三维高斯泼溅重建车间数字孪生：Web端实验进展

传统车间数字孪生多依赖人工建模，周期长、成本高，摄影测量网格在Web端也存在加载与渲染压力。本实验室近期以三维高斯泼溅（3D Gaussian Splatting）为切入点，在合作工厂装配工段开展实拍重建实验：手机环拍约15分钟、采集约400张图像，训练生成高斯场景，再经剪枝、量化与分层压缩后部署至Web端。阶段性结果显示，设备外观、管线走向等结构细节保留良好；单场景文件由约1.2GB压缩至180MB以内，主流浏览器中维持约30帧渲染。下一步计划：一是将高斯场景与设备台账、传感器点位做空间绑定，支持点击查询与数据叠加；二是引入开放词汇分割模型，对场景内设备与区域做语义标注，为AI巡检与培训交互打基础。需说明的是，高斯泼溅在反光金属表面与动态遮挡区域仍有伪影，团队将持续对比NeRF与传统建模路线，按场景特点给出务实选型建议。