2D 机器视觉只能获取平面灰度、色彩信息，无法获取物体高度、形貌、空间尺寸，面对高度差检测、曲面检测、姿态定位、体积测量等场景能力有限。近几年 3D 机器视觉技术成熟度持续提升，激光线扫、结构光、ToF、干涉测量多条技术路线并行发展，在汽车、物流、锂电、半导体等行业渗透率快速提升，成为视觉影像行业最重要的增长赛道之一。
不同 3D 成像技术路线有着各自技术特性与适用场景。激光线扫 3D，依靠激光条纹投射到物体表面，相机采集形变条纹计算三维轮廓，测量精度高，抗环境光干扰能力强，广泛用于焊缝检测、涂胶检测、零部件形貌测量；结构光 3D 相机投射编码光栅图案，重建物体三维形貌，适合中近距离高精度散乱工件抓取、上下料定位；iToF 飞行时间相机通过光飞行时间测算距离，帧率高，数据输出快，更适合机器人避障、物流体积测量、大场景感知；激光干涉测量则可以实现亚微米、纳米级超高精度，面向晶圆、光学元件等微纳检测场景。
过去 3D 视觉产品价格高昂，算法开发难度大，设备选型复杂，制约大规模普及。经过国内企业多年攻坚，硬件成本持续下探，配套 SDK、工具链不断完善。迁移科技、奥比中光、小优智能等国产厂商持续迭代工业级 3D 相机产品，硬件性能不断逼近海外对标产品，同时提供配套算法工具，降低下游集成开发门槛。
汽车制造是 3D 视觉最大落地场景之一。在焊装车间，3D 相机实时扫描焊缝三维轮廓，识别气孔、断焊、虚焊；涂装车间检测涂胶宽度、高度、断胶缺陷；总装车间完成零部件姿态引导抓取，引导机械臂完成螺栓拧紧、零部件装配。新能源动力电池生产环节，3D 视觉用于极耳焊接检测、电芯平整度测量、模组装配定位，解决大量 2D 视觉无法处理的高度类缺陷。物流行业中，3D 视觉实现包裹体积测量、无序拆垛、混码分拣，助力仓储无人化升级。
不过 3D 视觉赛道依旧面临多重挑战。多路线并存，技术选型门槛高，很多下游客户分不清不同技术路线差异，容易出现选型错配。例如 ToF 相机帧率高但精度有限，不适合精密尺寸测量；激光线扫精度高，但扫描速度受产线运动速度限制。同时，反光金属、透明物体、高吸光黑色工件，依旧是各类 3D 成像方案的共性难题，容易产生噪声点云，需要复杂点云处理算法修复。点云数据量大，对工控机算力、传输带宽提出更高要求。高端微纳 3D 量测设备，海外厂商依旧占据优势，国产产品想要进入半导体头部产线，还需要大量现场验证。
行业趋势来看，3D 视觉不再只是高端产线专属，正逐步向中小型制造企业下沉。厂商一方面持续优化硬件性能，另一方面简化软件操作，推出开箱可用的标准化应用模块，减少定制开发工作量。未来，2D+3D 融合成像方案将成为主流，结合二维纹理信息与三维形貌信息，进一步拓宽机器视觉的应用边界。
