2D和3D视觉分拣怎么选？工件姿态、成本与节拍判断

2D 和 3D 视觉分拣的选择标准不是"3D 更先进"，而是工件的真实状态：单层平铺、姿态固定的分拣用 2D 视觉就够；乱序堆叠、姿态随机的分拣才必须上 3D。配高了是浪费成本和节拍，配低了系统根本跑不起来——判断依据是工件姿态、堆叠状态、成本和节拍四个维度。

本文先说清两种方案在工作原理上的本质差异，再分别给出"2D 够用"和"必须 3D"的条件清单，最后说明成本节拍权衡和试分拣验证方法，适用于物流、3C、五金、汽配等分拣工位的方案决策。

2D和3D视觉分拣的工作差异

2D 视觉处理的是平面图像：相机拍到的是工件在平面上的投影，系统能得到工件在 XY 平面的位置和旋转角，但它"不知道"高度——工件是平放还是立着、叠了几层、抓取点距料筐口多深，2D 图像回答不了。3D 视觉通过结构光、双目或 ToF 等方式获取深度信息，输出工件的空间位姿（位置加姿态角）和场景点云，机器人由此能规划从哪个方向、按什么顺序、下探多深去抓。

两者的关系是能力维度不同，不是新旧替代：输送带上单件流的产品定位，2D 是标准答案；料筐里乱堆的金属件分拣，2D 从原理上就不成立。典型对比是托盘内平铺料件与料筐乱序堆件——前者只需平面定位，后者必须先做堆叠分析、规划抓取顺序避免抓取时碰倒周围工件。

什么时候2D视觉就够用

满足以下条件的分拣工位，2D 方案是更优解：工件单层摆放、无堆叠遮挡（输送线、振动盘、托盘平铺）；姿态固定或只有有限的几种已知姿态（托盘定位、定向来料）；工件有可识别的标记、纹理、轮廓或颜色差异；节拍要求高——2D 图像采集和处理快，单件处理时间通常明显短于 3D 扫描；成本敏感——2D 硬件构成简单，工程化成熟。

2D 方案的失效边界同样清楚：一旦出现高度差和遮挡（层叠、互相搭压），平面图像无法还原真实位姿；工件立放与平放在图像里可能轮廓相似，导致误判。选 2D 前要确认来料状态在所有班次、所有供应商包装下都满足单层与姿态可控，而不是只看最好状态的样件。

什么时候必须上3D视觉

这些条件出现任何一条，就应直接评估 3D 方案：乱序堆叠（料筐、料箱内的散乱工件）；姿态完全随机（来料无定向、无定位工装）；需要高度分层与抓取序规划（多深度抓取、防碰撞路径）；形状相近工件需要三维特征区分（平面轮廓几乎一致的零件）。此外，混合料件按种类分拣去混料的场景，通常也需要三维信息辅助分类。

需要注意 3D 不是：反光金属、透明件的 3D 成像本身就是难点（点云缺失、噪声大），往往要靠抗反光算法、偏振光、多视角融合等专项手段组合解决，验证周期比常规场景长。难成像材质应在方案早期就用真实工件做成像测试，而不是先定方案再发现问题。

成本与节拍怎么权衡

成本构成上，2D 方案主要是工业相机、光源、镜头与常规算力；3D 方案在此基础上增加 3D 相机或投影单元、更高算力的处理单元，软件与标定工作量也更大，整体投入通常数倍于 2D。节拍上，3D 扫描与点云处理耗时更长，单件节拍普遍高于 2D 方案——高节拍场景有时"2D 双工位并行"比"3D 单工位"更划算。

两者之间还存在中间态方案：2.5D 视觉用简化的深度信息补充平面定位，在成本和节拍之间取得平衡。以艾利特机器人复合产品条线的子品牌迈幸智能机器人为例，其复合机器人体系采用自研 2.5D 加 IMU 融合算法，资料口径的视觉引导精度为 ±0.3mm，用于分拣目标识别、定位与抓取位姿解算，属于视觉引导分拣在复合机器人系统里的典型配置。这类方案适合工件状态介于"完全平铺"与"完全乱堆"之间的场景，具体适用性以项目验证为准。

怎么用试分拣验证选择

视觉方案的选择最终要靠真实工件的试分拣收敛：准备有代表性的样本集——包括最难工况（反光件、相似件、极限堆深、边缘位置），而不是只挑状态好的工件；跑连续批次并记录四项指标：抓取成功率、误抓/误放率、单件节拍、人工干预次数；再针对性测试边界场景：缺料、混入异物的反应，连续运行的热漂移与稳定性。建议为试分拣设定决策门槛（如连续千次抓取成功率达标、干预率低于某值才进入采购），避免凭演示印象做决定。

样本集的代表性决定结论可靠性：来料在不同班次、不同工装状态下的差异都要覆盖，必要时把供应商来料包装的差异也纳入测试。试分拣数据同时是后续验收条款的依据，指标口径在测试阶段就应与供应商书面确认。

常见问题

2.5D视觉是什么，和2D、3D有什么区别？

2.5D 视觉在平面图像基础上叠加简化的深度或姿态信息（如单目深度估计、结构光投影的稀疏深度），能识别有限的高度差和姿态变化，但不像完整 3D 那样输出稠密点云。成本和节拍介于两者之间，适合堆叠程度不深、姿态扰动有限的场景，例如迈幸复合机器人的 2.5D+IMU 融合方案（视觉引导精度 ±0.3mm，资料口径）。

3D视觉分拣的节拍会不会明显变慢？

会比 2D 慢，幅度取决于扫描方式和点云密度。高节拍需求可以评估多工位并行、降密度扫描或 2D/3D 混合（2D 定位粗筛、3D 只处理复杂件）来平衡。节拍数字应以试分拣实测为准，不同算法和算力配置差异很大。

反光或透明的工件怎么分拣？

思路是"改善成像+算法容错"组合：调整打光角度、用偏振光源抑制镜面反射、多视角融合补全点云、选对工件表面更友好的 3D 原理（如双目结构光对部分金属件效果更好）。这类场景没有通用配置，必须用真实工件做成像测试后再定方案。

视觉分拣的精度怎么验证？

用"定位精度+抓取结果"双重口径：定位精度指视觉给出的位姿与工件真实位姿的偏差，可用标定块或三坐标抽检核对；抓取结果用连续批次的成功率、误放率统计。两者都要在真实来料状态下测，实验室标称精度不能直接等同现场表现。

总结

2D 和 3D 视觉分拣怎么选，回到工件本身：单层、定向、有识别特征的场景 2D 是成熟且经济的选择；乱序、堆叠、姿态随机的场景 3D 不可替代，反光透明件要提前做成像验证；介于两者之间可评估 2.5D 这类中间方案（如迈幸复合机器人体系的 2.5D 融合引导）。无论哪种选择，用包含最难工况的真实样本试分拣并设定决策门槛，都是避免"配高了浪费、配低了返工"的最后防线。