【技术】别了倾斜三维，3DGS+体素网格会成为新主流～

其实我在前面的文章中也提到过，我们现在正在尝试将我们无人机平台（不过现在已经接入了机器狗，所以后面可能就修改为具身融合平台了，哈哈，主打各种碰瓷）中的倾斜三维全部切换为3DGS，如果一直看我的公众号，其实NeRF和3DGS一出来，我就写了很多文章，跟进这个技术的发展，因为我觉得这是一个有前途的技术方向，但是由于当时还在研究阶段所以落地有点困难，但是时间来到了2026年中，3DGS已经开始走向工程化成熟以及普适化，主要原因在于：

1、3DGS拥有更小的体积，从去年开始3DGS的各个厂商其实都开始发力各种压缩方案，其中包括：Nantic的spz（现在是gltf 3dgs扩展使用的方案）以及Playcanvas的WebP方案以及对应延伸的SOG( Spatially Ordered Gaussians )方案。

通过应用这些方案，我们可以大大压缩3DGS数据的体积，在过去3DGS和NeRF的数据量都非常非常大，因而非常不利于网络传输以及空间计算，但是从今年开始发现：

同样一个场景，3DGS的存储体积要远远小于倾斜三维这类模型的体积。

比如下图显示的我们使用无人机重建的3DGS场景，使用SOG格式压缩之后，总体的大小为：26.5M。

这个分辨率下的文件体积，对于一些校园、工厂以及社区这样的场景绝大多数状况下都可以不用进行切片处理，直接就可以加载使用。

2、体素化生态的完善，无论是「Mesh」的倾斜三维还是「3DGS」主要都是用于「看」，但是我们大量的应用场景中其实还需要「算」，而「三维体素」则是目前应用很广的计算格式。

之前3DGS大家用的不多的原因在于3DGS的整个生态还不是很完善，但是正好最近正在尝试将3DGS转换成体素网格的时候，发现现在PlayCanvas在为3DGS构建collision的时候，顺带也把「3DGS体素化」这件事也给做了。

「体素化」的主要目的是为了让3DGS在「室内」和「室外」空间支持「碰撞检测」，将这些体素附加到场景元素上，这样 场景元素就变成了可行走的空间。

这个功能目前已经集成在了SplatTransform中，但是这个方法距离我们实际的类似低空无人机航线规划这类应用场景还存在一定的距离，因为当前这个方法只记录了三维体素中的被3DGS占用的体素单元，而且使用的是稀疏网格的存储方案。

而且通过设置不同的体素单元的大小以及区别是否被占用的透明度阈值可以对3DGS进行不同分辨率的「体素化」。

在此之前我们其实尝试过更简单的方案也就是基于3dgs重建前过程的稀疏重建或者稠密重建得到的点云直接对体素网格进行占用状态的计算，但是后面发现这些点云在建筑的立面周围存在大量的「噪点」需要去抑制。

但是SplatTransform方法本身已经考虑到这些问题，已经通过聚类的方式进行了预处理，而且后续还可以通过「 最小飞溅不透明度 」阈值的设定来过滤一些飞点，所以我们索性就直接使用了SplatTransform的方案。

而且SplatTransform提供了非常高效的并行GPU的体素化方法：

一、针对每个3D高斯根据短半轴和长半轴构建AABB的外包范围；

二、体素化方法并不是逐个体素判断是否占用，而是将4*4*4个体素组成一个Block来作为计算单位，然后16*16*16个Block组成一个Batch提交给GPU，每个体素对应一个线程，64个线程组成一个workgroup计算，将体素是否被占用输出到 2个u32构建的mask中 ；

但是我们实际中更倾向于使用未被占用的体素空间来进行路径的搜索和规划，如下图的蓝色部分的空闲体素单元。

所以就需要基于SplatTransform的现有的体素化的方法来提取空闲占用体素，其实也就是从上面的占用状态的mask中来提取，得到提取的网格之后，我们就可以进行类似航线规划的计算了。

3、大厂入局3DGS，最近在各大厂的发布会上都密集的提到了3DGS，3DGS目前已经逐步从专业技能，变成了一个更加普适化的技术，因为3DGS对设备以及采集要求相对于实景三维都更低，而且大厂入局会进一步让生态更完善，也自此意味着3DGS从一种前沿技术变成必须跟进的主流技术，比如前几天Apple地图已经开始引入了3DGS。

而在前几天额华为HDC2026的发布会上新一代的HarmonyOS也宣布了在系统级层面支持了3DGS。

并且推动了在京东商城的商品展示上使用3DGS技术进行商品的展示。

除此之外，还推动了大众点评使用了3DGS，这样用户在网上探店的时候就可以完整的看到店内的详细情况。

好了，今天就写到这里了，今天本文的代码我会整理好都放到（自己动手「空间智能」）中。

来源：GIS小丸子