POINT CLOUD
点云
点云用大量离散三维点记录表面或空间采样位置。每个点可以带颜色、法线等属性，但点与点之间没有天然连接关系。
存储内容点的三维坐标，以及可选的颜色、法线等属性。
适合做什么扫描结果查看、测量辅助、后续表面重建。
主要限制点本身没有连续表面，直接渲染可能显得稀疏。
记忆关键词有位置，不自动有面。
AI 3D LEARNING SERIES · 04 / DAY 02
同一个空间，
可以有五种存法。
手机拍完一间教室，重建工具会给你点云、网格或 3D 高斯等结果。它们都在描述同一个空间，却不是同一种东西。选错表示方式，后面展示、编辑和交互都会变得别扭。
本课目标：分清五种空间表示；理解 3DGS 的渲染方式；知道传统重建怎样从照片走到表面；学会按用途选数据。
ONE SCENE / FIVE REPRESENTATIONS
表示方式决定后续能力01 / 05
01 / SPATIAL REPRESENTATION
同一间教室，可以怎么存？
空间表示（Spatial Representation）描述计算机如何存储和表达三维空间。点击左侧类型，观察它们记录空间的方式。
示意图不是实际数据文件截图。重点观察：空间被拆成了什么单元。
离散采样点
| 表示 | 存储内容 | 常见用途 | 需要留意 |
|---|---|---|---|
| 点云 Point Cloud | 离散三维点及属性 | 扫描、测量辅助、分析 | 没有连续表面 |
| 网格 Mesh | 顶点、边、面、材质和纹理 | 编辑、动画、碰撞、制造 | 需要维护拓扑和贴图 |
| 体素 Voxel | 规则三维单元的占据或属性值 | 空间占据、体积分析、仿真 | 高分辨率成本高 |
| 隐式场 Implicit Field | 查询坐标后返回属性的函数 | 连续场景表示、NeRF、表面提取 | 不一定能直接编辑 |
| 3D 高斯 3D Gaussian | 位置、协方差、颜色、不透明度等 | 照片级重建、新视角浏览 | 不自动包含语义和碰撞结构 |
记住：点云不会因为点变多就自动变成网格。网格需要额外的表面重建过程，建立顶点之间的面片关系。
02 / 3D GAUSSIAN SPLATTING
3DGS 为什么适合做空间漫游？
它的强项是还原场景的视觉外观，并快速生成新的观察视角。先看它存什么，再看它怎样画出画面。
A GAUSSIAN PRIMITIVE / 三维高斯基元
每个高斯基元通常包含中心位置、协方差（决定形状与朝向）、不透明度，以及用于视角相关颜色表达的球谐系数等属性。
FROM 3D TO 2D / 投影到屏幕
从新的观察位置看，三维高斯被投影成屏幕上的二维椭圆斑点，再按深度关系进行透明度混合，形成当前视角的图像。
01 / CAPTURE采集照片
从多个位置拍摄同一场景，提供不同视角。
02 / OPTIMIZE优化高斯
调整位置、形状、颜色和透明度，使渲染结果贴近照片。
03 / PROJECT投影与排序
浏览时将高斯投影到当前屏幕，并组织绘制顺序。
04 / COMPOSITE透明度混合
将多个半透明斑点混合，得到当前视角的图像。
交互理解：观看时，画面怎样生成？
第一步：投影。当前相机位置和朝向确定后，每个三维高斯被映射到屏幕上，形成二维椭圆斑点。相机换位置，投影结果也会变化。
为什么浏览时比较快？主要的场景拟合与高斯参数优化已经在重建阶段完成。浏览时不必每移动一次视角就从照片重新重建整个场景，而是利用已有高斯基元快速渲染新视角。实际帧率仍取决于高斯数量、分辨率、设备 GPU 和 Viewer 实现。
3DGS 的边界：逼真的外观不等于物体语义、可编辑家具、碰撞边界或物理结构完整。要让角色撞到桌子停下，通常还要额外配置简化网格或碰撞体。
03 / CHOOSE BY TASK
先想清楚要做什么，再选空间表示
“看起来真实”和“能参与交互”不是同一个需求。选择主要任务，查看更适合从哪种表示开始。
WHAT DO YOU WANT TO DO?
RECOMMENDED REPRESENTATION
3DGS 场景
如果主要目标是保留真实空间的视觉外观，并让访客从不同位置浏览，3DGS 通常是合适的起点。
注意：3DGS 不会自动提供物体语义、碰撞边界或可编辑家具。需要游戏交互时，通常要另配简化网格或碰撞代理。
真实项目常常混合使用多种表示。例如：用 3DGS 呈现教室的照片级外观，再用简化 Mesh 提供桌椅碰撞边界，用语义标签标记讲台和出口。
04 / CLASSICAL RECONSTRUCTION PIPELINE
传统重建怎样从照片走到表面？
这是常见的摄影测量 / 多视图重建路线。它能解释为什么点云还不是完整模型。
SfM
STRUCTURE FROM MOTION
从多张照片中检测和匹配共同特征，估计相机位姿，并通过三角测量恢复一批稀疏三维点。
输出：相机位姿 + 稀疏点云MVS
MULTI-VIEW STEREO
利用相机参数，从多个视角进一步估计深度，并融合成更密集的三维采样。
输出：稠密点云 / 深度信息Surface Reconstruction
表面重建与纹理
根据点的位置、邻域关系和法线等信息拟合连续表面，再把照片颜色映射到表面。
输出：网格 Mesh + 纹理流程边界：SfM、MVS、表面重建是经典路线的概括，不代表所有现代方法都必须严格按这三步执行。VGGT、NeRF、3DGS 等方法可能采用不同的预测、优化和表示流程。
为什么有些地方会重建失败？
白墙 / 纯色表面缺少稳定纹理特征，匹配点不足。
重复图案相似纹理容易匹配到错误位置，导致几何错位。
玻璃 / 镜面反射外观随视角变化，不符合普通静态表面假设。
运动与模糊物体移动或画面模糊，会破坏跨照片的对应关系。
05 / QUALITY CONTROL
默认视角好看，不代表重建完整
沿着访客真正会走的路线检查，而不是只盯着默认截图。被挡住或没拍到的区域，通常需要重新采集。
VIEWER ROUTE / 访客路线示意
示意路线：从入口进入，经过通道，走到讲台旁，再绕到侧后方检查遮挡区域。
SCENE QA CHECKLIST
重建结果检查清单
勾选检查项，整理自己的场景验收记录。
移动端性能不只看模型文件大小。还要关注高斯数量、资源加载、屏幕分辨率、设备 GPU 和网络状况。先在目标手机上跑完整路线，再决定是否缩小场景范围或降低资源复杂度。
06 / CONCEPT DICTIONARY
本课术语速查
空间重建SPATIAL RECONSTRUCTION
根据图像、视频或其他传感器数据，恢复场景三维结构或外观。
空间表示SPATIAL REPRESENTATION
计算机存储和表达三维空间的方式，例如点云、网格、体素和 3DGS。
点云POINT CLOUD
由大量带三维坐标的离散点组成，可附带颜色、法线等属性。
网格MESH
由顶点、边和面构成的几何表面，常用于编辑、动画和碰撞。
体素VOXEL
三维空间中的规则小单元，可记录占据状态或其他属性。
隐式场IMPLICIT FIELD
通过函数查询空间位置的密度、颜色或距离等信息；NeRF 属于神经场景表示。
3D 高斯泼溅3D GAUSSIAN SPLATTING
用大量三维高斯基元表达场景，并通过投影与混合渲染新视角。
SfMSTRUCTURE FROM MOTION
从多张有重叠的图像中恢复相机位姿和稀疏三维结构。
MVSMULTI-VIEW STEREO
利用多视角图像和相机参数估计更密集的深度与三维表面采样。
07 / KNOWLEDGE CHECK
知识检测
四道题，检查你是否能区分数据表示、渲染过程和重建流程。
空间重建 · 自测已完成 0 / 4
本页整理自观猹《Day 2 · 空间重建》，知识学习版；示意图为概念演示，非实际重建数据。