3D机器视觉技术演进史：从静态扫描到动态感知的革命性跨越
3D视觉是现代自动化核心引擎：分拣、检测、危险作业替人，全方位提效增安。技术演进路径：摄影→数字成像→2D→3D静态→3D动态。下一站何方？
联合Photoneo联合创始人/CTO Tomas Kovacovsky，回溯3D机器视觉发展脉络至Industry 4.0前沿。
摄影与早期成像技术
1826-1827年Niépce拍摄首张照片，曝光数小时至数天。1839年Daguerre银版摄影法将曝光压缩至分钟，实用摄影元年确立。模拟成像周期长，难用于实时机器视觉。
1969年Bell实验室Boyle/Smith发明CCD传感器，光子-电子转换开启数字成像时代。虽早期画质不及胶片，但奠定机器视觉硬件基石。
2D→3D：维度跃迁
2D视觉长期主导工业自动化：OCR/条码、配合结构光质检、计数、定位拣选。但致命短板：无深度感知，依赖严格光照/定位，料箱拣选等非结构化场景失效。
人类双目立体视觉启发：1960s Larry Roberts（计算机视觉之父）从2D线图推导3D几何；1970s MIT AI Lab Marr构建“2D草图→3D模型”信息处理框架；1980s理论爆发催生多元3D感知技术，逐步工业化落地。
第一代3D视觉技术谱系
- 被动双目：三角测距，依赖纹理匹配，无纹理失效，噪声大、算力重
- 主动双目：投射结构光制造纹理，可靠性提升但实时性受限
- 激光轮廓仪：线激光扫描，需相对运动合成深度图，工业计量首选，至今普及
- 结构光：投影编码图案，单次快照全视场，速度超激光轮廓仪，斯坦福“数字米开朗基罗”项目验证高精度修复价值，拓展至在线机器人应用
静态→动态：捕捉运动的终极挑战
动态场景打破长曝光/多帧合成假设：被动双目条件苛刻、激光轮廓仪逐行扫描无法定格动态、结构光序列投影怕运动破码。
ToF（飞行时间）应运而生：时域调制光信号，测量光子往返时间。早期分辨率低（Kinect 1 PrimeSense结构光、Kinect 2 ToF），噪声大，工业级精度不足。
2013年突变：并行结构光技术诞生
Photoneo专利CMOS：多抽头快门+马赛克像素，单次曝光内以单一激光扫描在传感器侧构建多虚拟图像，单帧冻结高速运动、亚毫米精度、高分辨、低噪声、边缘锐利。实现于MotionCam-3D，获Vision Award 2018、IERA 2020、RBR50 2021等国际大奖。
2022再进化：动态彩色3D
MotionCam-3D Color融合3D几何+运动+色彩，赋能依赖色彩特征的AI应用与机器人任务（如食品烘焙度/成熟度判定），开启全新应用维度。
创新赋能的应用版图
制造/物流/汽车/零售/农业/医疗：动态抓取、传送带拣选、手眼协作、3D检测、大件喷涂清洗、VR/AR运维、农作物分拣采收……
下一站：AI+并行结构光+边缘计算
- AI依赖高质数据，并行结构光产海量真实3D数据，双向奔赴重塑智能机器人
- 边缘计算：AI下沉传感器端，专用化（计数/测尺/特征检测），简化集成，攻克协作机器人/全链路物流自动化硬骨头
自动化控制系统