车损三维重构

目标很具体：根据车损现场的拍照，重构三维事故现场；若能复现三维场景的动态，就更进一步；也可以吃行车记录仪视频。服务对象是车险的定损与定责。

这不是某一个算法的名字，而是一条垂直链路。底下叠了多视图三维重建、车损细粒度视觉理解、车载视频的运动估计，以及（若要做动态复现）带物理约束的碰撞过程重建。

技术主位在多模态生成的「从照片重建」和多模态大模型。动态复现摸到世界模型边缘。不是具身智能。

场景拆成四层目标

层次交付物成熟度（2026 年公开材料）
A. 静态三维现场可绕看、可量测的现场或整车三维有成熟路径：摄影测量、激光 SLAM、NeRF / 3DGS
B. 车损语义撞到哪些件、什么损伤类型、大致严重度二维检测与分割已有公开数据集与产业方案；抬到三维仍少
C. 行车记录仪 → 场景与轨迹自车轨迹、他车相对运动、俯视回放有论文管道，成功率通常不到「全场景可用」
D. 三维动态复现与定责碰撞过程可回放，并支撑责任判断研究与示证有人做；通用、可采信的端到端方案仍开放

A + B 是今天可以认真立项的核心。C 是差异化。D 是「更牛」的那一层，也是缺口最大的一层。

技术定位（一句话）

多模态理解 + 三维重建驱动的保险垂直应用；动态事故回放是向 4D / 弱世界模型 延伸的研究前沿。定损要的是忠实与可计量，不是好看的文生三维。

现场多视图照片 ──SfM / 激光──► 三维场景或整车（NeRF / 3DGS / 点云）
        │
        └──2D 损伤分割──► 抬到三维表面（如 CrashSplat）
行车记录仪视频 ──SLAM + 检测跟踪 + 深度──► 轨迹 + 俯视动态示意
        │
        └──（可选）动力学约束──► 碰撞过程回放（开放）
以上结果 + 配件价格与交规 ──► 定损报告 / 定责辅助（人审）

前人工作

下面按「解决哪一层」分组。同一层里，学术和产业分开记。

1. 二维车损检测与分割（定损语义的底座）

保险业最早规模化落地的是拍照定损，不重建三维。

工作大约时间做了什么和本场景的关系
蚂蚁「定损宝」约 2017–2018 公开车主拍照/视频识别损伤、维修方案；2.0 引入 SLAM 辅助取景与 AR 展示产业上证明「视觉定损」能进理赔流程；主路径仍是二维语义，不是三维现场
Mask R-CNN / YOLO 等用于车损2017 年后大量工作在私有或小公开数据上做损伤检测、部件分割方法通用，缺统一评测长期拖慢领域
CarDD（Wang 等，中科大等；IEEE TITS 2023）2022–2023约 4000 张高分辨率图、9000+ 实例、六类损伤；公开检测与实例分割基准目前最常用的公开车损数据之一；做 B 层应先在这上面报数
TQVCD 等视角约束数据集约 2024强调三分之四视角，降低标注复杂度采集协议可参考：现场拍照角度本身就是产品设计
SLICK（2025）2025结合结构先验与领域知识的车损分割，面向保险巡检代表「二维定损」仍在加深；文中自己提到未来接三维重建

读这一层时记住：准确率数字高度依赖私有数据与业务规则。公开论文里能公平比的，优先看 CarDD 一类基准。

2. 整车或损伤的三维表示（从 2D 抬到 3D）

真正贴近「车损三维重构」这个标题的学术工作，近几年才变密。

工作大约时间做了什么和本场景的关系
SfM + 摄影测量 / COLMAP 管线长期多视图估计相机与稀疏点云，再稠密重建A 层工程底座；现场光照差、反光车漆、少视角是常态难点
NeRF（Mildenhall 等，2020）与 3D Gaussian Splatting（Kerbl 等，2023）2020 / 2023新视角合成与可交互三维表示层；本场景是「重建」不是「文生 3D」
CrashSplat（Chileban 等，2025；代码公开）2025用 3DGS 重建车辆；把单视角 2D 损伤 mask 抬到三维高斯上；强调划痕等只在单视图清晰可见的情况目前最贴近「车损 + 3DGS」的公开管线之一；解决的是受损车辆的三维损伤可视化，不是整条马路事故现场
保险向专利与原型（图像损伤标到 CAD/三维车模、NeRF 估损等）近年把 2D 损伤映射到标准车身模型，辅助维修方案与报价产业方向：用规范化车模补全真实重建的缺失面；采信时要区分「实测」与「映射」

CrashSplat 的论文也写明：多数自动车损工作停在 2D，三维几何准确的损伤表示仍然稀缺。这正好是本场景的研究缝。

3. 事故现场三维（现场尺度，而不只是一辆车）

定责经常需要的是整段现场：刹痕、落物、相对位置、路口几何。这一层有交管与测绘传统，不全是深度学习。

工作 / 实践大约时间做了什么和本场景的关系
交通事故现场实景三维 / 无人机倾斜摄影（国内交管与安全工程论文，如 2023 前后）2020s外业多视图 + 内业实景三维；报告厘米级量测、缩短占道勘查证明「现场三维固证」在交管侧已有落地路径；采集设备常常是无人机或专业相机，不是车主手机随手拍
如视、睿数等信息方案近年产品手持激光 SLAM、点云、3DGS；强调快勘、快撤、可量测、可示证产业上把 A 层做成交管/司法工具链；保险侧若复用，要处理权限、成本与车主自助采集的差别
传统事故再现软件（PC-Crash 等）更早专家输入参数做动力学再现D 层的「老前辈」：物理仿真有，自动化从视频长出参数仍难

手机多视图重建整段路口，和激光扫一百平米现场，是同一目标下的两种采集预算。前人工作两边都有，不能混成一个指标。

4. 行车记录仪 → 动态 / 俯视重建

「根据行车记录仪复现动态」这一句，对应的是车载视频理解，而不是文生视频。

工作大约时间做了什么和本场景的关系
Dynamic Bird’s Eye View Reconstruction of Driving Accidents（IEEE TITS，约 2024）2024融合 SLAM、深度、检测与跟踪，从车载数据重建碰撞时刻的俯视动画与「记录仪 → 动态示意」最贴的公开管线之一；论文报告在困难基准上，可靠重建撞击时刻大约一半场景量级，整体良好更少——说明 C 层尚未产品级打穿
语义加权图像配准重建自车轨迹与路面（JSAE 等）约 2025用语义分割加权配准，从 dashcam 重建轨迹与行驶环境地图偏轨迹与路面，不是完整 3DGS 现场，但对「只有前视视频」很实用
Dashcam 事故检测数据集与 VLM 综述（如 DAD；2025 前后综述）2010s–2025检测/预判事故是否发生、类别与时序理赔入口的「这是不是事故」；不自动给出三维定责

5. 大模型时代的接法（仍薄）

方向现状对本场景的意义
VLM 读车损图、写查勘描述可行，作为报告草稿加速文书，不能单独当几何证据
视频 + LLM/VLM 做 crash detection有综述与数据集管「发现」，不管「量出来」
用视频生成模型「画出」事故过程看起来像，不等于发生过定责场景高风险；最多当示意，须与重建轨迹解耦

和前人工作相比，本场景的缝在哪

把目标写成研究问题，便于以后对照：

  1. 少视角、非专业拍摄下的现场三维：车主手机、不均匀绕车、反光与夜间。交管激光方案的精度参考点在这，迁移成本也在这。
  2. 损伤从 2D 到 3D 的一致性：CrashSplat 开了一条缝；部件级、可报价的三维损伤（哪个钣金件、变形量）仍少公开基准。
  3. 记录仪单目前视 → 多车三维动态：已有俯视重建管线，但成功率与法庭/保险公司采信标准之间还有距离。
  4. 动态复现的物理约束：只靠新视角合成「看起来在撞」，不够；需要轨迹、接触时刻与可解释的误差条。
  5. 定损与定责的证据分层：重建几何、推断补全、生成示意、语言模型叙述，必须在产品里分色标注。前人产业方案在二维定损上已有人审流程，三维侧要把同样的纪律建起来。

建议的落地顺序（研究或立项）

  1. 固定采集协议（绕车圈数、关键面必拍、是否要记录仪片段）。
  2. 跑通 A：COLMAP / 3DGS 出可交互整车或现场；报告失败案例（玻璃、夜间、严重形变）。
  3. 在 CarDD 或自有标注上做 B，再把 mask 抬到三维（复现或扩展 CrashSplat）。
  4. 单独立项 C：记录仪 → 俯视轨迹；与 A 的坐标系如何对齐。
  5. D 只在有动力学或专家工具链时启动；先做「可回放示意 + 人工确认」，再谈自动定责。

关键入口（自己以后点开）

还想补

  • 用自己的一辆车、二十张手机照片跑一遍 3DGS，记下失败视角。
  • 精读 CrashSplat，把它的「单视图抬三维」步骤画成自己的框图。
  • 列一张国内保险公司公开的 AI 定损能力表：哪些停在二维，哪些声称三维或 AR。
  • 若做动态，先复现一篇 dashcam → BEV 的开源或可复现实验，再谈自研。