官方微信
【原创】3D视觉:机会、选择、障碍
图漾科技 | 视觉| 文章来源自:高工机器人网
2020-01-14 09:01:50 阅读:10034
摘要事实上,从这两年的情况来看,关于机器视觉技术的规模化落地,大部分的企业都还处于摸索的阶段。

  【文/廖文清】“一般在创业的前两年,大家还可以靠demo和刷脸拿天使以及Pre-A轮融资,到第三年的时候,如果再拿不出产品和客户来,那么这个公司就非常危险了。”

  两年前,图漾科技总经理费浙平在面对媒体采访时这样说到。在他看来,对于技术型创业公司来说,熬过三年和实现营收2000万是一个槛,而图漾科技刚刚迈过这个“槛”:熬过了最艰难的技术沉淀期和标杆客户的产品验证期,图漾科技迎来了市场开拓期。

  机器视觉技术密集型的特点让这一领域从来就不缺乏资本的关注:前两年进入的机器视觉企业可能都已经完成第二轮、第三轮,甚至是第四轮融资了,但资本的亲睐并不意味着它的落地更容易。

  事实上,从这两年的情况来看,关于机器视觉技术的规模化落地,大部分的企业都还处于摸索的阶段。

  “坦白讲,投资人低估了机器视觉落地的难度。”费浙平说,尽管得益于在与ABB、京东等企业的合作中积累的产品化能力,2019年图漾科技实现了快速发展,但他认为,目前3D视觉还是一颗种子,要长成参天大树还需要漫长的培育期。

  3D视觉是国产的机会?

  早些年,视觉企业寥若残星,其自然被捧上“神坛”,但这两年,如春笋般冒出的企业越来越多,一定程度上也降低了进入的门槛。

  这两年,国内兴起了一批以3D视觉研发为主的企业,比如2019年1月份才注册的深浅优视,7月份就出了样品。事实上,从2D到3D的变革,这是一个自然发生的事情。鉴微科技销售总监苏耘德认为,未来三年,2D应用领域会开始转向3D应用领域,这将是非常庞大的市场需求量。

  深慧视CEO吕聪认为,近两年3D机器视觉需求的爆发有着深刻的产业背景和原因,首先,过去十年以来,工业机器人在沿海地区制造企业得到了广泛的部署,这是协作类机器视觉产生的基础。

  其次,是C2M的订单组织方式变革客观上要求生产线的部署更加柔性,工序的来料、生产、质检的自动化弹性更强,这些加速了3D机器视觉在制造业的规模化应用;另外,是国内劳动力成本的上涨趋势导致用工荒已经从普通蓝领工人群体延伸到一部分质检为代表的高技术工人群体,这对于机器视觉检测提出了更高的要求。

  从终端企业来看,大家对于国内的3D视觉企业接受度也在慢慢提高。“对我们这样的创业公司,也愿意给我们机会试错,甚至扶持我们。”费浙平说,“客观上我看到的变化就是我们进大客户的难度在降低,真实的场景的应用机会在变多。”

  另一方面,目前3D视觉还处于市场导入期,企业营收普遍较低,盈利的企业寥寥无几,机器视觉在的普及率和渗透率都很低。从客观的数量上来看,费浙平认为,跟自动化相关的3D视觉,全球加起来每年的销量还不到10K,这也就意味着在3D视觉领域,还没有一家真正称得上是龙头的企业,而国产机器人的机会巨大。

  此外,随着芯片图像分辨率地不断提高以及工作条件的优化,原来固有的对国外智能相机的“迷信”也慢慢受到冲击,大家渐渐意识到在一些应用场景中,其实不一定非得用精度很高的相机。

  选择:产品还是集成?

  专注于产品还是集成,这是摆在每一个机器视觉企业面前的问题。

  做产品意味着需要不断打磨技术,实现落地,而量起是企业生存下去的根本,但前期沉淀周期太长,研发成本很高;做系统集成,意味着需要大量工程调试人员,项目的资金垫付压力很大,应收款项压力大。

  虽然在技术方案落地的时候,需要跟集成商做一样的事情,但费浙平一直反复强调图漾科技的定位是康耐视这样的上游零部件企业,专注于产品而非集成。

  选择产品也就意味着在推进中缺少主动权,前期一定是大客户主动的需求驱动,产品在大客户中应用成熟之后,才能谈复制到其它企业的问题。

  机器视觉的技术门槛意味着企业在选择集成商的时候,对集成商的相关技术团队储备有一定的要求,毋庸置疑的是,机器视觉的大规模普及的基础是有越来越多的集成商了解并应用。这也意味着,需要挑选集成商。

  “产品普及的基础就是行业的共性需求,而只有大集成商的需求才代表了行业的共性需求,如果是单一需求,就不具有可复制性。”费浙平说,“我们最致命的问题就是要熬,另外,我们离最终客户比较远,离需求比较远,但这既是缺点也是优点。”可喜的是图漾科技已经跨过了第一个阶段,有了一定的客户基础和案例,第二个阶段需要落地更多的场景。

  在具体商业打法上,梅卡曼德CEO邵天兰在此前接受相关媒体的采访时提到的原则是“被集成”——尽量少做集成项目,以供应方角色与集成商合作,更快落地更多场景。

  邵天兰将梅卡曼德定位为像自动驾驶公司一样有综合能力的公司,不是相机公司,也不是视觉算法公司,而是有自己的3D相机,视觉、规划算法,软件,具备比较完整的机器人智能能力的公司。

  虽然强调不过多涉及集成应用,但梅卡曼德在汽车装配、汽车零部件生产、家电、钢铁、食品、高铁轨道部件生产、电商物流仓库、快递中转中心、银行金库等多个领域实际部署了3D+AI+工业机器人的智能解决方案。

  规模化落地障碍

  虽然3D视觉正在多个领域中实现落地,但整体而言,3D视觉目前还处于市场导入期,落地场景都还比较分散,只能算是有了一些点的突破,还谈不上线和面的普及。

  “从整个市场来看,机器视觉技术落地占比可能连10%都不到,我们可能有20%——30%。”费浙平说,在他看来,不能落地有一大部分原因都是技术能力没有达到。

  而邵天兰则认为,某个技术好,最后要形成好的整体方案,才能有效果。“中国有数以百计的视觉企业,我觉得真正拥有较强核心技术研发能力的并不多,最普遍的弱项是持续积累核心技术的能力,很多视觉企业,包括一些规模比较大的,干了十几年,真正积累的技术并不多,而这里的核心技术就包括器件、算法和方案能力。”

  “如果不考虑鲁棒性问题的话,视觉技术似乎是万能的,言下之意,如果考虑鲁棒性问题的话,优秀的视觉产品其实很少。”这句话被费浙平在公开场合提及过多次。

  机器视觉技术从demo到产品的这个过程中,鲁棒性是界定科研技术与产品落地的边界,也就是说,对于客户来说,鲁棒性能不能达到,就决定了产品能不能用。

  当然,科研和产品之间天然的差距决定了这对企业来说并不是一个很友好的词,费浙平坦言现在并没有一个很好的解决方案,而他们所能做的就是根据已经验证过的算法来发掘3D视觉技术在工程案例中的可行性,并不断优化使产品更加稳定,给客户带来实际的应用价值。

  机器视觉在工业领域的落地分为三个层面,第一层就是眼,即机器视觉直接应用到产线中,不需要配合其它的自动化设备;第二层是手+眼,即机器视觉配合机械臂的落地;第三层是:手+眼+脑。

  “不管是2D视觉也好,3D视觉也好,理论上最舒服的落地是只要眼的情况,比如测量箱子、包裹的体积之类的。”费浙平说。而机器视觉应用在自动化中,意味着要与具体的工艺相结合,而工艺对于视觉企业来说,确实是一道比较难跨越的“坎”。

  费浙平表示,“焊接也好,点胶、喷胶、拧螺丝也好,一旦涉及到具体的工艺,也就意味着机器视觉在产线中是需要动态的测量,持续不断地工作,这对于前端的执行部件来说,要求非常高。

  当前,影响3D视觉在工业领域应用的还有一个因素就是价格。费浙平认为,即使需求成熟了,一个产品的价格没达到一个合适的“甜蜜点”的话,应用普及的速度也上不来,尤其在国内市场。而他认为的“甜蜜点”应该是1年,必须要让最终用户看到后有两眼发光、拍脑袋就上的冲动。

  具体来说,根据不同的场景需求和产品规格,他认为产品价格要控制在2000~20000人民币之间,包含3D工业相机和软件算法的完整方案、软硬价都满足工业级成熟稳定可靠性要求,且软件要做到极致优化,能在普通工控机上运行,不能动辄就用到GPU,计算单元也是成本大头。当然这里不包括差异化的非标定制和服务。

  与国外以及国内某些企业的3D机器视觉产品一套解决方案动辄几万甚至十几万不同的是,图漾科技走了一条被称为“具有性价比”的方案,其产品价格低至2000人民币,镜头和光源、投射器以及算力平台都包含在内,体积非常小,被称为“口袋相机”。

  目前,融合深度学习的3D机器视觉在检测领域的应用正在成为一种趋势。深浅优视CEO周剑表示,深度学习解决了大量数据的筛选问题,这在以前(包括当下绝大部分)是完全依赖人工,甚至无法解决的难题。

  但他也坦言,虽然深度学习就像一个万能工具一样,具备解决很多实际问题的能力。但万能工具往往也是万不能工具,怎么利用好这个工具对一些具体场景进行处理是需要继续试错的。


此文章有价值
手机扫一扫,分享给朋友
返回顶部