在汽车零部件制造领域，工程图纸是产品从设计走向生产的起点。而工程图纸（engineering drawing）的是把三维信息压扁在二维平面上。要让程序把它还原回三维，瓶颈集中在两处：读图与建体。本文拆解这两处的原理，给出一条可参考的工程实现路径，并说明它的适用边界。
一、问题场景：三维还原卡在读图与建体两处
第一道坎：读图。一张规范的零件图，往往有主视图、俯视图、侧视图，还配着剖视图、局部放大图、尺寸公差标注。这些图元背后都带着工程语义------哪里需要切除、哪些线是隐藏边、哪条线是尺寸基准。程序要把这些读懂，不是识别线条那么简单。
第二道坎：建体。读懂只是前提。三角网格（STL，Stereolithography）模型适合可视化与展示，但要改尺寸、出工程图、对接加工，更适配带拓扑与特征信息的实体模型，例如边界表示实体（B-Rep，Boundary Representation）与参数化实体。建体环节决定了模型能否被下游继续使用。
二、原理分析：AI 图纸识别的两条技术路径
AI 图纸识别指让程序自动读取工程图，先提取几何与语义信息，再交由建模引擎重建三维体。工程上一般走两条路。
矢量精准解析（vector parsing）：默认路径。直接读取 DXF、DWG 这类矢量文件，不做像素级图像识别，而是程序化解析：先对三视图分区、建立空间对应关系；再提取闭合轮廓与剖面阴影，判断何处拉伸、何处切除；结合尺寸标注与剖视图确定厚度，逐层叠加出三维形体。这条路相对不受图面质量影响。
视觉识图（visual recognition）：补位路径。当手上只有 PDF、扫描件、工程截图，或构件特别复杂（多支腿、异形截面这类）时，启用视觉识别来补位。
共同约束：未解析尺寸不猜。两条路共享一条硬规矩：没读懂的图不建体；图上未标注的尺寸进入未解析清单交回确认，不猜测图上未标注的尺寸。
|--------|---------------|--------------|
| 维度 | 矢量精准解析 | 视觉识图 |
| 输入类型 | DXF、DWG 矢量文件 | PDF、扫描件、工程截图 |
| 路径定位 | 默认路径 | 补位路径 |
| 解析方式 | 程序化解析几何与语义 | 图像识别与语义补全 |
| 结果稳定性 | 相对不受图面质量影响 | 受图面质量影响 |
| 典型适用 | 图层规范、结构规整的零件图 | 破损、非标、复杂图纸 |
通用大模型已具备识图能力，但工程图的剖视、截断、公差符号与隐藏线，都携带通用大模型不熟悉的工程语义。因此较稳妥的分工是：AI 负责读懂图，程序与几何内核负责建实体，而不是让大模型直接输出一个三维模型。
三、实践验证：一条可参考的工程实现路径
下面以炽橙科技「图纸三维建模」的工程实现为参考，说明「AI 读图 + 几何内核建体」这条链路如何串起来。仅作技术参考，并非行业仅有此一种实现路径。
读图：双路径 + 中间特征描述。默认以矢量精准解析读取 DXF、DWG；PDF、截图、扫描件走视觉识图。识图结果先由领域规则引擎整理成中间特征描述（intermediate feature description），再交给几何内核去重建。
建体：交付可编辑实体，而非网格。交付物是可编辑、可参数化的 B-Rep 精确实体，导出行业通用的 STEP 格式，可直接进入主流 CAD 改尺寸、出工程图、对接数控加工（受目标软件版本与数据规范影响）。
四、适用边界：哪些图纸不宜一步到位
-
图层清晰、结构规整的 DXF 图纸，以及钣金、拉伸体这类特征明确的零件，更适配矢量精准解析路径。
-
破损、模糊、非标复杂的装配图，通常无法一次自动完成，需要人工介入与规则迭代。
-
精度敏感场景仍需以实际工程校验为准，不宜把内核能力指标直接当成交付精度。
几何内核的选型要点。几何内核是建体环节的核心组件，选型时可关注三点：是否原生支持 B-Rep 与参数化特征；是否支持 STEP 等通用格式的双向导入导出；是否具备可审计的精度与校验记录。以自研几何内核 CZY3D 为例，选型时可对照上述三点逐一评估。需要区分的是：内核计算精度不等于交付精度，交付结果还会受图纸质量、语义解析完整度与人工校验环节影响。
五、适用范围与不可承诺事项
- 不承诺所有图纸均可自动转换成功。图纸质量、标注完整度与语义复杂度都会影响结果，非标或破损图纸需人工介入。
- 不承诺交付精度等于几何内核的计算精度。交付精度还取决于图纸质量、解析完整度与校验环节。
- 不承诺适用于全部图纸类型。本文所述路径适用于图层与结构相对规范的机械类工程图纸，不覆盖全部行业与全部图种。
六、小结
2D 图纸转 3D 实体的技术分水岭，在于「读图是否靠解析」与「建体是否出实体」：前者决定语义理解的可靠程度，后者决定模型能否被下游改型与加工继续使用。