Há uma década, uma câmera em um armazém existia para que alguém pudesse ver o que estava acontecendo. Essa mudança é o que transformou a seleção de visão de armazém com câmeras 2D versus 3D em uma decisão real, em vez de uma escolha de catálogo. Hoje espera-se que o próprio sistema julgue pelo que a câmera vê: ler o código, contar os itens, medir o volume, dizer a um braço robótico onde agarrar. A câmera passou de um par de olhos para o órgão sensorial que antecede uma mão física. É precisamente nesse ponto que surge a pergunta de seleção mais frequente: o que realmente separa uma câmera 2D de uma câmera 3D, e onde deve ser traçada a linha entre elas.

Segundo os guias de seleção publicados pelos fabricantes de equipamentos, a distinção não é misteriosa. Uma câmera 2D registra uma imagem plana e responde a perguntas do tipo "o que é isto, e o que diz". Uma câmera 3D acrescenta informação de profundidade e responde a perguntas do tipo "onde está, qual é a sua altura, e qual é a sua forma". Isso soa quase trivialmente verdadeiro, mas quando aplicado a uma tarefa específica de armazém, determina se o sistema pode funcionar. Um armazém de comércio eletrônico no leste da China automatizou uma linha de triagem há dois anos e usou câmeras 2D comuns para leitura de códigos de barras, processando dezenas de milhares de pacotes por dia sem problemas. Quando mais tarde se pediu a essa mesma linha que medisse também o volume dos pacotes, nenhuma quantidade de processamento de imagem 2D conseguiu recuperar a altura, e foi preciso acrescentar uma câmera 3D a jusante como estação de medição separada. O dinheiro não foi gasto na câmera em si. Foi gasto em retrabalho.

Um armazém de autopeças conta a história oposta, e ela é igualmente instrutiva. Raciocinando que mais avançado deveria significar melhor, eles especificaram câmeras 3D em toda a linha, incluindo as estações de leitura, onde os dados de profundidade nunca foram examinados por ninguém. A carga computacional, o esforço de calibração e o custo de manutenção chegaram integralmente da mesma forma. Seis meses depois, em uma revisão, as estações de leitura voltaram para 2D, e o orçamento economizado foi para as estações de paletização, onde a 3D era genuinamente necessária. Juntos, os dois casos apontam para a mesma conclusão: a seleção de visão de armazém com câmeras 2D versus 3D deve partir da tarefa, não da folha de especificações, porque a sofisticação da câmera nem sempre acompanha a dificuldade da tarefa.

A seleção de visão de armazém com câmeras 2D versus 3D começa pela tarefa: ler é o terreno próprio da 2D

Tarefas planas são o terreno próprio da 2D. Leitura de códigos de barras e QR, reconhecimento óptico de caracteres, verificações de presença e posição de etiquetas: a informação de todas elas já vive em um plano, e uma imagem 2D é suficiente. Os algoritmos são maduros, o custo é baixo e a manutenção é simples. Igualmente importante, a barreira de implantação é baixa: esquemas de iluminação, ângulos de montagem e procedimentos de calibração são prática estabelecida, e um engenheiro de campo pode colocar uma estação de leitura em funcionamento em meio dia. Para uma aplicação de leitura que processa dezenas de milhares de itens por dia, a 2D é a resposta padrão, e acrescentar 3D apenas sobrecarrega o sistema com dados que ninguém pediu.

A linha divisória na seleção de câmeras 2D versus 3D: três tarefas que exigem 3D

A linha aparece no momento em que uma tarefa precisa de espaço. A primeira categoria é a medição de dimensões: cubagem, peso dimensional e contabilização de utilização de carga não podem se basear em estimativas, porque uma estimativa não se sustenta onde há faturamento envolvido. A segunda é a paletização e despaletização, em que os perfis das pilhas são irregulares e o número de camadas varia, e o braço precisa conhecer a altura e a pose de cada item antes de ousar se mover. A terceira é a coleta não estruturada e a triagem de casos mistos, em que as peças jazem misturadas em um recipiente e uma imagem plana não consegue distinguir a camada superior da inferior: a informação de profundidade é a pré-condição para uma pega bem-sucedida. O que essas três categorias compartilham é que o custo da falha não se mede em precisão de reconhecimento, mas em consequências físicas: uma pega errada, um item esmagado, um volume mal calculado são perdas em dinheiro real.

Tipo de tarefa Câmera 2D Câmera 3D Orientação de seleção
Leitura de códigos de barras e caracteres Totalmente capaz Excesso de capacidade Escolher 2D
Verificações de presença e posição de etiquetas Totalmente capaz Excesso de capacidade Escolher 2D
Medição de volume e dimensões Apenas estimativa, inutilizável para faturamento Saída tridimensional direta Escolher 3D
Orientação de paletização e despaletização Não consegue julgar altura nem pose Produz posição e pose Escolher 3D
Coleta não estruturada, triagem de casos mistos Não consegue separar camadas Resolve oclusões e empilhamentos Escolher 3D

Há aqui um julgamento contraintuitivo que merece atenção: uma câmera 3D não é uma câmera 2D aprimorada. As duas se assemelham mais a sentidos diferentes do que a gerações sucessivas do mesmo sentido. Tratar a 3D como simplesmente uma 2D mais forte produz desperdício em ambas as direções: pagar por informação de profundidade em tarefas planas que nunca a usam, e supor, em tarefas genuinamente espaciais, que uma imagem 2D de alta resolução pode de alguma forma substituí-la, para depois queimar semanas de ajuste em campo tentando extrair profundidade de uma imagem plana. O verdadeiro custo da seleção nunca foi apenas o preço da câmera. Inclui calibração, computação, manutenção e retrabalho, e quando o total é contado, escolher na direção errada geralmente custa muito mais do que a diferença de preço entre as câmeras.

Olhando uma camada mais fundo nas causas, a diferença de preço entre os dois tipos de câmera está diminuindo, mas isso não significa que a linha divisória esteja desaparecendo. Segundo publicações de fabricantes e linhas de produtos exibidas em feiras do setor, as câmeras 3D de entrada são de fato mais acessíveis do que há alguns anos. Ao mesmo tempo, as câmeras 2D também estão melhorando, com leitura mais rápida e melhor estabilidade sob iluminação difícil. Ambas as linhas avançam, e a linha entre elas ficou mais nítida em vez de mais difusa, porque as tarefas agora são especificadas com granularidade mais fina: os armazéns já não perguntam se devem adotar visão, mas que informação uma determinada estação realmente precisa.

Quanto ao julgamento de tendência, minha inclinação é que a implantação híbrida se torne o padrão dominante nos próximos três a cinco anos, e é por isso que a seleção de visão de armazém com câmeras 2D versus 3D é melhor tratada como uma decisão estação por estação, em vez de uma compra para todo o local. As estações de leitura e verificação permanecem em 2D e sustentam o piso de custo, enquanto as estações de medição, paletização e coleta usam 3D e sustentam o teto de capacidade, com ambos os tipos de câmera fazendo seu próprio trabalho dentro de um mesmo sistema. Um ponto a mais merece atenção: o valor da informação de profundidade pode não se limitar à tarefa que a justificou. Os dados de volume retroalimentam o faturamento e a otimização de carga, e os dados de pega se acumulam em uma biblioteca de posturas dos produtos manuseados. Parte do que uma empresa paga hoje pela 3D pode acabar sendo o pagamento por um ativo de dados amanhã. Essa aritmética só se sustenta, é claro, se a empresa realmente usa os dados; caso contrário, ela simplesmente comprou uma câmera mais cara.

A seleção, no fim, é um julgamento sobre informação: a 2D pode fornecer o que a tarefa precisa? Se pode, use 2D e não pague por capacidade que ficará sem uso. Se não pode, adote 3D e não espere que uma imagem plana desenvolva profundidade. Se a própria linha voltará a se mover à medida que os algoritmos avançam é uma pergunta para o momento em que isso realmente acontecer.

Por Dr. Chen, Pesquisador de cadeia de suprimentos

Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.