MULTIVIEW CAD EXPERIMENT

多图与大语言模型三维重建实验

四视角 RGB + 相机标定 → 参数化 CAD → 几何校正 → 网格 / 点云
● 读取实验文件…
—模型请求已结束 / 12
—完成 CAD 与几何校正 / 12
—已评价预测（含校正前后）
未运行抓取模型未运行；机器人执行 0 次
正在进行开发验证。点云来自模型预测的 CAD 表面采样；点数多不代表形状正确。真值仅由独立评价程序读取。
METHOD / 方法流程

从多张图片到可检验的三维结果

点击步骤，查看它使用什么信息、执行什么操作、输出什么结果。

pilot-v1.1 · 整体几何校正方法版本日期 2026-10-12

校正内部循环：标定投影 → 四视角轮廓比较 → 调整整体参数 → 再投影

参考真值

参考真值只进入第 06 步独立评价，不回流到第 04 步校正。

01 · 采集多视角观测

同一场景提供四个视角的 RGB 图片，以及相机内参、外参和目标区域。标定描述像素、相机和世界坐标之间的关系，后续投影校正直接使用这些参数。

输入 四视角 RGB、标定文件、目标区域输出 统一坐标系下的多视角观测

后续 CAD 生成仅调用 Opus；页面中的 GPT 结果保留为历史对照。新纠错机制正在私有验证；公开方法升级时同步更新此图。

拖动点云旋转，滚轮缩放

全部调用与处理记录

场景模型 / 尝试模型调用CAD / 校正API 耗时输入 / 输出 token模型原文

方法和实验边界

输入四张标定 RGB，模型生成盒体、圆柱及布尔操作参数；可信 CAD 内核构建实体。现有校正器比较四视角轮廓，调整整体三轴尺度、旋转和平移，再从表面采样点云。校正没有使用真值几何，真值只用于独立评价。

GPT-6 Astra 六次预测的平均表面误差：直接 CAD 0.656 mm，整体校正后 0.530 mm。Opus 5.5：7.995 mm → 0.930 mm。GPT 垫圈三次平均误差由 0.156 mm 增至 0.450 mm，说明图像拟合更好并不保证三维几何更准确。

这些是两个合成开发场景的结果，尚未验证真实照片、复杂自由曲面或实际抓取。未观测部分是模型补全；10,000 个点是采样数量，不是独立深度测量。新增研究机制尚未公开。

相关公开工具：CadQuery · TeamRouter 接口