3D视觉系统集成AI潜力大 可强化机器手臂速度与精准度

3D视觉可测量物体三维座标信息，包括物件高度与深度，因此较之传统2D若将其运用在机器手臂上，可让手臂的抓取动作更佳精准，省去需事先排列整齐的工序。但若当物件体积过小且形状复杂，则需再进一步倚靠人工智能(AI)的辅助。

机器手臂集成视觉的应用在制造现场相当普遍，除了常见的瑕疵检测、上下料之外，包括涂装、焊接、搬运等，只要当移动路径属于不规则、环境变异大的情况下，机器手臂无法再单纯地仅靠指令进行定点移动，因此必须集成视觉让手臂「长眼睛」，让机器手臂可执行更复杂的移动。

机器视觉又可分为2D与3D，两者差别在于前者只局限于X、Y方向的平面测量，而3D视觉则可取得Z方向的位置信息，可进一步掌握物体的全貌。但相对因2D的局限性造成功能有限，因此3D视觉在机器手臂的市场中更占有优势。

浅谈2D视觉与3D视觉在技术上的差异，所罗门(Solomon)董事长陈政隆解释，2D成像系透过一般工业相机即可输出影像。但3D成像的过程更复杂、技术难度高。从光学结构来看，大致上又可分类为精度较低的立体视觉(Stereo Vision)、飞时测距(Time of Flight，TOF)，以及精度较高的结构光(Structured Light)，其较常应用于工业领域。

立体视觉是基于人眼视差的原理，优点是省电、成本低，但缺点是延迟性高、且不适合用于昏暗环境。除了运用于机器人，立体视觉目前也已大量应用于各种3D相机或AR/VR头戴式装置。

TOF的原理则是透过红外线折返的时间计算物体之间的距离，其优点是扫描速度快、抗光干扰性佳，不过其准确度有限。而结构光对于深度的准确率极高，目前在人脸辨识或工业用AOI检测等领域都有其应用。

虽然3D视觉可辨识更完整的物体信息，但在部分复杂物件的辨识上，单靠3D视觉的精度与准度仍有进步空间。而自主研发3D视觉技术的所罗门则是将AI与3D视觉系统进一步集成，强化其辨识能力。

陈政隆以拉链工厂举例，当工厂需綑绑散落的拉链，对人工作业来说，辨识拉链头的方向并将之归类綑绑很容易，但此简单的动作对于机器手臂来说并不简单。这部分就必须透过AI加以辅助，以判别拉链头的方向是否一致，且即便3D视觉可辨识物件深度，但因拉链非常薄也会提高辨识难度，此时也必须倚靠AI的协助。

另一种情况则是，辨识极细小但外型却不规则的物件。虽然3D视觉可辨识体积小的物体，但多只限于方正、圆形的外观，若物体呈现不规则或复杂结构的外型，就会提高辨识难度，例如L型工件堆叠摆放时容易环环相扣，因此在此种情况下也必须考量集成AI来提高辨识的精准度。

目前市场上包括日本或欧洲的3D视觉厂商仍少有将AI技术集成至系统中，显见其未来发展潜力大。不过3D视觉集成AI的技术含量并不低，陈政隆解释，因为3D视觉系统不仅是「看」一个动作如此简单，必须考量从辨识到抓取整个过程，也就是包含机器手臂运动控制的部分，移动路径的规画要如何达到最佳化才能迅速抓取物件且不发生碰撞，除了准之外更要快。