0
| 本文作者： 劉路遙 | 2023-09-21 10:07 |
2D和3D是機(jī)器視覺(jué)領(lǐng)域兩個(gè)重要的概念，一個(gè)維度之差，帶來(lái)的是從平面信息到空間信息的質(zhì)的飛躍。
3D視覺(jué)誕生之初以人眼作為參照，目的是讓機(jī)器能夠更清晰地認(rèn)知人類所處的三維世界。
這個(gè)賽道的企業(yè)無(wú)不以“3D視覺(jué)”自居，然而，在這場(chǎng)從2D到3D的技術(shù)接力賽中，也潛藏著一個(gè)不被外界所知的維度——2.5D。
“一大半宣稱3D視覺(jué)的公司，其實(shí)都是2.5D，不是真3D，而且能做到2.5D已經(jīng)很不容易。”機(jī)器視覺(jué)從業(yè)者馬迪這句話，揭下了不少3D視覺(jué)公司身上的新衣。
在機(jī)器視覺(jué)中，3D和2D的區(qū)別主要三點(diǎn)：
第一，物體的識(shí)別和測(cè)量。
2D獲取的信息相對(duì)簡(jiǎn)單，只能看到物體的平面信息。3D則是在2D的基礎(chǔ)上，增添了深度信息。提供了一個(gè)超級(jí)“數(shù)據(jù)集”，能更準(zhǔn)確地識(shí)別物體的形狀和位置，彌補(bǔ)2D無(wú)法進(jìn)行深度測(cè)量和分析的不足。
第二，處理對(duì)象。
2D圖像由像素點(diǎn)組成，每個(gè)像素點(diǎn)都有一個(gè)顏色值，最終呈現(xiàn)出來(lái)的是一個(gè)規(guī)整、對(duì)齊的像素圖；3D圖像由許多點(diǎn)云組成，點(diǎn)云記錄的是物體在空間中的位置和形狀，點(diǎn)云是不對(duì)齊、無(wú)序的。
第三，算法上也有區(qū)別。
2D視覺(jué)常用的算法和技術(shù)包括邊緣檢測(cè)、特征提取、圖像分割、物體識(shí)別等。3D視覺(jué)常用的則是深度估計(jì)、點(diǎn)云處理、三維重建、SLAM等。前者通過(guò)分析像素之間的關(guān)系和特征來(lái)實(shí)現(xiàn)，后者則通過(guò)分析和處理深度圖或點(diǎn)云數(shù)據(jù)得到。
換句話說(shuō)，2D視覺(jué)對(duì)平面信息可以直接獲取，但3D視覺(jué)的深度信息，卻需要通過(guò)計(jì)算得到。
以深度學(xué)習(xí)的理解能力為例，深度學(xué)習(xí)在2D上做圖像識(shí)別分類能達(dá)到九十多分，但當(dāng)其碰到點(diǎn)云時(shí)，表現(xiàn)就會(huì)降至七八十分。
3D成像在國(guó)內(nèi)的發(fā)展歷史并不是很長(zhǎng)，2D成像處理已經(jīng)很成熟，但3D的成像處理卻很難。
“真正的3D，因?yàn)橛卸鄠€(gè)視角，所以得用多個(gè)深度圖表示，深度圖的融合，只能通過(guò)點(diǎn)云處理，點(diǎn)云是不對(duì)齊和無(wú)序的，可以旋轉(zhuǎn)和縮放，這個(gè)門檻卡住了很多的工程師?！瘪R迪解釋道。
但下游客戶的確有大量3D需求，面對(duì)3D成像技術(shù)這道難關(guān)，2.5D順勢(shì)而生。
作為技術(shù)過(guò)渡階段的產(chǎn)物，2.5D兼具2D和3D的部分特征，形成了對(duì)圖像的獨(dú)特處理方式。
相比2D，2.5D增加了深度信息，與3D相比，2.5D圖像又并非通過(guò)點(diǎn)云，而是通過(guò)顏色傳遞高度信息。并且不同于3D的多視角，2.5D是單視角，信息比較殘缺，很多算法最終都會(huì)回歸到2D算法上。
“2.5D和3D的本質(zhì)區(qū)別，可以從視角來(lái)解釋，單視角很有可能是2.5D，必須得是多視角才是真3D，多視角是判斷真假3D的一個(gè)充分不必要條件?！?/strong>馬迪對(duì)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))指出，從視角角度可以很容易區(qū)分3D、2.5D、2D的不同。
技術(shù)上的亟待突破投射到下游應(yīng)用中表現(xiàn)為：機(jī)器視覺(jué)的相關(guān)工位，仍舊以2D為主，3D（2.5D）為輔。
“檢測(cè)任務(wù)就屬于大部分沒(méi)有解決，還靠人工在搞，小部分解決那些，基本依靠2D，當(dāng)2D無(wú)法勝任時(shí)，會(huì)用3D解決，并且很多所謂的3D也不是真3D，而是2.5D?！?/p>
不過(guò)，2.5D的存在也有其合理性，在部分非復(fù)雜應(yīng)用場(chǎng)合中，客戶又需要獲取深度信息時(shí)，相比高成本的3D視覺(jué)，2.5D常常能以絕對(duì)的性價(jià)比取勝。
從趨勢(shì)看，人眼的世界是個(gè)三維世界，從替換人眼的角度，3D視覺(jué)一定是未來(lái)的趨勢(shì)，好比以前手機(jī)用2D相機(jī)，現(xiàn)在都在往3D相機(jī)轉(zhuǎn)，大量場(chǎng)景需求只是時(shí)間問(wèn)題。
不過(guò)現(xiàn)階段，需要真3D的下游應(yīng)用場(chǎng)景還不夠多。
以3D檢測(cè)為例，“目前檢測(cè)任務(wù)大部分還在依靠人工，小部分用機(jī)器視覺(jué)解決的，基本上用的都是2D。”
追根溯源，是3D視覺(jué)產(chǎn)品在客戶端的接受度還不夠高。
一方面，3D相機(jī)的成本太貴，導(dǎo)致設(shè)備整體價(jià)格較貴；另一方面，多視角混合的真3D，超出了大部分工程師的處理水平，視覺(jué)廠商要真正把3D做好很難。
因此，站在解決問(wèn)題和性價(jià)比角度考慮，在2D視覺(jué)足夠解決場(chǎng)景問(wèn)題的情況下，客戶并不愿意為成本更高的3D買單。
在追求優(yōu)質(zhì)性價(jià)比的工業(yè)市場(chǎng)上，那些需要獲取深度信息的場(chǎng)景客戶，從成本方面考慮，選擇2.5D視覺(jué)，已經(jīng)能夠滿足基本需求。
這使得3D視覺(jué)行業(yè)的進(jìn)入門檻變低，而技術(shù)壁壘和行業(yè)難題猶存。
多位機(jī)器視覺(jué)投資人也曾對(duì)AI掘金志表達(dá)過(guò)這個(gè)觀點(diǎn)。
目前，結(jié)構(gòu)光、ToF和雙目立體是三個(gè)主流的3D成像技術(shù)，其他成像技術(shù)都是在其基礎(chǔ)上的變形，國(guó)內(nèi)均已有成熟的開(kāi)源算法。
“反正都是開(kāi)源的，只要學(xué)過(guò)算法，即便沒(méi)在機(jī)器視覺(jué)公司工作過(guò)，也很快能跑起來(lái)。”王淺介紹，他有不少朋友碩士畢業(yè)后到機(jī)器人或視覺(jué)公司工作，并且一開(kāi)始就承擔(dān)核心研發(fā)工作，“都是先在實(shí)驗(yàn)室用存量數(shù)據(jù)或者公用數(shù)據(jù)，跑起來(lái)后，再去工廠用他們的數(shù)據(jù)。”
晏小鋒認(rèn)為，除開(kāi)半導(dǎo)體這類壁壘極高的領(lǐng)域，一旦出現(xiàn)新興技術(shù)和市場(chǎng)，國(guó)內(nèi)就開(kāi)始內(nèi)卷，但以3D成像技術(shù)為例，要做到低功耗、低延遲、高幀率、高分辨率，國(guó)內(nèi)外仍然有不小差距。
前兩年疫情催生下，機(jī)器人行業(yè)需求爆發(fā)，3D視覺(jué)作為機(jī)器人在復(fù)雜環(huán)境實(shí)現(xiàn)“無(wú)觸式”的關(guān)鍵技術(shù)，受到資本熱捧，尤以距離落地更近的中游設(shè)備商和方案商，最受追捧。
在此過(guò)程中，一項(xiàng)新的產(chǎn)業(yè)，攀附著3D視覺(jué)行業(yè)悄然生長(zhǎng)：3D視覺(jué)創(chuàng)業(yè)培訓(xùn)。
傳感器從業(yè)者賈科介紹，北京有一家小公司，專門做3D傳感器的解決方案培訓(xùn)班。他們會(huì)先從傳感器圈子找人參加各種行業(yè)論壇，一旦發(fā)現(xiàn)哪個(gè)老板想融資，就和對(duì)方建立合作，從研發(fā)培訓(xùn)課程，到企業(yè)一步步搭建，再到配套硬件，提供一條龍服務(wù)。
“這個(gè)公司有個(gè)公眾號(hào)，每天講一點(diǎn)秘密，底下評(píng)論的全是這個(gè)圈子的老板，大家都是一條流水線快速培訓(xùn)起來(lái)的，各種忽悠資本不挺香嗎？”賈科對(duì)雷峰網(wǎng)說(shuō)。
這類企業(yè)帶著明確的To VC目的，“因?yàn)?D是一個(gè)很好的概念，所以玩命往上湊”，他們?cè)诘退教幹貜?fù)建設(shè)，不僅毫無(wú)技術(shù)差異化可言，還拉低了3D視覺(jué)行業(yè)的整體對(duì)外形象。
至于業(yè)內(nèi)發(fā)展較好的企業(yè)，也大都沿襲著主流的成像技術(shù)，用著成熟的開(kāi)源算法，雖在國(guó)產(chǎn)替代浪潮中有所成績(jī)，但極少有企業(yè)能拿出創(chuàng)新技術(shù)或方案，能解決傳統(tǒng)視覺(jué)廠商解決不了的問(wèn)題。
或許正因如此，在3D投融資熱潮過(guò)去后，不少投資人選擇“棄城而逃”。
當(dāng)然，3D視覺(jué)創(chuàng)業(yè)者谷永道出投資人離場(chǎng)的部分原因：真正懂機(jī)器視覺(jué)的投資人，鳳毛麟角。
“機(jī)器視覺(jué)屬于硬科技賽道，對(duì)投資人有專業(yè)性方面的要求，即使不是互聯(lián)網(wǎng)背景、金融背景，哪怕是半導(dǎo)體背景，也看不懂機(jī)器視覺(jué)賽道。”
事實(shí)上，從技術(shù)底層看，3D視覺(jué)領(lǐng)域的技術(shù)壁壘依然很高。
不同于投資人的觀點(diǎn)，創(chuàng)業(yè)者、從業(yè)者普遍認(rèn)為：3D視覺(jué)行業(yè)不是技術(shù)壁壘變低，反而是客戶有很多痛點(diǎn)問(wèn)題需要解決，但目前還沒(méi)有真正被突破。
比如高速、高精度場(chǎng)景，國(guó)內(nèi)極少有企業(yè)能做得了。
“國(guó)外一家傳感器公司，專吃高速場(chǎng)景，售價(jià)比國(guó)產(chǎn)最低端相機(jī)貴30%-40%，并且不帶服務(wù)，還能保證四成的毛利。”賈科進(jìn)一步解釋，這家公司之所以能做得好，是因?yàn)榛ㄕ娼鸢足y給客戶定制CMOS芯片。國(guó)內(nèi)極少有企業(yè)做高速高動(dòng)態(tài)場(chǎng)景，部分原因在于給錢也買不到國(guó)外的定制芯片。
這些技術(shù)實(shí)現(xiàn)過(guò)程中的曲折，非業(yè)內(nèi)出身的人，很難有深刻的體會(huì)。
一位二十年從業(yè)經(jīng)歷的行業(yè)老兵表示，目前國(guó)內(nèi)大多數(shù)視覺(jué)公司實(shí)現(xiàn)不了真3D，一方面出在技術(shù)積累上，一方面出在數(shù)據(jù)積累上。
國(guó)外機(jī)器視覺(jué)，從20世紀(jì)70年代起就已真正開(kāi)始發(fā)展，而機(jī)器視覺(jué)在國(guó)內(nèi)的發(fā)展，不過(guò)是近二十年的事。
除了3C、汽車、新能源、鋰電、光伏等已經(jīng)相對(duì)成熟的制造業(yè)，其他行業(yè)的工業(yè)客戶，對(duì)于瑕疵樣本的留存意識(shí)不足，導(dǎo)致數(shù)據(jù)獲取成本非常昂貴。
當(dāng)下，大家都在試圖用AI解決制造業(yè)中的瑕疵檢測(cè)難題，但依然很難達(dá)到客戶“4個(gè)9”（即0.9999，特定時(shí)間10000個(gè)里一個(gè)瑕疵品）的要求。
在谷永看來(lái)，這是因?yàn)橐粋€(gè)AI模型的質(zhì)量，主要由數(shù)據(jù)的數(shù)量跟質(zhì)量決定。但工業(yè)場(chǎng)景里，瑕疵品的數(shù)量非常少，出現(xiàn)概率在千分之一甚至萬(wàn)分之一，再加上客戶沒(méi)有留存意識(shí)導(dǎo)致的樣本數(shù)據(jù)積累嚴(yán)重不足，也使得AI技術(shù)做工業(yè)瑕疵檢測(cè)缺乏土壤。
因此，雖然部分企業(yè)宣稱能在視覺(jué)檢測(cè)樣本庫(kù)不夠大的情況下，用AI生成一些相似的樣本庫(kù)，但實(shí)際上檢測(cè)精度會(huì)有所下降。
“那些說(shuō)能用幾十張圖訓(xùn)練出一個(gè)AI模型，并且檢測(cè)效果也非常好的公司，都是給投資人講故事。他們的AI模型實(shí)際是從幾千甚至上萬(wàn)張圖片訓(xùn)練出來(lái)的大模型中，‘瘦身’優(yōu)化出來(lái)的小模型?！痹诠扔揽磥?lái)，從技術(shù)原理上講，通過(guò)虛擬方式生成瑕疵樣本并非不可能，而是現(xiàn)階段的技術(shù)還達(dá)不到。
換句話說(shuō)，現(xiàn)階段機(jī)器視覺(jué)領(lǐng)域的AI，投喂什么就認(rèn)識(shí)什么，并且投喂的數(shù)據(jù)都需要來(lái)自實(shí)際的瑕疵品，不具備推演的能力。
而一旦實(shí)現(xiàn)虛擬瑕疵，AI能像人腦一樣歸類和推演出成千上萬(wàn)種瑕疵，即使客戶沒(méi)有針對(duì)實(shí)際瑕疵品做留存，檢測(cè)準(zhǔn)確率也將大大提升。
不同于2D視覺(jué)能夠直接獲取平面信息，3D視覺(jué)的深度信息，需要通過(guò)計(jì)算得到。
“直接獲取最容易，加一步計(jì)算，就擋住了一半的人。相比2D，2.5D也要獲取精確的深度信息，因此能做到2.5D已經(jīng)很不容易?！瘪R迪表示。
在3D視覺(jué)概念已經(jīng)無(wú)孔不入的今天，真實(shí)應(yīng)用場(chǎng)景中運(yùn)行的卻大多是2.5D相機(jī)，甚至2D相機(jī)。
這一反差背后的原因在于，將3D變成現(xiàn)實(shí)的人才，并非真正的3D人才。
行業(yè)驅(qū)動(dòng)從本質(zhì)上講，是人才驅(qū)動(dòng)。
但目前中國(guó)機(jī)器視覺(jué)行業(yè)普遍的現(xiàn)狀是：高端人才不足；學(xué)校教育與市場(chǎng)需求脫軌；人才浪費(fèi)。
首先，從整個(gè)3D視覺(jué)行業(yè)來(lái)看，視覺(jué)相關(guān)的畢業(yè)生中，大專生的供應(yīng)量占比最大。
“目前機(jī)器視覺(jué)工程師中，?？飘厴I(yè)生占據(jù)絕大部分，因?yàn)橐曈X(jué)行業(yè)存在大量較為簡(jiǎn)單的視覺(jué)任務(wù)識(shí)別工作，因此即使是明星企業(yè)，也需要相當(dāng)數(shù)量的專科生來(lái)完成這部分工作?！?/p>
與數(shù)量眾多的專科生形成鮮明對(duì)比，進(jìn)入視覺(jué)行業(yè)的高端人才太少了。
作為一項(xiàng)新興技術(shù)，3D視覺(jué)以其想象力，在過(guò)去兩年成為工業(yè)領(lǐng)域里的一條吸金賽道，少數(shù)明星企業(yè)吸引到了不少高端人才，但他們的生存狀態(tài)，并不代表賽道的普遍情況。
谷永是3D視覺(jué)領(lǐng)域極具代表性的創(chuàng)業(yè)者，畢業(yè)于華中理工大學(xué)，然而當(dāng)他回到母校做宣傳時(shí)卻發(fā)現(xiàn)，自己根本招不到人。
“所有的碩士跟博士一畢業(yè)后全部進(jìn)入大廠，或者進(jìn)入一些有名的AI公司，這些公司開(kāi)得起錢。視覺(jué)公司大都是一些小的創(chuàng)業(yè)公司，穩(wěn)定性不強(qiáng)?！?/p>
其次，全國(guó)各大高校每年為機(jī)器視覺(jué)領(lǐng)域培養(yǎng)的畢業(yè)生并不少，但只有很少的人在學(xué)校里學(xué)習(xí)到了真3D的相關(guān)知識(shí)，大部分學(xué)校培養(yǎng)出來(lái)的都是2.5D或者2D的視覺(jué)工程師。
魏源觀察到，很多大專畢業(yè)的機(jī)器視覺(jué)工程師，往往都會(huì)2D算法，懂得深度圖或者圖像，但是他們通常不懂點(diǎn)云，也不會(huì)點(diǎn)云處理算法。
再者，機(jī)器視覺(jué)領(lǐng)域還存在一個(gè)極為矛盾的現(xiàn)象，即人才不足背景下的人才浪費(fèi)問(wèn)題。
“機(jī)器視覺(jué)領(lǐng)域的人才浪費(fèi)當(dāng)下還比較普遍”馬迪認(rèn)為，至少在去年，甚至今年上半年，都還有公司付著博士的薪水，卻讓博士干著一位專科生就能干的應(yīng)用工程師的活。
機(jī)器視覺(jué)市場(chǎng)，成熟狀態(tài)下的分工模式，將是研發(fā)與項(xiàng)目相互獨(dú)立，博士生、研究生更多進(jìn)行純研發(fā)的研究，本科生、?？粕嘟佑|項(xiàng)目和應(yīng)用。
“按理說(shuō)，應(yīng)該要給他們做好分工，但以檢測(cè)行業(yè)來(lái)說(shuō)，一開(kāi)始并不容易判斷一個(gè)項(xiàng)目的檢測(cè)難度，一般的處理方式是，先找一個(gè)中等水平的工程師進(jìn)行實(shí)驗(yàn)判斷，如果項(xiàng)目難度小，就將任務(wù)下發(fā)給技術(shù)能力更低的工程師來(lái)做，如果項(xiàng)目難度大，就向上找能力更強(qiáng)的人來(lái)做?！?/p>
在不少業(yè)內(nèi)人看來(lái)，機(jī)器視覺(jué)領(lǐng)域的人才浪費(fèi)，更是行業(yè)發(fā)展初期的一個(gè)必經(jīng)的階段。
一方面，現(xiàn)階段的機(jī)器視覺(jué)還并非一個(gè)盈利賽道，企業(yè)養(yǎng)不起純研發(fā)，只能讓博士生、研究生們到一線接觸項(xiàng)目，接觸應(yīng)用，既是為了賺錢，也能了解市場(chǎng)需求。
另一方面，行業(yè)初期需要做大量奠基工作，一般的工程師做不了，需要由高屋建瓴的人牽頭執(zhí)行。
馬迪以行業(yè)融資規(guī)模前幾名的梅卡曼德舉例，“梅卡曼德就比較典型，拿著投資人的錢就可以請(qǐng)得起碩士、博士還有更貴的行業(yè)專家，現(xiàn)在梅卡曼德的相機(jī)已經(jīng)迭代到第4代，相機(jī)已經(jīng)穩(wěn)定可靠了。”
開(kāi)創(chuàng)奠基的工作一完成，碩士、博士們便自然回歸研發(fā)工作，相機(jī)的使用則可以完全交由真正的集成商，集成商再啟用大專畢業(yè)生、初級(jí)工程師，將3D相機(jī)具體落地到產(chǎn)線和產(chǎn)品中，解決許多之前解決不了的視覺(jué)任務(wù)。
2.5D是技術(shù)躍遷過(guò)程中一個(gè)階段性的產(chǎn)物，如果說(shuō)以互補(bǔ)關(guān)系存在的2D和3D是技術(shù)天空的兩顆恒星，那2.5D就是劃過(guò)天邊的一顆流星，只會(huì)在穿越大氣層時(shí)摩擦出耀眼的火光，而后將隨著3D視覺(jué)的成熟歸于堙滅。
國(guó)內(nèi)3D視覺(jué)行業(yè)更大的問(wèn)題在于，無(wú)論線激光或者結(jié)構(gòu)光，高端都較為空白，中端亟待充實(shí)，太多公司在低水平重復(fù)建設(shè)中耗費(fèi)大量精力。
與此同時(shí)，行業(yè)發(fā)展也需要警惕一味追求高精度，因?yàn)檎驹诳蛻艚嵌?，無(wú)論2D、2.5D、3D，能解決問(wèn)題的，就是“火眼金睛”。
機(jī)器視覺(jué)優(yōu)秀人才的匱乏，從業(yè)者能做的較為有限，更多需要政府、資本的支持。畢竟只有當(dāng)行業(yè)聚集的優(yōu)秀人才足夠多時(shí)，行業(yè)才能夠快速發(fā)展。
國(guó)內(nèi)3D視覺(jué)尚處發(fā)展初期，整個(gè)供應(yīng)鏈在逐步進(jìn)步，下游終端產(chǎn)品的場(chǎng)景應(yīng)用也在不斷拓展，我們期待一個(gè)成熟商業(yè)閉環(huán)的到來(lái)，但也需要給予這個(gè)年輕賽道更多的時(shí)間。作者長(zhǎng)期關(guān)注機(jī)器視覺(jué)賽道，如果您有更多故事和觀點(diǎn)，歡迎添加微信MOON_ERS進(jìn)行交流。
文中馬迪、王淺、賈科、谷永皆為化名。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
