空间智能与 3D AI 可视化实验室
从深度估计到 3D 重建——把空间智能如何理解物理世界的核心机制以可交互 SVG 呈现。
01
空间智能全景
空间智能三大层次：感知（获取几何/语义）→ 认知（推理关系/结构）→ 行动（导航/操作）。切换层次观察每层的核心能力与数据流。
感知层
深度 · 语义 · 几何
从多模态传感器提取空间表征
认知层
场景图 · 关系 · 记忆
构建可推理的空间语义结构
行动层
导航 · 抓取 · 规划
基于空间理解决策与执行
闭环
感知-认知-行动
具身智能的连续闭环回路
02
深度估计
三种主流深度获取方法：单目（学习估计）、双目（视差三角化）、LiDAR（主动飞行时间）。切换方法对比精度、范围与适用场景。
单目深度
相对深度 / 尺度模糊
依赖学习先验，低成本但需标定
双目深度
视差 → 深度
Z = f·B/d，需双目极线校正
LiDAR 深度
毫米级绝对精度
ToF 主动测距，远距稀疏
03
3D 重建
从多视图到 3D 模型的重建管线：NeRF（神经辐射场）、Gaussian Splatting（3D 高斯）、MVS（多视图立体）。逐步观察 点云→网格→纹理 的重建阶段。
NeRF
隐式神经表示
体渲染密度+颜色，高质量但慢
Gaussian Splatting
显式 3D 高斯
实时渲染，可微光栅化
MVS
点云 → 网格 → 纹理
传统几何管线，可度量
04
点云处理
点云五大处理算子：分割（实例/语义）、补全（补全缺失）、配准（对齐坐标系）、下采样（降密度）、特征提取（FPFH/几何描述子）。切换处理步骤观察效果。
分割
语义 + 实例
PointNet++ / Mask3D 分离物体
配准
ICP / 全局配准
点云对齐到统一坐标系
特征
FPFH / 几何描述子
为匹配与识别提供不变特征
05
SLAM 技术
同步定位与建图核心流程：前端跟踪 → 后端优化 → 回环检测 → 地图构建。运行 SLAM 观察轨迹估计与回环修正过程。
视觉 SLAM
ORB-SLAM3 / VINS
特征点/直接法，低成本
LiDAR SLAM
LOAM / LIO-SAM
高精度里程计，强鲁棒
回环检测
BoW + 几何验证
消除累积漂移，全局一致
Bundle Adjustment
非线性最小二乘
联合优化位姿与地图点
06
空间推理
空间推理三层能力：场景图（物体+关系）、空间关系（上下左右内外）、3D 问答（基于空间记忆回答）。执行推理查询观察关系提取与问答。
场景图
节点 = 物体 · 边 = 关系
结构化场景表示
空间关系
上下 / 左右 / 内外 / 远近
基于 3D 包围盒计算
3D 问答
空间定位 + 语言推理
"红色的杯子在桌子上吗？"
07
空间记忆
空间记忆三类表征：场景记忆（单帧）、情景空间记忆（时序片段）、拓扑地图（持久化）。查看记忆观察不同尺度的空间持久化。
场景记忆
短期 · 单帧
当前观测的语义与几何
情景记忆
中期 · 时序
连续片段的事件流
拓扑地图
长期 · 持久化
节点-边图结构，跨会话复用
08
具身空间 AI
具身智能四类空间任务：导航（点到点）、抓取（力控+几何）、操作（多步接触）、空间规划（长程任务分解）。执行任务观察空间理解如何驱动行动。
导航
语义点导航 / 探索
"去厨房拿水"的目标驱动
抓取
6-DoF 抓取姿态
几何+物理可行性约束
操作
多步接触序列
开柜、倒水、放置等技能
规划
LLM 任务分解
语言→子目标→空间动作