作为工业文明的集大成者，汽车行业的成熟自动化生产线一直是各行各业学习的典范。然而，在成本压力、产品结构调整以及智能化、人工智能应用等内外因素的交织影响下，传统的生产方式正在面临新一轮的变革。

汽车零部件的工件上下料、定位装配等环节，对节拍、精度、稳定性的要求尤为苛刻。尽管工业机械臂的应用已相对成熟，但随着汽车行业供应链柔性化生产的需求日益提升，对视觉系统，尤其是3D视觉技术的应用提出了新的要求。

跨维智能依托自研的DexVerse™具身智能引擎，打造了软硬一体的3D视觉引导解决方案，助力汽车行业“换挡提速”，迈向智能化快车道。

从CAD导入到模型训练的一键联通

解决传统方案数据采集/标注难，在汽车零部件领域，传统的来料外观复杂多变，常规的视觉模板匹配方法难以满足需求。为解决这一问题，行业内多采用深度学习算法。然而，传统的深度学习路径往往需要从客户处借用产品进行数据采集，由人工搬运收集后，再返回厂家进行标注训练，最后将训练好的模型发给用户。

这种3D视觉方案面临数据获取难、采集和标注工作繁琐、人工成本高、周期长等痛点，少则两三天，多则一周，难以实现产品化和规模化应用，严重影响了汽车行业的效率。
基于此，跨维智能提供了更加高效便捷的解决方案。

通过利用CAD文件生成大量合成数据，在仿真空间中模拟产品在各种生产环境、各种产品数量下的各种姿态，并进行训练，无需进场采集/标注数据，仅提供 CAD 即可完成模型训练。当生成现场出现新的工件时，可通过引擎一键完成模型训练，实现了高效的新产品适配流程，真正做到以用户需求为基础、以行业痛点为导向，释放产业生产力。

抗干扰的“双眼”助推升级转型

可抗强光、轻松识别高反件，除了数据采集、标注的困难外，汽车行业在使用3D视觉过程中，面临的另一个重大挑战是如何在强光环境下识别大量高反光件。

为了解决强光环境下的高反工件点云成像问题，跨维智能推出了Kingfisher双目立体智能相机。与传统结构光相机的成像原理不同，Kingfisher相机无需主动投光，仅通过同时采集两组2D图像，并结合Sim2Real训练的点云重建模型，即可快速生成工件点云。即使在强烈的环境光下，该相机也能在0.5秒内重建出场景的三维点云。这从原理上避免了传统的结构光相机的成像限制，特别适用于室外强光、高反光件上下料等场景。例如，在某大型汽配厂的外星轮抓取上料环节中，由于其汽车制造车间存在强光照环境，且外星轮表面为精加工，工艺处理后非常光亮并且有防锈油，这对3D视觉成像质量构成挑战，传统的结构光相机难以在成本、效率和精度之间取得平衡。而跨维智的Kingfisher双目立体智能相机，能够在强光下条件下，精准完成外星轮的高质量成像。整体项目视觉节拍可达5s，综合抓取精度小于 ±3mm ，抓取成功率大于99.9%。

目前，跨维智能 DexSense 高精度3D成像和感知设备系列，包Kingfisher双目立体智能相机、Xema北极鸥系列开源相机以及Sparrow 系列轻量化DLP单目结构光相机，均已在汽车及汽车零部件行业得到广泛应用。

除了汽车行业，跨维智能3D视觉引导抓取方案已经在家电、工业、物流等30+行业的半结构化场景中批量应用，在毫米级精度的抓取/操作任务下，其成功率超过99.9%。同时，跨维智能也正在将产品稳步落地于医疗、商业等更多半结构化及非结构化场景中，为全球客户的智能化进程添砖加瓦。

（文章来源于跨维智能，如有侵权请联系删除）