從手機解鎖、支付消費到工廠的生產應用，3D 視覺已經深入到生活的方方面面。那到底什么是3D 視覺。它在仙工智能視覺 AI 解決方案中又扮演著什么角色？

一、3D視覺與2D視覺的技術差異  

3D 視覺與 2D視覺技術的最大區別在于處理的數據類型不同。在 3D 視覺領域，被處理的對象通常是依靠 3D 傳感器采集到的三維點云數據，而 2D 視覺技術主要被用于處理平面圖像里的信息。這決定了 3D 視覺不僅能夠感知場景中物體的有無，還能夠準確的感知到物體離我們距離遠近、尺寸大小和位置朝向。

搭配上 RoboView Server 算法平臺，AMR 就可以擁有像人眼一樣能夠真實感知物體的三維尺寸信息的視覺，更好地實現2D視覺無法實現或者不好實現的功能。

二、RoboView 如何通過 3D 視覺實現這些功能

雖然 3D 成像技術在不斷發展，但目前依然沒有具備抗環境光干擾能力強、成像距離遠、測距精度高、分辨高和成本低等優點于一身的 3D 傳感器。

因此，目前 3D 視覺的應用還是依據具體的使用場景和預算來選擇相機，然后根據相機成像結果來定制性的進行算法開發。這種成本高、周期久的應用模式嚴重限制了 3D 視覺在實際場景中的使用。

本著以標準化產品支撐非標應用的思維，RoboView 的3D 視覺模塊對過往3D視覺非標項目進行總結性分析，六大基本操作流程，就像生產線上的六道基本工序一樣對 3D 視覺數據進行分解、處理和分析，最終得到我們想要的信息。

第一步-數據采集

3D 數據采集流程主要工作是獲取場景的 3D 信息，該流程對外面對的是不同品牌和型號的 3D 傳感器接口，對內是輸出同一格式的 3D 視覺數據。實現了對外整合和對內的統一。

第二步-數據標定

數據標定主要工作是建立3D 傳感器與真實場景之間的聯系，將3D傳感器看到的事物與真實場景中存在的事物建立一一對應關系。完成數據標定過程，我們就可以將3D視覺數據分析出來的結果反饋到到真實場景中。

第三步-數據濾波

數據濾波過程相當于對采集到的3D信息進行一次初略的清洗，去除與后續分析對象無關的信息，可以方便我們更加聚焦在需要處理的對象上。

第四步-場景分割

場景分割是對3D數據進行降維處理，將濾波后的3D視覺數據根據其結構特征及紋理差異分割成平面、連續曲面等一系列簡單結構的3D視覺數據。通過將場景內的3D視覺數據分割成一塊塊簡單結構特征，可以有效的避免兩個不同對象干擾后期的目標識別結果。

第五步-目標識別

目標識別就是確定目標物體在場景中的位置和姿態，利用目標識別算法準確的識別場景中的貨物所在位置為后續數據評估提供基礎。識別出貨物的位置與姿態也可以用來引導機器人對貨物進行叉取轉運。

第六步-數據評估

準確識別出場景中的貨物后，數據評估流程就可以評估貨物的長、寬、高等尺寸信息，進而分析出貨物堆疊層高、貨物類型等深層次信息。

三、RoboView 3D 視覺提供功能

1、障礙物檢測

3D 視覺下，無懼陰影和視線遮擋等，有效減少誤警問題，大幅提升應急通道障礙物檢測功能的準確性。

2、庫位管理

帶有 3D 視覺的庫位管理，不僅可以準確管理庫位內貨物有無信息，更高級的貨物尺寸信息、堆疊層高和貨物擺放位姿等信息。這些深層次的信息為后續的高層級應用如目標檢測，AGV 調度等深層次的庫位管理功能提供了可能。

除此之外，仙工智能視覺 AI 解決方案-RoboView 為客戶提供覆蓋生產、安全、管理等環節下眾多應用的視覺 AI 解決方案。解決方案涵蓋前期調研、中期研發、落地和后期的產品維護和升級，助力客戶提高生產效率，加速完成智能化生產。