研究意义
实景三维模型正从过去的"表达现实"发展演变为现今的"连接现实、认知现实乃至预见现实"。作为国家重要的新型基础设施，实景三维模型对于地理空间认知、虚拟地理环境、时空计算等科学研究具有重要价值。
随着实景三维中国建设的全面推进，"实景三维+"的融合应用模式已渗透至诸多行业，为数字中国建设、数字经济发展、精细化社会治理等国家战略和社会需求提供关键支撑。
概念框架演进
原生实景三维模型
通过摄影测量、激光扫描等方式获取的原始数据，经自动化处理流程生成的表达现实世界几何与外观的三维模型。
次生实景三维模型
在原生模型基础上，通过深度二次加工生成的满足特定行业应用需求的模型，涉及实例分割、几何规则化重构、信息增强等处理。
研究范畴五层次
数据层
空-天-地-海多源数据协同采集、多源异构数据融合、数据治理、智能化信息提取等，构建全域覆盖的三维"数字底板"。
模型层
数据模型与结构、自动化和语义化建模、单体化提取与分割、模型优化与融合、实时动态增量更新、多模态数据集成管理等。
平台层
分布式空间数据存储、高效空间索引、GPU加速渲染、大规模可视化与交互、业务系统集成、时空计算与分析、模拟仿真与推理。
应用层
自主可控软硬件开发、产业生态建设、产学研融合机制、商业模式、行业赋能与应用范式，让模型"用起来、活起来"。
理论与标准层
空间认知、地理实体与空间关系、人机协同理论，以及数据采集、产品分类、模型构建、质量检验、数据交换、服务接口等全流程标准规范。
核心建模技术
倾斜摄影测量
通过多视角相机获取影像，经空三加密、密集匹配、三角网构网与纹理映射生成实景三维网格模型，是当前城市级建模的主要方法。
激光雷达LiDAR
具有数据获取周期短、精度高和时效性强等优势，毫米至厘米级精度，结构稳定，通常与影像数据融合使用以提升建模完整性。
神经辐射场NeRF
基于神经网络的三维场景重建方法，通过可微体渲染学习空间位置的辐射信息与体密度，实现高质量三维表达与真实感新视图合成。
3D高斯泼溅3DGS
使用可优化的三维高斯椭球集合直接表征场景，基于点云透明混合的可微渲染技术，具有高效性、稳定性和较强适应性。
- 实时渲染能力强，视觉质量高
- 连续表达能力强，交互效率突出
多源数据融合建模
通过融合空地倾斜影像、激光点云、矢量数据及语义属性等多源信息，可有效提升模型细节表达与整体精度。
- 空地影像与点云融合
- LiDAR与MVS协同建模
次生实景建模关键技术
场景语义分割
将三维几何基元映射至预定义语义类别，实现由几何表达向语义认知的转变，包括点云语义分割与Mesh语义分割。
几何对象单体化
依据空间边界与语义特征，将连续几何要素划分为相互独立、完整且唯一的实体单元，支撑对象级管理与精细化分析。
结构化建模
通过特征线与关键边界构建几何骨架，在规则约束下将对象拆解为结构化单元，实现几何与纹理的统一表达。
转化路径
原生实景三维模型向次生模型的转化遵循"语义解析 → 结构重构 → 信息注入"的技术路径，实现从"数据驱动的原生模型"向"需求驱动的次生模型"的系统转化。