LiDAR 可以提供額外的結構與定位資訊，但能否改善 3DGS，取決於影像與點雲的校正、時間同步、座標一致性及方法如何使用深度。買到感測器不等於現有照片訓練流程就會自動受益。
外觀、幾何與運動資訊各自解決什麼
照片提供材質與可見外觀；LiDAR 量測提供幾何觀測；IMU 可提供高頻運動資訊。融合方法需要明確定義資料如何一起估計姿態、初始化表示或約束深度。
研究中的多感測器系統，是一整套校正與最佳化流程，不是把任意點雲放進任意訓練器就完成。反光、透明與遮擋仍要看個別感測與方法的限制。
先檢查同步與外參，再談更高點數
靜止時點雲和照片對得上，不代表移動採集時也一致。時間偏移、外參誤差或座標單位錯誤，可能讓額外資料形成衝突。先以清楚的牆角、門框和不同距離的結構檢查對齊。
深度圖的座標、尺度與影像是否已去畸變，也必須和訓練器要求一致。把一張深度圖匯入，不等於該方法已在損失中正確使用它。
平面示意 · 實線為參考輪廓 · 虛線為深度觀測
影像幾何與深度觀測若有偏移，約束就可能互相矛盾；多一顆感測器不會自動解決這個問題。
完成對齊後，兩組觀測才較一致；這裡不代表重建已達到特定精度，也不保證一定成功。
原理示意，非實際模型成果或量測比較。
用對照回答「失敗風險有沒有降低」
GS-LIVM 等研究展示了 LiDAR、慣性與視覺融合的技術路徑，但特定資料集上的成果不能直接當成你手上室內設備的保證。
建議固定場景、採集範圍與驗收角度，比較影像流程與融合流程的定位成功率、局部結構、保留視角與返工工時。事先定義「失敗」，才能判斷增加設備是否值得。
選設備前，先列資料交付與整合需求
除了畫質與尺寸，詢問是否能取得時間戳、原始影像、姿態、點雲、校正資訊及可用的匯出格式。若資料被封裝在封閉流程裡，後續融合研究的自由度可能不同。
本文不提供 Sony、Livox 或 Lixel 特定組合的相容性與精度承諾；需依確切型號、韌體、資料與軟體版本另外測試。
技術來源與內容範圍
研究整理與排查方法；未提供的個案素材與實測結果，不作既有成果呈現。
來源查核：2026.10.16。實際適用性仍依資料、方法與軟體版本確認。