机器视觉市场中3D成像组件的扩展是一个强劲的趋势，这是由对3D测量和指导的高需求以及作为3D成像系统一部分的成本效益技术的可用性的增加所推动的。部分扩展是针对某些应用的算法功能的激增，如3D测量，机器人引导（VGR - 视觉引导机器人以及相关任务，如拾取或随机对象拾取和放置），以及自动移动机器人（AMR）指导和安全。

   三维成像系统捕获物理空间的视图并提供表示包含深度的场景中的点以及熟悉的2D“平面”（x和y）位置的数据。一些可用的组件还提供灰度（对比度）或甚至彩色图像以及3D数据。3D成像的基本优势在于提供3D位置，但另一个重要的好处是3D图像通常是“对比度不容忍”。也就是说，图像信息允许软件处理深度变化而不是表面颜色特征的变化或阴影。

   三维成像是机器视觉应用的强大技术。可以很容易地说它已经从“趋势”转移到机器视觉工具箱的标准部分。

实际执行

   3D组件的区分可能很困难，对功能的详细讨论超出了本讨论的范围。但是，第一步是确定目标应用程序的类型。需要分析分辨率，深度以及水平X，Y平面的要求。虽然大多数系统作为一个整体提供通用功能，但提供了更多的组件，这些组件在特定任务中具有目标和优势，例如，专门用于3D测量或3D箱子拾取。也就是说，除了能够为应用程序提供适当的精确度量之外，任何3D解决方案的成功主要是软件实现和系统集成。

实际限制

   在表面上集成3D成像可能很简单，但特定应用的细节存在挑战。其中一些包括：虽然看起来很明显，但在物体或成像系统运动的应用中，任何一个位置的误差都可能引入必须考虑的测量误差。

   大多数3D成像系统都表现出一定程度的“3D数据丢失”，即相对于主动照明和摄像机角度的特征阴影在3D信息中产生空白。根据应用，使用一些成像技术可以克服这种情况。

   简而言之，并非所有3D机器视觉应用都“准备好迎接黄金时段。”例如，虽然应用程序在挑选随机定向，同质对象或“箱子拾取”已经很好地解决并且可以被认为是通用的在许多情况下，挑选异构和未知物体，包裹，盒子等在许多情况下仍然是3D成像的挑战。此外，用于测量或区分的物体或表面的3D重建在生产率上可能是具有挑战性的，因为可能需要许多图像来完全建模和分析该部件。