融合地面激光扫描、生成式人工智能与混合现实技术进行数字遗产重建

摘要

该可复现的实验方案展示了一种用于数字文化遗产重建的工作流程。该流程结合地面激光扫描技术获取遗址几何结构，利用生成式人工智能从档案资料中重建已消失的文化元素，并通过混合现实技术对这些合成元素进行可视化呈现。 原位.

摘要

发展中国家地区城市化进程的快速推进，引发了建筑遗产保护的双重危机：建筑物的物理性退化以及文化记忆的无形消散。传统的保护方法主要依赖静态记录手段，如摄影和人工测绘，已日益难以充分捕捉这些历史遗址复杂的时空维度。本研究提出一种创新的组合式方法论框架，旨在弥合严谨存档与动态公众参与之间的鸿沟。我们详细阐述了一套工作流程，该流程协同整合了三种不同技术：地面激光扫描（Terrestrial Laser Scanning, TLS），以毫米级精度获取建筑实体的几何特征；基于档案资料的条件生成式人工智能（Conditional Generative Artificial Intelligence, CGAI），用于生成遗失文化元素（特别是传统庙会建筑结构）的历史性视觉再现；以及通过全息头戴设备实现的增强现实（Augmented Reality, AR）技术，将上述图层叠加为统一的混合现实（Mixed Reality, MR）体验。本方案描述了从数据采集策略、点云数据处理，到人工智能驱动的模型生成及最终部署的完整流程。该方法生成了一种动态的数字拟像，成功将高精度空间数据与阐释性文化可视化内容叠加融合，为城市遗产地标提供了一种技术上可行且可扩展的数字化保护与增强展示工作流程。

引言

建筑遗产的保护是当代城市规划与文化可持续发展讨论中的关键任务^1,2。随着城市快速现代化和数字化，发展与保护之间的矛盾日益尖锐³。这一现象在中国中原地区尤为明显，该地区作为文明的摇篮，正面临城市扩张带来的持续压力^4,5。文化遗产的保护不仅限于对物质遗存的维护，更包括对历史背景的守护、文化意义的传承以及遗产地真实性的保持⁶。遗产保护并非被动的存档行为，而是一种积极的文化复兴策略，它塑造国家与地区的身份认同，并使后代能够持续连接祖先的精神世界⁷。此外，对这些遗址的有效保护有助于构建一个与全球经济动态互动的多维文化生态，提升地区在国际舞台上的形象⁸。

尽管文化遗产保护的重要性已得到公认，但当前的研究和资金投入往往不成比例地倾向于少林寺或洛阳、开封历史中心等著名且具有纪念意义的遗址⁹。这使得郑州城隍庙等区域意义显著但全球知名度较低的地标性建筑处于被边缘化的状态¹⁰。如图1所示，建于明代的城隍庙是郑州地区保存较为完好的宗教建筑的典型代表。历史上，它不仅是一个宗教场所，更是社会、经济和民间活动的重要枢纽，尤以庙会最为突出¹¹。这些庙会曾是城隍庙的生命力所在，将祭祀、商业和娱乐融为一体，形成一种统一的文化表达形式¹²。然而，现代商业化的扩张和城市功能区的重新规划导致这些传统庙会活动的中断，从而引发保护困境。尽管庙宇的物理结构尚存，但其无形的精神内涵——喧闹的氛围、视觉上的活力以及社会互动——已基本消失。这种“场所”（空间加社会功能）的丧失凸显出亟需能够同时恢复物质结构与非物质氛围的保护方法^13，14。因此，本研究中详述的方案明确针对具有此类特定二元特征的遗产地：即建筑本体仍保持结构完整，但与其相关的短暂性文化语境和非物质文化遗产已丧失的场所。

图1。郑州城隍庙入口立面现状照片。 请点击此处查看此图的放大版本。

在文化遗产保护中应用数字技术为这一难题提供了变革性的解决方案。保护原则要求维护物质本体的年代学价值⁶。传统的模拟方法，如手工测量和二维摄影，往往无法全面记录古代建筑复杂的几何形态，也无法复原已消失的短暂场景。因此，该领域已转向“数字孪生”技术——这一概念最初源于航空航天工程，旨在创建一个贯穿物理实体全生命周期的虚拟复制品¹⁵。在文化遗产语境中，数字孪生体作为一种精确且不可篡改的档案，可支持诊断、预测与交互功能¹⁶。

地面激光扫描（TLS）已成为构建此类数字孪生体几何层的基础技术。TLS利用激光雷达（LiDAR，即光探测与测距）技术，每秒可捕获数百万个数据点，生成高密度的点云，以毫米级精度记录建筑物的每一条裂缝、倾斜和纹理¹⁷。该技术为非接触式，适用于脆弱结构，且相较于全站仪测量具有更高的效率。近年来的应用已证明了TLS在复杂场景中的有效性：Marsella 等人¹⁸利用TLS评估了梵蒂冈圣彼得大教堂的结构安全性，识别出肉眼无法察觉的微小形变。类似地，Barontini 等人¹⁹开发了一种历史建筑信息建模（HBIM）框架，将TLS数据整合用于预防性保护。TLS在诊断技术状况方面的能力——如墙体开裂、基础沉降和楼板挠曲——为实体修复干预提供了科学依据^20,21。

然而，尽管地面激光扫描技术（TLS）在记录现存物理现实中表现出色，却无法复原已消失的历史真实。点云数据具有高精度，但它是静态的，且缺乏历史背景。为了重建缺失的历史场景——例如庙会的繁华景象——本研究转向条件生成式人工智能（CGAI）这一新兴领域。与传统手工三维建模依赖建模者主观解读且耗时耗力不同，CGAI（如Stable Diffusion或腾讯慧眼3D）利用深度学习算法，根据文本描述生成视觉内容²²。通过分析大量历史建筑风格与纹理的数据集，CGAI能够基于档案文本和视觉资料，合成或重建出合理的歷史元素——如灯笼、旗帜、临时摊位等。这标志着从单纯记录现存事物，转向以数据驱动的逻辑模拟历史上曾经存在之物，填补实体档案中的空白²³。

最后的挑战在于这一数字模拟体的传播。如果公众无法访问，那么存储在服务器上的数字孪生体其社会价值将十分有限。增强现实（AR）和混合现实（MR）技术架起了物理世界与虚拟世界之间的桥梁，使得数字孪生体能够叠加到实际遗址之上²⁴。与将用户完全隔离在纯虚拟环境中的虚拟现实（VR）不同，增强现实（AR）在保持与物理遗产遗址连接的同时，通过数字信息对其进行增强。诸如 Fologram 等平台以及 Microsoft HoloLens 2 等设备，能够将高保真度的三维模型投射到真实世界的坐标系统中，促进参观者与重建历史之间的直接互动²⁵。这种沉浸式方法已被证明能显著提升参观者的参与度与理解力，将被动观看转变为积极的探索²⁶。

尽管现有文献通常孤立地讨论数字保护技术，但本文提出的集成化方案在方法学上具有显著的新颖性。首先，与标准的地面激光扫描（TLS）记录流程不同，后者虽能生成高精度但缺乏文化内涵的几何档案，而我们的方法引入了动态的语义上下文。其次，基于摄影测量的重建方法虽擅长对现存物理表面进行纹理映射，但在结构上无法复原那些已完全损毁且无实物遗存的文化遗产。最后，与当前许多增强现实（AR）文化遗产可视化系统频繁依赖手工制作的通用三维资源或将用户隔离在虚拟现实（VR）中不同，本工作流利用生成式计算机智能算法（CGAI），基于毫米级精度的TLS数据，直接生成具有特定场所性且符合历史背景的可视化内容。这一方法通过详述一种严谨且可重复的协议，填补了该领域的关键空白。为消除概念上的模糊性并建立清晰的方法论依据，我们明确界定了该工作流的核心组成部分：所谓“记录的几何信息”，是指对现存物理建筑结构所建立的高度精确、静态的三维空间复制品；此处必须使用TLS技术，以非接触方式精确捕捉这一不可否认的经验现实。相比之下，“AI生成的解释性重建”指的是基于档案文本推导出的、对已消失文化遗存（如节庆装饰）的视觉再现；此步骤必须依赖CGAI，因其合成的是基于历史信息的概率性解释，而非绝对的物理真实。最后，“混合现实”（MR）是实现场景原位可视化的必要手段，作为体验媒介，它能够将解释性的文化图层无缝叠加到现实世界中已记录的物理几何结构之上。通过围绕上述明确定义的概念构建本方法，这一组合式工作流不仅为中原地区城市文化遗产的数字化提供了可行的技术路径，也提出了数字时代下重新定义“保护”的新理论模型——即从物质的保存转向记忆的复兴^27，28。

方案

1. 历史数据收集与场地分析

1. 通过全面的档案审查启动项目。从当地档案馆、寺庙管理机构及相关文化遗产管理部门获取与目标遗产地（本案例为郑州城隍庙）相关的历史记录、照片、建筑图纸和文字描述。
2. 重点分析文本资料，识别其中对已消失的临时性元素的描述，例如庙会装饰、临时摊位、旗帜横幅以及特定的照明布置（如“红灯笼”、“舞龙”）。
3. 在白天进行初步实地调查，以了解场地地形并记录当前建筑的保存状况 (图 2)。记录建筑群的布局，注意中轴线、大殿位置、钟鼓楼以及可能阻碍激光扫描视线的障碍物，如古树或狭窄走廊。

图 2。初步现场调查期间拍摄的寺庙庭院当前景象。 请点击此处查看此图的放大版本。

4. 制定详细的扫描站点布设策略/部署方案。确定地面激光扫描仪（TLS）的具体坐标位置，以确保对所有结构实现360°覆盖。计划至少设置12个站点，并可根据现场复杂程度灵活扩展至18个站点。
5. 获取必要的行政许可，以便在非开放时段（通常为清晨07:00–08:30或傍晚17:00–18:30）进入现场，以最大限度减少行人活动带来的数据噪声。

2. 地基激光扫描（TLS）数据采集

1. 部署一台高精度相位式地面激光扫描仪。确认电池电量足以支持整个扫描过程，并确保SD存储卡具有足够的容量。
2. 将扫描仪三脚架架设在第一个预设测站位置（从主厅/区域A开始）。调节三脚架支腿，确保其在石质铺面上稳固。
3. 使用仪器内置的气泡水准器或设备界面中的数字倾角计对扫描仪进行调平，确保倾斜度小于0.5°，以保证点云数据的垂直性。
4. 通过设备自带的触摸屏界面配置扫描参数：
   1. 将分辨率设置为1/4或1/5（根据时间限制而定），确保在10 m距离处的点间距约为6 mm。
   2. 将质量 设置为3x或4x，以降低噪声。
   3. 启用彩色捕获功能（集成相机），将红、绿、蓝（RGB）纹理叠加到几何模型上。
   4. 确保扫描范围覆盖0.6 m至120 m，测距精度为±2 mm。
5. 对一小部分区域（例如钟楼）执行试扫描，以验证光照条件。检查预览图像，避免户外区域过曝或阴影檐下区域欠曝。
6. 开始进行完整扫描序列。在每个测站启动扫描后，立即退出扫描仪的视场范围，以避免投射阴影或出现在数据中（产生鬼影）。
7. 将扫描仪移至下一个测站，确保与前一个测站的数据至少有30–40%的重叠。该重叠对于后续的点云对点云配准过程至关重要。
8. 在每个测站使用外置数码单反（DSLR）相机拍摄高分辨率参考照片，以补充扫描仪内置相机的数据，尤其适用于精细雕刻或书法匾额等细节部位。

3. 点云数据处理

1. 将原始扫描数据（.fls 格式）从 SD 卡传输至运行处理软件的高性能工作站。
2. 将原始扫描数据导入软件项目工作区。
3. 对原始数据应用预处理滤波器：使用杂散点滤波器去除灰尘和飞行中的昆虫。
4. 使用暗扫描点滤波器去除来自高反射性或高吸收性表面的错误数据。
5. 执行自动配准。允许软件基于几何特征识别和 GPS 数据对扫描结果进行对齐。
6. 检查配准报告。确认平均张力误差（对应点之间的平均距离）低于 4mm。如果误差超过阈值，则进行手动配准。在两个重叠的扫描数据中选择三个明显共有的特征点（例如建筑物的角落、柱子）以强制对齐。
7. 应用移动物体滤波器，自动检测并移除在扫描过程中穿过场景的行人或鸟类等瞬态噪声。
8. 执行色彩平衡（多曝光调整），以均衡明亮天空与阴暗庙宇内部之间的亮度差异。
9. 生成项目点云，并将最终模型导出为结构化的 .E57 或 .OBJ 文件。确保文件大小可控（例如，若文件超过 10GB，可下采样至 5mm 的网格间距）。

4. 条件生成式人工智能（CGAI）建模

1. 根据步骤1.2的分析结果，确定需要重建的具体历史元素（例如，传统庙会摊位、灯笼）。
2. 使用选定的生成式人工智能图像平台。
3. 通过将档案资料（例如《正安县志》）中发现的语义描述和历史记录直接转化为视觉参数，构建精确的文本提示。例如，输入：“中国传统明代红色灯笼，发光，悬挂于屋檐下，高细节”或“木质市场摊位，古风，布质旗帜，具有3D纹理”。
4. 执行生成过程。通常，为每个历史元素生成20至30个迭代样本，以确保获得足够数量的风格变化和结构可能性的样本。
5. 在将任何生成的资源集成到最终的混合现实可视化场景之前，召集由文化遗产历史学家和领域专家组成的正式验证小组。通过将人工智能生成的样本与现存视觉档案及公认的历史共识进行交叉比对，筛选出符合历史真实性的输出结果。
6. 剔除包含时代错位特征或结构上不可能的结果。根据专家小组的明确反馈，调整并优化文本提示，以进一步提高模型的历史准确性。

5. 集成与数字孪生构建

1. 打开三维建模环境。
2. 将处理后的地面激光扫描点云数据（.OBJ格式）导入三维建模软件中。
3. 导入由生成式人工智能（CGAI）创建的模型资源。
4. 在点云环境中手动对齐并定位生成式人工智能模型资源。根据历史布局分析，将灯笼置于屋檐下方，将摊位布置在庭院空间中。
5. 使用软件的建模工具，清理点云与人工智能模型之间存在的任何网格交叉或比例不一致问题。
6. 对整合后的模型进行纹理映射。将扫描仪获取的高动态范围（HDR）图像应用于点云网格，并确保人工智能模型具备合适的材质属性（如粗糙度、金属度）。
7. 将完全集成的数字孪生模型导出为 .GLTF（图形语言传输格式）文件。该格式针对网页和增强现实（AR）应用进行了优化。

6. 增强现实（AR）部署

1. 在工作站上为3D建模软件安装MR部署插件。
2. 在混合现实头显设备上安装配套应用程序。
3. 将工作站和MR头显连接至同一本地5GHz Wi-Fi网络，以确保低延迟的数据传输。
4. 在建模软件中启动MR插件，生成会话二维码。
5. 佩戴MR头显并启动配套应用，扫描二维码以同步会话。
6. 部署前评估现场环境条件。应严格安排在清晨或傍晚进行MR可视化会话，避免正午阳光带来的强烈红外干扰，此类干扰会严重削弱头显的空间追踪能力，导致模型漂移。
7. 执行现场模型对齐，并建立空间配准策略：
   1. 在现实世界中的稳定锚点位置（例如主香炉的石质基座）部署物理追踪标记（如ArUco标记或二维码）。我们明确建议采用基于标记的追踪方式，而非完全依赖空间环境映射，以抵御直射阳光引起的红外干扰，确保在复杂日光条件下模型的稳定性，并在自然空间锚点失效时提供可靠的备用方案。
   2. 利用头显的光学传感器检测标记，并自动将虚拟模型锁定至正确的坐标系中，仅通过头显中的手动手势进行微小的旋转微调，直至数字点云与实体结构完全重合。
8. 锁定模型位置。
9. 在场地内行走以验证配准的稳定性。必须严格维持对齐精度阈值，在用户主动移动过程中允许的最大视觉漂移仅为2–5 cm，以保持沉浸式体验的真实感。

结果

地面激光扫描工作于2024年11月实施，共布设18个扫描站点，以实现对主殿、入口广场和后殿区域的全面覆盖。如表1所述，扫描参数经过严格校准——具体采用1/4分辨率设置和4倍质量设置——在10米距离处获得约6.1 mm的点间距。该特定校准对于平衡高数据密度与现场采集效率至关重要。因此，在点云处理软件中进行原始数据处理时，通过结合利用显著建筑特征的手动优化，自动配准过程实现了平均点云配准误差恰好为3.5 mm（表1）。这一量化结果直接验证了所选扫描参数符合既定的成功标准。在建筑遗产记录中，点云配准误差的可接受阈值通常定义为<5.0 mm。实现3.5 mm的平均误差表明，结构变形、材料纹理以及复杂的木构节点（如斗拱构件）均被充分精确地记录，足以支持精细的结构分析与数字化重建。最大误差25 mm仅出现在古柏树冠区域，归因于风力引起的叶片运动，未影响砌体结构的数据质量。相反，在后殿区域的初始配准尝试中曾出现一次非理想结果，由于扫描重叠不足（<20%）以及重复几何图案，导致扫描对齐效果较差，配准误差超过15 mm。该问题通过返回手动配准得以成功解决，利用石质基座转角处的...

讨论

本研究成功展示了一种用于建筑遗产数字化复兴的组合方法学框架。通过整合地面激光扫描（TLS）、条件生成式人工智能（CGAI）和增强现实（AR）技术，我们建立了一套工作流程，突破了传统静态保护方法的局限，方法学框架总结如（图8）所示。

图 8．混合现实与数字孪生工作流程在文化遗产活化中的示意图框架。 请...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
数码单反相机	高分辨率参考摄影	N/A
FARO Focus3D S120	地面激光扫描仪 (TLS)	FARO Technologies
FARO SCENE 2019	点云数据处理软件	FARO Technologies
Fologram	混合现实（MR）开发插件与头显应用程序	Fologram
高性能工作站	数据处理与渲染	N/A
Microsoft HoloLens 2	混合现实（MR）头显	Microsoft
Rhino 8	三维建模环境	Robert McNeel & Associates
SD存储卡	原始扫描数据存储	N/A
Stable Diffusion	条件生成式人工智能（CGAI）模型	Stability AI
Tencent Huiyuan 3D	条件生成式人工智能（CGAI）平台	Tencent