【技術】別了傾斜三維，3DGS+體素網格會成為新主流～

其實我在前面的文章中也提到過，我們現在正在嘗試將我們無人機平臺（不過現在已經接入了機器狗，所以后面可能就修改為具身融合平臺了，哈哈，主打各種碰瓷）中的傾斜三維全部切換為3DGS，如果一直看我的公眾號，其實NeRF和3DGS一出來，我就寫了很多文章，跟進這個技術的發展，因為我覺得這是一個有前途的技術方向，但是由于當時還在研究階段所以落地有點困難，但是時間來到了2026年中，3DGS已經開始走向工程化成熟以及普適化，主要原因在于：

1、3DGS擁有更小的體積，從去年開始3DGS的各個廠商其實都開始發力各種壓縮方案，其中包括：Nantic的spz（現在是gltf 3dgs擴展使用的方案）以及Playcanvas的WebP方案以及對應延伸的SOG( Spatially Ordered Gaussians )方案。

通過應用這些方案，我們可以大大壓縮3DGS數據的體積，在過去3DGS和NeRF的數據量都非常非常大，因而非常不利于網絡傳輸以及空間計算，但是從今年開始發現：

同樣一個場景，3DGS的存儲體積要遠遠小于傾斜三維這類模型的體積。

比如下圖顯示的我們使用無人機重建的3DGS場景，使用SOG格式壓縮之后，總體的大小為：26.5M。

這個分辨率下的文件體積，對于一些校園、工廠以及社區這樣的場景絕大多數狀況下都可以不用進行切片處理，直接就可以加載使用。

2、體素化生態的完善，無論是「Mesh」的傾斜三維還是「3DGS」主要都是用于「看」，但是我們大量的應用場景中其實還需要「算」，而「三維體素」則是目前應用很廣的計算格式。

之前3DGS大家用的不多的原因在于3DGS的整個生態還不是很完善，但是正好最近正在嘗試將3DGS轉換成體素網格的時候，發現現在PlayCanvas在為3DGS構建collision的時候，順帶也把「3DGS體素化」這件事也給做了。

「體素化」的主要目的是為了讓3DGS在「室內」和「室外」空間支持「碰撞檢測」，將這些體素附加到場景元素上，這樣 場景元素就變成了可行走的空間。

這個功能目前已經集成在了SplatTransform中，但是這個方法距離我們實際的類似低空無人機航線規劃這類應用場景還存在一定的距離，因為當前這個方法只記錄了三維體素中的被3DGS占用的體素單元，而且使用的是稀疏網格的存儲方案。

而且通過設置不同的體素單元的大小以及區別是否被占用的透明度閾值可以對3DGS進行不同分辨率的「體素化」。

在此之前我們其實嘗試過更簡單的方案也就是基于3dgs重建前過程的稀疏重建或者稠密重建得到的點云直接對體素網格進行占用狀態的計算，但是后面發現這些點云在建筑的立面周圍存在大量的「噪點」需要去抑制。

但是SplatTransform方法本身已經考慮到這些問題，已經通過聚類的方式進行了預處理，而且后續還可以通過「 最小飛濺不透明度 」閾值的設定來過濾一些飛點，所以我們索性就直接使用了SplatTransform的方案。

而且SplatTransform提供了非常高效的并行GPU的體素化方法：

一、針對每個3D高斯根據短半軸和長半軸構建AABB的外包范圍；

二、體素化方法并不是逐個體素判斷是否占用，而是將4*4*4個體素組成一個Block來作為計算單位，然后16*16*16個Block組成一個Batch提交給GPU，每個體素對應一個線程，64個線程組成一個workgroup計算，將體素是否被占用輸出到 2個u32構建的mask中 ；

但是我們實際中更傾向于使用未被占用的體素空間來進行路徑的搜索和規劃，如下圖的藍色部分的空閑體素單元。

所以就需要基于SplatTransform的現有的體素化的方法來提取空閑占用體素，其實也就是從上面的占用狀態的mask中來提取，得到提取的網格之后，我們就可以進行類似航線規劃的計算了。

3、大廠入局3DGS，最近在各大廠的發布會上都密集的提到了3DGS，3DGS目前已經逐步從專業技能，變成了一個更加普適化的技術，因為3DGS對設備以及采集要求相對于實景三維都更低，而且大廠入局會進一步讓生態更完善，也自此意味著3DGS從一種前沿技術變成必須跟進的主流技術，比如前幾天Apple地圖已經開始引入了3DGS。

而在前幾天額華為HDC2026的發布會上新一代的HarmonyOS也宣布了在系統級層面支持了3DGS。

并且推動了在京東商城的商品展示上使用3DGS技術進行商品的展示。

除此之外，還推動了大眾點評使用了3DGS，這樣用戶在網上探店的時候就可以完整的看到店內的詳細情況。

好了，今天就寫到這里了，今天本文的代碼我會整理好都放到（自己動手「空間智能」）中。

來源：GIS小丸子