【學術】實景三維模型：概念、方法、應用與挑戰

摘要：【意義】實景三維模型正從過去的“表達現實”發展演變為現今的“連接現實、認知現實乃至預見現實”。隨著實景三維中國建設的全面推進，“實景三維+”的融合應用模式已滲透至諸多行業。作為國家重要的新型基礎設施，實景三維模型對于地理空間認知、虛擬地理環境、時空計算等科學研究，以及對于數字中國建設、數字經濟發展、精細化社會治理等國家戰略和社會需求，具有重要價值。【分析】本文系統綜述了實景三維模型的概念框架、核心方法、應用場景和面臨的挑戰。首先，對實景三維模型的概念、內涵和主要類型進行了系統回顧和歸納總結，提出原生實景三維模型和次生實景三維模型的概念，以推動其深度應用；并從數據層、模型層、平臺層、應用層、理論與標準規范層5個層次對實景三維模型的研究范疇進行歸納。其次，按照“原生實景建模-次生實景建模-模型優化與評估”的思路，梳理了當前實景三維建模的核心方法，并探討各類方法的發展方向。接著，系統回顧了實景三維模型的應用場景，并從“時空底座-信息提取-連通現實-賦能行業”4個維度，總結其行業服務和應用范式。最后，從地理信息認知范式轉型、復雜場景時空動態建模、智能化轉型和行業深度應用等方面，總結了當前實景三維建設面臨的主要問題和挑戰，并對實景三維模型的未來發展方向進行了展望。【目的】本文旨在為相關研究提供全局性的學術視野與系統的技術發展脈絡，幫助相關研究人員與技術人員快速把握實景三維領域的前沿態勢，為技術研發與“實景三維+”的行業應用提供參考依據，并對人工智能賦能實景三維建設等潛在突破方向進行預判，啟發創新性研究和實踐思路。

01

引言

本文旨在對實景三維模型的概念框架、核心方法、應用場景和關鍵挑戰進行系統梳理和綜述。首先，對實景三維模型的概念與內涵、主要類型和研究范疇進行系統回顧和歸納總結；然后，梳理當前實景三維建模的核心方法與技術，分析各自優缺點和發展方向；接著，系統回顧實景三維模型的應用場景，總結其行業服務和應用范式；最后，指出實景三維建設當前面臨的主要問題和挑戰，并對未來的發展方向進行了展望，以期為后續研究與實踐提供思路和指引。

02

實景三維模型的概念框架

本文以“概念內涵—主要類型—研究范疇”為主線，系統總結實景三維模型的概念框架（圖1）。實景三維模型的概念自提出以來不斷演進和發展，并包含了不同層次的內涵。在模型產品上也衍生出不同類型、不同層次的產品體系。在研究范疇上從早期關注數據采集和建模，演進為“數據層、模型層、平臺層、應用層、理論標準層”五位一體的協同研究體系。

圖1實景三維模型的概念框架

03

實景三維建模的核心方法

在實景三維模型研究范疇的5個層次中，模型層是當前最核心的研究內容。結合前文提出的原生實景三維模型與次生實景三維模型概念，本節對現有建模方法體系依據“原生建模—次生建模—模型優化與表達”的統一框架進行闡述。其中，原生建模強調多源數據驅動的高保真幾何與紋理重建，次生建模則強調語義增強與結構重構，以支撐行業應用與智能分析（圖2）。

圖2實景三維建模核心方法體系

表1幾種典型原生實景三維建模技術對比

圖3原生實景模型與次生實景模型轉化關系

04

實景三維模型的應用

實景三維模型作為數字空間的統一基底，提供高精度、結構化的基礎數據服務以構成空間框架，進而通過語義化實現信息提取，在此基礎上支持動態監測分析，實現數字空間與物理現實的交互感知，最終賦能行業應用，驅動各領域數字化轉型。“時空底座-信息提取-連通現實-賦能行業”這4個維度環環相扣，完整構成了從數據基底到行業賦能的邏輯閉環（圖4）。上述范式演進，實質是原生與次生實景三維模型協同作用的結果，二者相輔相成。原生提供基準與現實性，次生承載業務邏輯與焦點分析，共同驅動應用深化。

圖4實景三維模型的應用范式

圖5基于實景三維模型的多源數據聚合

圖6基于實景三維模型的管線數據治理

圖7基于實景三維模型的圖書館工程建設監管

圖8實景三維模型賦能行業范式

05

面臨的關鍵問題與挑戰

實景地理信息認知范式轉型

空間認知是地理信息開發利用的前提。早期的實景三維模型重在可視化表達，常被詬病為“一張皮”，即雖然視覺逼真，但語義信息不足，難以支撐復雜的空間分析 [118] 。為解決這一問題，認知范式正向“結構化地理實體”轉型，即通過單體化和語義分割，賦予模型“對象”概念，使其可查詢、可計算 [29] 。更進一步，隨著物聯網和實時傳感技術的接入，地理信息認知正邁向從“靜態快照”到“四維動態孿生”的時空延展，即不僅僅是靜態的空間映射，更是包含時間維度的、虛實互饋的動態系統 [11] 。這一演進路徑標志著對地理環境的理解從片面、靜態的描述走向了全面、動態的感知與模擬。盡管結構化與實體化已成為當前關注的重點，但它并非終點，真正的挑戰在于如何構建一個能夠實時反映物理世界動態變化、并能與人類認知邏輯無縫對接的“活”的數字空間。

實景三維技術的進一步突破，必須建立在認知范式深刻轉變的基礎上，上升到地理信息本體論和認知論的高度。從本體論角度，需要構建“實景地理環境”，即通過天空地一體化的時空感知網絡，獲取全要素、全信息的地理環境數據，不僅包含幾何形態，更包含物理屬性（材質、光照）和動態行為（人流、車流），突破傳統數據的靜態與片面性 [6,10] 。從認知論角度，必須建立“感知-認知-反饋”的閉環機制。對感知到的海量地理信息進行符合認知邏輯的實時組織與表達 [119] 。這意味著地理信息不再是單向的“數據供給”，而是能夠理解用戶意圖、即時反饋環境變化的智能服務。

未來，實景三維模型有望發展成為“時空智能中樞”。它將通過實時的傳感器數據不斷修正和更新本體模型，同時根據人類的認知反饋優化信息表達方式，最終實現即時的“信息獲取服務于認知”與“信息表達反饋于認知”，構建一個人-機-物三元融合、虛實共生的數字孿生世界。

實景三維建模的關鍵問題與挑戰

特殊紋理區域的三維重建

傳統的實景三維建模長期依賴于多視圖立體視覺（MVS）技術，以光度一致性為核心假設，生成表面三角形網格模型。這種顯式表達優勢在于結構清晰，且利用空間索引實現了成熟的LOD細節層次調度，廣泛兼容于各類GIS平臺。然而，面對城市級超大規模場景中普遍存在的，路面、墻面等“弱紋理”區域以及玻璃、水面等非朗伯體表面等特殊紋理區域，基于局部特征匹配的傳統方法往往失效，導致幾何空洞、噪聲和變形 [120-122] 。

近年來，隨著深度學習與可微渲染技術的發展，基于視覺智能的三維建模方法逐漸由傳統幾何重建向連續場表達范式演進 [5,123-124] 。以NeRF和3DGS為代表的渲染技術，實現了特殊紋理區域的逼真渲染。但是，神經輻射場和高斯橢球集合均缺乏顯式的拓撲連接，難以直接轉換為網格以用于物理模擬或空間分析。從“僅供渲染”的空間場中提取出符合物理規律、拓撲正確的顯式幾何結構，是解決特殊紋理區域重建問題的一種路徑。另一方面，利用生成式人工智能對缺失區域進行結構補全與紋理修復 [125] ，有望實現特殊紋理區域從像素匹配建模走向認知推理建模。

大規模多粒度高效建模

隨著全域實景三維建設向厘米級精度邁進，數據規模呈指數級爆炸增長，計算資源與效率的矛盾日益尖銳。如何平衡建模效率與幾何精度，特別是在有限的計算資源下實現快速、高保真的城市級建模，仍是制約實景三維模型普及的關鍵瓶頸 [126] 。此外，多粒度實體的一體化建模面臨關鍵的理論與技術缺失。雖然現有技術在單一尺度（如建筑物單體）上已取得一定成果，但如何實現從微觀部件級（如窗戶、路燈）、中觀城市級到宏觀地形級的多粒度實體一體化抽象、關聯與協同管理，尚缺乏成熟的統一模型。當前的難點在于，基元實體（如墻面、屋頂）與復雜實體（如整棟建筑）之間的動態組合邏輯缺失，跨尺度的數據派生與語義融合仍需人工干預，缺乏自動化的技術體系 [29,127] 。

大規模多粒度高效建模的突破，不僅依賴于算法優化和算力提升，更取決于建模邏輯的變革。例如，在大范圍城市實景三維建模時，不再將建筑看作一堆三角面片，而是定義一套“父-子”層級關系（如：城市-街區-建筑-樓層-構件），構建城市實體拓撲知識圖譜，探索跨尺度衍生和聚合方法。

時空動態映射與增量更新

實景三維建設正經歷從“靜態供給”向“動態服務”轉型的深刻變革。面對動態變化的真實世界，傳統的實景三維模型多為靜態快照，難以滿足自動駕駛、應急指揮等高頻應用需求。物聯網（IoT）傳感器產生海量流式數據（如視頻監控、交通流檢測、環境傳感器），這些高頻、異構的時序數據需要實時映射到三維空間基底中 [21] 。已有研究通過實時全局姿態優化和動態重集成策略，實現了視頻監控的在線持續動態映射 [128] 。但對于大場景的時空動態映射還存在數據頻率與尺度不匹配、動態場景的光照與外觀變化、全生命周期的時空譜系構建等關鍵問題需要進一步突破 [129] 。

此外，實景三維模型需記錄城市從規劃、建設、運維到拆除更新的完整演變過程，這對數據結構提出了“增量更新”的嚴苛要求。傳統的全局重構模式成本過高，基于體素哈希或動態八叉樹的結構為局部更新和流式傳輸提供了支持 [130-131] 。但是，如何在大規模場景中保持拓撲一致性并防止數據碎片化，仍需要突破。

面向時空智能的新一代數據模型

隨著人工智能時代的到來，實景三維模型正朝著“時空智能中樞”演進。實景三維模型不僅是給機器讀取的數據庫，更是支持高層級認知交互的智能界面。這一階段的數據模型挑戰在于如何實現從“數據表達”到“認知反饋”的閉環，即根據用戶的抽象交互意圖實時調整數據的呈現與計算方式。傳統的幾何模型由于缺乏深層的語義關聯，難以支撐復雜的語義意圖查詢（如“顯示目前交通擁堵且存在積水風險的路口”）。這要求新一代數據模型本身具備一定的可微特性或支持高維向量嵌入檢索，從而能夠直接與大語言模型等AI認知工具對接，實現開放詞匯的場景理解與查詢 [132] 。

空間索引與向量數據庫的深度集成是潛在的突破方向。向量數據庫通過相似性搜索（而非精準匹配）在海量圖像、文本、數據中找出相關內容 [133] ，是實現大語言模型（LLM）檢索增強生成（RAG）、推薦系統和多模態搜索的核心基礎設施。將向量數據庫融入GIS系統，支撐海量AI嵌入信息的高效管理，已經成為國際學術界和產業界的前沿挑戰。

實景三維模型賦能行業應用的問題與挑戰

打通行業應用的“最后一公里”，實景三維數據與人工智能技術和各種業務的深度融合是實現實景三維模型價值的關鍵，也是當前另一大痛點。首先，測繪部門生產的實景三維模型與應用部門存在語義鴻溝。測繪部門生產的“基礎地理實體”側重于幾何形態與空間位置，而自然資源、住建、交通等行業所需的“業務管理對象”則側重于權屬、功能與狀態（如宗地、不動產單元）。不同行業領域的對象和信息分類體系、屬性結構與管理粒度有很大的區別 [134] ，如何突破語義鴻溝是當前的一大挑戰。其次，定制化開發成本高昂。不同行業對三維重建的精度與效率有著截然不同的需求，單一的建模方法難以通用。例如，文化遺產保護需要毫米級紋理與結構病害檢測能力 [135] ；水利數字孿生關注大范圍流域的地形連續性與水下地形的無縫拼接 [136] ；而植物表型分析則要求對微小枝葉進行精細的一體化重建 [137] 。這導致每個行業、甚至同一行業的不同業務場景都需要針對性地開發融合方案與分析工具。加之缺乏統一的跨行業數據接口標準，使得每次跨域協作都需要進行繁瑣的格式轉換與定制化對接，嚴重阻礙了實景三維模型的規模化推廣。

實景三維模型的價值還在于行業業務的精準管理，社會運行的智能調控，以及國家戰略的科學決策。實景三維模型的服務目標應從提供基礎數據和可視化軟件，升級為提供診斷、預測和方案優化的“時空智能”是未來的一大趨勢。然而，當前面臨三大挑戰。首先，機理模型集成缺失。決策推演往往需要結合物理、社會、經濟規律。當前的實景三維模型主要承載“外觀數據”，難以無縫集成洪水演進方程、交通流動力學、空氣擴散模型等專業的“機理模型”。各領域的分析模型接口不統一，調用復雜，導致推演往往停留在視覺效果層面，缺乏科學深度。其次，知識抽取與結構化困難。如何從海量三維場景、動態監測數據和多源行業信息中，自動抽取和結構化諸如“城市低效用地的空間分布規律”“地質災害隱患點的成災模式”等領域知識，并構建成可計算、可推理的時空知識圖譜，是實現智能服務的巨大挑戰。目前的系統多缺乏這種從數據到知識的自動化提煉能力，限制了其輔助決策的潛力 [138] 。最后，預測與決策支持能力弱。現有服務多以“描述現狀”為主（如展示滑坡體位置），缺乏“診斷成因”（如研判滑坡機理）、“預測趨勢”（如預警滑坡風險）和“生成方案”（如生成最優疏散路徑）的深度智能服務能力。當前實景三維模型作為“快照”，若不能與實時物聯網數據和各行業機理模型深度融合，形成“活”的、同步映射現實的數字孿生體，就無法支持動態世界的科學決策。

06

結論與展望

本文系統綜述了實景三維模型的概念框架、核心方法、應用場景和關鍵挑戰，揭示了其作為國家新型基礎設施與數字中國空間基底的戰略價值。在概念上，實景三維模型已從早期單一的三維模型，演變為“表達現實”空間基礎設施，正在朝“連接現實、認知現實乃至預演現實”方向繼續演進。在建模方法上，傾斜攝影和激光掃描等面向原生實景三維的建模技術已逐漸成熟并廣泛應用，面向“語義實體”的次生實景三維建模正變得迫切需要，以解決傳統Mesh模型“可看不可算”的問題。在應用層面，實景三維模型已突破單純的可視化展示，深度融入自然資源管理、智慧城市運行及各類行業數字化轉型中。然而，當前的實景三維建設還面臨認知范式轉型、復雜場景時空動態建模、智能化轉型和行業深度應用等挑戰。

展望未來，實景三維模型的發展在需求升級、數據爆發與人工智能技術變革的三重驅動下，將向著“時空智能中樞”邁進。

首先，在需求變化層面，實景三維模型將從提供靜態的“實景基座”向提供動態的“決策服務”轉型。傳統的應用模式多側重于現狀查勘與靜態展示，而未來的核心需求將聚焦于對物理世界的全生命周期管理與仿真推演。用戶不再滿足于看到“那里有什么”，而是需要系統回答“發生了什么變化”、“未來可能發生什么”以及“如何應對”等復雜問題。這將推動實景三維模型從單純的幾何載體，向集成水動力學、交通流、環境演變等各類機理模型的綜合計算平臺演變，實現從被動表達現實到主動預演現實的根本性轉變。

其次，在海量泛在數據的挑戰層面，實景三維建設將面臨如何高效融合空、天、地、水下及物聯網（IoT）等異構數據的巨大考驗。隨著傳感器技術的普及，數據來源已從專業的測繪裝備擴展到視頻監控、移動終端、眾源數據等泛在感知網絡，數據規模呈指數級增長且模態各異。未來的技術攻關需要聚焦于構建能夠實時“吞吐”與“消化”海量數據的活體數字空間，確保數字孿生體與物理世界的實時同步。

最后，在人工智能的挑戰與賦能層面，AI技術將重塑實景三維模型的生產與服務全鏈路。一方面，生成式AI與隱式神經表征技術將加速解決大規模場景的低成本建模與弱觀測區域的補全問題，推動建模方式從“幾何計算”向“神經推理”演進。另一方面，結合大語言模型與多模態視覺大模型，實景三維模型有望實現自動化的全要素語義分割與知識提取，將非結構化的三維網格轉化為機器可理解的知識圖譜。未來，實景三維模型將不僅是給人看的模型，更是AI智能體理解三維世界的認知基座，通過“幾何-語義-知識”的一體化構建，最終實現人機物三元融合的智能空間服務與自動化決策支持。

引用格式：[1] 王春,朱慶,楊必勝,等. 實景三維模型：概念、方法、應用與挑戰[J]. 地球信息科學學報, 2026, 28 (04): 863-885.

作者貢獻說明

• 王春和代文設計論文框架，并參與文獻梳理歸納和論文撰寫；

• 朱慶、楊必勝、程亮、江嶺參與了文獻薈萃分析和論文修改；

• 位宏和陳葉霞參與文獻收集和論文撰寫。

來源：地球信息科學學報 轉自：測繪學術資訊