2025年奥比中光研究报告：3D龙头高歌猛进，多传感器融合筑牢护城河壁垒

1. 物体识别和空间作业，3D 视觉更好用

1.1. 2D 的技术和逻辑，以及和激光雷达搭配使用的效果

2D 视觉系统通过相机拍摄平面照片，经图像处理提取特征，通过算法识别物体的 类别、位置等平面信息。2D 视觉技术按“图像采集→预处理→特征提取→模式识别”的 逻辑运行： 2D 视觉系统通过相机采集客观场景的图像，对图像进行预处理以改善图像 质量，再利用深度学习等算法将其中对应感兴趣物体的图像目标提取出来，物体的轮廓、 角点、纹理等特征信息，最后基于提取的特征，通过分类器或测量算法实现物体的识别、 定位或尺寸计算，输出平面维度的决策结果。

2D 技术和激光雷达搭配使用，既可以看清物体是什么，又可以测量物体距离。2D 视觉在深度感知方面存在天然缺陷，为弥补这一不足，工业界常采用传感器融合来增强 2D 视觉能力。单目摄像头无法直接测量物体距离，面对复杂三位场景的准确性受限。 而将摄像头和激光雷达融合后，摄像头提供高分辨率的纹理和颜色，用于物体分类识别； 激光雷达发出激光测距获得点云，用于精确获取环境的三维几何信息。这一组合在动态 环境、中远距离感知场景（如自动驾驶、工业自动化）中已成为主流技术路径。

1.2. 3D 视觉出现的逻辑，已经解决的问题

3D 视觉技术产生源于二维视觉在空间感知上的本质缺陷。2D 视觉虽然在平面图 像识别上性能成熟，但因只能获得像素的色彩与亮度信息，天然无法直接测量物体到相 机的距离，会在以下场景出现瓶颈：一是深度感知缺失，无法判定前后遮挡关系与物体 体积；二是对无纹理表面或弱光环境下的匹配能力弱，导致检测失准；三是面对复杂三 维场景时难以进行精确的空间定位与路径规划。而这些问题在 3D 视觉中均得到解决。 为满足工业精密测量和智能化场景对三维数据的需求，3D 视觉技术应运而生。早 期工业级设备通过结构光融合高精度相机实现三维建模，但成本高昂；随着 VCSEL 激 光器、深度计算芯片等底层技术突破，3D 模组得以小型化、低功耗并普及到消费级产 品。通过结构光、ToF 等技术在手机支付、自动驾驶等场景中实现低成本、实时的空间 感知，最终完成从“平面识别”到“空间理解”的跨越，成为智能时代的基础设施。

1.3. 3D 更适合空间作业，更适合人形和空间作业的机器

3D 视觉相较于 2D 视觉在空间作业中的核心优势在于其直接获取三维数据的能力。 2D 视觉依赖二维图像分析，仅能提取物体平面特征，但无法获取深度信息，而 3D 视觉 通过结构光、ToF 等技术生成物体的三维点云数据，可精准解析物体的空间坐标，可以 像人眼一样“看见”物体的远近高低，更加符合空间作业的特性。

人形机器人对环境理解和规划要求高，这也是 3D 视觉独特优势所在。 环境建模：3D 视觉提供的点云和深度图使机器能够直接构建环境的三维模型， 搭载深度相机的机器人可以一边移动一边绘制出包含墙壁、地面、障碍物的 3D 地图， 从而计算出避开所有障碍物且上下左右均安全的路径。 动态场景：对于移动中的目标，3D 传感器可以直接获取目标的空间轨迹。通 过三维点云的时序分析，实时计算物体运动轨迹与速度矢量，支持预判性操作。而且， 3D 视觉不受光照变化或遮挡场景影响，抗干扰性强于 2D 视觉。 交互规划：3D 视觉精度更高，获取的图像分辨率高、误差小，因此在抓取定 位等交互场景中能实现毫米级精准对准，避免了 2D 视觉依赖阴影或特征匹配带来的位 置偏差。而且，3D 视觉相应更快，3D 相机可在单帧内输出深度信息，无需后续复杂算 法推算，极大缩短了处理延迟。

3D 视觉与 2D 视觉的核心区别在于 3D 视觉的本质是高精度测量仪。与 2D 视觉系 统仅获取物体的二维图像信息不同，3D 视觉通过光学原理进行高精度的三维空间测量， 超越了传统 2D 视觉的平面图像捕捉功能。

2. 算法是利润来源，调优时间周期很长

2.1. 2024 年前 3D 视觉产业投资性价比低

2024 年前，3D 产业应用场景少，市场需求和产业积累弱。此前，3D 视觉技术主要 集中在苹果手机的人脸识别、自动导引车（AGV）、送餐机器人和体感游戏等领域。截 至 2022 年，中国机器视觉市场规模 170.65 亿元，其中 3D 视觉市场仅为 18.4 亿元，占 比 10.8%。这些行业的市场渗透率和规模化程度有限，市场需求小，导致市场回报难以 覆盖 3D 视觉高昂的技术成本，企业普遍入不敷出，下游更多采用性价比高的 2D 视觉 的方案。

3D 视觉硬件技术闭环，算法调优人力成本显著高于常规系统，调优成本激增的核 心原因是硬件-算法的深度耦合。第一，由于深度信息对光学畸变更敏感和 3D 系统需要 同时校准多相机误差叠加，硬件系统中光学畸变需要复杂的算法补偿方案来消除。第二， 三维数据的复杂性远高于二维数据，需融合多传感器信息，同时处理高维空间信息、多 源噪声及动态变化，算法调优的工作量和难度大幅增加。

产业陷入了“没有下游，只有投入”的困境。3D 视觉产业中，技术强耦合带来高 投入，而下游市场规模不足以支撑研发投入，因此投入产出失衡。

2.2. 下游多点开花，算法壁垒使得利润可观

2024 年后，3D 视觉应用场景不断扩展，成为实现高精度感知与自主操作的关键技 术。随着自动移动机器人（AMR）、3D 打印、人形机器人、机械臂、灵巧手和智能割草 机等领域的快速发展，这些高阶自动化场景对实时深度感知是硬性需求， 3D 视觉的需 求激增。

相机模组的硬件组成涵盖 4 个部分，分别是红外光发射模组、红外光接收模组、可 见光 RGB 模组和图像处理算法芯片。 红外发射模组：生成并投射特定的红外光模式，用于 3D 视觉系统的深度感知 红外接收模组：接收并处理反射的红外光信号，提取深度或距离信息。 RGB 模组：捕捉场景的彩色图像，提供纹理和颜色信息。核心组件是 RGB 芯片， 分颜色记录可见光信息。 图像处理算法芯片：执行复杂的计算任务，将原始数据转化为可用信息，支撑复杂 应用场景。 总体而言，各硬件组件产业链均已成熟，价格体系完整，硬件壁垒不高。

温漂相关的软件补偿复杂塑造了 3D 视觉领域的算法壁垒。 1.波长漂移造成深度测算偏差：半导体激光器的谐振腔由多层半导体材料构成，温 度每升高 1℃，材料热膨胀导致腔长变化约 0.07nm，波长也随之改变。波长漂移通过改 变结构光散斑的空间频率和周期。散斑图案随之平移。

2.焦距漂移早成深度测算偏差：镜头供应商受限于成本压力，在材料限制下通常采 用注塑成型的 PMMA/PC 塑料镜头，温度波动下形变更剧烈。当环境温度波动时，会导 致镜片直径、曲率半径及厚度产生微米至亚毫米级变化，从而使焦距变化大，进而影响 结构光散斑图案的平移。

深度测算的偏差加大对于温漂补偿机制提出了更高需求，否则无法满足 3D 场景高 精度需求。算法要求高精度的传感器和复杂的实时计算以确保不同温度条件的稳定性。 在实际落地过程，必须花费大量时间优化调整系统，导致整体搭建和调试过程的复杂性。

3D 视觉产品高定价与高利润主要源于其软件算法，这些算法构建了高技术壁垒， 使得新进入者面临高昂的研发成本和技术挑战。3D 视觉硬件成本低，市场价格高昂。 在 2024 年，工业级 3D 相机的市场价大约位于 300-600 美元之间，其毛利率在 65-80%， 反映了 3D 视觉产品所具备的技术溢价。软件算法在 3D 视觉价值链中占据中枢地位— —其通过专利化技术壁垒锁定定价权，以零边际成本放大利润空间，最终由用户为不可 替代的功能价值持续支付溢价，形成“高研发投入-高定价-高毛利”的闭环商业模型。

3D 视觉技术中算法研究占核心优势，且开发周期长与技术成本高导致落地困难，新 团队进入存在高壁垒。

3. 3D 视觉多点下游刚起量，增长潜力充分

空间作业的人形机器人需求爆发带动 3D 视觉技术的需求增长。2024 年，特斯拉 Optimus 人形机器人快速迭代引发热潮，全球资本加速布局人形机器人领域，推动了人 形机器人市场的爆发性增长。根据市场空间测算（图 26），在家庭、仓储、制造业领域 替代率分别达到 10%，20%，5%时，全球适合人形机器人的场景（工厂、仓储、家庭服 务）对应接近 5000 万台存量替代空间，3D 视觉模组的潜在市场规模可达将近 200 亿美 元。根据 GGI 协会和市场测算，预测未来五年 CAGR 超过 60%，增速快。所有人形机 器人均需 3D 视觉实现基础移动与操作，无替代方案，因此 3D 视觉上游厂商将获取巨 额利润。 基于以下数据及假设，我们对人形机器人中 3D 视觉市场空间进行测算，在家庭、 仓储、制造业领域替代率分别达到 10%，20%，5%时，市场空间有多少： 1）假设仅计算家政工人、仓储物流、制造业等市场需求。 2）家政方面，由于服务机器人目前渗透率较高，因此我们假设替代率 10%。 3）仓储方面，因仓储自动化基础好，考虑柔性高的应用场景，因此我们假设替代率 20% 。4）制造业方面，考虑到人形机器人仅替代高重复性工作，假设替代率 5% 5）3D 视觉模组假设平均单价 400 美元。

基于欧美市场的消费潜力，智能割草机未来需求激增，可为 3D 视觉技术创造巨大 利润。当前行业数据显示，欧美市场作为全球高端园林设备的核心消费区，其家庭庭院 渗透率饱和状态下智能割草机容量可达 2000 万余台。截至 2024 年，全球智能割草机渗 透率仅 1.9%，市场仍处于爆发前夜。每台智能割草机中的 3D 视觉系统是产品核心成本 项，意味着上游技术厂商仍有 80 亿余美元的潜在利润空间。随着技术的进步和成本的 下降，中研普华预测该市场未来五年将以约 35%的年均复合增长率增长，从而推动 3D 视觉技术的广泛应用，为相关企业带来可观的收益。 基于以下数据及假设，我们对智能割草机中 3D 视觉市场空间进行测算，我们预计 当欧美地区渗透率达到 15%，计算市场规模的过程如下： 1）假设仅计算欧洲和北美（美国和加拿大）的市场需求 。2）欧洲各国的户均人口数从 1.9 到 3.6 不等，假设为 2.5。 3）由于各国家庭草坪占比不一，根据调研后，我们假设潜在购买的比例为 15%。 4）假设 3D 视觉模组的平均价格为 400 美元。

自动移动机器人（AMR）技术发展显著拉动 3D 视觉需求增长。物流自动化趋势上 升和劳动力成本优势明显，AMR 行业正在迅速发展。根据最新市场研究，AMR 的市场 规模在在 2024 年的价值约为 45.1 亿美元，预计到 2033 年将达到 185.4 亿美元。在 AMR 系统中，3D 视觉作为 AMR 的感知核心，承担动态避障、SLAM 定位、物体识别等高精 度关键功能，技术具有不可替代性。根据 GMI&BR Insights 数据并结合市场测算，截至 24 年 AMR 有 30.8 万台，渗透率为 0.44%，且未来十年的 CAGR 高于 15%，行业正处 于上升期，AMR 中 3D 视觉的潜在市场空间接近 280 亿美元。 基于以下数据及假设，我们对自主移动机器人中 3D 视觉市场空间进行测算，当仓储物流领域替代率达到 25%，其余领域完全替代时，我们计算的过程如下： 1）假设仅计算仓储物流、服务领域（医疗、餐饮）等市场需求 。2）餐饮场景假设平均单个医院配备 AMR 数量为 2 个 。3）医疗场景假设平均单个医院配备 AMR 数量为 20 个。 4）3D 视觉模组假设平均单价 400 美元。

3D 打印需求增长带动 3D 视觉技术增长。随着 3D 打印技术的快速发展，尤其是在激光 粉末床熔融（LPBF）和喷射打印（BJ）等技术的裂变，以及材料创新和应用场景的扩展， 3D 打印行业正处于产业上升期，根据 FORTUNE BUSINESS INSIGHTS 数据并结合市 场预估，未来的 CAGR 超过 20%，到 2030 年市场规模将达到 883 亿美元。3D 视觉技 术应用于 3D 打印的扫描建模环节，能够实时拍照生成高精度三维模型，3D 视觉技术在 3D 打印中需求不断增长 基于以下数据及假设，我们对 3D 打印场景中 3D 视觉市场空间进行测算，我们假 设当教育创客和文创衍生品领域渗透率分别达到 20%和 5%，其余领域完全替代时的市 场空间计算过程： 1）假设仅计工业级（制造、医疗）、消费级（教育、文创）等市场需求。 2）教育领域中，考虑到各地学校经济差异，我们假设 3D 打印的饱和渗透率为 20%。 3）文创领域中，3D 打印用于小批量生产 IP 衍生品，假设饱和渗透率为 5%。 4）3D 视觉模组假设平均单价 400 美元 。5）工业制造和医院中，分别假设企业和医院平均 3D 打印设备需求量为 3 个和 5 个。

随着下游市场对 3D 视觉技术需求激增，3D 视觉技术龙头厂商在未来几年可获得 可观利润，并在全球市场中占据主导地位。制造业、物流、医疗和消费领域当前对自动 化和智能化需求的快速增长，带动 3D 视觉技术在自动移动机器人（AMR）、人形机器 人、3D 打印和智能割草机等下游市场的放量，且 3D 机器视觉占据产业链核心地位。领 先公司有望凭借技术优势和算法积累占据行业领先地位。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）