glTF（GL Transmission Format）全称三维传输格式，是 Khronos Group 推出的开放式、轻量化三维模型标准，核心定位是 “三维模型的 JPEG”，用于高效传输、加载三维网格、纹理、动画、材质等数据。GLB 是 glTF 的二进制封装版本，将所有资源（几何、纹理、配置）打包为单个文件，无需额外依赖，适配数字孪生快速部署。采用 “核心 JSON + 资源附件”（glTF

I3S 全称 Indexed 3D Scene Layer，是面向海量三维地理场景的开放式三维瓦片标准格式，用于存储、分发、流式加载三维模型、倾斜摄影、点云、建筑白模等数据。采用分层分块瓦片组织结构，适配 LOD 细节层次、空间索引与跨平台流式调度。采用金字塔层级结构，按空间范围、分辨率、细节等级逐级划分瓦片。层级越高，地理范围越小、模型精度越高；层级越低，覆盖范围越大、模型精度越低。通过节点树组

通过对三维空间中的模型、点云、瓦片等数据进行结构化划分与索引编码，建立空间位置与数据的映射关系，快速检索、定位目标数据，降低大规模场景数据的查询与调度开销，核心是 “空间分区 + 索引映射”，支撑流式加载、按需加载与实时渲染。将二维空间递归划分为 4 个象限（子节点），直至每个节点内数据量满足阈值，核心划分公式：Q=Q1​∪Q2​∪Q3​∪Q4​,Qi​∩Qj​=∅(i=j)Q：父节点空间，Q1

打破传统 “一次性加载全部场景数据” 的模式，基于用户观测视角、交互操作与场景优先级，动态、分批次加载所需数据（模型、纹理、LOD 层级），闲置数据自动卸载，核心是 “空间分区 + 优先级排序 + 动态调度”，平衡加载速度与渲染性能。将大规模数字孪生场景按空间位置划分为均匀网格（瓦片），通过空间索引（如四叉树、八叉树）管理，核心分区公式：S=⋃i=1n​Si​,Si​∩Sj​=∅(i=j)S：整

基于模型与观测相机的距离、视角角度，动态切换不同精度的模型版本（高 / 中 / 低 / 最简），在保证视觉效果的前提下，降低远距离模型的渲染压力，实现数字孪生大规模场景的实时加载与流畅渲染，核心是 “距离 - 精度映射” 与 “平滑切换”。距离阈值映射：建立相机与模型的距离d与 LOD 级别的对应关系，距离越远，启用精度越低的模型，核心映射公式：LOD(d)=⎩⎨⎧​LOD0（最高）LOD1LOD

在保留模型核心几何特征与视觉效果的前提下，通过简化几何、压缩数据、优化结构，降低模型存储体积与渲染压力，适配数字孪生实时渲染与大规模场景部署，核心是 “损失可控的精度与效率平衡”。网格简化（主流）：基于边折叠算法，计算边折叠的误差代价，优先折叠误差最小的边，核心公式：E(e)=∑p∈N(e)​∥p−p′∥2e 为待折叠边，E(e) 为边折叠误差，N(e) 为边邻域顶点集合，p′ 为折叠后顶点坐标。

将二维影像纹理（RGB）精准映射到三维网格表面，建立网格顶点与纹理像素的一一对应关系，实现三维模型的真实感渲染，核心是 “UV 坐标分配 + 纹理采样 + 融合优化”。通过投影变换，将三维网格顶点(x,y,z)映射到二维纹理平面(u,v)，核心公式：(u,v)=P(R(x,y,z)+T)P：投影矩阵（正交 / 透视投影）R,T：网格与相机的刚性变换参数(u,v)：纹理坐标（取值范围 [0,1]），

核心是将离散点云 / 标量场转化为连续的三维多边形网格（三角网格为主），保留场景几何特征，主流原理分为两类：表面重建生成：基于稠密点云，通过泊松重建、移动立方体（Marching Cubes）等算法，提取场景表面，生成初始三角网格，核心是构造隐式表面或等值面。手动 / 参数化生成：针对规则模型，通过参数化建模（如平面、圆柱）生成网格，核心是几何方程拟合，公式示例（平面网格）：ax+by+cz+d=

核心是剔除孤立噪声点、平滑异常点，保留场景核心结构，主流原理分为两类：统计滤波：基于点云邻域统计特性，剔除偏离均值过远的点，核心公式：∥pi​−pˉ​∥>k⋅σpˉ​：邻域点均值，σ：标准差，k：置信系数（默认 2-3）半径滤波：剔除邻域内点数量少于阈值的孤立点，判定条件：count(pi​∈N(p,r))<threshN(p,r)：点p的半径r邻域，thresh：最小邻域点数量在保留场景拓扑结构

点云配准是求解两个点云（源点云P、目标点云Q）之间的刚性变换（旋转矩阵R、平移向量T），使源点云经过变换后与目标点云重合，核心目标是最小化点对之间的距离误差。P′=R⋅P+TP′：变换后源点云R：3×3 旋转矩阵（满足RTR=I，det(R)=1）T：3×1 平移向量P：源点云顶点坐标矩阵（3×N）minR,T​∑i=1N​∥Rpi​+T−qi​∥2pi​：源点云第i个顶点qi​：目标点云对应匹配

基于体素化场景，通过判断体素 8 个顶点与预设等值面的相对位置，确定体素内等值面的相交形态，生成三角形面片，最终拼接成完整三维表面，核心是 “体素离散 + 等值面提取”。设体素 8 个顶点的标量值为v0​−v7​，预设等值面阈值为iso，通过符号函数判断顶点与等值面关系：si​={10​(vi​≥iso)(vi​<iso)​将 8 个顶点的符号组合为 8 位二进制数，对应 256 种体素模式（仅

通过求解泊松方程，从稠密点云的法向信息中提取场景的隐式表面，将离散点云转化为连续光滑的三维网格，核心是构造指示函数描述场景内外空间。设χ为场景指示函数（χ(x)=1表示x在场景内，χ(x)=0表示在场景外），表面法向量为n，则泊松方程为：Δχ=∇⋅nΔ：拉普拉斯算子∇⋅n：法向量场的散度，用于表征表面位置对三维空间进行体素化划分，构建八叉树结构，适配点云密度分布将泊松方程离散化为线性方程组，通过共

将三维空间位置x∈[0,1]3映射至高维特征向量，解决原始 NeRF 高频拟合差、训练慢的痛点：γ(x)=(h1​(x),h2​(x),...,hL​(x))hl​(x)=Tl​(⌊Φl​(x)⌋modNl​)L：编码层级（默认 16 层）Φl​：第l层空间缩放变换Tl​：第l层哈希表（存储特征向量）Nl​：第l层哈希表大小（默认219）C(r)=∫tn​tf​​T(t)σ(r(t))c(r(t)

FΘ​:(x,y,z,θ,ϕ)→(σ,r,g,b)(x,y,z)：三维空间位置(θ,ϕ)：观测视角方向σ：体密度(r,g,b)：视角相关颜色C(r)=∫tn​tf​​T(t)σ(r(t))c(r(t),d)dtT(t)=exp(−∫tn​t​σ(r(s))ds)r(t)=o+td：光线方程T(t)：透射率tn​,tf​：光线近、远平面γ(p)=(sin(20πp),cos(20πp),...,si

H=aGSD×f​H：相对航高（m）GSD：地面采样距离（m / 像素）f：相机焦距（mm）a：像元尺寸（mm）航向基线长度：Bx​=W×(1−Px​)旁向基线长度：By​=H×fW​×(1−Py​)W：影像航向宽度（m）Px​：航向重叠度Py​：旁向重叠度min(∑vimg2​+λ∑vpos2​)vimg​：影像重投影误差vpos​：POS 观测值残差λ：权重系数| 组件 | 工业级

给定N张已标定影像{Ii​}及对应相机内外参{Ki​,Ri​,ti​}，求解场景中每个三维点P(X,Y,Z)在所有可见影像上的投影一致性，生成稠密三维点云。C(p,d)=∑j∈N(p)​ρ(I1​(q),I2​(Hd​(q)))d为深度，Hd​为深度d对应单应矩阵，ρ为相似度度量，N(p)为邻域窗口深度转三维坐标：P=R1−1​(K1−1​dp1​−t1​)| 方法 | 适用场景 | | -

合成孔径雷达通过雷达平台的直线运动，利用多普勒效应合成大孔径天线，实现距离向与方位向的二维高分辨率成像。距离向分辨率由发射脉冲的带宽决定，与雷达作用距离无关：ρr​=2Bc​其中：c：光速（299792458m/s）B：发射信号带宽工程意义：带宽每增加 100MHz，距离向分辨率提高 1.5m。方位向分辨率由真实天线的孔径大小决定，同样与作用距离无关：ρa​=2D​其中 D 为真实天线的方位向孔径

投影仪光心Op​、相机光心Oc​基线长B，被测点P(X,Y,Z)投影为pc​(uc​,vc​)、pp​(up​,vp​)，三维坐标计算公式：Z=uc​−fp​fc​​up​fc​B​,X=fc​uc​Z​,Y=fc​vc​Z​标定目标：相机内参(fc​,uc0​,vc0​,k1​,k2​,p1​,p2​)、投影仪内参(fp​,up0​,vp0​)、外参(R,T)。工业界标准混合编码方案，实现亚像素

倾斜摄影测量的唯一理论基础是中心投影共线方程，描述摄影中心 S、像点 p、物点 P 三点共线的几何关系：{x−x0​=−fa3​(X−XS​)+b3​(Y−YS​)+c3​(Z−ZS​)a1​(X−XS​)+b1​(Y−YS​)+c1​(Z−ZS​)​y−y0​=−fa3​(X−XS​)+b3​(Y−YS​)+c3​(Z−ZS​)a2​(X−XS​)+b2​(Y−YS​)+c2​(Z−ZS​)​​

激光雷达基于飞行时间法（ToF） 测量距离，核心公式：d=2c⋅Δt​其中 c 为光速，Δt 为激光发射与接收的时间差。工业界主流分为两类：脉冲式 LiDAR：发射纳秒级激光脉冲，测量往返时间，适用于远距离（100m-10km）测量，是数字孪生地形与城市采集的主流相位式 LiDAR：发射调制正弦波激光，通过相位差计算距离，精度更高（毫米级），但测量距离短（<100m），适用于室内与工业场景点云原始