实物扫描是怎么拼出模型的？多角度重建

AI 可以凭一段描述直接「想」出一个 3D 模型，但想让数字模型像一件真实存在的物品，另一条路更稳：围着实物拍一圈照片，让算法从照片里把几何重建出来。这条路的核心动作是找同名点和三角测量，每一步都有几何依据，靠证据说话，猜的成分比生成少得多。这篇按重建的顺序拆解整个过程，顺带说清它和文生 3D 的分工。

第一步：在照片之间找同名点

围着物体从各个角度拍几十上百张照片，重建算法接手后的第一件事是匹配：在相邻照片里找出同一个物理点各自的成像位置。它找的是特征点——纹理的角点、边缘的交点、图案里辨识度高的位置，这些点在不同视角下容易认出来。两张照片重叠区域里的同名点越多，后面的计算越可靠。这也是为什么纯色、反光、透明的物体最难扫：表面没有可辨认的特征，算法找不到可供对齐的锚点，重建就散架。

第二步：三角测量把深度算出来

找到同名点后，深度是算出来的。相机的拍摄位置经过标定后已知，同一个点在两张照片里的像点也已知，于是可以画两条视线：从相机一出发穿过像点一的射线，和从相机二出发穿过像点二的射线。两条线在空间里相交，交点就是这个物理点的三维位置。上百张照片、几万个同名点，海量视线交叉之后就得到一团带空间坐标的点云，再把点云连成表面，补上纹理，模型就成形了。这一段的几何并不高深，遇到卡壳的术语，让 Kimi 或 DeepSeek 用白话拆一遍，理解成本能降不少。

质量的上限在拍摄不在算法

重建质量几乎被拍摄环节锁死。覆盖要全：底部、背面、缝隙内侧漏拍了，那里就是空洞。重叠要够：相邻照片之间没有足够的共同视野，同名点接不上，模型会裂成几块互不相接的碎片。光照要稳：曝光忽明忽暗会干扰匹配。反光和透明是另一类麻烦，玻璃杯扫出来多半带坑洞，因为镜面反射出来的「同名点」根本不对应同一个物理位置。拍摄前把物件清单、角度清单列出来逐项过，比事后补拍省事得多，这类准备清单让豆包按物件类型生成一份草稿再人工改，效率不低。

和文生 3D 差在「看见」还是「猜」

文生 3D 走的是另一条路：从文字的语义出发推断形状，链路在AI 生成 3D 模型一篇里讲过，没描述到的细节全靠模型自行脑补。扫描则是每一个顶点都有照片证据支撑，没拍到的地方老老实实留洞。两条路各有地盘：复刻一件实物、存档文物、给电商出 3D 展示，扫描的还原度占优；凭空造一个原画里的生物，生成更自由。选哪条路别只看宣传参数，能力要看具体任务里的表现，跑分与任务一篇讲过怎么读这类指标。实际项目里两条路还常接续用：扫描拿到几何，生成补材质和细节，再用多视角下的检查思路（见3D 多视角一致性）核对补出来的部分转起来穿不穿帮。

扫描重建三要素

• 同名点：跨照片认出同一个物理点，是一切计算的地基
• 三角测量：已知相机位置，两条视线相交定出三维坐标
• 拍摄纪律：覆盖全、重叠足、光照稳，缺一样都在给算法挖坑

再多说几句实物扫描

• 手机能做实物扫描吗？：能。多角度拍照加重建应用的组合已经能出可用的模型，精细度比不上专业设备，做展示和预览够用。
• 扫描出来的模型能直接用吗？：多数要再清理，补洞、减面、重做材质都是常规动作，和生成模型进引擎前的整理类似。
• 多大的物体适合扫？：从手办到建筑都有对应方案，差别在拍摄设备和距离，原理是同一套同名点加三角测量。