自动驾驶 | VGGT-Long：极简主义驱动的公里级单目三维重建系统深度解析

1. 引言与背景

在自动驾驶、机器人导航等现实世界场景中，如何从单目RGB视频流中高效、准确地感知三维环境，是三维视觉领域长期未解的核心难题。与室内小场景的三维重建不同，自动驾驶等户外场景往往涉及数公里的长轨迹、稀疏的帧间对应关系、动态物体干扰以及复杂的光照和天气条件。这些因素极大地挑战了现有的三维视觉基础模型和传统SLAM/SfM系统。

近年来，基于Transformer架构的三维视觉基础模型（如DUSt3R、MASt3R、CUT3R、Fast3R、VGGT等）在小规模场景下展现了强大的端到端三维重建能力。这些模型通过大规模数据集训练，将相机位姿估计、内参回归和三维点云生成集成于统一的深度学习框架中，极大地简化了传统多模块系统的复杂性。然而，这类模型在面对长序列、无标定、无深度监督的户外场景时，依然面临着显存/内存瓶颈和累积误差失控等关键挑战。

以VGGT为代表的最新基础模型，虽然在局部重建精度上已达到业界领先水平，但其巨大的计算和内存需求严重限制了在大规模场景下的应用。例如，单张24GB显存的RTX 4090显卡仅能处理60-80帧图像，若要处理KITTI Seq 00（约4600帧），理论上需要高达1800GB显存，这远超当前主流硬件的能力。因此，如何突破基础模型的可扩展性瓶颈，实现公里级、无界户外环境下的高精度单目三维重建，成为推动三维视觉基础模型走向实际应用的关键。

针对上述难题，VGGT-Long (http://github.com/lovelyyoshino/VGGT-Long-glb) 提出了一种极简高效的系统框架，通过分块处理、重叠对齐和轻量级回环优化，将VGGT模型的强大局部能力无缝扩展到长序列、公里级场景，极大地降低了系统复杂度和工程门槛。本文将结合项目源码、论文理论与实际应用，系统性剖析VGGT-Long的设计理念、核心技术与工程实现，帮助读者全面理解其背后的科学原理与工程价值。

2. 设计哲学与整体架构

2.1 极简主义驱动的系统设计

VGGT-Long的核心设计理念是“极简主义”：在不牺牲精度的前提下，最大限度地降低系统复杂度，充分释放基础模型的潜力。与主流的多模块SLAM系统（如MASt3R-SLAM、传统SfM/SLAM）不同，VGGT-Long拒绝引入冗余的后端优化、繁琐的图优化流程和复杂的多传感器融合。其目标是让基础模型（VGGT）成为系统的唯一“引擎”，通过巧妙的分块、对齐和轻量级全局优化，实现端到端的公里级三维重建。

这种设计哲学带来了诸多优势：

• • 工程实现简单：极大降低了开发和维护成本，便于快速迭代和迁移。
• • 系统鲁棒性高：减少了依赖链和模块间耦合，降低了出错概率。
• • 易于扩展和下游应用：为后续的三维理解、场景语义分割等任务提供了简洁的接口。

2.2 系统整体流程图

下面是VGGT-Long的系统流程图，展示了从输入到输出的全链路处理过程：

2.3 与传统SLAM系统的对比

VGGT-Long以最小的系统工程量，实现了与传统方法媲美甚至超越的三维重建精度，为基础模型在真实场景下的落地应用提供了全新范式。

3. 分块处理与内存管理机制详解

3.1 重叠分块算法原理

VGGT-Long采用滑动窗口式的重叠分块策略，将长序列I={I1,...,IN}划分为K个重叠块。每个块长度为L，重叠区域为O。第k个块的帧索引为：

这种设计保证了：

• • 每个块可独立送入VGGT模型推理，避免内存溢出
• • 块间重叠区域为后续对齐提供了充足的空间几何约束
• • 支持任意长度序列的线性扩展

代码实现片段

在vggt_long.py中，分块逻辑如下：

if len(self.img_list) <= self.chunk_size:    num_chunks = 1    self.chunk_indices = [(0, len(self.img_list))]else:    step = self.chunk_size - self.overlap    num_chunks = (len(self.img_list) - self.overlap + step - 1) // step    self.chunk_indices = []    for i in range(num_chunks):        start_idx = i * step        end_idx = min(start_idx + self.chunk_size, len(self.img_list))        self.chunk_indices.append((start_idx, end_idx))

其中chunk_size和overlap均可在configs/base_config.yaml中灵活配置。例如：

Model:  chunk_size: 60  overlap: 30

3.2 内存优化与中间结果落盘

分块推理后，每个子块的推理结果（深度、位姿、点云等）会被立即保存到磁盘，而不是长时间驻留在内存中。这一策略极大降低了CPU内存峰值，避免了大规模场景下的OOM风险。只有在后续对齐、全局优化等阶段，才会按需加载对应块的数据。

3.2.1 代码实现片段

def process_single_chunk(self, range_1, chunk_idx=None, range_2=None, is_loop=False):    """    处理单个图像块    Args:        range_1 (tuple): 第一个图像范围 (start_idx, end_idx)        chunk_idx (int, optional): 块索引，用于常规处理        range_2 (tuple, optional): 第二个图像范围，用于循环检测        is_loop (bool): 是否是循环检测处理    Returns:        dict or None: 如果是循环处理或有range_2，返回预测结果；否则返回None    功能说明：    - 加载指定范围的图像    - 使用VGGT模型进行推理    - 将位姿编码转换为外参和内参矩阵    - 保存结果到磁盘以节省内存    """    start_idx, end_idx = range_1    chunk_image_paths = self.img_list[start_idx:end_idx]    # 如果有第二个范围，合并图像路径（用于循环检测）    if range_2 is not None:        start_idx, end_idx = range_2        chunk_image_paths += self.img_list[start_idx:end_idx]    # 加载和预处理图像    images = load_and_preprocess_images(chunk_image_paths).to(self.device)    print(f"Loaded {len(images)} images")    # 验证图像格式: [B, 3, H, W]    assert len(images.shape) == 4    assert images.shape[1] == 3    # 清理GPU缓存    torch.cuda.empty_cache()    # 使用VGGT模型进行推理    with torch.no_grad():        with torch.cuda.amp.autocast(dtype=self.dtype):            predictions = self.model(images)    torch.cuda.empty_cache()    print("Converting pose encoding to extrinsic and intrinsic matrices...")    # 将位姿编码转换为外参和内参矩阵    extrinsic, intrinsic = pose_encoding_to_extri_intri(predictions["pose_enc"], images.shape[-2:])    predictions["extrinsic"] = extrinsic    predictions["intrinsic"] = intrinsic    print("Processing model outputs...")    # 将GPU张量转换为CPU numpy数组    for key in predictions.keys():        if isinstance(predictions[key], torch.Tensor):            predictions[key] = predictions[key].cpu().numpy().squeeze(0)    # 确定保存路径和文件名    if is_loop:        save_dir = self.result_loop_dir        filename = f"loop_{range_1[0]}_{range_1[1]}_{range_2[0]}_{range_2[1]}.npy"    else:        if chunk_idx is None:            raise ValueError("chunk_idx must be provided when is_loop is False")        save_dir = self.result_unaligned_dir        filename = f"chunk_{chunk_idx}.npy"    save_path = os.path.join(save_dir, filename)    # 存储相机位姿信息（仅对常规块处理）    if not is_loop and range_2 is None:        extrinsics = predictions['extrinsic']        chunk_range = self.chunk_indices[chunk_idx]        self.all_camera_poses.append((chunk_range, extrinsics))    # 压缩深度图维度    predictions['depth'] = np.squeeze(predictions['depth'])    # 保存预测结果到磁盘    np.save(save_path, predictions)    # 根据处理类型返回结果    return predictions if is_loop or range_2 is not None else None

此外，系统支持自动清理临时文件，释放磁盘空间：

def close(self):    """    清理临时文件并计算回收的磁盘空间    该方法删除处理过程中生成的所有临时文件，包括三个目录：    - 未对齐结果目录    - 已对齐结果目录    - 循环检测结果目录    性能说明：    - 每个子地图通常占用约350 MiB的磁盘空间    - 对于4000张图像的输入流，临时文件总计可消耗60-90 GiB存储空间    - 处理完成后进行清理对于防止不必要的磁盘空间占用至关重要    Returns:        无返回值，但会打印回收的磁盘空间大小    """    # 如果配置为不删除临时文件，则直接返回    if not self.delete_temp_files:        return    total_space = 0    # 删除未对齐结果目录中的文件    print(f'Deleting the temp files under {self.result_unaligned_dir}')    for filename in os.listdir(self.result_unaligned_dir):        file_path = os.path.join(self.result_unaligned_dir, filename)        if os.path.isfile(file_path):            total_space += os.path.getsize(file_path)            os.remove(file_path)    # 删除已对齐结果目录中的文件    print(f'Deleting the temp files under {self.result_aligned_dir}')    for filename in os.listdir(self.result_aligned_dir):        file_path = os.path.join(self.result_aligned_dir, filename)        if os.path.isfile(file_path):            total_space += os.path.getsize(file_path)            os.remove(file_path)    # 删除循环检测结果目录中的文件    print(f'Deleting the temp files under {self.result_loop_dir}')    for filename in os.listdir(self.result_loop_dir):        file_path = os.path.join(self.result_loop_dir, filename)        if os.path.isfile(file_path):            total_space += os.path.getsize(file_path)            os.remove(file_path)    print('Deleting temp files done.')    # 显示回收的磁盘空间（以GiB为单位）    print(f"Saved disk space: {total_space/1024/1024/1024:.4f} GiB")

3.3 分块策略的优势与工程价值

• • 线性扩展性：无论输入序列多长，显存/内存消耗始终受控
• • 高效I/O管理：中间结果落盘，支持断点续算与分布式处理
• • 灵活参数配置：可根据硬件能力和场景需求自定义分块粒度
• • 为后续对齐与全局优化提供基础：重叠区域为Sim3对齐和回环优化提供了充足的空间约束

通过分块与内存优化，VGGT-Long实现了基础模型在公里级、无界场景下的高效运行，为后续的对齐、优化和点云合成打下坚实基础。

4. VGGT推理引擎：加载、推理流程与优化

4.1 模型加载与权重管理

VGGT-Long的核心引擎是VGGT基础模型。系统启动时会自动加载本地预训练权重，并根据硬件环境（如GPU架构）自动选择最优的数据类型（float16/bfloat16），以兼顾推理速度与显存占用。

代码实现片段

# 加载VGGT模型self.model = VGGT()# 从本地文件加载预训练权重_URL = self.config['Weights']['VGGT']state_dict = torch.load(_URL, map_location='cuda')self.model.load_state_dict(state_dict, strict=False)self.model.eval()  # 评估模式self.model = self.model.to(self.device)  # 移动到GPU/CPU

4.2 图像批量预处理与输入

每个分块的图像会被批量加载、归一化、调整尺寸，并转换为PyTorch张量，送入VGGT模型。预处理流程保证了输入数据的统一性和高效性。

images = load_and_preprocess_images(chunk_image_paths).to(self.device)

4.3 推理主流程与多精度加速

推理阶段采用PyTorch的自动混合精度（AMP），在A100等新一代GPU上可自动切换bfloat16，显著提升推理速度并降低显存消耗。

with torch.no_grad():    with torch.cuda.amp.autocast(dtype=self.dtype):        predictions = self.model(images)torch.cuda.empty_cache()

4.4 结果解码与结构化输出

VGGT模型输出包括：

• • 位姿编码（pose_enc）
• • 深度图（depth）
• • 置信度（confidence）
• • 图像特征等

系统会将位姿编码解码为外参/内参矩阵，并将所有张量转为numpy格式，便于后续处理。

extrinsic, intrinsic = pose_encoding_to_extri_intri(predictions["pose_enc"], images.shape[-2:])predictions["extrinsic"] = extrinsicpredictions["intrinsic"] = intrinsic# 张量转numpyfor key in predictions.keys():    if isinstance(predictions[key], torch.Tensor):        predictions[key] = predictions[key].cpu().numpy().squeeze(0)

4.5 推理流程小结与工程优化

• • 自动释放显存：每次推理后主动清理GPU缓存，防止显存碎片化。
• • 批量推理与分块结合：最大化GPU利用率，兼顾速度与内存安全。
• • 灵活的输入适配：支持jpg/png等多种格式，自动适配灰度/彩色图像。
• • 高效的结构化输出：为后续Sim3对齐、点云生成等模块提供标准化数据接口。

通过上述推理引擎设计，VGGT-Long不仅保证了基础模型的高效运行，还为大规模三维重建任务提供了坚实的算力与数据基础。

5. 置信度感知对齐与IRLS鲁棒Sim3估计

5.1 问题背景与动机

在分块处理后，不同子块的点云和相机轨迹存在尺度、旋转、平移的不一致，尤其在动态场景、天空区域或低纹理区域，传统点云对齐方法易受噪声和异常值影响。VGGT-Long创新性地引入置信度感知对齐，利用VGGT输出的点云置信度信息，结合IRLS（迭代加权最小二乘）鲁棒Sim3估计，实现高精度、抗干扰的块间对齐。

5.2 数学原理与优化目标

对于每对相邻块和，在重叠区域内选取点云对及其置信度，目标是估计Sim(3)变换（含尺度、旋转、平移），使得：

其中为Huber损失，抑制异常值影响。IRLS优化每步的加权最小二乘目标为：

权重由置信度和残差共同决定：

其中。

5.3 工程实现与关键代码

VGGT-Long采用加权Umeyama算法高效求解Sim3，低置信度点（如天空、动态物体）自动被降权或剔除。

# 置信度阈值过滤conf_threshold = min(np.median(conf1), np.median(conf2)) * 0.1# 加权点云对齐s, R, t = weighted_align_point_maps(point_map1, conf1, point_map2, conf2, conf_threshold=conf_threshold, config=self.config)

IRLS主循环伪代码如下：

def weighted_align_point_maps(...):    for iter in range(max_iters):        # 计算残差和权重        weights = confidence * huber_weight(residuals)        # 加权Umeyama求解Sim3        s, R, t = weighted_umeyama(src, tgt, weights)        # 检查收敛        if ...: break    return s, R, t

5.4 效果可视化与鲁棒性分析

下图展示了置信度感知对齐在动态场景下的优势。高置信度点（如建筑物、静态地面）主导对齐，低置信度点（如车辆、天空）被自动抑制，有效提升了对齐精度和全局一致性。

5.5 工程价值与创新点

• • 极强的鲁棒性：动态物体、天空等异常区域自动降权，显著提升对齐精度
• • 高效收敛：IRLS+加权Umeyama算法，3-5次迭代即可收敛，毫秒级运行速度
• • 无须人工干预：完全端到端，适应各种复杂户外场景

置信度感知对齐是VGGT-Long实现公里级高精度重建的关键创新，为后续的回环优化和全局一致性奠定了坚实基础。

6. 循环检测系统：DBoW2与DNIO v2对比与实现

6.1 回环检测的意义

在长序列三维重建中，累积误差（漂移）是影响全局一致性的主要难题。回环检测（Loop Closure）通过识别序列中“走回原地”的时刻，为全局Sim3优化提供强约束，有效抑制误差积累，实现大范围场景的闭环一致性。

6.2 DBoW2方法原理与流程

DBoW2（Bag of Binary Words）是一种基于ORB等局部特征的图像检索方法。其核心流程包括：

• • 提取每帧图像的ORB特征
• • 构建视觉词袋数据库
• • 检索相似帧，计算相似度分数
• • 通过阈值和NMS筛选高置信度回环对

代码实现片段

# DBoW2回环检测主流程for frame_id, img_path in tqdm(enumerate(self.img_list)):    image_ori = np.array(Image.open(img_path))    if len(image_ori.shape) == 2:        image_ori = cv2.cvtColor(image_ori, cv2.COLOR_GRAY2RGB)    frame = cv2.resize(image_ori, None, fx=0.5, fy=0.5, interpolation=cv2.INTER_AREA)    self.retrieval(frame, frame_id)    cands = self.retrieval.detect_loop(thresh=..., num_repeat=...)    if cands is not None:        self.retrieval.confirm_loop(*cands)        self.loop_list.append(cands)

DBoW2优点是实现简单、速度快、对光照/视角变化有一定鲁棒性，缺点是对动态场景、纹理稀疏区域易误检或漏检。

6.3 DNIO v2方法原理与流程

DNIO v2是一种基于深度学习的视觉位置识别（VPR）方法，采用DINOv2等大模型提取全局特征，流程如下：

• • 用DINOv2等ViT模型提取每帧全局描述子
• • 计算所有帧间的特征相似度（如余弦相似度）
• • 通过阈值和NMS筛选高置信度回环对
• • 支持大尺度、语义丰富的场景

代码实现片段

# DNIO v2回环检测主流程self.loop_detector.run()self.loop_list = self.loop_detector.get_loop_list()

DNIO v2优点是对大尺度、语义丰富、动态场景有更强鲁棒性，缺点是推理速度略慢，对显存有一定要求。

6.4 LoopModels模块结构与扩展性

VGGT-Long通过LoopModels和LoopModelDBoW模块实现了两种回环检测方案的无缝切换。配置文件中useDBoW参数可灵活选择：

Model:  useDBoW: False  # True为DBoW2，False为DNIO v2

LoopModels模块结构如下：

• • LoopModels.LoopModel.LoopDetector：DNIO v2主类，负责特征提取与回环筛选
• • LoopModelDBoW.retrieval.retrieval_dbow.RetrievalDBOW：DBoW2主类，负责词袋构建与检索

6.5 两种方法对比与工程建议

实际工程中，推荐优先使用DNIO v2，特殊场景下可切换DBoW2以提升速度。

6.6 回环检测的工程价值

• • 全局一致性保障：为Sim3优化提供强约束，消除长序列漂移
• • 端到端集成：与VGGT-Long主流程无缝衔接，支持大规模场景
• • 灵活可扩展：支持多种VPR模型，便于后续算法升级

回环检测系统是VGGT-Long实现公里级高精度重建的又一核心模块，为全局优化和实际应用提供了坚实保障。

7. 全局Sim3 LM优化算法：理论、实现与效果

7.1 问题背景与目标

即使有分块对齐和回环检测，长序列中仍会因局部误差积累导致全局轨迹漂移。为实现全局一致性，VGGT-Long引入了基于Sim(3)的全局Levenberg-Marquardt（LM）优化，将所有块间的相对变换和回环约束统一纳入非线性最小二乘框架，联合优化所有Sim(3)变量。

7.2 数学原理与优化目标

设为每个块的Sim(3)变换，为相邻块间的相对Sim(3)，为回环块间的Sim(3)。优化目标为：

其中为所有回环对，为Sim(3)李群到李代数的对数映射，便于在欧氏空间内优化。

7.3 LM优化流程与工程实现

VGGT-Long采用LM算法高效求解上述非线性最小二乘问题，变量量级远小于传统BA/PGO，收敛速度极快。

关键代码片段

# 构造初始Sim3序列input_abs_poses = self.loop_optimizer.sequential_to_absolute_poses(self.sim3_list)# 全局LM优化self.sim3_list = self.loop_optimizer.optimize(self.sim3_list, self.loop_sim3_list)# 优化后Sim3序列optimized_abs_poses = self.loop_optimizer.sequential_to_absolute_poses(self.sim3_list)

优化主循环伪代码如下：

def optimize(sim3_list, loop_sim3_list):    for iter in range(max_iters):        # 构建残差和雅可比矩阵        residuals, jacobian = build_residuals_and_jacobian(...)        # LM步长更新        delta = solve_lm(residuals, jacobian)        # 更新Sim3变量        update_sim3_vars(sim3_list, delta)        if converged(...): break    return sim3_list

8. 项目结构与核心模块分析

8.1 目录结构总览

VGGT-Long项目采用模块化设计，核心目录结构如下：

VGGT-Long/├── vggt_long.py                # 主程序入口，整体流程调度├── configs/                    # 配置文件（模型、分块、回环等参数）├── vggt/                       # VGGT模型及其工具集│   ├── models/                 # VGGT主干网络实现│   ├── utils/                  # 图像、几何、加载等工具│   └── layers/                 # 网络层实现├── LoopModels/                 # 回环检测（DNIO v2等）│   └── LoopModel.py            # 回环检测主类├── LoopModelDBoW/              # 回环检测（DBoW2）│   └── retrieval/retrieval_dbow.py # DBoW2主类├── loop_utils/                 # Sim3对齐、全局优化、可视化等工具│   ├── sim3utils.py            # 置信度加权对齐│   ├── sim3loop.py             # 全局Sim3 LM优化│   └── visual_util.py          # 点云/轨迹导出与可视化├── read_ply.py                 # 点云读取与可视化脚本├── export_glb.py               # glb模型导出脚本└── exps/                       # 实验输出目录

8.2 核心模块关系图

8.3 主要模块职责说明

• • vggt_long.py：主控流程，负责分块、推理、对齐、回环、全局优化、结果导出等全链路调度。
• • configs/base_config.yaml：集中管理所有参数，支持灵活实验配置。
• • vggt/models/vggt.py：VGGT基础模型实现，负责深度、位姿、置信度等核心推理。
• • LoopModels/LoopModel.py：基于DINOv2等的回环检测主类，适用于大尺度、动态场景。
• • LoopModelDBoW/retrieval/retrieval_dbow.py：DBoW2回环检测主类，适用于静态、纹理丰富场景。
• • loop_utils/sim3utils.py：置信度加权Sim3对齐算法实现。
• • loop_utils/sim3loop.py：全局Sim3 LM优化算法实现。
• • loop_utils/visual_util.py：点云、轨迹等结果的导出与可视化。
• • read_ply.py / export_glb.py：点云/模型的读取、可视化与导出脚本。

8.4 工程设计亮点

• • 高内聚低耦合：各模块职责清晰，便于维护和扩展
• • 配置驱动：所有参数集中管理，实验复现与调优便捷
• • 可视化与导出友好：支持多种格式的点云/轨迹/模型导出，便于下游分析与展示

通过模块化与清晰的工程结构，VGGT-Long不仅便于开发者理解和二次开发，也为大规模三维重建任务的工程落地提供了坚实基础。

9. VGGT-Long使用教程（安装与运行全流程）

本节将结合项目README.md (http://xn--readme-2g6j414c4uxw69aefsj9jw35e.md/) ，详细介绍VGGT-Long的环境搭建、依赖安装、权重下载、可选模块编译、运行方法、结果可视化与导出等全流程，适合新手和进阶用户参考。

9.1 硬件与系统环境建议

• • 推荐GPU：NVIDIA RTX 4090（24GB显存）及以上，支持A100/H100等数据中心级GPU
• • 操作系统：Ubuntu 22.04及以上
• • CUDA版本：11.8
• • Python版本：3.10
• • 内存建议：>64GB，磁盘空间>100GB

实测环境如下：

• • CPU: Intel Xeon(R) Gold 6128 CPU @ 3.40GHz × 12
• • GPU: NVIDIA RTX 4090 (24 GiB VRAM)
• • 内存: 67.0 GiB (DDR4, 2666 MT/s)
• • 硬盘: Dell 8TB 7200RPM HDD (Seq. Read 220 MiB/s)

9.2 环境搭建与依赖安装

1. 创建Python虚拟环境

推荐使用conda/miniconda：

conda create -n vggt-long python=3.10conda activate vggt-long

2. 安装PyTorch（CUDA 11.8）

pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url <https://download.pytorch.org/whl/cu118>

3. 安装其他依赖

pip install -r requirements.txtpip install trimesh pypose

9.3 权重下载

运行权重下载脚本：

bash ./scripts/download_weights.sh

9.4 可选：编译C++加速模块

1. Sim3求解器（推荐）

Python版Sim3求解器已内置，无需C编译即可运行。但推荐安装C版以获得更高稳定性和速度：

python setup.py install

2. DBoW2回环检测模块（可选）

安装OpenCV C++ API：

sudo apt-get install -y libopencv-dev

编译DBoW2：

cd DBoW2mkdir -p build && cd buildcmake ..makesudo make installcd ../..

安装图像检索模块：

pip install ./DPRetrieval

9.5 运行VGGT-Long主程序

1. 基本运行命令

CUDA_LAUNCH_BLOCKING=1 \\python vggt_long.py --image_dir ./path_of_images

2. 指定配置文件

python vggt_long.py --image_dir ./path_of_images --config ./configs/base_config.yaml

若遇到RuntimeError: GET was unable to find an engine to execute this computation，请升级torch和xformers：

torchaudio==2.4.1+cu118 --index-url<https://download.pytorch.org/whl/cu118> pip install xformers==0.0.28

9.6 点云结果读取与可视化

项目自带点云读取与可视化脚本，支持trimesh、open3d、matplotlib等多种方式：

python read_ply.py [PLY文件路径]

默认路径：./exps/._output_images_/2025-07-25-13-22-24/pcd/combined_pcd.ply

9.7 导出glb三维模型

可直接导出glb格式三维模型，便于在网页或第三方工具中浏览：

python export_glb.py --image_dir ./output_images/ --config ./configs/base_config.yaml

可用创造家3D模型在线查看工具 (https://www.chuangzaojia.com/tools/3d-view.html) 进行浏览：

10. 参考资料

• • VGGT-Long: arXiv论文 (https://arxiv.org/abs/2507.16443)
• • VGGT官方仓库 (https://github.com/facebookresearch/vggt)
• • DPVO官方仓库 (https://github.com/princeton-vl/DPVO)
• • GigaSLAM官方仓库 (https://github.com/DengKaiCQ/GigaSLAM)

更多ROS、具身智能相关内容，请关注古月居

👉 关注我们，发现更多有深度的自动驾驶/具身智能/GitHub 内容！

🚀 往期内容回顾 👀