如视借助 NVIDIA Jetson 将毫米级三维重建带到边缘端

一、方案背景与核心挑战

一套 100 平方米的住宅，扫描时间大约四分钟：操作者手持一台大号手电筒大小的设备沿房间走一圈，放下设备时系统已经生成彩色点云和 3D 高斯泼溅（3DGS）模型，15 分钟后云端自动输出标注墙体、门窗、上下水管线与强弱电箱的 CAD 户型图，不需要卷尺，也不需要人工绘图。如视（Realsee）是一家专注三维重建技术的空间智能公司，产品覆盖房产、家装、工业巡检、文博展览等多个行业。核心挑战：三维重建设备的实时性与精度高度依赖算力，传统方案普遍采用“先采集、后计算”的离线模式，现场无法确认数据质量，容易造成返工；同时高分辨率全景与激光点云两路数据流的对齐、降噪与结构识别若放在云端处理，会带来带宽、时延与隐私等多重约束。

二、解决方案名称与架构

解决方案名称：基于 NVIDIA Jetson 边缘计算平台的手持与三脚架式三维重建方案

核心平台：庞加莱 R1 手持激光扫描仪内置 NVIDIA Jetson Xavier NX 模组，负责实时点云降噪与结构识别；伽罗华 P4 三脚架式 VR 扫描仪搭载 NVIDIA Jetson Orin Nano（34 TOPS），承担 24K 全景实时拼接与深度解算等更重的边缘负载。两台设备覆盖从快速现场测量到博物馆级三维数字化的不同需求，AI 推理全部在边缘端完成。

三、核心技术组件

边缘实时点云处理：扫描过程中激光雷达生成高密度点云，RGB 相机同步采集色彩数据，Xavier NX 在设备端实时运行如视自研的点云降噪算法与结构识别算法，自动识别墙体、门洞、窗户、水管、电箱等建筑要素并输出结构化三维模型，该模型经云端处理后 15 分钟内转化为 CAD 图纸。中国计量科学研究院的校准报告确认，R1 的单尺寸测距误差最小为 3mm。

多传感器融合与画质：P4 采集 24K 分辨率全景图像（单帧约 3 亿像素），在设备端完成实时拼接和深度信息解算；其激光雷达与高清相机阵列同时生成几何点云与超高清视觉数据，Orin Nano 的高吞吐量与多传感器融合能力使两路数据流在现场即完成对齐，避免数据断层。生成的三维模型支持 8 倍无损放大，空间绝对精度控制在 ±10mm 以内。

面向物理 AI 的数据资产：如视已积累超过 5,800 万组空间数据，覆盖面积达 46 亿平方米。其三层空间解构流水线当前输出几何尺寸、材质粗糙度、光照条件和物体空间关系，后续规划拓展至重量估算、摩擦系数和受力分析。三维模型已兼容 NVIDIA Omniverse 库，支持 Real2Sim2Real 工作流：真实空间高保真采集 → 1:1 虚拟环境重建 → 可交互仿真训练 → 机器人实际部署。

四、实施成果

在家装场景，福州安住引入 R1 用于现场量房，两人团队 10 天完成 454 套住宅扫描采集，套均耗时 2.8 分钟，此前单套人工量房通常需要 40 分钟以上，输出的 CAD 数据可直接导入 BIM 系统。在工业数字孪生场景，雀巢中国使用 P4 为其生产设施构建高保真三维数字孪生，覆盖安全管理、远程巡检和员工培训，新员工培训周期缩短约 50%，跨地域协作差旅成本降低约 70%，安全隐患排查效率提升约 3 倍。在文化遗产场景，清华大学校史馆使用 P4 完成 1:1 VR 数字化复刻，支持中英文双语导航与 AI 智能导览。

五、未来展望

随着空间 AI 模型与具身智能系统成熟，对高质量真实场景三维训练数据的需求将持续增长。由 NVIDIA Jetson 驱动的边缘采集基础设施，正在为 Real2Sim2Real 闭环提供底层数据支撑。