3D場景重建的案例
如何閉環自動駕駛仿真場景，實現從“重建”到“可用”？
（2）2D 語義分割：針對圖像數據做語義分割，輸出分割標注，輔助 3D 場景的細節優化。
（3）相機位姿優化：校準、優化傳感器采集的位姿數據，確保 3D 重建時空間坐標的準確性，輸出精準位姿信息。
3、3DGS 場景重建
基于預處理后的 “干凈數據”，aiSim 啟動神經網絡重建流程：融合 NeRF 的幾何泛化能力與 3DGS 的實時渲染特性，構建跨模態信息傳遞機制（T-S 結構）—— 將 NeRF 學習的深度、法線、外觀等監督信號，通過多模態數據協同訓練（引入 LiDAR 深度約束），遷移至 3DGS 的高斯參數優化中。最終，離散點云與圖像數據被轉化為連續的 3D 高斯場景表示，實現 “真實場景→數字孿生” 的高效映射。
在這個關鍵環節中，T-S 結構發揮著核心橋梁作用，它使 NeRF 在處理圖像數據時所學習到的深度、法線及外觀等關鍵監督信號，能夠順暢地傳遞至 3DGS 模型中。同時，引入 LiDAR 深度約束，進一步提升了幾何建模的精準度。LiDAR 所獲取的精確深度信息，作為一種強約束條件，參與到多模態數據的協同訓練過程中，幫助 3DGS 更準確地優化高斯點的位置、協方差矩陣等參數，從而構建出與真實場景高度契合的 3D 高斯場景。
經過這一系列處理流程，原本離散、無序的點云與圖像數據，被成功轉化為連續、逼真的 3D 高斯場景表示，實現了從現實世界到數字孿生世界的高效、精準映射，為后續的場景編輯與仿真應用提供了優質的基礎場景。
為驗證重建場景的一致性，aiSim 引入 DEVIANT 算法與 Mask2Former 算法形成雙重校驗。其中 DEVIANT 算法聚焦幾何精度。通過模擬單目 3D 目標檢測邏輯，對重建場景中車輛、行人等目標的深度、位置、尺寸進行校驗。
展開 3D打印重建1200年歷史的秘魯女王頭像
在過去的幾年里，我們看到了很多3D技術被用來將過去帶入現實的例子，其中對3D掃描珍貴的歷史文物以及3D打印死亡已久的動物化石進行了詳細的重建。
來自秘魯和波蘭考古團隊利用3D打印技術對1200年前的秘魯女性頭顱進行重塑，雕塑非常栩栩如生。
2012年，在秘魯海岸，這個女人的遺體在一處名為El Castillo de Huarmey的墓穴中被發現。古墓坐落在一個曾經是瓦里人神廟的地方，在印加人最終接管之前，他們已經在這個地區生活了幾個世紀。這座墓穴總共埋葬了58名貴族女子，包括四位王后或公主。
3D打印頭蓋骨
這名婦女死時是60歲左右，考古學家稱她為瓦爾美女王，可能是瓦里貴族的成員。他們這樣猜測是基于該婦女被葬在自己的私人房間里，周圍都是奢侈品，包括儀式用的斧頭、金耳飾和銀酒杯。此外，她的骷髏表示，她一生大部分時間都在坐著，因此可能是在編織當時比黃或白銀更昂貴的紡織品。她的一些牙齒也不見了，這暗示著她經常飲用一種名叫chichi的含糖飲料，只有瓦里貴族才可以飲用。
2017年春,考古學家Mi?osz Giersz和奧斯卡尼爾森（Oscar Nilsson）著手重建了這個女人的身體形態，3D打印技術是這個過程的關鍵部分。掃描頭骨殘骸，然后轉換成數字3D模型，用3D打印機打印出來以形成雕塑的基礎，剩余部分就手工添加。
尼爾森檢查了頭骨的構造，并使用詳細的數據集來估計女性骨骼上的肌肉和肌肉的厚度。作為參考，他使用了居住在墓穴旁的土著安第斯人的照片。他還從一位年長的安第斯女子那里弄來真正的頭發，這是Giersz從附近的秘魯假發市場買來的，以便重建瓦爾梅王后的發型。重建項目總共花了大約220小時，最終完成的頭像模型栩栩如生，讓人驚訝。
這個頭像目前在波蘭國家民族博物館的秘魯文物展覽會上公開展出。
展開 ABAQUS三維CT重建插件CT2Model3D V2版本 ￥1898
插件介紹
CT2Model3D V2.0插件采用Python 3.10研發，適配2024及以上版本的Abaqus軟件，具備在Abaqus平臺中基于CT斷層掃描圖像的三維重建功能，插件支持批量導入tif、tiff、png、jpg等格式的圖像文件，推動了數字化建模技術與有限元仿真的融合。
該插件通過集成化的圖像處理流程，能夠自動完成從CT圖像導入、三維結構重構到有限元網格生成的全過程，顯著提升了建模效率與操作便捷性。
插件內置圖像壓縮算法，可通過調整參數兼顧模型精度與單元數量，使模型三維重建有限元模擬具備可行性。
插件采用閾值分割方法，可精確區分灰度CT圖像中的不同材料類型，具備兩相材料的建模功能。
案例展示
ABAQUS基于CT斷層掃描的細觀混凝土三維重建數值模擬
https://www.yqgqt.org.cn/post/1947861
ABAQUS基于CT斷層掃描的三維圓柱體多孔結構建模
https://www.yqgqt.org.cn/post/1950189
參數說明
在構建三維模型時，Length（長度）、Width（寬度）及Height（高度）分別代表了模型沿X軸、Y軸和Z軸方向的尺寸。
展開 Abaqus斷層掃描三維重建插件CT2Model 3D V1.1版本更新 ￥1898
更新說明
Abaqus AbyssFish CT2Model3D V1.1版本更新新增對TIF、TIFF圖像文件格式的支持。本插件用戶可免費獲取升級服務。
插件介紹
插件說明：
ABAQUS CT2Model 3D V1.0
https://www.yqgqt.org.cn/post/1947552
應用案例：
ABAQUS基于CT斷層掃描的細觀混凝土三維重建數值模擬
https://www.yqgqt.org.cn/post/1947861
ABAQUS基于CT斷層掃描的三維圓柱體多孔結構建模
https://www.yqgqt.org.cn/post/1950189
適用版本
插件可運行在Windows10、11系統上，支持Abaqus 6.14~2023版本。
說明提醒
插件需要注冊，注冊完成后永久可用，售價為單機許可的價格，購買后請聯系QQ：1135122921或微信：AbyssFish_LJR獲取許可證。
展開 
基于dream 3d的ebsd模型重建------對應案例三 ￥199
基于dream 3d的ebsd模型重建
案例實操
包含用于生成模型的dream3d管道，可以直接生成abaqus的晶體塑性模型，提供原始文件！！！！！！！！！！！！！！！！！！
基于重建和不確定性傳播的單目視覺3D物體檢測
編者按：3D物體檢測（目標檢測）是智能汽車感知系統的重要任務。在眾多應用于智能汽車的傳感器中，相機這一視覺傳感器具有分辨率高、成本較低、部署方便等優點。基于相機RGB圖像的低成本3D物體檢測是當下學界和工業界的研究熱點。其中，相比多目視覺3D物體檢測，單目視覺3D物體檢測是更為基礎的問題，其難點在于估計物體的距離。本文將6DoF位姿估計領域常用的稠密關聯方法應用到了交通場景的單目3D物體檢測，并引入了不確定性傳播，可以描述物體位置的不確定性。針對深度回歸問題中偶然不確定性的估計，本文提出了魯棒KL損失，顯著提升了檢測精度，對于一般的不確定性估計網絡有借鑒價值。
摘要：
單目視覺3D物體檢測的主要難點在于物體在3D空間中的定位。近年關于6DoF位姿估計的研究表明，預測圖像與物體3D模型之間的2D-3D稠密關聯（Dense Correspondence）并使用PnP算法求解物體位姿，可以取得很高的定位精度。然而，在這些研究中，模型的訓練均依賴物體的3D模型真值，這一條件在真實的室外場景中難以滿足。為解決這一問題，本文提出了MonoRUn檢測算法，以自監督的形式學習稠密關聯和物體幾何，這一過程中僅需用到物體的3D框標注。本文使用基于不確定性的區域重建網絡回歸與2D像素相關聯的3D坐標。自監督訓練是指將3D坐標重投影以重構圖像的2D坐標。為優化重投影誤差并考慮其不確定性，本文提出了魯棒KL損失。在測試階段，網絡預測的不確定性將傳播至所有下游模塊。具體而言，模型使用不確定性PnP算法估計物體的位姿及其協方差。
展開 基于dream 3d的ebsd模型重建與黃umat晶體塑性FCC單向拉伸------案例三 ￥99
基于dream3d的ebsd模型重建與黃umat的FCC多晶簡單拉伸
案例實操二
1，使用dream3d軟件完成ebsd模型的幾何重建
2，賦予相應的材料參數（基于腳本完成材料的批量賦值）
3，施加相應的邊界條件（X0方向完全固定，X1方向施加x方向20%的工程應變）
4，結果與后處理
5, 不包含用于生成模型的dream3d管道！！！！！！！！！！！！！！！！！！
基于dream的ebsd幾何模型重建
材料參數腳本的部分截圖
簡單拉伸的邊界條件
對數應變分布
Mises等效應力分布
滑移系的當前強度分布
總的累計塑性應變分布
展開 3D打印骨盆獲得FDA批準，Onkos Surgical 已允許用于臨床重建治療
2022年7月16日，南極熊獲悉，私人控股的專業醫療技術公司Onkos Surgical，今天宣布該公司的My3D 個性化骨盆重建系統，已獲得FDA的510（K）許可，未來可廣泛用于患者解決有關盆骨的復雜治療。
△使用3D打印假體修復因癌癥而受損的骨盆
Onkos Surgical是一家快速發展的肌肉骨骼腫瘤學，和復雜骨科手術解決方案的領先創新者，My3D個性化骨盆重建系統，是同類解決方案中的第一包括3D打印植入物、器械和模型，以及用于治療畸形、創傷、疾病和其他治療的綜合平臺，或可用于解決手術失敗重塑的高級規劃服務。
產品中包括針對患者的植入物，以及用于髖臼重建和跨越骨盆多個區域的高級重建。植入物的設計和打印具有獨特的功能，有助于解決骨骼和軟組織附著，以及解剖修復準確性的挑戰。
本次獲得的PFA批準，將再一次擴大該公司關于腫瘤學，和復雜骨科解決方案的產品組合。
亞利桑那州斯科茨代爾市HonorHealth骨科的醫生Matthew Seidel說。“ Onkos Surgical提供的這項服務，將極大地推動我和我的同事治療這些患者的方式，” “患有這些骨盆疾病的患者面臨許多臨床挑戰。從歷史上看，我們的植入物選擇是批量生產的，可能它們并不每一個患者。現在，Onkos為我們提供了新的選擇方案。通過，讓我們以虛擬規劃“提前進行手術預案，并在幾周內交付患者特定的植入物和器械，它改變了我治療患者的方式。”
展開 快訊《AFM》各向異性3D圖案重建肌肉束狀組織
然而，實現所需的對準繼續證明是有挑戰性的，尤其是在
3D工程組織構造中。
最近
，
韓國科學技術學院
Nakwon Choi
/延世大學
Seung‐Woo Cho
教授
團隊
展示了一種仿生方法，
通過概括3D肌肉樣細胞和細胞外組織來生成功能性骨骼肌束樣組織。實現了肌肉細胞外基質（MEM）納米纖維的各向異性3D對齊，該納米纖維能夠通過調節可拉伸彈性體芯片中的纖維形成動力學來提供促肌原性微環境。
重新編程的肌肉祖細胞沿著對齊的MEM納米纖維以3D構型發育肌纖維
，最終達到骨骼肌的結構和功能成熟。
由此產生的
3D肌肉束狀結構可支持從頭肌肉再生，并在造成體積肌肉丟失和先天性肌營養不良的動物模型中誘導受傷肌肉的功能恢復。
這項研究不僅強調了模擬肌肉的結構指導線索對3D肌肉組織工程的基本作用，而且還揭示了人工肌肉構造在再生醫學中的臨床潛力。
相關論文以題為
Reconstruction of Muscle Fascicle‐Like Tissues by Anisotropic 3D Patterning
發表在《
Advanced
Functional
Materials
》上。
圖1
MEM的表征和3D對齊的MEM水凝膠的生成。
圖2
MEM的蛋白質組學表征。
圖3
在
3D工程化骨骼肌構造中增強了iMPC的肌發生。
圖4
3D工程骨骼肌構建物中增強的整合素信號傳導。
圖5
是相關蛋白（
YAP），對3D MEM中iMPC的發生至關重要。
展開 德國用納米纖維素3D打印人造耳，為先天性耳廓畸形兒童重建耳廓
最近，德國聯邦材料測試和研究所利用木質納米纖維素，通過3D打印技術制成了移植用的人造耳朵，可以作為先天性耳廓畸形兒童的植入物。
據研究人員邁克爾·豪斯曼介紹，制造人造耳朵的原料是可生物降解的木質納米纖維素。借助生物繪圖儀，具有黏性的納米纖維素可以完美塑造復雜的構造，固化后的結構仍然非常穩定。他們研究了納米纖維素水凝膠的特性，并進一步優化穩定性和3D打印工藝，制成了可用于移植的人造耳朵。這種人造耳朵可為先天性耳廓畸形兒童重建耳廓，使畸形耳朵得以補救，而且不會影響聽力。
（圖為研究人員豪斯曼從生物繪圖儀中取出剛定型的人造耳朵）
人造耳朵僅是這項研究的一個應用。含有納米纖維素的水凝膠還可用作膝關節植入物，用于修補慢性關節炎造成的關節磨損。豪斯曼表示，下一個目標是用骨骼填充身體自身的細胞和活性成分，以制成生物醫學植入物。一旦將植入物植入體內，一些材料可能隨著時間的推移而生物降解，并溶解在體內。盡管納米纖維素本身不會降解，但它仍然非常適合作為生物相容性材料，用作植入物支架。
此外，選擇納米纖維素作為候選材料，還因為其機械性能，其微小但穩定的纖維可以非常好地吸收拉伸力。而且，納米纖維素允許通過不同的化學修飾，將功能結合到黏性水凝膠中。通過結構、機械性能和納米纖維素與其環境的相互作用，可以獲得需要的復雜形狀產品。
豪斯曼稱，這項研究的意義還在于，原料纖維素是地球上最豐富的天然聚合物，結晶納米纖維素的使用方法簡便且成本低廉。
來源：3D打印世界
展開 無人車演進的“小高潮” 密西根大學實現行人3D姿態重建
為了實現更安全的自動駕駛，我們需要給無人車大腦輸入“高精度地理信息”以及“行人姿態”。行車路況通過激光掃描可以構建出來規則的行車信息，預測其他車主的運動趨勢，高精度地圖包含無人車行駛在任何一條公路上的實時信息。而行人姿態一直是一項困難的問題，此前的行人姿態預測，均為2D情況下。
近期，以自動駕駛汽車技術聞名的密歇根大學（University of Michigan）一直在研究一種改進的算法，用于預測行人的移動，這種算法不僅考慮了行人在做什么，還考慮了他們是如何做的。這種肢體語言對于預測一個人接下來要做什么是至關重要的。
“觀測行人并預測他們將要做什么”，是任何自動車輛視覺系統的重要組成部分。如何理解行人的存在、運動，是車輛自行做決策和人類駕駛員的一個巨大的差異。多數無人車企業在宣傳自己的自動駕駛功能時，很少突出自己能否檢測三維狀態下的人體移動趨勢。而這項技術在密西根大學研究人員眼中頗為重要。
現代汽車中的ADAS （高級駕駛輔助系統）包括感知系統、通信系統、決策系統和控制系統。而無人車對這些功能有更高的要求，在無人介入的情況下，自動駕駛對于道路上隨機變化的情況應有更為靈活的決策，才能保障車內車外的人類安全。
密西根大學的這項技術論文為《生物長短期記憶網絡：一種生物力學啟發的用于三維行人姿態的遞歸神經網絡和步態預測》，在學術界有不小轟動，但具體到硬件實施與商業落地，可能還需要些時日。
展開 
醫學影像三維重建軟件如何助力定制化3D打印植入物設計？
醫學影像的三維重建是通過計算機對二維數字斷層圖像序列形成的三維體數據進行處理，將其變換為具有直觀立體效果的圖像，來展示人體組織的三維形態。市場上常用醫學影像三維重建軟件包括：Materialise 公司的Mimics, Synopsys 的Simpleware, Able Software 公司的3D-Doctor 等。
醫學影像三維重建軟件在個性化醫療器械設計開發中起到日益重要的作用，結合仿真模擬技術、3D打印技術在醫療器械制造中的應用發展，這些技術為醫療器械，特別是定制化醫療器械的設計開發提供了高效的解決方案。本期3D科學谷將分享Corin Group，360 Knee Systems等骨科醫療器械公司使用醫學圖像三維重建軟件開發定制化植入物的應用案例。
圖片來源：Simpleware Product Group
用于手術規劃、仿真分析、植入物設計...
使患者獲得長期的舒適度，是骨科植入手術的關鍵目標。手術時，植入物能否被準確放置，是影響舒適度和是否會產生翻修手術的重要因素。在骨科治療中，有些使用標準化植入物無法治療、修復的病例需要通過個性化定制植入物進行治療，醫生和工程師可以為患者定制設計任何所需的個性化植入物，并作出合適的手術決策。
定制化植入物設計和術前規劃領域出現了很多技術應用趨勢，包括：拓撲優化，有限元分析（FEA），復合材料/材料測試，逆向工程，3D打印和法規遵從。一些公司正在使用基于3D圖像建模軟件，以非侵入的方式設計和測試植入物的性能。
Corin Group，360 Knee Systems等醫療器械公司通過應用醫學掃描影像、影像三維重建軟件、3D打印技術和激光引導手術，展示了成功和可重復的工作流程。
展開 浴室驚魂：油管博主用3D打印逼真再現恐懼妄想場景
聽說3D打印er都【在看】
Ansys Lumerical Zemax Speos | CMOS 傳感器相機：3D 場景中的圖像質量分析
第 2 步：Speos仿真
*.OPTdistortion文件被導入到Speos相機傳感器中，以定義相機系統的鏡頭性能，并在具有逼真照明條件的3D場景中評估傳感器感知。我們運行光線追蹤光度ROM相機模擬，比Speos中的完整鏡頭系統模擬快約100倍，并提取關鍵成像指標，如光譜輻照度圖。CMOS成像器傳感器前面的輻照度圖是根據下面所示的完整3D場景計算的，該場景在不同的環境照明條件下，包括白天，黑夜和夜晚。
運算Speos的仿真，得到能量仿真結果，以下是日間光源條件下camera的成像結果：
同樣可以得到顯示白天 3D 場景中測得的照度值圖。
可以通過measurement工具定義傳感器照度仿真結果的的測量區域，并捕獲白天從場景到傳感器的光。在測量信息表中，顯示了傳感器整個區域捕獲的平均照度值。照度結果還使我們能夠探索相機光學特性，例如不同傳感器位置的失真，暗角和分辨率。
第 3 步：Lumerical Simulation
Speos在CMOS成像儀前模擬的光譜輻照度圖需要與傳感器的量子效率相結合，才能生成原始電子圖。Lumerical FDTD和CHARGE工具已被用于量化所設計的CMOS傳感器的量子效率。CMOS圖像傳感器由帶有光學和電子元件的微觀像素組成。主要的光學元件是微透鏡和彩色濾光片，用于將所需波長的光聚焦在成像器底部硅襯底的正確點上。吸收的光子產生帶電載流子，這些載流子被收集并傳輸以在電子側進行檢測。電子設備具有包括柵極和互連在內的組件，這些組件可能會干擾傳感器內部的光路徑。耦合光電仿真在FDTD和CHARGE中完成。
第 4 步：Speos 傳感器系統導出器
Speos傳感器系統導出器是一種用于后處理Speos中相機傳感器捕獲的輻照度圖的工具。
展開 通過讀取Z Buffer深度值將屏幕2D坐標轉化為場景3D坐標（含程序和源碼）
主要有2種方法來實現屏幕2D坐標轉化為場景3D坐標：一種是通過揀選射線，我的《APRG Demo》就是這樣做的，有興趣的可以查看源代碼：http://blog.csdn.net/skyman_2001/archive/2005/10/06/495938.aspx；另一種是通過讀取Z Buffer深度值。相比較而言后者要簡單些。這里專門講如何用后者來實現。
1. 使用雙緩存,打開深度測試：
glClearDepth(1.0f); // 深度緩存設置
glEnable(GL_DEPTH_TEST); // 打開深度測試
glDepthFunc(GL_LEQUAL); // 設置深度測試類型
2. 繪制場景：
3.
展開 