程序聚合 软件案例 新民大街历史文化街区 · 三维漫游(Web / VR)

新民大街历史文化街区 · 三维漫游(Web / VR)

2026-11-09 18:00:51
行业:VR/AR
载体:H5
技术:Three.js、Blender

业务和功能介绍

【立项背景与目标】
新民大街是长春的历史文化街区,两侧集中了伪满"八大部"建筑群、地质宫和长春历史文化博物馆,是城市近代建筑最密集的一段。线下到访只能看外观:每栋楼的营建年代、设计者、功能更迭都写在文献里,走完一条街看不到这些信息;传统图文展陈又难以表达街区的空间尺度与建筑关系。本项目把整条街区做成可在浏览器和 VR 头显里第一人称漫游的三维场景,目标很明确——"走进去看建筑、进门厅看沿革",不装插件、不依赖网络,双击即可运行。
【软件功能与核心模块】
1. 街区场景:9 栋历史建筑与文化广场,1 单位 = 1 米,含道路、行道树、地形起伏与远景雾化边界。
2. 第一人称行走:WASD + 鼠标视角,走/跑/跳、飞行、Q/E 分段转身、抛物线传送;墙体、台基、台阶有碰撞,楼梯可上二层。
3. 建筑交互:准星指向建筑弹出信息卡(名称、英文名、沿革分段),再点同一栋传送到正门前。
4. 内景漫游:博物馆主馆与 7 栋建筑门厅可进入;同一空间按 1/2/3(VR 为右手侧键)切换三套历史陈设,讲同一栋楼的三个时期。
5. 展板讲解:室内展板本身就是讲解点,准星指到即高亮,点击弹出图文面板并支持中文语音朗读。
6. 自动导览:10 站路线依次传送并讲解,N 下一站、B 开始/结束、V 朗读。
7. 导航与设置:右下角小地图点击传送;菜单含地点、导览、地图、画质(帧率/分辨率)、舒适度(分段转身、暗角)、朗读开关,设置本地持久化。
8. VR 模式:HTC VIVE 手柄完整映射(左手触控板行走、右手扳机进出内景、侧握开菜单),头显内自带可翻页说明书牌与腕部速查牌。
【业务流程与功能路径】
双击 start.cmd → 本地服务起在 127.0.0.1:8099 并做健康检查 → 浏览器加载场景(带进度条)→ 点击画面锁定鼠标 → 沿街行走,走近任一建筑正门 → 进门厅 → 按 1/2/3 看三个时期的陈设 → 出门回到街区 → 按 M 打开菜单导览或直接传送 → 点页面底部按钮进入 VR,戴头显后用左手触控板走、右手扳机进门。

项目实现

【整体架构与设计思路】
整条链路是「Blender 建模 → glTF 导出精简 → Three.js 运行时」,前端不打包、不用框架:ES 模块 + importmap 直接跑静态文件,由本地 Python 服务托管。
1. 资产层:街区与 8 个内景在 Blender 中建模、烘焙,导出 glb 时开启 meshopt 压缩、KHR_mesh_quantization 量化与 Basis/KTX2 贴图。外景 72.7 万三角面压到 17.2 MB;内景按栋拆成独立 glb,进出时按需加载、退出即释放。
2. 数据层:建筑轮廓、POI 文案、碰撞墙线、内景配置、展板讲解点、楼梯高度全部外置为 JSON 驱动(poi / buildings / collision / interiors / interior_info / stairs),改内容不动代码。
3. 运行时:src 下 23 个 ES 模块共 8,612 行,main.js 负责场景装配与主循环,其余按职责拆分(碰撞、小地图、导览、沙盘、内景陈设、沿革场景、云与远景、性能优化)。桌面与 VR 共用同一套交互与同一张 Canvas UI。
【我负责的模块与结果】
独立完成建模、程序与测试。量化结果:整包 56 MB / 294 个文件,双击即用;外景 762 个 mesh 按 100 米分块实例化合并,draw call 与显存占用明显下降;碰撞由模型 0.35–2 m 高度带自动抽取,381 条闭合轮廓、11,073 段墙线;内景 8 个 × 3 套陈设 = 24 套场景;展板讲解点 11 处;本地从点开到可走动约 5 秒。
【难点、坑与解法】
1. VR 双眼渲染的填充率:不新增任何全屏图层——云写进现有天穹 shader,地面云影用一块贴世界坐标的"幕布",避免去改 56 个共用材质;alphaTest 镂空树叶不投影;各向异性固定 4×。
2. 模型没有碰撞体:直接从 glb 的墙、台基、柱高度带提取轮廓生成墙线,用网格哈希加速 + 圆与线段最近点推离,大步长自动细分防穿墙;楼梯另做坡面高度与上下两层碰撞,脚高超过 1.5 m 自动切上层。
3. 内外景衔接:内景是独立 glb,进门不能有跳变——用门斗坐标 + 淡入淡出,退出时释放临时资源,避免反复进出导致显存增长。
4. 浏览器坑:Esc 退出后 1.5 秒内指针锁定必然被拒,单独写重试模块;Canvas 中文换行要逐字测量,英文技术词不能被拆开;python -m http.server 加载大 glb 会因长连接堆积僵死,改为自写短连接 + no-store + 健康检查的本地服务。

示例图片视频


狒狒
5天前活跃
方向: 后端-Java、前端-三维可视化前端、
交付率:100.00%
相似推荐
工程代号 dsh-memory 保留作技术包名,备选:忆栈/脑痕、Mnemo/Trace。-Engram
业务定位:当前 AI 助手的记忆要么靠模型参数(换模型即丢失、不可审计),要么靠 RAG 向量库(会"脑补"未发生的内容、无法单点撤销)。本项目把记忆做成一层外挂的系统提示词中间件:每条记忆都是原文 + 稀疏符号标签,可逐条解释、逐条撤销、离线存储,且任何环节失败都只降级为"不注入",绝不阻断对话。 主要能力: 能力 说明 符号编码 归一化 + Aho–Corasick 多模式匹配,产出带权重与极性的稀疏标签;不做语义理解、不调用任何模型做判断 长期存储 独立 SQLite(WAL + 外键),每条记忆带 sha256 校验;JSONL 文件兜底;schema 版本化自动迁移 最小注入 前部强约束(systemPrompt.section,order 860)+ 后部参考记忆(带来源的动态上下文);top-3 / 400 token / 披露闸门 披露与租户隔离 scope 按用户 / 群隔离(如 qq:user:<uin>),audience ≤ origin 才允许注入,防止私聊内容在群里被复述 写入闸门与去重 基于身份窗口与证据充分性判定,负标签优先——宁可不注入,也不注入错误内容 安全与合规 AES-256-GCM 加密归档、密钥环管理、sha256 完整性校验、mem_purge 五步物理清除 + crypto-shredding、脱敏 工具集 mem_stats / mem_search / mem_verify / mem_export / mem_purge 五个 mem_ 前缀工具,重名自动降级 可运营 备份脚本、Web 控制台、注入回执(audit kind=inject),全程可审计 典型场景:QQ 机器人的多租户长期记忆(已在 VM 真机跑通"QQ → 打标 → 门控 → SQLite"端到端);也可作为任何 DSH Agent 的可解释记忆层。
SaaS大模型API聚合与分发平台
我独立设计、开发并上线了 Bubble大模型API聚合与分发平台,为希望开展大模型 API 业务的企业和团队提供建站与运营系统。平台统一接入多家模型供应商,将对话、图像和视频生成能力通过兼容 API 对外提供。企业可以使用自己的品牌和域名开设独立站,自主决定向客户提供哪些模型、如何定价,并管理从客户接入、调用计量到收款对账的完整流程。项目覆盖模型网关、多租户业务后台和用户端,从系统设计、前后端开发到部署上线均由我独立完成。
掌静脉os系统
1.掌静脉os 2.基于掌静脉识别模型,设计掌静脉识别设备的整体技术方案,从0-1实现掌静脉设备的整体功能界面,业务逻辑包括信息增删改查、掌静脉识别(支持应对各种场景,包括门禁,支付等)。系统包含管理端和用户端,界面根据设计稿包含多种界面动画和界面效果。 3.动画效果复原和性能优化是开发过程的两个大难点,要在保持25fps的基础上,界面不能卡顿,动画效果的刷新也不能影响识别。
LLM智能体项目编译器-FATASS
FATASS 是一个把软件项目当作「编译器输入」来管理的 Python 命令行工具:项目被建模为一张节点图,每个节点由 Claude Code CLI 作为自主智能体合成与维护,而不是由人手写文件。我独立完成了节点与变换模型、事务式的命令接口(每次变更可整体提交或回滚),以及一个用 TypeScript 写的 VS Code 扩展,用于可视化浏览项目拓扑。项目目标是让 LLM 编码智能体承担「主编译器」角色,把需求变更收敛为一次可审查、可回退的图变换。适合希望用智能体自动化维护多模块代码库、又要求过程可审计的团队参考。项目仍在持续开发中。
基于大语言模型的跨平台智能陪伴机器人
【立项背景与目标】 市面上的陪伴型 AI 助手普遍存在三个问题:只能活在单一平台、没有长期记忆(今天说过的事明天就忘)、回复像客服。本项目目标是做一个"记得住人、跨平台是同一个她"的陪伴型机器人,让对话在 QQ、抖音两端连续,并具备语音、表情包等拟人表达能力。 【核心功能模块】 1. 多平台接入:QQ 为主阵地(接入 NapCat/OneBot 协议),抖音为副阵地,两端共用同一人格与同一套记忆,用户在一端说过的话另一端能回忆起来。 2. 三层长期记忆:事实卡(固定偏好/禁忌,每次对话强制注入)、向量记忆库(跨会话语义召回)、会话历史。"记住我说的话"有两条落地通道:桥接层正则直接落盘 + 模型侧工具写入。 3. 语音交互:收到的语音消息本地离线转写,回复可按情绪合成语音(三套 TTS 引擎按优先级自动兜底)。 4. 情绪化表达:337 张表情包按情绪分类发送,支持主动发起消息、定时提醒、QQ 空间动态。 5. 人格与安全:傲娇系人格提示词 + 出站文本清洗,既避免"AI 腔",也防止内部机制和实现细节泄露给用户。 【业务流程】 用户消息 → NapCat 上报 → 桥接服务组装上下文(事实卡 + 当前情绪状态 + 记忆召回结果)→ 调用大模型 → 解析回复中的动作标记(表情包/语音/说说/提醒)→ 按字数自动拆分为多条气泡发送。
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服