人形机器人视觉感知：机器视觉产业链分析

人形机器人视觉感知：机器视觉产业链分析

机器视觉是实现工业自动化的核心技术，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。随着图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。本文将探讨机器视觉这一领域，详细介绍其技术原理及产业链上中下游，分析机器视觉的主流技术、梳理国内机器视觉主要分布情况、并整理最新机器视觉相关政策。

产业链图谱分析

机器视觉产业链上游主要是系统硬件和软件算法，主要有光源、镜头、工业相机、工控机（包含图像采集卡）、图像处理软件等机器视觉组件设备，用于消费领域3D视觉主要由红外光发射器、红外光摄像头、可见光摄像头、图像处理芯片构成；中游是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，包括基于视觉应用软件的应用系统（如检测、测量、定位、识别系统/定位引导系统等）以及各类视觉设备；下游应用场景和行业广泛，主要为各行业的产线综合解决方案供应商终端行业，如3C电子、汽车与零部件、新能源、半导体、医疗制药等。

产业链上游：机器视觉软硬件

机器视觉的上游包括相机、镜头、光源等硬件及算法软件，涵盖了图像摄取装置（例如 CMOS、CCD）、光源、工业镜头、工业相机、图像采集卡等核心组件，以及机器视觉软件算法的供应商。这些组件的质量和性能对于机器视觉系统的整体性能和稳定性具有至关重要的作用，为机器视觉系统提供了不可或缺的基础硬件和软件支持。

产业链上游的工业相机、图像采集卡等核心零部件及算法软件是是产业链中绝对的核心环节，在目前的整个机器视觉系统成本构成上，占据机器视觉总成本80%。其中，零部件环节的占比高达45%，软件开发环节（包括上游视觉控制系统和下游设备商的二次开发）占比为35%，此外，机器视觉系统的组装集成和维护占比为20%。

产业链中游：设备厂商与系统集成商

机器视觉的中游为视觉系统与智能装备，是整个产业链的关键环节，负责将上游的部件整合为完整的机器视觉系统，并进行软件的二次开发和设备制造，这些系统具备多功能、模块化、高可靠性等特点，并且可以灵活配置和控制，适用于智能制造、智能安防、智能交通等多个领域。中游厂商以智能装备以及机器视觉的感知能力和分析决策能力为核心，在视觉系统的基础上融入了智能化功能。

中游的组装集成在产业链中价值占比相对有限仅为 15%，后端的维护环节市场占比仅为5%。由于机器视觉行业下游应用较为分散，标准化程度较低，因此中游设备商针对特定行业调试开发的成本较高，商业模式上在不同行业快速推广复制的可能性相对较低，相比之下上游核心零部件产品一般标准化程度较高，且受下游市场需求变化影响相对有限，整体来看相比中游，上游的潜在市场空间更大。

产业链下游：机器视觉应用

下游部分则是终端应用企业，主要用于各个行业和场景，例如质量检测、产品识别、自动化控制等。机器视觉技术已经在消费电子、汽车、锂电池、半导体、医药行业、食品包装等领域，实现了较为广泛的应用。

整体上，下游应用场景可大致分为消费级和工业级两类。工业级机器视觉对于技术、精度、稳定性等的要求相对更高，整体成本较高。消费级视觉方案对于精度的要求相对较低，对于成本控制的需求较高。现阶段人形机器人进入规模量产阶段，对视觉方案的需求更关注于产能供应和成本控制两方面，推测消费级3D视觉产品有望成为需求主流。随着未来人形机器人应用场景的复杂化及多元化之后，不排除需求工业级机器视觉产品的可能性。

机器视觉主流技术分析

机器视觉包括识别、测量、定位和检测等四大应用场景，实现难度依次递增。

识别

甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确度和识别速度是衡量的重要指标。常见的应用场景是OCR，读取零部件上的字母、数字、字符（例如条形码、二维码等）用于溯源。

测量

把获取的图像像素信息标定成常用的度量衡单位，再精确计算出目标物体的几何尺寸，主要应用于高精度及复杂形态测量。

定位

获取目标物体的位置信息（二维或是三维），进而辅助执行后续操作，常用于元件对位、辅助机器人完成装配、拾取等。

检测

主要针对目标物体的表面状态，判断产品是否存在缺陷，通常用于零部件缺陷、污染物、功能性瑕疵检测等。

机器视觉在工业领域应用广泛，其中检测功能难度最大、应用最广。在实现难度方面，识别相对最简单，检测相对最难，尽管如此，检测仍然是机器视觉在工业领域的最主要应用，应用占比达50%，识别、定位和测量功能分别占比24%、16%和10%。

上述四种典型应用场景中，不同应用领域或场景对视觉的测量范围、测量精度、尺寸和功耗等性能要求均不同。视觉技术按照成像维度的不同，可以划分为2D和3D两大类别。

2D视觉技术

2D视觉技术在过去几十年里经历了显著的进步，分辨率从最初的数十万像素提升至现今的数亿像素，图像的色彩还原变得更加真实，图像质量也得到了显著提升。尽管如此，2D成像技术使用到的传统RGB相机，仅能捕捉到物体表面的纹理信息，没有物体到相机的距离信息，无法提供对于精确的识别、追踪等功能所需的空间形态、几何尺寸和位姿信息等。

3D视觉感知技术

3D视觉相对于2D应用场景更加复杂、精度更高、视觉信息获取量更加丰富。3D视觉成像技术可分为光学和非光学成像方法。目前应用最多的还是光学方法，包括飞行时间（ToF）法（包括dToF、iToF）、双目视觉法、结构光法、激光扫描法、激光散斑法、干涉法、照相测量法、激光跟踪法等等，常用的为前三种方法。 目前机器人视觉由于人形机器人的与外界复杂环境交互需求的提升，同样也需要使用3D视觉系统。机器人视觉相比传统机器视觉更加3D化、高度集成化、场景复杂化。作为机器人感知的前沿和核心手段，3D视觉通过使用相关仪器来获取物体的图像数据信息，然后再对获取的数据信息进行分析处理，利用三维重建的相关理论重建出真实环境中物体表面的轮廓信息，让机器人感知周围环境中物体的轮廓和距离，为后续执行指令动作参考使用。

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。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。从最初的2D视觉发展到现在的3D机器视觉，解决了很多2D视觉无法应对的高度信息、曲面、弧度等问题。3D机器视觉在精度、可靠性、与环境光不敏感等方面有明显优势，广泛用于尺寸与缺陷检测、智能制造和自主导航等多个工业场景。

随着工业自动化和智能化的快速发展，3D机器视觉技术在工业、物流和商业等多个领域崭露头角。相较于传统的2D视觉系统，3D机器视觉技术能够提供更精准的三维点云数据，大幅提升了机器人作业的灵活性和精度。这一进步对于满足现代工业对高精度和高效率的需求至关重要。特别是在工业自动化领域，机器视觉主要用于检测、测量、识别和定位，其在各个方面都显示出巨大的应用潜力。

目前，越来越多的应用场景开始采用3D视觉技术来替代或补充传统的2D视觉方案，尽管3D视觉技术的研发与应用门槛相对较高，但其带来的性能提升和技术进步使得行业内的研究与投资不断加大，加速了从2D向3D转变的过程。未来，随着碎片化的工业场景和多样化的生产需求将推动机器视觉技术向一体化、标准化方向发展，将促进信息技术与运营技术的快速融合，满足工业自动化和智能制造的复杂需求。

机器视觉产业链分布

中国机器视觉市场以国际参与者为主，高端市场中主要被美国、德国及日本品牌占领，主要包括美国的康耐视、德国的巴斯勒、日本的基恩士和欧姆龙，这些国际巨头在机器视觉领域有着丰富的技术积累、良好的客户口碑及坚实的客户基础。国内机器视觉的企业分布在各产业链环节，代表性的企业有矩子科技、天准科技、奥普特、精测电子、美亚光电等，市场份额也逐步上升。

中国机器视觉技术在工业领域应用较多，因此产业分布与中国制造业发达地区的地理位置联系较紧密，在广东省、江浙沪等地区较集中，主要分布在广东、北京、江苏、上海以及浙江等地区。其中广东地区机器视觉产业链布局更为完善，产业链各环节均有上市企业，如镜头设备制造厂商联合光电、光源设备厂商同时也是机器视觉龙头企业奥普特等。

其主要原因在于，机器视觉作为人工智能领域中技术壁垒较高的领域，广东省、江浙沪地区以及北京市具备较发达的金融协同环境与创业土壤，属于中国人才主流输入地区，因此这些地区诞生了多个中国机器视觉产业链上龙头企业。其中，广东省在机器视觉检测设备、算法与集成布局较为完善，江苏省与浙江省的设备制造及系统集成商较多。而中国中部、西部与北部地区的机器视觉企业较少，仍处于发展中阶段。

机器视觉行业市场集中度较低，分散程度加剧，随着人形机器人实现量产、AI技术的不断进步和应用领域的不断拓展，未来中国机器视觉市场规模将持续增长，行业格局也将发生变化。

机器视觉产业相关政策

国内机器视觉经历了快速发展，并在AI技术的加持下迎来了底层技术突破，同时国家政策持续推动机器视觉相关行业的发展，特别是在智能制造、高端装备、自动化设备、新材料等领域。

2024年10月，工业和信息化部、国家发展改革委印发《新材料从事平台建设指南（2024-2027）》，提出推动中试实现智能化数字化改革，加强新一代信息技术融合应用，提升机器视觉机器学习、人工智能等在中试环节的应用比例，通过实时感知、数据分析做到科学决策，优化工艺过程，提升试验效率。

2024年1月，工业和信息化部、国家发展改革委印发《制造业中试创新发展实施意见》，提出推进中试智能化，推动机器视觉、机器学习、人工智能大模型在中试环节的应用有利于通过全面感知、实时分析、科学决策和精准执行，实现自动化、高精度和跨场景的工业缺陷识别，优化工艺过程，捉升试验效率，积累技术能力，形成人工智能赋能制造业中试发展的独特优势。

2023年12月，交通运输部印发《关于推进公路数字化转型加快智慧公路建设发展的意见》，提出构建智慧路网监测调度体系，探索路网运行大数据、人工智能、机器视觉等技术深度融合应用。

2023年6月，工业和信息化部等五部门联合印发《制造业可靠性提升实施意见》，提出推动生产制造装备数字化改造，促进传感、机器视觉、自动化控制、先进测量等技术在生产制造环节深度应用，提高生产效率，降低质量波动。

2023年1月，工业和信息化部等十七部门联合印发《“机器人+”应用行动实施方案》，提出推动商贸物流、教育领域中机器视觉等技术融合应用。