1.一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，包括以下步骤：S1、获取多视角RGB图像，利用VGGT模型输出每张图像对应的相机参数和稀疏点云，以及通过单目深度估计网络和图像分割网络，分别生成每张图像对应的深度图和掩码图；S2、基于所述相机参数和掩码图，利用视觉外壳算法对所述稀疏点云进行稠密化处理，得到稠密点云；包括：S21、将三维空间划分为低分辨率体素网格，每个体素单元对应三维空间中的一个固定体积；S22、对于每个掩码图中的每个像素点(u,v)，基于针孔相机模型进行反投影运算，得到成像光线；S23、对于掩码值为1的像素，将其光线穿过的体素标记为可能占据，并更新体素置信度；对于掩码值为0的像素，将其光线穿过的体素标记为非占据，并衰减置信度；S24、根据置信度阈值τ确定占据体素，形成粗视觉外壳；S25、在粗视觉外壳的包围盒内划分高分辨率体素网格，并基于RGB图像赋予颜色信息，得到细分辨率视觉外壳；S26、将细分辨率视觉外壳的点云与稀疏点云融合，得到稠密点云；S3、利用所述稠密点云初始化二维高斯基元，每个二维高斯基元包括中心点位置、正切向量、缩放向量、不透明度及球谐系数；S4、基于所述相机参数、深度图和掩码图，对初始化后的二维高斯基元进行训练，通过可微分渲染生成渲染图像，结合相关损失函数优化二维高斯基元参数；S5、训练完成后，利用所述相机参数重新渲染所有视角的深度图，通过截断符号距离函数和等值面提取算法生成三维网格；包括：S51、根据包围盒划分体素网格，体素尺寸为Δ；S52、对于每个体素中心 ，初始化TSDF值F(v)←1；S53、对于每个相机视角，由训练后的二维高斯基元渲染深度图，根据相机内参K和外参(R,t)将体素 投影到图像平面，得到像素坐标(u,v)；S54、从深度图中提取深度值 ， 表示第i个视角的深度图，计算符号距离 ，其中 为投影点p的z分量；S55、截断并归一化 ，其中，δ为截断带宽；S56、更新TSDF值，并最终提取等值面 生成三角形网格；S6、对所述三维网格进行基于局部双边滤波的网格优化，得到平滑网格；S7、基于相机间的物理距离对所述相机参数进行尺度校正，并将校正后的尺度参数应用于所述平滑网格，获得具有真实尺度的三维模型。
2.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S1中，VGGT模型为视觉接地变换器，输出包括相机外参Π、相机内参K及稀疏点云；单目深度估计网络为DepthAnythingV2，输出深度图集合d；图像分割网络为SegmentAnythingV2，输出掩码图集合m。
3.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S22中，反投影运算包括：对于对于像素点(u,v)，成像光线的方向向量d计算为：其中，R和k分别表示当前视角的相机外参旋转矩阵和内参矩阵；起点o计算为：其中，t表示当前视角的相机外参平移向量；射线参数化形式为：其中，s表示射线长度参数。
4.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S23中，置信度 的更新规则为：当第i个视角的射线标记体素 为占据时， ；当标记为非占据时， ；其中， 表示第i个视角的权重，β表示惩罚系数。
5.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S3中，初始化二维高斯基元包括：中心点位置p设置为稠密点云的三维坐标；缩放向量 设置为相邻点云之间的距离，其中 和 分别表示两个主方向上的缩放值；正切向量 和 设置为单位向量；不透明度α设置为常数；球谐系数用于表征外观颜色。
6.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S4中，可微分渲染包括：渲染RGB图：渲染深度图：渲染累积不透明度图：其中， 、 、 分别表示像素x处的渲染颜色值、渲染深度值、累积不透明度值， 表示第i个二维高斯基元的颜色值， 表示第i个二维高斯基元的深度值， 、 分别表示第i个、第j个二维高斯基元的不透明度， 、 分别表示第i个、第j个二维高斯基元在像素x处的高斯值。
7.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S6中，基于局部双边滤波的网格优化包括：对于网格顶点 ，平滑后的顶点位置 表示为：其中， 表示邻域顶点位置， 表示邻域顶点集合， 和 分别表示顶点 和 的法向量； ，表示空间权重项； ，表示法向权重项。
8.根据权利要求1所述的一种多模型协同的二维高斯泼溅三维重建方法，其特征在于，所述S7中，尺度校正基于TOF传感器测量的相机间物理距离 ，计算尺度系 ，其中 和 分别表示相机的平移向量；将校正后的尺度参数应用于平滑网格，更新网格顶点位置 ，p′表示得到的平滑网格的顶点位置。
