计算机行业：工业、消费双驱动，3D视觉大有可为

3D视觉有望带动视觉算法需求超预期，推荐虹软科技。我们认为，在3D视觉行业应用领域不断扩张的背景下，视觉算法以及相关设备需求有望超出市场预期。据此，我们推荐全球安卓系拍摄算法龙头虹软科技，车载视觉和智能商拍业务将成为新的业绩增长点。此外，受益标的包括奥比中光、凌云光、奥普特、当虹科技。 发源于工业，3D视觉技术快速迭代。1）3D视觉感知技术最早被用于工业领域的测量和扫描。在技术刚刚诞生时，主要被用于工业设备和零部件的高精度三维测量、物体和材料的微小形变测量等。在多家公司的积极推广下，3D视觉感知技术快速发展，在过去10年内初步实现了从工业往消费电子领域延申的变革。2）3D视觉目前主要有四种技术路线：激光三角测量、结构光、飞行时间（ToF）、多目视觉等是3D视觉目前主要的几种技术路线。几种技术路线的不同之处主要在于发射红外光获取数据的方式不同。 应用领域持续拓展，打开3D视觉广阔空间。1)据Yole Devolopement预测，全球3D视觉感知市场规模在2025年将达到150亿美元，CAGR达20%。2）目前，3D视觉技术的主要下游行业主要包括消费电子、汽车（自动驾驶与智能座舱）、锂电、半导体、AIOT、工业自动化等。 根据Yole Devolopement的预测，未来消费电子类和智能汽车行业是3D视觉市场扩容的重要推动力。 群雄逐鹿，掘金3D视觉市场。1）消费电子：基于消费电子主流产品主要诞生于国内外大厂，各大厂已经推出了基于不同技术路线的3D视觉产品，目前专业化定制趋势较为明显。2）3D工业视觉：主流参与者包括传统2D视觉厂商以及新兴厂商。传统2D视觉头部厂商在工业高精度和高效率的测量与识别领域展现出了明显优势。 风险提示：3D视觉技术产业落地不及预期、现有技术路线被取代 1.投资故事 市场认为，3D视觉主要应用于工业，在消费领域仅有苹果等头部公司部分产品上有所应用，在疫情滞后，主要厂商的创新迭代速度放缓，导致3D视觉应用范围相对有限。 我们认为，3D视觉有望带动视觉算法需求超预期。 第一，3D视觉虽最早发源于工业，但近年来在C端产品方面应用场景快速扩展，汽车、消费电子等细分领域将成为下一阶段3D视觉需求爆发的重要推动力。 第二，工业方面的应用场景除此前的基础场景外，在向更多新的场景进行延申。如今的3D视觉应用早已不再局限于高精度数据采集、微细形变与复杂形态测量等领域，在先进质控在线检测、柔性装配与自动化、仓库与供应链自动化、机器人的导航与感知等场景中，3D视觉技术将发挥越来越重要的作用。 第三，深度学习，尤其是卷积神经网络和变形器网络使得3D视觉拥有了更高的精度和鲁棒性，在和AI大模型结合的过程中，3D视觉技术有望触达更多的场景。 3D视觉有望带动视觉算法需求增加，推荐虹软科技。我们认为，在3D视觉行业应用领域不断扩张的背景下，视觉算法以及相关设备需求有望超出市场预期。据此，我们推荐全球安卓系拍摄算法龙头虹软科技，车载视觉和智能商拍业务将成为新的业绩增长点。此外，受益标的包括奥比中光、凌云光、奥普特、当虹科技。 2.3D空间视觉：机器视觉的新突破 机器视觉是指通过采用适合被测物体的多角度光源和非接触传感器获取真实物体的图像，通过计算机从图像中提取信息，进行分析、处理，最终用于检测和控制机器运动的装置。通过模拟人类视觉系统，赋予机器“看”和“认知”的能力，是机器认识世界的基础。机器视觉的成像系统可以类比为人类的视觉器官，输入图像信息；视觉控制系统可以类比为人类的大脑，处理和解释视觉图像。 图1：虹软来自韩国的计件模式收入已经开始企稳回升 3D视觉技术是对于传统的图像识别、扫描技术（2D）的一次重要技术革新。在3D视觉技术成熟前，行业主要使用摄像头来拍摄平面照片然后通过图像分析和对比来进行识别物体在平面上的状态和参数，即为二维空间上的视觉分析（2D视觉技术），这种方法无法获得物体的空间坐标信息，因此无法完成物体平面度、表面角度、体积等测量，同时也难 请务必阅读正文之后的免责条款部分 以区分颜色相近的表面。同时成像的对比度对结果的分析至关重要，因此特别依赖于光照和颜色变化，易受照明条件的影响。随着技术的进步以及工业制造对精度和自动化要求的提升，3D视觉的应用逐渐兴起。 它是指利用技术手段从真实环境中捕获物体的三维形态、位置和方向等信息，并进行处理、解析和重建的一系列过程，允许我们不仅看到物体的轮廓，还能感知其在空间中的实际位置和形态。 图2：3D视觉技术是对于传统的图像识别、扫描技术的一次重要技术革新 图3：3D扫描相机能帮助我们感知物体在空间中的实际位置和形态 表1：3D视觉技术是对于传统的图像识别/扫描技术（2D）的一次重大技术革新 3.发源于工业，3D视觉技术快速迭代 3.1.行业技术从工业领域逐渐拓宽到更广泛的应用领域 3D视觉感知技术最早被用于工业领域的测量和扫描。在技术刚刚诞生时，主要被用于工业设备和零部件的高精度三维测量、物体和材料的微小形变测量等。为了能够适应工业领域严苛的工况，并且满足精确到微米币别的测量精度，3D视觉测量设备一般需要多种技术融合使用，比如利用相位结构光以及高精度工业相机组成工业三维测量仪器。这会导致设备成本高、体积大、功耗高，应用普及缓慢。在这个阶段，市场上主要的玩家为德国高慕公司(GOM)、瑞典海克斯康（HEXAGON）、美国CSI公司等。这些公司的设备主要应用于测量工业零部件三维尺寸和形变，对工业部件实现高精度3D数字化作业等。 图4：德国高慕是早期3D视觉市场重要玩家 图5：瑞典海克斯康是早期3D视觉市场重要玩家 在多家公司的积极推广下，3D视觉感知技术快速发展，在过去10年内初步实现了从工业往消费电子领域延申的变革。在2010年，微软推出了其首款采用结构光技术的3D视觉产品——Kinect，该产品专为捕获三维空间中的人体动作而设计，使得人们可以通过身体姿势与机器进行交互。2013年，英特尔推出了其基于结构光技术的RealSense产品，该产品主要具备手势探测、脸部分析、背景消除和3D扫描等功能。2014年，谷歌发布了基于iToF技术的Project Tango平板电脑及其配套开发工具，主要提供运动追踪、深度探测和区域建模等功能。2015年，奥比中光成功研制了3D深度感测芯片MX400，并推出了基于结构光技术的消费级3D视觉传感器Astra，它广泛应用于3D建模、骨骼追踪和手势识别等领域。2017年苹果发布的iPhone X，搭载了前置3D结构光视觉传感器，标志着3D视觉感知技术在消费级领域开始规模化普及。 表2：2010-2017年3D视觉技术的逐步突破 3D视觉感知技术持续丰富和完善，下游应用领域逐渐增多。从2018年开始，3D视觉技术的应用领域在新消费和新技术的推动下加速渗透进面逐渐成为日常生活和产品中。手机面部解锁逐渐成为主流厂商的首选技术，不仅如此，3D视觉传感器技术也开始在智能门锁、3D房屋展示等领域广泛应用。同时，3D视觉技术途径也日益丰富和多样化。华为、魅族等主流手机品牌纷纷推出了配备iToF技术的后置3D视觉传感器的智能手机。2020年，苹果公司在其iPad Pro和iPhone 12 Pro系列中，首次采用基于dToF技术的Lidar扫描仪，进一步推进了3D扫描和深度感知技术的应用。 此外，谷歌无人驾驶子公司Waymo在自动驾驶领域也进行了大量的探索和研发。它的无人驾驶车配备了激光雷达和多种传感器，经过多年的实地测试后，于2020年10月在美国凤凰城推出了全自动的、无需安全驾驶员在车上的自动驾驶出租车服务。 无人机制造巨头大疆也将3D视觉技术和新一代无人机相结合。大疆Phantom Pro/Pro+、Mavic 2 Pro/Zoom等高端产品系列都搭载了双目视觉系统。这种系统能够通过图像测量技术来检测并避免障碍物，为无人机提供了更加安全和高效的飞行路径。 图6：Waymo将3D视觉应用于自动驾驶 图7：大疆Phantom Pro/Pro+、Mavic 2 Pro/Zoom等高端产品系列都搭载了双目视觉系统 3D视觉感知的应用场景已逐步从最初的工业设计拓展至消费电子产品。 而这一变迁并不仅仅是一个量的扩张，更是行业深度与广度上的蜕变。 这种技术的蓬勃发展，背后是应用领域对于精准、高效3D视觉技术的旺盛需求。从早期的工业测量，到如今的智能家居、游戏互动、安全支付等，3D视觉感知技术所涉及的范围在持续扩大，技术内容也愈发丰富和细致。未来的这类产品将不仅更为经济、节能，而且体积更小、性能更强。这些特点预示着3D视觉技术将在更多的场景中得到应用，为更多应用空间和领域带来变革。 3.2.3D视觉目前主要有四种技术路线 激光三角测量、结构光、飞行时间（ToF）、多目视觉等是3D视觉目前主要的几种技术路线。几种技术路线的不同之处主要在于发射红外光获取数据的方式不同。 a) 激光三角测量： 工作原理：采用激光线扫描物体表面，观察激光线的变形以获取物体表面的深度数据。 特点：其精度非常高，可达微米级。但其扫描速度和工作范围有限。 尽管如此，它在在线检测中仍得到了广泛应用，尤其是因为其高精度和动态测速性能。 b) 激光三角测量： 工作原理：采用激光线扫描物体表面，观察激光线的变形以获取物体表面的深度数据。 特点：其精度非常高，可达微米级。但其扫描速度和工作范围有限。尽管如此，它在在线检测中仍得到了广泛应用，尤其是因为其高精度和动态测速性能。 c) 飞行时间(ToF)： 工作原理：基于发射和反射光之间的时间延迟来测量物体的深度。 特点：与结构光相比，ToF不需要复杂的光模式解析，具有较高的鲁棒性。其深度图质量和精度都较好，但对于某些材质，如玻璃，可能存在挑战。ToF技术较为复杂，成本相对较高。 d)立体视觉法： 工作原理：使用两个或多个RGB彩色相机获取图像，并通过双目匹配、三角测量等算法来得到深度信息。 特点：这是一种被动的3D测量技术，硬件需求相对较低，但计算复杂度高。在弱光或目标特征不明显的情况下，其表现可能不佳。 在工业自动化和X86系统中，双目相机得到了广泛的应用。 表3：激光三角测量、结构光、飞行时间（ToF）、多目视觉等是3D视觉目前主要的几种技术路线 4.应用领域持续拓展，打开3D视觉广阔空间 3D视觉感知技术与产品经过多年的发展，已在锂电池、半导体、AIoT、3C消费电子、工业自动化、汽车应用等多个领域实现了推广应用，市场空间十分广阔。 4.1.全球3D视觉市场维持高速增长 随着下游市场需求的不断增长和3D视觉感知技术的升级，3D视觉感知市场将迎来快速增长期。随着技术的进步，2D成像技术已经不能满足当前日益复杂的应用需求，尤其是在人工智能、虚拟现实、增强现实等领域。3D视觉感知技术，凭借其能够提供深度信息的特性，为各种应用带来了更丰富的数据维度 ， 从而大大提高了其应用价值 。Yole Devolopement的研究报告报告进一步证实了这一市场趋势。据其统计，2019年，全球3D视觉感知市场规模已达50亿美元。同时预计在6年之内，市场规模将会翻三倍，到2025年达到150亿美元。年复合增长率（CAGR）达20%，这也意味着3D视觉感知技术的应用和普及速度正在加快。 图8：不同技术路线下的3D视觉技术市场空间均在不断扩大 消费电子类和智能汽车行业是3D视觉市场扩容的重要推动力。数据显示，2019年至2025年间，智能手机领域的市场规模预期从20.17亿美元激增至81.65亿美元，年均复合增长率高达26%。市场规模占比从40%增至54%。而汽车领域的市场规模则预计从8.54亿美元增长至36.73亿美元，年均复合增长率达到28%，市场规模占比从17%增至25%。这两大应用领域将成为3D成像和传感技术的主力军，推动其在全球范围内的普及和应用。 图9：消费电子类和智能汽车行业是3D视觉市场扩容的重要推动力 4.2.我国大力支持机器视觉发