Noamwa1. 说好的虚实结合，为什么一到现场就露怯
1.1 游客看到的第一眼，决定整个项目的生死
我这几年一直在做文旅数字化相关的东西，HarmonyOS 6.0 出来之后，我明显感觉这个生态对 AR 类应用友好了一大截，于是拉了一个小团队，把一套 AR 文旅导览系统从零到一做了出来。核心功能不复杂：游客打开 APP，举起手机对着某个景点或文物，屏幕上就能出现叠加在真实画面上的三维模型、文字说明和交互按钮。听起来很美好，对吧？但真正到了景区现场跑测试的时候，问题一个接一个冒出来。
最先翻车的就是空间定位。你站在一个几百年的古建筑前面，手机陀螺仪和 GPS 告诉你"你的位置正对着大殿正门"，但实际上你站在偏了五六米的侧廊，AR 模型自然就悬在了半空中，跟实景对不上。这还不是最夸张的，在室内展馆里，GPS 信号基本报废，定位误差直接奔着二三十米去了，模型要么消失要么飘到墙外边。游客第一次打开 APP，看到这种画面，大概率直接卸载走人。所以我才说，AR 文旅导览这个项目，看着是 APP 开发，本质上是定位工程。
这篇内容，我想围绕空间定位和文物交互这两条主线，把我在 HarmonyOS 6.0 上做这套系统的完整过程、踩过的坑、取舍方案都记录下来。适合已经在做移动端开发、想进 AR 文旅领域的团队参考，也适合那些在景区/博物馆做数字化规划的同学，希望大家少走我走过的弯路。
1.2 GPS 在景区里的真实表现：误差不是米级是十米级
先给没去过现场的朋友泼盆冷水。室外空旷地区，手机 GPS 的精度理论上能达到 3 到 5 米，但景区是什么环境？高墙、古树、大型金属雕塑、密集人流，这些都是 GPS 信号的多路径效应制造机。信号从卫星发下来，在建筑外墙弹一下，再反射到手机接收器上，你看到的定位结果就不是真实位置，而是"带偏差的位置"。我实测过在一个寺庙建筑群里做测试，同一部手机同一时刻，GPS 给出的位置和真实位置差了将近 12 米。
这个误差对导航类 APP 来说可能还能容忍，毕竟地图上有个蓝点，误差十几米也能看个大概方向。但对 AR 来说完全不行。AR 需要的是"厘米级到分米级"的相对位姿——你手机朝哪个方向、在哪个高度、镜头朝向哪，每一样都必须精确，否则虚拟模型就叠不到真实画面上。GPS 只能告诉你"你在这座院子里"，但告诉不了你"你正站在石碑正前方 1.2 米处"。所以，户外也不能只靠 GPS，必须有别的补位方案。
1.3 光线、人流、展柜反光：AR 导览真正的工作环境
除了定位，AR 导览还要面对一个特别现实的问题：现场环境太不可控了。室内博物馆里，为了文物保护，灯光普遍偏暗，而且都是从顶部下来的射灯，明暗对比极强。手机摄像头在这种光线下做图像特征提取，经常出现画面过暗或过曝，导致视觉定位失效。
室外更麻烦。夏天正午的太阳直射屏幕，手机根本看不清画面；下午三四点光线斜射，文物表面阴影变化很大，AR 模型叠上去以后，光照方向和真实环境不一致，看起来就特别假。还有人流，节假日博物馆里人挤人，游客手里的手机会不断被遮挡、晃动，追踪的稳定性直接断崖式下跌。
这些东西在开发环境里永远模拟不出来。我第一次带着测试机去现场跑的时候，心里想的还是"引擎能力行不行"，到了现场才发现，最核心的问题是"我怎么让用户在这么恶劣的条件下，还能稳定看到正确的 AR 画面"。这才是文旅 AR 项目的本质挑战。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 空间定位别指望单一方案：我给几个定位技术做了分工
2.1 先做定位需求分级：园区里、展馆内、展柜前
被现场教育过之后，我做了一张很简单的定位需求表，把游客的使用场景分成三档。
第一档是园区级，人在户外大院、街道、广场上移动，精度要求不高，能大致知道在哪个区域就行，误差 5 到 10 米可以接受。第二档是室内级，游客走进展馆，需要知道自己在哪个展厅、朝着哪个展柜，这时候误差得控制在 2 到 3 米以内。第三档是展柜前，游客举起手机正对着某件文物，模型要精确叠加在文物本体上，这时候要求的是厘米级的相对位姿，得靠视觉追踪，而不是任何标签定位。
不同档位用不同技术栈，千万不能指望一套方案通吃。我最终定的组合是：室外用 GPS 加航向修正，室内靠视觉重定位做兜底，蓝牙信标只用来判断"你在哪个展厅"，展柜前的精密叠加交给 AR Engine 的视觉追踪。每套方案负责自己的精度层级，互不干扰，稳定性才有保障。
2.2 视觉重定位（VPS）：给每个展柜建一张"特征地图"
视觉重定位是目前做室内 AR 最靠谱的路子，思路特别朴素：在游客举起手机之前，我先派人在展馆里把每个展柜、每面墙、每根柱子拍一圈，提取图像特征点，做成一张"视觉特征地图"存到服务端。游客上线后，手机摄像头实时采集画面，提取特征，和地图里的特征做匹配，一旦匹配上，就能反推出手机