机器视觉技术是现代工业自动化和智能制造的重要支柱，广泛应用于检测、导航和质量控制等领域。其中，2D、2.5D和3D视觉技术是三种核心技术，各有不同的特点和适用场景。

一、2D视觉技术：看平面，简单高效

技术特点

2D视觉技术处理的是平面图像，类似于用相机拍一张照片，然后通过分析这张照片完成任务。它的主要步骤包括：

图像采集：用工业相机拍摄灰度或彩色图像，配合光源让照片更清晰。预处理：通过滤波或增强对比度，让图像中的关键信息更突出。特征提取：识别照片中的直线、轮廓或角点等特征。模式识别：用算法判断这些特征是什么，比如文字或图案。测量与定位：算出物体的大小和位置。缺陷检测：对比标准图像，找出哪里有问题。

适用场景

2D视觉技术适合只需要看表面、不需要知道物体厚度的任务，比如：

在工厂里检查产品标签是否印对。扫描物流包裹上的条形码。检测电路板表面的划痕或污点。

优势与局限

优势：设备简单，成本低，处理速度快，适合快速完成大量任务。局限：无法知道物体的高度或深度，对复杂形状或被遮挡的物体无能为力。

二、2.5D视觉技术：加点高度，半步立体

技术特点

2.5D视觉技术在2D的基础上多了一层信息：物体的高度。它不是完整的立体模型，而是通过激光或深度相机，在平面图像上标注每个点的高度。常见方法有：

轮廓测量：用激光扫物体表面，测出高度变化。深度图：用专门的相机生成带有高度信息的图像。

简单来说，2.5D像是给平面照片加了个“高度标签”，但只能从一个角度看。

适用场景

2.5D适合需要知道物体高度但不需要完整立体形状的场景，比如：

检查电路板上零件的高度是否正常。测量物体表面是否平整，有没有凹凸。帮助机器人在导航时判断障碍物的高度。

优势与局限

优势：比2D多了高度信息，但比3D便宜和简单，性价比不错。局限：只能看一个角度，无法处理复杂的立体结构或多面遮挡。

三、3D视觉技术：全立体，信息丰富

技术特点

3D视觉技术能完整呈现物体的立体形状和空间位置，像是给物体画了个全景图。实现它的方法有：

立体视觉：用多台相机从不同角度拍照，通过计算得出深度。激光扫描：用激光扫物体表面，记录形状。结构光：投射光纹到物体上，根据变形重建立体形状。时间飞行（ToF）：测光从发出到返回的时间，算出距离。3D重建：用多张照片或点云数据拼出立体模型。

适用场景

3D技术适合需要精确立体信息的任务，比如：

指导机器人抓取不规则物体。检查复杂零件的装配是否正确。在物流中测量包裹的体积，优化空间。在自动驾驶中构建周围环境的立体地图。

优势与局限

优势：提供完整的空间信息，能应对复杂场景和高精度需求。局限：设备复杂，成本高，处理速度慢，需要更多计算资源。

四、2D、2.5D与3D的对比：一目了然

技术特点对比

方面2D视觉2.5D视觉3D视觉数据类型平面图像平面图像+高度完整立体模型深度信息没有单角度深度多角度深度设备复杂度简单中等复杂成本低中等高处理速度快中等慢能解决什么问题

2D视觉：擅长处理平面任务，比如读条形码、检查颜色或文字。2.5D视觉：能解决带简单高度的问题，比如表面缺陷或零件高度检测。3D视觉：适合复杂立体任务，比如定位不规则物体或分析空间关系。

实际应用例子

汽车制造：

2D：检查车身油漆和零件标志。2.5D：测量车身表面的平整度。3D：指导机器人焊接或搬运零件。

电子行业：

2D：检查电路板表面焊接。2.5D：检测零件的高度。3D：验证复杂组件的组装。

物流：

2D：扫描包裹标签。2.5D：测包裹高度。3D：算包裹体积，优化仓储。

五、技术趋势：融合与发展

现在，机器视觉技术发展很快，2D、2.5D和3D正在互相靠近：

2.5D的普及：深度相机越来越便宜，成为很多任务的实用选择。人工智能加持：用AI分析图像和立体数据，让结果更精准。技术融合：有的系统能根据任务，在三种技术间灵活切换，提高效率。

六、总结：选对技术最关键

2D、2.5D和3D视觉技术各有强项：

2D 简单快速，适合表面任务。2.5D 增加高度信息，适合中等需求。3D 功能强大，适合复杂立体任务。