机器视觉从2D进化到3D立体“视界”，常见常用的刷脸支付、Face ID、VR、无人便利店、 等产品技术，背后关键的科技便是3D视觉技术。
在过去几年里，3D视觉概念迭出，大量资本涌入这个赛道，新进企业众多。业内人士普遍认为，3D视觉在工业领域的产值和产出，可能要远远大于消费领域，但因为渗透率很低，推进速度不够快，当前3D工业相机的规模在几亿美金区间，设备和软件在20亿美金水平，但行业市场有50倍以上的渗透率增长空间。
从2D到3D的赛道变化
2D技术起步较早，技术也相对成熟，在过去的30年中已被证明在广泛的自动化和产品质量控制过程中非常有效。
2D技术根据灰度或彩色图像中对比度的特征提供结果。2D适用于缺失/存在检测、离散对象分析、图案对齐、条形码和光学字符识别(OCR)以及基于边缘检测的各种二维几何分析，用于拟合线条、弧线、圆形及其关系(距离，角度，交叉点等)。
3D视觉利用近红外线光来扫描周围环境，再由CMOS图像传感器接收并转换为数字信号，最后通过芯片计算出物体在三维空间中的远近与相对位置，因此能了解物体的动作、与环境的互动，由此即能发展出由动作控制计算机的体感操控，检测出前方的物体等。
由于2D视觉逐渐无法满足对复杂对象识别和尺寸测量精度日益增加的要求，因此也催生了3D视觉的增长。从2D转向3D，需要所获取信息质量和数量的飞跃。相对来说，2D视觉市场积淀深，3D视觉方案只有达到一定的成熟度，才可以全面实现2D向3D的转变。
但是3D机器视觉技术门槛高，涉及到光学、结构、散热等跨学科设计问题，再加上芯片、算法构成的复杂系统设计，需要一定的技术实力，投入足够的时间和人才，才可以研发相关方案。技术门槛高、投入大、研发企业少都是3D视觉发展路上的拦路虎。
在3D视觉兴起之后，选择2D视觉还是3D视觉，成为一个有争议的问题。有业内人士表示，3D视觉将全面替代2D视觉;但也有观点认为，3D视觉价格高，在可以应用2D视觉的场合，没有必要用3D视觉;当然还有第三方观点认为，2D视觉和3D视觉可以融合应用。
从落地来看，目前3D主要应用于大型工业制造业企业、物流、智慧城市监控，以及少部分消费应用场景等，从探索到突破，在落地的路上逐显繁荣。