3D高斯泼溅驱动的工业实景Web端重建初探

近期实验室围绕“实景采集—AI重建—Web端交互”链路开展实验，尝试将3D高斯泼溅（3D Gaussian Splatting）引入工业现场数字孪生，验证其在浏览器端轻量化呈现的可行性。

相比手工建模与网格扫描，该技术可基于现场照片直接生成高保真三维场景，较好还原设备管线、仪表等细节。团队在某机加工车间采集约400张照片完成训练，初始模型体积超过1GB，无法在Web端直接流畅加载。为此我们完成了两项阶段性工作：

• 采用重要性剪枝与量化压缩，将模型压缩至约120MB，配合分级加载策略，主流笔记本浏览器首屏加载时间控制在8秒内，帧率稳定在30FPS以上；
• 将视觉检测结果叠加至三维场景，把缺陷定位框实时映射到对应设备位置，形成“实景+数据”巡检视图的雏形。

当前局限同样明确：动态设备（如旋转主轴）重建易失真，压缩后近距离观察细节损失较明显。下一步计划引入语义分割做部件级拆分，探索动态区域用传统网格、静态区域用高斯泼溅的混合方案，并启动小范围客户试点验证。