業產業鏈環節較長，上游由機器視覺系統硬件和軟件算法構成，中游為設備商和系統集成商主要負責軟件

的二次開發和設備制造，下游應用場景和行業廣泛。當前行業應用熱度較高的集中在：3C電子、鋰電、光伏、半導體等行業。

資料來源：甲子光年整理

資料來源：億歐智庫整理

機器視覺上游零部件成本占比較高，是機器視覺的核心部分。關鍵零部件和軟件系統約占工業機器視覺產品總成本的80%。其中光源、工業相機、底層軟件算法等技術壁壘及利潤率水平較高，因此對機器視覺上游環節的掌握是目前市場競爭的關鍵，亦是體現機器視覺核心競爭力的重要環節 。

上游零部件主要包括光源、鏡頭、相機、傳感器、圖像采集卡等。目前光源已基本實現 國產替代，集成商的技術水平目前基本追趕上國外先進企業，但伴隨技術發展，光源高端化趨勢亦非常明確，對光源及打光方案亦提出了更高要求。而其他零部件如工業鏡頭、 工業相機及軟件則仍以海外品牌為主，優勢較為明顯。

如3D相機端，得益于鏡頭與CMOS傳感器的技術領先，基恩士、康耐視的檢測間隔可達0.6秒，基恩士、康耐視相機的檢驗重復精度可達±0.5μm，對比?？怠?.06mm相機優勢較大；基恩士算法搭載AI芯片，擁有自動特征抽出算法、機器學習算法、預處理功能，康耐視VisionPro Deep Learning軟件基于AI神經網絡模型運算，兩者3D定位精度2.5μm，?？邓惴?D定位精度6μm。

工業視覺行業應用：

工業機器視覺的場景應用可分為：識別、測量、定位、檢測功能。目前應用較多的場景主要為視覺檢測與視覺引導。

資料來源：億歐智庫整理

資料來源：甲子光年整理

機器視覺應用方向包含工業級與消費級，產業邊界趨于模糊。用于3C電子、半導體與新能源等板塊的工業級機器視覺。

資料來源：甲子光年整理

3D視覺在工業的應用往往會和機器人聯合形成解決方案，主要應用方向有機器人視覺引導與檢測兩種。

3D工業視覺主流玩家有兩類：原2D視覺領域內外資頭部廠商、內資初創型廠商。

在精密檢測及測量場景中，原2D視覺頭部廠商優勢較大；在機器人引導類場景中，內資初創型廠商以快速設計并落地方案的優勢，處于領先地位。同樣由于工業場景定制化程度高，以及高精度、高效率的方案要求，工業級3D視覺的產品定價更高，盈利能力更強。

在精密檢測及測量場景中（主要應用于汽車、3C、鋰電池、半導體晶圓檢測、芯片檢測等中高端領域，產品價值量相對本土產品更高），3D通常是與1D、2D技術融合使用，現有2D視覺領導廠商依靠成熟的供應鏈以及深厚的行業Know-How，依然會主導行業發展，領先的企業有：基恩士、奧普特、大恒圖像、凌云光等。

國內3D工業視覺企業主要集中設備組裝和集成環節，依靠性價比、深度定制以及服務能力贏得市場，但其主要核心零部件（機器人運動算法、應用工藝包，3D工業相機）主要為外購。在移動機器人引導應用中，內資初創型3D視覺廠商處于領先地位。

大多數3D視覺國產品牌更多專注于物流、工程機械、金屬加工、3C電子等毛利率較低、對產品精度要求相對較低的中低端場景中（機械臂進行分揀、上下料等場景），代表企業：梅卡曼德（專注引導類）、星猿哲、圖漾科技（專注視覺定位）、熵智科技、邁德威視、知象光電、埃爾森（專注引導類）、?？禉C器人（專注視覺定位）、遷移科技、如本科技、深視智能（精密測量與檢測）等。以視覺為主要導航方式的移動機器人在國內還較少，有：?？禉C器人、靈動科技、馬路創新、藍芯科技等。部分領先的國內企業，通過提升核心零部件能力，拓展產品線，應用場景持續往高端領域滲透，代表廠商有奧普特、凌云光、大恒圖像、?？禉C器人等。

2022 年中國工業 3D 視覺質量檢測類方案 TOP10 廠商格局

數據來源：MIR DATABANK

2022 年中國工業 3D 視覺引導類廠商格局 TOP15

數據來源：MIR DATABANK

工業視覺廠商銷售模式：

資料來源：甲子光年整理

工業視覺行業現狀：

2D視覺行業發展時間長，市場成熟，行業格局穩定；硬件技術成熟，創業機會主要在算法層面（2D產業鏈上游壁壘明顯，同時硬件技術已經非常成熟，鮮有技術革新，產品生命周期長）

3D視覺處于發展早期，市場格局分散；同2D視覺相比，3D視覺產業的特征是“尋找增量”的邏輯強于“國產替代”。國內外巨頭都不具備明顯的技術優勢，行業存在著大量新公司的機會，關鍵在于尋找合適的落地場景。

3D視覺作為22年及之前大火賽道，3D視覺行業卷，普遍存在價格亂象，現階段3D視覺企業普遍虧損，項目做多虧多。

目前國內各家并沒有拉開技術產品差異化，也沒有形成場景差異化，同質化問題嚴重。

機器視覺上市公司匯總（資料來源：前瞻產業研究院整理）：

3D視覺企業融資現狀（2022-至今）：

2022年以來3D視覺公司融資統計