【梳理】工业机器视觉/3D视觉行业分析和企业汇总

发布时间:2024年01月16日

人工智能的分支主要包括语音类技术、视觉类技术、自然语言处理技术和基础硬件等。视觉类技术在中国人工智能市场中占据最大的市场份额。

视觉类技术包含机器视觉计算机视觉两个既有区别又有联系的概念。

图片

资料来源:甲子光年整理

计算机视觉(computer vision)是采用图像处理、模式识别、人工智能技术相结合的手段,实现一幅或多幅图像的计算机分析,而机器视觉(machinevision)偏重于计算机视觉技术工程化,旨在自动获取和分析特定的图像,以控制相应的行为。

具体来说,计算机视觉为机器视觉提供图像和景物分析的理论及算法基础,机器视觉为计算视觉的实现提供传感器、系统构造和实现手段。通俗地说,机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集,经过图像识别和处理提取信息,最终通过执行装置完成操作。

目前机器视觉的主要应用领域包括ADAS(高级驾驶辅助系统)、AGV(自动引导车)、安防、工业、消费等

根据调查结果显示,2012-2021年中国机器视觉器件和系统的销售额从2012年的19.8亿元增长至2021年的161亿元,其复合增长率近似为31.7%,且2021年的增长率56%尤为显著。2022年中国机器视觉行业销售额预测将突破200亿元。

工业是目前中国机器视觉行业最大的下游应用领域,工业领域的销售额占比为 81.2%,其中工业行业包括电子制造、显示面板、汽车、印刷、半导体、食品饮料包装等行业。其他、交通、娱乐、国防安防行业为辅,其销售额占比依次为 10%、3.3%、3.1%、1.1%。

图片

工业机器视觉的核心是通过“机器眼”代替人眼,对物体进行识别、测量并做出判断。工业机器视觉具备高感知效率、高精准度、和基本无人化的优势,是实现工业自动化的核心。

机器视觉发展历程:

图片

资料来源:甲子光年整理

机器视觉系统:

机器视觉系统是一个包含硬件、软件和算法等诸多单元的应用系统,主要包括成像和图像处理两大部分,前者通过硬件部分实现,后者由算法及软件构成的视觉控制系统负责,对成像进行处理分析,输出分析结果至执行机构。

图片

2D、3D机器视觉系统:

图片

典型的机器视觉系统包括光源及光源控制器、镜头、相机、视觉控制系统等部件,其中 光源及光源控制器、镜头、相机等硬件部分负责成像,视觉控制系统负责对成像结果进行 处理分析和输出。

图片

图片

2D视觉系统的一般原理是通过摄像头拍摄平面照片,然后通过图像分析或比对来识别物体,主要依据是物体一个平面上的特征。

由于2D视觉无法获得物体的空间坐标信息,因此无法完成物体平面度、表面角度、体积等测量,同时也难以区分颜色相近的表面。同时成像的对比度对结果的分析至关重要,因此特别依赖于光照和颜色/灰度变化,易受照明条件的影响。

图片

图片

3D视觉可以满足以往2D视觉难以满足的工业场景应用,对2D视觉起到补充作用。业界认为2D向3D的转变将成为视觉技术继黑白到彩色、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。

目前3D视觉最有前景的工业应用场景:高精度的测量及缺陷识别、高速高精度的在线检测、自动装配、视觉引导机器人等。

图片

视觉引导是指通过3D视觉对工件进行定位和识别,引导机器人进行抓取,用于无序分拣与堆码,上下料,焊接等。视觉检测则是将摄像头、激光扫描器等安装在机器人末端,对工件进行轮廓检测、表面缺陷检测、三维重建等。

典型机器人3D视觉引导系统由三部分构成:软件、3D相机、计算机。3D相机获取待分拣工件/堆垛的3D点云信息,传送到计算机上的软件,进行分割和识别,获取要抓取物品空间位置信息,规划机械臂运动路径,引导机械臂完成抓取。

主流的 3D 成像技术

图片

资料来源:甲子光年整理

2D机器视觉技术具有局限性,3D可以作为有效补充。使用2D机器视觉技术可以获取二维图像,在三个自由度(x、y和旋转)上定位被摄目标,并基于灰度、对比度的特征进行分析。但2D技术存在无法提供物体高度、平面度、表面角度、体积等三维信息、易受光照变化影响、对物体运动敏感等局限性。3D 技术增加了旋转、俯仰、横摆三个维度,更能还原真实立体世界,通过3D视觉传感器采集3D轮廓信息,形成3D点云,实现平面度、翘曲度、段差、曲面轮廓度等3D尺寸量测。

工业控制对精度、柔性的要求高,场景还原度更好、鲁棒性更强的3D有望加速渗透。尽管目前2D视觉可以满足绝大部分行业对检测的需求,但涉及到立体工件、精度要求高的检测仍需3D视觉来配合。通过增加3D视觉模块,增加工业机器人的环境感知能力,可以拓宽应用场景。

工业视觉市场规模:

当前国产机器视觉的市场主要集中于2D技术领域的市场,2021年工业3D视觉市场出货量达2.7万套,在整个工业机器视觉市场出货中占比不足5%;2022年中国工业视觉规模168.88亿,其中工业3D视觉规模不到20亿(其中3D工业相机销量超过5万台,其中机器人引导类3D相机出货量超过8500台)现阶段不是一个量级。

图片

资料来源:中商产业研究院、中泰证券研究所

图片

资料来源:中商产业研究院、中泰证券研究所

图片

资料来源:甲子光年整理

图片

预计2027年中国3D工业相机市场规模为160亿元人民币,2022~2027年CAGR为53.8%。GGII数据显示,2022年中国3D工业相机市场规模为18.40亿元,同比增长59.90%,渗透率接近10%。随着制造业智能化深入,预计2027年3D工业相机市场规模将接近160亿元,2022~2027年CAGR为53.8%。

图片

数据来源:GGII、海康机器人招股书

工业视觉产业链:

从机器视觉产业链角度来看,机器视觉行业产业链环节较长,上游由机器视觉系统硬件和软件算法构成,中游为设备商和系统集成商主要负责软件

的二次开发和设备制造,下游应用场景和行业广泛。当前行业应用热度较高的集中在:3C电子、锂电、光伏、半导体等行业。

图片

图片

资料来源:甲子光年整理

图片

资料来源:亿欧智库整理

机器视觉上游零部件成本占比较高,是机器视觉的核心部分。关键零部件和软件系统约占工业机器视觉产品总成本的80%。其中光源、工业相机、底层软件算法等技术壁垒及利润率水平较高,因此对机器视觉上游环节的掌握是目前市场竞争的关键,亦是体现机器视觉核心竞争力的重要环节 。

上游零部件主要包括光源、镜头、相机、传感器、图像采集卡等。目前光源已基本实现 国产替代,集成商的技术水平目前基本追赶上国外先进企业,但伴随技术发展,光源高端化趋势亦非常明确,对光源及打光方案亦提出了更高要求。而其他零部件如工业镜头、 工业相机及软件则仍以海外品牌为主,优势较为明显。

图片

图片

图片

图片

如3D相机端,得益于镜头与CMOS传感器的技术领先,基恩士、康耐视的检测间隔可达0.6秒,基恩士、康耐视相机的检验重复精度可达±0.5μm,对比海康±0.06mm相机优势较大;基恩士算法搭载AI芯片,拥有自动特征抽出算法、机器学习算法、预处理功能,康耐视VisionPro Deep Learning软件基于AI神经网络模型运算,两者3D定位精度2.5μm,海康算法3D定位精度6μm。

工业视觉行业应用:

工业机器视觉的场景应用可分为:识别、测量、定位、检测功能。目前应用较多的场景主要为视觉检测与视觉引导

图片

资料来源:亿欧智库整理

图片

图片

资料来源:甲子光年整理

机器视觉应用方向包含工业级与消费级,产业边界趋于模糊。用于3C电子、半导体与新能源等板块的工业级机器视觉。

图片

图片

资料来源:甲子光年整理

3D视觉在工业的应用往往会和机器人联合形成解决方案,主要应用方向有机器人视觉引导检测两种。

3D工业视觉主流玩家有两类:原2D视觉领域内外资头部厂商、内资初创型厂商。

在精密检测及测量场景中,原2D视觉头部厂商优势较大;在机器人引导类场景中,内资初创型厂商以快速设计并落地方案的优势,处于领先地位。同样由于工业场景定制化程度高,以及高精度、高效率的方案要求,工业级3D视觉的产品定价更高,盈利能力更强。

在精密检测及测量场景中(主要应用于汽车、3C、锂电池、半导体晶圆检测、芯片检测等中高端领域,产品价值量相对本土产品更高),3D通常是与1D、2D技术融合使用,现有2D视觉领导厂商依靠成熟的供应链以及深厚的行业Know-How,依然会主导行业发展,领先的企业有:基恩士、奥普特、大恒图像、凌云光等。

图片

国内3D工业视觉企业主要集中设备组装和集成环节,依靠性价比、深度定制以及服务能力赢得市场,但其主要核心零部件(机器人运动算法、应用工艺包,3D工业相机)主要为外购。在移动机器人引导应用中,内资初创型3D视觉厂商处于领先地位。

大多数3D视觉国产品牌更多专注于物流、工程机械、金属加工、3C电子等毛利率较低、对产品精度要求相对较低的中低端场景中(机械臂进行分拣、上下料等场景),代表企业:梅卡曼德(专注引导类)、星猿哲、图漾科技(专注视觉定位)、熵智科技、迈德威视、知象光电、埃尔森(专注引导类)、海康机器人(专注视觉定位)、迁移科技、如本科技、深视智能(精密测量与检测)等。以视觉为主要导航方式的移动机器人在国内还较少,有:海康机器人、灵动科技、马路创新、蓝芯科技等。部分领先的国内企业,通过提升核心零部件能力,拓展产品线,应用场景持续往高端领域渗透,代表厂商有奥普特、凌云光、大恒图像、海康机器人等。

2022 年中国工业 3D 视觉质量检测类方案 TOP10 厂商格局

图片

数据来源:MIR DATABANK

2022 年中国工业 3D 视觉引导类厂商格局 TOP15

图片

数据来源:MIR DATABANK

图片

图片

工业视觉厂商销售模式:

图片

资料来源:甲子光年整理

工业视觉行业现状:

2D视觉行业发展时间长,市场成熟,行业格局稳定;硬件技术成熟,创业机会主要在算法层面(2D产业链上游壁垒明显,同时硬件技术已经非常成熟,鲜有技术革新,产品生命周期长)

3D视觉处于发展早期,市场格局分散;同2D视觉相比,3D视觉产业的特征是“寻找增量”的逻辑强于“国产替代”。国内外巨头都不具备明显的技术优势,行业存在着大量新公司的机会,关键在于寻找合适的落地场景。

3D视觉作为22年及之前大火赛道,3D视觉行业卷,普遍存在价格乱象,现阶段3D视觉企业普遍亏损,项目做多亏多。

目前国内各家并没有拉开技术产品差异化,也没有形成场景差异化,同质化问题严重。

机器视觉上市公司汇总(资料来源:前瞻产业研究院整理):

图片

图片

图片

图片

图片

3D视觉企业融资现状(2022-至今):

图片

图片

图片

图片

图片

2022年以来3D视觉公司融资统计

文章转自:猎头备忘录

声明:转载此文目的在于传递更多信息,仅供读者学习、交流之目的。文章版权归原作者所有,如有侵权,请联系删除。

文章来源:https://blog.csdn.net/VOMMA/article/details/135618536
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。