二维(2D):使用传统RGB相机。仅能捕捉到物体表面的纹理信息,没有物体到相机的距离信息,无法提供对于精确的识别、追踪等功能所需的空间形态、几何尺寸和位姿信息等。
三维(3D):技术包括飞行时间(ToF)、双目立体视觉法、结构光法等。双目立体视觉法的技术原理是通过从两个视点观察同一物体,从而来获得同一物体在不同视角下的图像。通过三角测量原理来计算图像像素间的位置偏差(视差)来获取物体的三维图像。
工业级:高技术、精度、稳定性要求,定制化程度高,成本较高,依赖国外品牌核心零部件。
消费级:精度要求较低,市场竞争激烈,成本控制严格。
产业链结构:
上游:提供光源、镜头、工业相机、工控机、图像采集卡、图像处理软件等组件。
中游:包括视觉应用软件和视觉设备,如检测、测量、定位、识别系统。
下游:产线综合解决方案供应商,服务于3C电子、汽车、新能源、半导体、医疗制药等行业。
产业链上游核心零部件:
工业相机、图像采集卡:价值量最高的部分。
产业链相关企业:
奥比中光:3D视觉传感器构成及供应商信息,市场占有率高。
专注于3D视觉感知技术,与微软、英伟达合作,推出3D iToF相机,构建生态系统。多家机器人客户建立合作,国内服务机器人视觉传感器市场占有率超70%。
供应商:包括感光芯片供应商索尼、三星等,滤光片供应商Viavi等,光学镜头供应商大立光等,激光发射器供应商Lumentum等。
奥普特:机器视觉光源市场龙头,全球机器视觉光源市场市占率稳居第二位,国内市占率连续三年第一。向泛机器人领域延申,投资收购精密传动部件业务,发展深度学习应用。
凌云光:主要产品为可配置视觉系统、智能视觉装备与核心视觉器件。与全球知名企业合作,拓展AI、立体视觉领域。构建新一代技术平台,研究人工智能算法、计算成像、大数据等技术。
合作伙伴:苹果、华为、鸿海精密、京东方等。
技术:立体视觉系统,精确提取三维信息,实时智能化处理。
MEMS IMU(惯性测量单元)是一种集成了加速度计和陀螺仪的高精度传感器,广泛应用于导航、定位、运动跟踪、姿态控制等领域。MEMS IMU因其高精度、小尺寸、低功耗等优点,在多个领域有着广泛的应用前景,预计MEMS IMU将在智能设备、自动驾驶、机器人等新兴领域发挥更加重要的作用。
加速度测量:利用微小质量块和弹簧系统在加速度作用下的位移,通过电子传感器转化为电信号。
角速度测量:采用微小陀螺仪感知角速度变化,通过振动结构、压电效应或光学传感器测量。
信号处理和输出:电子元件将机械运动转换为电信号,进行处理和放大,输出加速度和角速度数据。
海外:Honeywell、ADI、Northrop Grumman(全球55%市场份额)。
第一梯队:专注于MEMS-IMU,如苏州固锝(明皜传感)、芯动联科、华依科技。
第二梯队:以激光和光纤式传感器为主,MEMS产品较少,如星网宇达、华测导航等。
第三梯队:提供特定MEMS产品,如敏芯股份(仅加速度计)、赛微电子等。
六维力矩传感器作为高端力觉传感器,相关产业链概念股:
上游原材料与关键技术组件:
弹性体、应变体:这些材料是力敏元件的基础,能够将外力转化为微小的物理变形,对于传感器的灵敏度和精度至关重要。中信特钢、方大特钢、南钢股份等企业在提供优质弹性体材料方面占据重要位置;而瑞尔特、中航电测、华兰海则专注于应变体的研发与生产。
光栅尺、电容、PCB:这些组件在传感器中用于精确测量位移变化和信号处理,是确保传感器输出准确电信号的关键。奥普光电、禹恒光学、新天光电提供高精度的光栅尺用于精密定位;而电容、PCB等电子元件则由其他专业厂商供应,确保传感器的电子系统高效稳定。
中游力矩传感器制造:柯力传感、坤维科技、宇立仪器、海伯森、鑫精诚等企业作为中坚力量,通过集成上游材料和技术,设计制造出各种类型(如应变式、非接触式)的六维力矩传感器。这些传感器根据不同应用场景的需求,提供高度定制化的解决方案,满足从工业机器人到服务机器人,再到特殊环境作业机器人的多样化需求。
下游应用与影响:在人形机器人、工业自动化、医疗辅助设备等领域,六维力矩传感器的应用极大地提升了系统的智能化水平和作业效率。例如,在人形机器人中,传感器不仅增强了机器人对物体的精细操作能力,还提升了其行走和环境适应能力,这对于构建更加自主、安全的人机交互环境尤为关键。
以上三个方向的产品介绍和涉及相关市场产品的上市公司。
市场预测:据预测,到2035年,全球人形机器人市场的规模将达到380亿美元,出货量预计可达140万台,预计将渗透到10%-15%的危险和汽车制造岗位中,显示了人形机器人在工业应用中的巨大潜力和市场需求。
优必选Walker S的应用案例:优必选的工业人形机器人Walker S已经在蔚来汽车工厂中投入“实训”,成为全球首个在汽车生产线与工人并肩工作的实例,参与汽车装配和质量检查,标志着人形机器人技术在实际生产环境中的成熟应用。