三维重建

搬砖者（视觉算法工程师）

计算机视觉与计算摄影测量学第二讲：相机基础与光的传播摄影测量学与计算机视觉的多视图几何第3讲：相机基础与光的传播在当今数字化时代，相机已经成为我们日常生活中不可或缺的工具。从智能手机到专业单反相机，从无人机航拍到卫星遥感，相机以各种形态存在于我们的世界中。然而，当我们拿起相机对准场景按下快门时，很少有人会深入思考一个根本性的问题：相机究竟是如何将三维世界中的物体转化为二维平面上的图像的？这一过程背后蕴含着怎样的物理原理和数学模型？

最小二乘问题详解：目录在开启这个系列之前，想和大家聊聊创作这套《最小二乘问题详解》系列文章的初衷。笔者早年曾从事测绘与数字摄影测量软件的相关工作。那时一直有个遗憾：虽然每天都在接触数据处理，却始终没能彻底搞懂平差流程的底层逻辑。当时有同事曾直言：“关键不在于平差，而在于匹配的精度。” 这话对，也不对。因为当时使用的是现成的商业软件（如PATB）进行平差，将其视为一个不可窥探的“黑盒”。但笔者的体会是，如果不理解平差的核心——最小二乘求解，那么对数字摄影测量的理解永远只能停留在“半吊子”的层面。数据优化和数据估计，才是整个系统的

智影R200免像控空地融合建模解决方案实景三维重建领域，无人机航拍可快速获取大范围高空影像，但近地面建筑立面、遮挡区域存在盲区，易导致模型空洞、扭曲；地面激光扫描仪能还原局部精细结构，却缺少空中视角，无法覆盖大场景全局。单一采集方式无法实现全域无死角重建，而传统解决方案一般采用无人机航拍+照片补拍，需人工确定补拍位置、内业手工空三刺点，对作业人员经验要求高、工作量大，成果质量难以保障。

AGV算法笔记

CVPR 2024顶级SLAM论文精读：SplaTAM如何用3D高斯实现稠密RGB-D SLAM？SLAM 3D Gaussian Splatting RGB-D 三维重建机器人视觉稠密建图 CVPR2024

AGV算法笔记

CVPR 2025顶级SLAM论文精读：MASt3R-SLAM如何用单目相机实现实时稠密三维重建？SLAM 单目视觉三维重建机器人视觉 MASt3R-SLAM CVPR2025 稠密建图最近几年，SLAM 领域正在发生一个明显变化：过去大家更多关注特征点、光流、BA优化、回环检测；现在越来越多工作开始把三维重建大模型、视觉基础模型、稠密几何先验引入 SLAM 系统。

NeRF论文复现1 --- 代码运行和数据集分析NeRF是近年来神经网络发展的一大丰碑，几年前第一遍看这篇论文的时候几乎马上就爱上了这个研究（这个体验是很少的，大部分论文看一遍要么盲目地觉得我上我也行，要么直接不知道它想干嘛）。不过由于走学术弯路和工作重心不在这等等原因，一直也没仔细去看这一系列的工作。直到最近开始看可微渲染相关的内容，才觉得这块得好好补一补。于是从旧笔记堆里又把这篇原始论文翻出来开始研究。

NeRF论文复现2 --- 原理及源码解析这篇文章将详细解析NeRF的原理，开始之前推荐下列的视频：【较真系列】讲人话-NeRF全解（原理+代码+公式）_哔哩哔哩_bilibili

三大维度焕新！GISBox2.2.0新增三维重建模块与性能优化为进一步提升软件实用性、稳定性与操作便捷性，GISBox正式推出2.2.0版本更新。本次更新聚焦用户核心使用需求，涵盖功能新增、问题修复与体验优化三大板块，全方位完善GIS操作体验，助力用户高效完成各类地理信息处理工作，以下为详细更新内容。

搬砖者（视觉算法工程师）

3D模型生成之有向距离场（SDF）和光线行进（Ray Marching）在阅读与3D模型生成相关的论文时，SDF是非常常见的关键词，因此笔者在此向大家介绍有向距离场（Signed Distance Field）。

搬砖者（视觉算法工程师）

对占用网络（Occupancy Networks）的简单介绍众所周知，Tesla的FSD引入了Occupancy Networks技术，用来重建车子周遭的3D环境。正好笔者也看过相关的论文，趁这个机会跟大家介绍一下。

【4DGS】4C4D：4个摄像头4DGS成像标题：4C4D: 4 Camera 4D Gaussian Splatting 来源：清华大学软件学院；快手科技链接：https://junshengzhou.github.io/4C4D

【世界模型】Captain Safari：位姿对齐3D记忆的世界引擎（CVPR 2026）标题：Captain Safari: A World Engine with Pose-Aligned 3D Memory 来源：约翰霍普金斯大学；清华大学；加州大学圣克鲁兹分校链接：https://johnson111788.github.io/open-safari/

前馈式3D Gaussian Splatting 研究地图（路线三）：大重建模型如何进入 3DGS——GRM、GS-LRM 与 Long-LRM 的方法转向系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

前馈式3D Gaussian Splatting 研究地图（路线二）：几何优先的前馈式 3DGS——前馈式 3DGS 如何重新拥抱多视图几何系列文章全文导航（总览篇） Part I：前馈式 3DGS 的起步范式：从像素到高斯 Part II：前馈式 3DGS 的 depth-first 转向 Part III：Transformer 如何重写前馈式 3DGS 的信息聚合方式 Part IV：Pose-Free 前馈式 3DGS：从实验室输入走向真实世界图像集合 Part V：结构化潜空间与高斯体：前馈式 3DGS 的下一代表示基座 Part VI：Adaptive Placement and Generative Coupling in Fe

【世界模型】video2world：从不一致视角重建世界标题：World Reconstruction From Inconsistent Views 来源：德国慕尼黑工业大学链接：https://lukashoel.github.io/video_to_world

PAGE-4D、4RC、Track4World论文解读motivation：由于VGGT训练数据通常是静态的，当遇到人体、可变形物体时等复杂动态元素的真实世界场景中，性能就会出现下降。另外在动态场景进行4D重建时，不同的子任务会出现张力，pose estimation依赖静态场景的极几何约束，depth和point cloud则需要动态区域的运动线索来建模物体，所以VGGT在动态场景中误差极大。

Easi3R、VGGT4D、4D-VGGT论文解读目录一、Easi3R1、概述2、架构设计二、VGGT4D1、概述2、架构设计三、4DVGGT1、概述2、架构

Spann3R、MUSt3R、CUT3R、TTT3R论文解读这几个论文都是增量式重建的方法，TTT3R是建立在CUT3R上的改进，区别于VGGT那一类全局重建的方法。

【小白说】【论文拆解】Deep Implicit Moving Least-Squares Functions for 3D Reconstruction