2D机器视觉系统已经部署了几十年，在某些应用场景下表现出色。但是在很多场景中，2D视觉存在一些限制，而新兴3D机器视觉系统却可以使用。无论是2D视觉还是3D视觉，其功能和性能直接取决于五个主要组件：光源、光学镜头、数字（CMOS或CCD）图像传感器、图像处理软件工具和通讯接口。

2D视觉

在纯2D机器视觉系统的情况下，获取的目标图像实际上是二维平面图。2D图像不提供任何高度信息，即：有X和Y数据，但没有深度数据。我们所看到的实际上是从特定视点观看的3D对象的轮廓。不同的视点和不同的对象会有不同的轮廓，从而使2D机器视觉在形状信息对于执行任务至关重要的应用中用途有限。对于许多简单的应用场景，高度和真实形状信息的缺乏没有影响。如：特征识别与定位、尺寸检测、条码读取、字符识别、标签验证、质量检验、监控和目标跟踪、有无检测等。

2D视觉的局限性

1、由于目标物体图像是由其反射的光形成的，因此环境条件的变化或光源变化可能会对精度产生不利影响。在工厂环境中，太多的光线、太少的光线或阴影都会影响2D平面中出现的边缘和特征的清晰度。因此，对照明的敏感性是一个问题。

2、由于2D机器视觉所依赖的目标对象表面上的对比（清晰的边缘和特征），因此它也将难以处理非常黑暗或非常光亮的目标。虽然有很多不同的方法可以照亮目标，但是无法拾取对象的边缘和特征。缺乏对比度也会带来问题。

3、由于我们无法使用2D机器视觉处理任何高度信息，因此，对于目标对象在Z方向存在高度差，会对成像造成很大影响。

4、二维机器视觉系统无法应对三维形状或形式的复杂性。特别是对于需要在X或Y平面之外测量尺寸的复杂零件和组件；需要确定零件体积的位置；当需要以精确的方式拾取和放置零件时，则2D机器视觉就无法完成任务。

3D视觉

在3D机器视觉系统中，目标对象图像不再只是平面图片。现在，它是一个具有精确坐标的三维点云，可以知道空间中每个像素的位置。它还同时提供X，Y和Z平面数据以及相应的旋转信息（围绕每个轴）。

实现3D机器视觉系统有四种主要技术：激光三角法、立体视觉 、飞行时间和结构光。与二维图像处理相比，在3D中工作确实需要更多时间、处理器和软件，但是在多核处理器、3D算法和软件工具方面的飞速发展意味着3D机器视觉系统现在已经超过了保持满足生产线的吞吐量要求。重要的是由于能够可靠地捕获额外的三维数据，因此3D机器视觉系统可以不受2D视觉系统的不利影响，前面讨论的照明，对比度和到对象的距离方面不再是问题。

由于我们正在使用目标物体的高精度三维数字化模型，因此我们的机器现在可以处理形状和位置。他们知道目标物体在空间中的精确位置、体积、角度、平坦度和特征，不受生产线环境条件以及物体是反光或吸光的影响。这极大地简化了目标对象和整个系统设计。由此功能得到了极大扩展，因此3D机器视觉已被应用到2D视觉功能不足的众多任务中。

包括：厚度、高度和体积测量、形状、孔、角度和曲线、检测表面或安装缺陷、针对3D CAD模型的质量控制和检验、机器人引导和表面跟踪（例如，用于焊接，去毛刺等）、自动零件抓取、放置、物体扫描和数字化等。

通过3D机器视觉技术组合，可以成功解决此类复杂、高精度、实时的任务。3D机器视觉技术提供了二维机器视觉无法提供的高效、经济的解决方案。不同的3D机器视觉技术的质量和能力仍然有巨大差异，使的选择合适的工具要比常规相机复杂得多。需要考虑更多要求，包括分辨率，颜色，速度和准确性。

雷火·竞技公司不仅在2D视觉上有成熟应用，如：定位、尺寸检测、缺陷检测、OCR（字符检测）等，而且拥有多套成熟的3D视觉应用解决方案，包括视觉拆垛、视觉装箱检测、三维测量、自动零件分拣等。