关键要点
- 2D视觉依赖于对比度和照明，当条件变化或几何驱动检测时，可能会限制其可靠性。
- 3D视觉测量高度、深度和表面轮廓，以检测颜色、光泽和方向变化中的缺陷。
- 制造商使用3D视觉来减少误拒、重新分配劳动力，并从更难的检测中恢复产量。
您并没有真正检查您的圆柱形零件；您只是希望您的软件能够猜测模糊图像中隐藏的内容。
这听起来可能有些苛刻，但如果您生产线仍然完全依赖2D机器视觉来检查复杂几何形状或可变组件，那么您就是在根据现实的平面、基于强度的阴影来做出质量决策。
这篇文章将分析2D视觉的局限性，3D视觉为何能够突破这些局限，以及运营团队如何使用3D视觉来恢复产量和重新部署人工检查劳动力。
什么是 2D 视觉，它在哪些方面会失效？
一个 2D视觉系统通过捕捉平面图像并分析对比度、亮度和图案的逐像素变化来检查零件。当条件一致且零件简单时，2D表现可靠。问题始于您的环境或材料属性引入可变性。
为什么照明在2D视觉系统中决定一切？
在2D机器视觉中，照明本身就是检测。由于2D系统读取对比度，测量精度完全取决于光线如何照射到零件上，即使是一个完美的零件也可能仅因照明变化而触发错误。
这种限制在实际生产线上会更加复杂：不同批次之间颜色会发生变化，不同批次之间表面处理也会有所不同，不同班次之间环境光也会发生变化，因此没有一种配置能够应对所有情况。Automation Doctor 创始人 David Wyatt 告诉 视觉系统设计:
“由于产品变化很大，你无法找到一个稳定的照明场景，使其在几天内都能正常工作。”
当你无法稳定照明时，2D视觉也无法稳定其结果。
2D视觉系统无法测量什么？
2D传感器不支持与形状相关的测量：平面度、表面角度和零件体积都超出了平面图像所能捕捉的范围。你无法从顶部判断焊点是否正确地呈圆顶形，也无法从其足迹确认粘合剂珠在体积上是否完整。
但有一个更微妙的故障模式很容易被忽略：2D 可以准确地测量正确的东西，但仍可能错过缺陷。康耐视客户成功部首席应用工程师 Zhang JingGuo 从最近的一次合作中描述了这一点：
一位客户正在检查电缆是否正确插入电动汽车控制盒的连接器插槽中。连接器是水平的，所以他们使用了一台向下看的2D智能相机，测量了从电缆端子块特征到槽特征的距离。但是当电缆以一定角度插入时，无论是向上还是向下，距离仍然显示在公差范围内，尽管它没有紧密连接。他们花了两周时间试图解决这个问题，倾斜相机，改变照明，甚至考虑使用第二台侧视相机，但安装空间限制了每一个选项。我们建议他们使用3D相机测量电缆终端块的表面平面角度，以确定电缆是否连接水平。这立即解决了问题，因为它直接测量了电缆的3D位置。
延迟才是真正的成本：2D系统没有问题。它精确地测量了它设计要测量的东西，但仍然得出了错误的答案，因为缺陷存在于相机无法看到的维度。
3D视觉可以检测2D视觉系统无法检测的平面度和翘曲。
3D视觉在检查具有复杂曲面几何形状的零件方面表现出色。
下表显示了2D和3D视觉在各种检测任务中的适用性。
检测任务 | 二维视觉 | 三维视觉 |
|---|---|---|
| 存在/缺失检测 | ✅ | ✅ |
| 表面颜色或印刷缺陷 | ✅ | ✅ |
| 高度测量 | ❌ | ✅ |
| 平面度/翘曲检测 | ❌ | ✅ |
| 体积检测（例如：粘合剂、焊料） | ❌ | ✅ |
| 反射表面的检查 | ❌ | ✅ |
| 无固定照明的零件检查 | ❌ | ✅ |
| 复杂几何形状（例如圆柱、曲线） | ❌ | ✅ |
什么是3D视觉，它的工作原理是什么？
3D机器视觉捕捉零件的真实几何形状，包括高度、深度和表面轮廓，而不仅仅是平面图像。3D视觉不是从对比度推断形状，而是直接测量形状，生成点云或高度图，量化每个空间维度。
3D工业视觉由几项核心技术驱动：
- 激光三角测量：激光线投射到移动部件上，逐行构建3D轮廓，非常适合在传送带上进行在线检测。
- 结构光：已知的光图案通过其失真揭示表面几何形状，提供高分辨率模型，擅长检测划痕和凹痕。
- 立体视觉：两个偏移的摄像头通过图像差异计算深度，在光线控制较差的情况下，立体视觉在抓取和尺寸测量方面表现良好。
- 飞行时间（ToF）：紧凑且快速，ToF测量投射光返回所需的时间，但精度低于结构光。
3D视觉如何解决照明问题？
由于3D系统是根据物理测量而非像素强度构建几何图形，因此它们不受固定照明设置的限制。输出的是空间数据集，而不是对比度图，因此3D在颜色、表面处理或环境光变化时仍然保持稳定。
尽管如此，环境照明仍然很重要，张说大多数从业者都忽略了这一点。张是这样看待的：
环境照明会影响3D相机成像，尤其是立体3D相机。零件上的眩光会压倒投射的3D照明特征，从而阻止点云生成。
对于反射表面，先进的3D解决方案使用高功率、无斑点激光器，以最大化对比度并抑制眩光，从而在2D会过度曝光的高光区域实现对闪亮金属或抛光零件的准确检测。
3D视觉在生产车间中实际胜出的地方在哪里？
3D机器视觉解决了2D根本无法处理的问题，最常见的是体积检测、复杂几何形状和可变表面条件。
粘合剂和密封剂检测
RTV硅酮密封胶可保护电路板和连接器免受振动和温度应力的影响。必须在严格的公差范围内进行涂布：密封胶过多可能导致短路，过少则会使元件暴露。
从上方观察密封胶条的2D相机只能看到其足迹，因此无法判断胶条是否正确呈圆顶形或是否含有空隙。3D系统测量每个点的高度，根据公差量化形状和体积。
低对比度表面检测
博格华纳如何使用3D视觉检测电动汽车组件
博格华纳在其韩国昌原工厂部署了康耐视3D机器视觉，用于检查电动汽车动力驱动组件，因为在低对比度下，即使重新定位摄像头或调整照明，也无法可靠地检测到缺失的零件。
根据《装配杂志》2025年8月报道，2D系统“需要高度受控的环境，具有标准的视角和照明，以产生高对比度并消除阴影。” 3D视觉解决了2D无法解决的问题，相同的部署确认了密封剂的完整性，发现了2D错过的空隙。曾经需要五名操作员的流程现在只需要一个康耐视系统即可运行，解放了劳动力，使其能够从事更高价值的工作。
箱拣选和机器人引导
机器人箱拣选需要视觉引导自动化，因为零件的位置和重叠是随机的。2D相机可以确认零件是否存在，但从杂乱的箱子中挑选特定的零件需要深度数据和姿态估计，这是2D无法提供的。
加拿大自动化集成商BOS Innovations首先尝试为核组件制造商使用2D视觉和激光进行箱子拣选应用：
“我们尝试使用2D机器视觉和激光来解决箱子拣选应用，但我们没有看到我们引以为豪的鲁棒性水平，”BOS Innovations视觉系统高级项目负责人Alex Klarenbeek说。
该团队改用了康耐视3D线扫描相机，该相机在镜面表面上生成高分辨率图像，并为机器人提供精确的拾取目标。
您的应用是否真的需要3D？
3D机器视觉是解决特定问题的正确答案，而不是2D的通用替代品，行业有时会过度纠正，特别是在处理狭窄但深度较大的缺陷时，正如张所解释的：
当客户从2D切换到3D以检测非常薄但深度较大的缺陷时，他们可能会遇到3D无法很好地检测到缺陷的问题，特别是当表面不是非常平坦时。这是因为3D成像在成像薄缺陷时存在局限性：激光或结构化LED光无法投射到薄缺陷的内部。在这种情况下，2D与3D结合是一个不错的选择。
3D视觉读取的是表面几何形状，而不是表面以下的结构，因此零件内部的细小裂纹可能不会使表面变形到足以可靠地分辨的程度。将2D和3D结合，让它们各自发挥所长，通常比单独使用任何一个都要好。
当以下情况发生时，3D是明确的选择：
- 您无法稳定照明：挑战可靠2D设置的可变性不再是约束。
- 您需要体积数据：平面度、翘曲和珠体积都存在于第三个维度，2D无法找到它们。
- 您的零件具有反射性： 闪亮的金属和抛光的玻璃使得基于对比度的成像变得困难，而这正是激光三角测量技术的用武之地。
- 您正在引导机器人到达不可预测的位置： 箱拣选和柔性装配需要2D无法提供的空间数据。
2D视觉仍然是高速表面检测、标签验证和稳定可控零件的正确选择。
人工智能如何改变3D视觉方程
现代3D系统不仅仅依赖于严格的基于规则的工具集：嵌入式人工智能从真实的生产样本中学习“可接受”的样子，然后标记出这些规范之外的异常。
康耐视3D视觉系统将3D成像与人工智能驱动的机器视觉软件相结合，该软件可以检测可变或未定义的特征，将3D数据转换为优化的投影图像，以便进行基于人工智能的训练。与基于规则的编程相比，这大大缩短了设置时间，并消除了将3D视觉技术排除在较小、中等复杂度操作之外的障碍。
制造商现在应该做哪些不同的事情？
最可行的转变不是购买技术；而是改变流程顺序。张简单地说：
随着3D技术的广泛应用，我希望客户在最初的可行性调查阶段就考虑3D视觉。3D是我们3D世界的最直接表现。2D只是3D的投影，获取2D图像时会丢失信息。
从捕捉世界真实存在的三维技术开始，改变了检查项目的经济性。它消除了故障排除周期和妥协阈值，这些都来自于强迫2D完成3D工作。
当检测结果不一致时，问题通常在于试图用平面图像数据来解决尺寸问题。正确的视觉方法首先将检测挑战与系统可以捕捉的测量结果相匹配。
准备好看到完整的画面了吗？
下载康耐视3D机器视觉应用指南，了解3D视觉如何为制造业提供高精度的检测、测量和机器人引导。