如視攜手英偉達，將毫米級三維重建帶到邊緣端

一套 100 平方米的住宅，掃描時間大約四分鐘。操作者手持一臺大號手電筒大小的設備，沿房間走一圈，放下設備時，系統已經生成了彩色點云和 3DGS。15分鐘后，一張標注了墻體、門窗、上下水管線和強弱電箱的 CAD 戶型圖在云端自動生成。不需要卷尺，不需要人工繪圖，直接自動輸出 CAD 文件，單尺寸測距誤差最小僅 3mm。

這臺設備是龐加萊 R1（標準版），一款由如視研發的手持實景掃描儀。

如視是一家專注三維重建技術的空間智能公司，在該領域深耕近十年，產品覆蓋房產、家裝、工業巡檢、文博展覽等多個行業。R1（標準版）的實時點云處理運行在內置的 NVIDIA Jetson Xavier? NX 模組上。

如視的另一款旗艦產品伽羅華 P4（標準版）——面向超高清采集場景的三腳架式 VR 掃描儀——搭載了 NVIDIA Jetson Orin? Nano。兩臺設備覆蓋了從快速現場測量到博物館級三維數字化的不同需求，AI 推理全部在邊緣端完成。

兩臺設備，兩顆Jetson芯片

兩款產品選擇不同的 NVIDIA Jetson 模組，對應各自工作流的具體算力需求。

龐加萊R1（標準版）搭載Jetson Xavier NX

R1（標準版） 是一款為速度和便攜性設計的手持掃描儀，主要用于精準量房、施工現場勘測和裝修前期測量。Xavier NX以緊湊的體積和低功耗提供高性能AI推理能力。

龐加萊 R1（標準版） 搭載 NVIDIA Jetson Xavier NX

掃描過程中，R1（標準版）的激光雷達生成高密度點云，RGB 相機同步采集色彩數據。Xavier NX 在設備端實時運行如視自研的點云降噪算法和結構識別算法，自動識別墻體、門洞、窗戶、水管、電箱等建筑要素，輸出結構化三維模型。該模型經云端處理后，15 分鐘內即可轉化為 CAD 圖紙。

中國計量科學研究院的校準報告確認，R1（標準版） 的單尺寸測距誤差最小為 3mm，是目前國內已知唯一通過國家計量院認證的手持激光掃描儀。

龐加萊R1國家計量院認證

伽羅華 P4（標準版） 搭載 Jetson Orin Nano

P4（標準版） 面向對畫質和空間細節要求極高的場景：博物館展覽、高端餐飲空間、大型工業廠房。

NVIDIA Jetson Orin Nano 提供34TOPS的AI算力，支撐更重的邊緣計算負載。

伽羅華 P4（標準版） 搭載 NVIDIA Jetson Orin Nano

P4（標準版） 采集 24K 分辨率全景圖像——單幀約 3 億像素——并在設備端完成實時拼接和深度信息解算。其激光雷達與高清相機陣列同時生成幾何點云和超高清視覺數據，Orin Nano的高吞吐量和多傳感器融合能力使兩路數據流在現場即完成對齊，避免了傳統設備"先采集、后計算"造成的數據斷層。

多行業實踐部署

如視搭載 Jetson 的設備已在多個行業投入使用。以下案例展示了邊緣AI處理如何轉化為可量化的運營效率提升。

住宅裝修——福州安住

福建省家裝公司福州安住引入龐加萊 R1 用于現場量房。一個兩人團隊在 10 天內完成了 454套住宅的掃描采集，套均耗時 2.8 分鐘。此前，單套人工量房通常需要 40 分鐘以上，且依賴經驗豐富的技術人員。R1（標準版） 輸出的 CAD 數據可直接導入 BIM 系統，省去了人工繪圖環節。

工業數字孿生——雀巢中國

雀巢在中國運營 22 家工廠、3 個研發中心和 5 個創新中心。如視使用伽羅華 P4（標準版） 為雀巢的生產設施構建高保真三維數字孿生，覆蓋安全管理、遠程巡檢和員工培訓等場景。

雀巢中國的石秋香表示："如視 VR 有效幫助管理層和救援人員第一時間掌握工廠情況，迅速定位風險點。"

實際效果包括：新員工培訓周期縮短約 50%，跨地域協作差旅成本降低約 70%，安全隱患排查效率提升約 3 倍。

伽羅華P4（標準版） 生成的三維模型可導出為 OpenUSD/USD 兼容資產，從而能夠被基于 NVIDIA Omniverse庫和包括NVIDIA Isaac Sim在內的開放框架構建的智能體與應用程序所使用，可進一步用于數字孿生和機器人訓練。

文化遺產——清華大學校史館

清華大學校史館總建筑面積 5,000 平方米，展區面積 3,000 平方米，使用伽羅華 P4（標準版） 完成了1:1 VR 數字化復刻。成果支持中英文雙語導航、AI 智能導覽和語音講解。

數字化后的校史館全年 365 天面向全球校友和公眾開放。8 倍無損放大功能使遠程訪客可以細看畫作筆觸和展品銘文——這些細節即使在現場也不易觀察。該項目同時為無法長期展出的珍貴藏品建立了永久數字檔案。

面向具身智能和物理AI

如視已積累超過 5,800萬組空間數據，覆蓋面積達48億平方米，是全球規模最大的真實場景三維空間數據庫之一。這一數據資產的價值正在從傳統的可視化應用向更廣泛的領域延伸。

如視三層空間解構流水線當前輸出的結構化數據包括：幾何尺寸、材質粗糙度、光照條件和物體空間關系。后續規劃將拓展至重量估算、摩擦系數和受力分析——這些屬性是機器人訓練環境中實現真實物理仿真所必需的。

如視的三維模型已兼容 NVIDIA Omniverse 庫，支持Real2Sim2Real工作流：真實空間高保真采集→1:1 虛擬環境重建→可交互仿真訓練→機器人實際部署。這一閉環的每個階段都依賴精確、屬性豐富的空間數據——正是搭載 Jetson 的邊緣采集設備所產出的數據類型。

如視數字空間多層解構

隨著空間AI模型和具身智能系統的成熟，對高質量真實場景三維訓練數據的需求將持續增長。結合NVIDIA邊緣算力驅動，如視的空間采集基礎設施為這一需求提供了底層支撐。