AR 中的三维场景理解：连接虚拟与现实的桥梁

发表于2025-07-26|更新于2025-07-26|计算机科学

|浏览量:

引言

想象一下这样的场景：你戴上AR眼镜，眼前普通的客厅瞬间变身星际战场，激光束在咖啡桌旁呼啸而过，外星飞船在沙发上空盘旋，而你的宠物狗则好奇地追逐着一个虚拟的能量球。这一切之所以能够如此逼真且沉浸，不仅仅是因为卓越的图形渲染，更因为它背后强大的“三维场景理解”能力。

增强现实（Augmented Reality, AR）的魅力在于将虚拟信息无缝叠加到现实世界中。但要实现真正的“无缝”，虚拟内容绝不能只是漂浮在空中，它们必须知道自己身处何地，周围有哪些物体，这些物体的形状、位置甚至材质是什么。这就引出了AR领域最核心也最具挑战性的议题之一：三维场景理解。

三维场景理解是AR系统将2D像素数据转化为丰富的3D世界模型的过程。它赋予了AR系统“看懂”环境的能力，从而实现：

精确的跟踪与定位 (Tracking & Localization)：知道用户和AR设备在真实世界中的位置和姿态。
真实的遮挡 (Realistic Occlusion)：虚拟物体可以被真实物体遮挡，反之亦然。
自然的交互 (Natural Interaction)：虚拟物体能够与真实环境中的表面、物体进行物理上的交互。
沉浸的光照 (Immersive Lighting)：虚拟物体的光照能够匹配真实世界的光照条件。
智能的内容放置 (Intelligent Content Placement)：虚拟内容能够被合理地放置在真实世界的表面或物体上。

简而言之，没有三维场景理解，AR就只是简单的信息叠加，而有了它，AR才能真正成为连接虚拟与现实的强大工具。本文将深入探讨AR中三维场景理解的各个关键技术环节，从最基础的几何感知，到复杂的语义理解，再到未来的发展趋势。

从二维像素到三维空间：基础感知

一切始于相机捕获的二维图像。AR系统如何从这些扁平的像素中重建出立体世界呢？这需要一套精密的几何学和计算机视觉技术。

相机模型与投影

要理解三维空间，首先要理解相机是如何将三维世界投影到二维图像上的。针孔相机模型（Pinhole Camera Model）是计算机视觉中最常用的模型，它描述了这一投影过程。

一个三维世界点 $P_{world} = [X_w, Y_w, Z_w]^T$ 通过相机透视投影，最终落在图像平面上的二维点 $p_{image} = [u, v]^T$ 。这个过程可以通过相机参数来描述：

内参 (Intrinsic Parameters)：描述相机本身的特性，如焦距 ( $f_x, f_y$ )、主点坐标 ( $c_x, c_y$ ) 和畸变参数。这些参数通常被封装在一个内参矩阵 $K$ 中：
$K = \begin{pmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{pmatrix}$
外参 (Extrinsic Parameters)：描述相机在世界坐标系中的位姿，包括旋转矩阵 $R$ 和平移向量 $t$ 。它们将世界坐标系中的点转换到相机坐标系中。

投影过程可以概括为：

将世界坐标系下的三维点 $P_{world}$ 转换到相机坐标系下的三维点 $P_{camera}$ ：
$P_{camera} = R P_{world} + t$
通过内参矩阵 $K$ 将 $P_{camera}$ 投影到图像平面上的像素坐标 $p_{image}$ ：
$s \cdot p_{image} = K P_{camera}$
其中 $s$ 是一个尺度因子。

在实际AR应用中，我们通常需要逆向这个过程：给定图像中的像素点，结合相机参数，推断出其对应的三维空间信息。

深度感知：获取三维维度

二维图像只提供了宽度和高度信息，要构建三维模型，我们还需要深度（或距离）信息。获取深度是三维场景理解的基础。

双目视觉 (Stereo Vision)

灵感来源于人眼。通过两台（或更多）相机从不同视角拍摄同一场景，利用视差（disparity）原理计算深度。视差是指同一个点在两张图像中的像素位置差异。

$Z = \frac{B \cdot f}{d}$

其中 $Z$ 是深度， $B$ 是基线（两相机间距）， $f$ 是焦距， $d$ 是视差。

优点：被动式，可以在各种光照下工作。
缺点：计算量大，对纹理匮乏区域（如白墙）效果差，对相机标定精度要求高。

结构光 (Structured Light)

通过主动投射已知图案（如红外点阵或条纹）到物体表面，然后使用相机捕获反射的图案。由于投射图案的几何形状已知，通过分析图案在物体表面的形变，可以精确计算深度。
代表设备：初代Microsoft Kinect、Apple的TrueDepth相机（用于Face ID）。
优点：高精度，抗环境光干扰能力强。
缺点：容易受到强光影响，在室外使用受限，分辨率通常不高。

飞行时间 (Time-of-Flight, ToF)

ToF相机通过发射光脉冲（如红外光），并测量光从发射到被物体反射回来的时间差来计算距离。

$距离 = \frac{1}{2} \cdot 速度 \cdot 时间$

代表设备：许多手机的后置ToF传感器，如iPad Pro、Samsung Galaxy系列。
优点：直接测量深度，计算简单，对光照不敏感，可以获得较好的深度图。
缺点：精度受限于时间测量单元，分辨率相对较低，容易受多径效应影响。

单目深度估计 (Monocular Depth Estimation)

利用单个2D图像估计场景深度，这在几何上是一个病态问题。然而，深度学习的兴起使得这一技术成为可能。通过训练神经网络学习图像中的语义和结构信息，从而推断出场景的深度图。
方法：

有监督学习：需要大量带有真实深度标注的数据集进行训练。
自监督学习：利用多帧图像之间的几何一致性（如极线几何）进行训练，无需真实深度标注，大大扩展了训练数据的来源。

优点：只需要普通RGB相机，成本低，适用性广。
缺点：精度通常不如主动式深度传感器，对场景复杂度和泛化能力有要求。

无论是哪种深度感知技术，它们都为AR系统提供了关键的第三维度信息，为后续的场景理解奠定了基础。

核心：同步定位与地图构建 (SLAM)

有了深度信息，AR系统开始尝试构建一个对自身位置和环境的实时理解。这正是同步定位与地图构建（Simultaneous Localization and Mapping, SLAM）技术的核心任务。SLAM让AR设备能够在未知环境中同时确定自己的位置和姿态（Localization），并增量式地构建环境的三维地图（Mapping）。

SLAM 的基本原理

SLAM系统通常包含以下几个关键模块：

传感器数据采集：通常是RGB相机、深度相机或惯性测量单元（IMU）的数据流。
视觉里程计 (Visual Odometry, VO) / 前端：处理连续帧图像，估计相机在短时间内的运动（位姿变化），并生成局部地图。这是实时性的关键。
- 特征点法：在图像中检测并跟踪显著的特征点（如SIFT, ORB），通过这些点的匹配来计算相机运动。
- 直接法：不提取特征点，而是直接利用图像像素的灰度信息来优化相机位姿，对纹理要求低，但对光照变化敏感（如LSD-SLAM, DSO）。
后端优化：整合前端估计的位姿和局部地图，进行全局优化，修正累积误差。通常使用图优化（Graph Optimization）方法，将相机位姿和地图点作为节点，视觉测量作为边，通过最小化重投影误差来优化整个图。
回环检测 (Loop Closure Detection)：识别相机是否回到了之前访问过的位置。一旦检测到回环，系统就能进行全局位姿图优化，消除长时间运行导致的漂移，保持地图的一致性。
地图构建 (Mapping)：根据优化后的相机位姿和特征点，构建环境的三维表示。这可以是稀疏点云、稠密点云、网格模型（Mesh）或体素（Voxel）地图。

# 伪代码：SLAM系统核心流程概念
class SLAMSystem:
    def __init__(self, camera_params, imu_params=None):
        self.camera_params = camera_params
        self.map = Map() # 存储地图点、关键帧等
        self.current_pose = Pose() # 当前相机位姿
        self.keyframe_db = [] # 关键帧数据库
        self.loop_detector = LoopDetector()

    def process_frame(self, image, imu_data=None):
        # 1. 视觉里程计 (前端)
        # 估计当前帧与上一帧之间的相对运动
        relative_pose = self.visual_odometry.track(image, self.last_image)
        self.current_pose = self.current_pose.apply_transform(relative_pose)

        # 如果有IMU数据，进行视觉-惯性融合
        if imu_data:
            self.current_pose = self.imu_integrator.fuse(self.current_pose, imu_data)

        # 2. 地图更新与关键帧选择
        # 根据当前位姿和观测，更新地图点
        # 如果是关键帧，则添加到关键帧数据库
        if self.is_keyframe(image, self.current_pose):
            self.keyframe_db.add(image, self.current_pose)
            self.map.add_new_points(image, self.current_pose)

        # 3. 回环检测
        # 检查当前帧是否与历史关键帧形成回环
        loop_candidate = self.loop_detector.detect(image, self.keyframe_db)
        if loop_candidate:
            # 4. 后端优化 (图优化)
            # 进行全局的Bundle Adjustment或位姿图优化
            self.backend_optimizer.optimize(self.map, self.keyframe_db, loop_candidate)

        self.last_image = image
        return self.current_pose, self.map.get_current_view()

SLAM 的类型

视觉 SLAM (Visual SLAM, V-SLAM)

仅使用相机作为主要传感器。

特征点法 (Feature-based SLAM)：如著名的ORB-SLAM系列，通过提取和匹配ORB特征点来跟踪和建图，对图像噪声和运动模糊具有一定鲁棒性。
直接法 (Direct SLAM)：如LSD-SLAM、DSO（Direct Sparse Odometry），直接利用图像的像素灰度信息进行位姿估计，避免了特征点提取和描述子的计算，在纹理丰富的场景中表现优秀，但对光照变化和相机内参非常敏感。

视觉惯性 SLAM (Visual-Inertial SLAM, VI-SLAM)

融合了相机和惯性测量单元（IMU）的数据。IMU提供角速度和线加速度信息，可以弥补纯视觉SLAM在快速运动、光照变化或纹理缺失时的不足，提供更稳定的短期位姿估计。

松耦合 (Loose Coupling)：视觉和IMU数据分别处理，结果再进行融合。
紧耦合 (Tight Coupling)：视觉和IMU数据在同一个优化框架中共同优化，如MSCKF (Multi-State Constraint Kalman Filter)、VINS-Mono。这种方法通常精度更高，鲁棒性更好，也是目前主流的VI-SLAM方案。

语义 SLAM (Semantic SLAM)

这是SLAM发展的重要方向，将传统的几何SLAM与语义信息（如物体识别、场景分类）结合起来。它不仅知道“我在哪里”和“环境长什么样”，更知道“环境里有什么物体”，以及这些物体是什么类型。这为更高层次的AR交互奠定了基础。

移动端 AR 中的 SLAM

苹果的ARKit和谷歌的ARCore是当前移动设备上主流的AR开发平台，它们都内置了先进的VI-SLAM能力：

它们能够实时跟踪设备位姿。
能够检测水平面和垂直面。
能够估计环境光照。
ARKit 3及更高版本，以及ARCore 1.15及更高版本，还支持People Occlusion（人物遮挡）和Motion Capture（动作捕捉），这依赖于更深层次的场景理解，包括对人体骨骼和深度的估计。

SLAM是AR体验的基石，它提供了虚拟内容在真实世界中稳定“附着”的能力。

超越几何：语义场景理解

仅仅知道环境的几何形状是不够的。为了实现更智能、更自然的AR体验，系统需要理解场景中“有什么”，以及这些“什么”之间有什么关系。这就是语义场景理解（Semantic Scene Understanding）的核心。

为什么需要语义理解？

考虑以下AR场景：

智能放置：用户希望将一个虚拟杯子放在桌子上，而不是悬浮在空中或插入墙壁。系统需要识别出“桌子”这个物体。
真实遮挡：虚拟角色应该被真实房间的墙壁或家具遮挡。系统需要区分前景物体和背景。
情境感知：虚拟宠物需要避开椅子，并能跳到沙发上。系统需要知道哪些是可通行区域，哪些是障碍物。
多用户共享：在多人AR游戏中，不同用户看到的虚拟内容应该在同一个语义环境中对齐。

这些都要求AR系统具备超越点云和网格的语义信息。深度学习在这一领域发挥了革命性的作用。

深度学习在场景理解中的应用

目标检测 (Object Detection)

识别图像中特定物体的位置并用边界框标注。

任务：在2D图像中定位并分类物体。
主流算法：
- 两阶段检测器：如Faster R-CNN，先生成候选区域，再进行分类和边界框回归。
- 单阶段检测器：如YOLO (You Only Look Once)、SSD，直接在图像中预测边界框和类别，速度更快。
AR应用：用于识别场景中的特定物体，如椅子、桌子、门等。

语义分割 (Semantic Segmentation)

对图像中的每个像素进行分类，将其归属于某个预定义的语义类别（如“地板”、“墙壁”、“椅子”）。

任务：像素级的分类。
主流算法：FCN (Fully Convolutional Networks)、U-Net、DeepLab系列等。这些网络通常包含编码器-解码器结构，能够输出与输入图像尺寸相同的像素级预测图。
AR应用：
- 精确的表面检测：识别地板、桌面等可放置虚拟内容的表面。
- 背景/前景分离：实现人物或物体遮挡。
- 区域属性识别：区分可通行区域和障碍物。

# 伪代码：语义分割概念
import torch
import torch.nn as nn
import torchvision.transforms as transforms
from PIL import Image

class SimpleSemanticSegmentationModel(nn.Module):
    def __init__(self, num_classes):
        super(SimpleSemanticSegmentationModel, self).__init__()
        # 简化版编码器-解码器结构
        self.encoder = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2)
            # ... 更多编码层 ...
        )
        self.decoder = nn.Sequential(
            # ... 解码层，通常包括上采样 ...
            nn.ConvTranspose2d(64, 32, kernel_size=2, stride=2),
            nn.ReLU(inplace=True),
            nn.Conv2d(32, num_classes, kernel_size=1) # 最终输出每个像素的类别得分
        )

    def forward(self, x):
        x = self.encoder(x)
        x = self.decoder(x)
        return x

# 假设已经训练好的模型和图像
# model = SimpleSemanticSegmentationModel(num_classes=NUM_CLASSES)
# model.load_state_dict(torch.load('semantic_segmentation_model.pth'))
# model.eval()

# # 示例图像预处理
# transform = transforms.Compose([
#     transforms.ToTensor(),
#     transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
# ])
# image = Image.open("your_room_image.jpg").convert("RGB")
# input_tensor = transform(image).unsqueeze(0) # 添加batch维度

# # 预测
# with torch.no_grad():
#     output = model(input_tensor) # output shape: [1, num_classes, H, W]
# predicted_segmentation = torch.argmax(output, dim=1).squeeze(0) # [H, W]的类别索引图

# # 根据类别索引渲染分割结果...

实例分割 (Instance Segmentation)

在语义分割的基础上，不仅区分像素类别，还区分同类物体的不同实例。例如，能够识别出图像中有“椅子A”和“椅子B”，而不是只有“椅子”。

任务：为每个物体实例生成独立的像素掩码。
主流算法：Mask R-CNN是代表性算法，它在Faster R-CNN的基础上增加了并行的FCN分支来预测实例掩码。
AR应用：更精细的交互，比如选中某个特定的椅子，而不是所有椅子。

全景分割 (Panoptic Segmentation)

这是语义分割和实例分割的结合，旨在为图像中的每个像素分配一个“事物”实例ID或一个“东西”类别ID。

任务：统一了对可数物体（实例）和不可数背景（语义）的理解。
AR应用：提供最全面的场景理解，是未来高级AR体验的基石。

3D 语义分割

除了2D图像的语义理解，直接对SLAM构建的3D点云或网格进行语义分割也至关重要。

点云语义分割：直接对三维点云中的每个点进行分类。
- 主流网络：PointNet、PointNet++、KPConv等，专门为处理非结构化点云数据而设计。
体素/网格语义分割：将点云转换为规则的体素网格或多边形网格，然后在其上进行卷积操作进行语义分割。

这些3D语义信息可以直接与SLAM地图融合，形成语义地图 (Semantic Map)，例如，地图中不仅有几何点，还有“地面”、“墙壁”、“桌子”等标签。

场景图生成 (Scene Graph Generation)

更进一步，场景图生成旨在理解场景中物体之间的关系（例如，“杯子在桌子上”、“人站在地板上”）。场景图用节点表示物体，用边表示它们之间的关系，为AR系统提供了高级别的语境理解。

通过这些深度学习驱动的语义理解技术，AR系统从一个单纯的几何定位器，转变为一个能够“看懂”世界的智能系统，从而为虚拟内容与现实环境的深度融合铺平道路。

交互与真实感：场景理解的应用

三维场景理解的最终目标是提升AR体验的真实感和交互性。这些底层的技术成果如何被应用到我们所见的AR效果中呢？

遮挡管理 (Occlusion Management)

这是AR中最基础也最直观的真实感体现。当一个虚拟物体被真实物体遮挡时，它应该部分或全部消失。

基于深度缓冲 (Depth Buffer-based Occlusion)：如果AR设备能够获取到精确的深度图（如ToF或结构光相机），虚拟物体的渲染可以利用深度测试。如果虚拟像素的深度大于真实世界对应像素的深度，那么该虚拟像素就不应该被渲染。
语义遮挡 (Semantic Occlusion)：在没有精确深度图的情况下，或为了更智能的遮挡，可以利用语义分割来判断哪些区域是前景物体（如人物、家具），哪些是背景。比如，当ARKit检测到人体时，它能够自动生成一个人物遮挡的掩码，使得虚拟内容可以被人物遮挡。

真实感光照与着色 (Realistic Lighting and Shading)

虚拟物体要融入真实场景，其光照必须与真实环境保持一致。

环境光估计 (Environmental Lighting Estimation)：AR系统通过分析相机图像或使用专门的光照传感器，估计真实世界的光照条件，包括主光源的方向、强度以及环境光的颜色和强度。
- 球谐函数 (Spherical Harmonics)：一种常用的数学工具，用于表示环境光在各个方向的分布。
- 环境光探头 (Environmental Light Probe)：通常是一个全景图，捕获环境的全部光照信息。
全局光照 (Global Illumination)：高级AR渲染器会考虑光线在虚拟和真实物体之间的多次反弹，模拟更真实的明暗和色彩溢出效果。
材质估计 (Material Estimation)：如果AR系统能识别出真实物体的材质（例如，“这是玻璃”、“这是木头”），它就可以更好地模拟光线与这些材质的交互，从而影响虚拟物体的反射和折射。

物理模拟 (Physics Simulation)

虚拟物体不仅要看起来真实，还要动起来真实。这意味着它们需要遵守物理定律，并与真实世界的物体发生碰撞和反作用。

碰撞检测 (Collision Detection)：利用SLAM构建的几何地图和语义地图，AR系统能够识别出虚拟物体何时与真实世界的表面（如地板、桌面）或物体发生接触。
物理引擎集成：将Unity、Unreal Engine等游戏引擎中内置的物理引擎与AR场景理解结合，使得虚拟物体能够根据重力下落、在表面上滚动、相互碰撞，甚至与真实物体相互作用。例如，一个虚拟球落在真实桌面上并弹跳。

AR 内容放置与交互 (AR Content Placement and Interaction)

场景理解极大地提升了AR内容的智能放置和用户交互体验。

智能放置：
- 平面检测 (Plane Detection)：ARKit和ARCore都内置了实时平面检测功能，能够识别水平面（如地板、桌面）和垂直面（如墙壁）。用户可以直接将虚拟物体“吸附”到这些表面上。
- 语义区域放置：更高级的系统可以根据语义信息，将虚拟花瓶自动放置在“桌子”上，将虚拟画作放置在“墙壁”上，而不会放置在“天花板”上。
空间锚点 (Spatial Anchors)：将虚拟内容“锚定”到真实世界中的特定位置，即使设备移动或离开并返回，虚拟内容也能保持在原地。这通常结合了SLAM的回环检测和全局优化。
手势与空间交互：结合手部追踪和场景理解，用户可以直接用手与虚拟物体或真实世界中的物体进行交互，例如，用手推动一个虚拟方块，或指向真实世界中的某个物体，系统能理解用户的意图。

通过这些应用，三维场景理解将AR从一种新奇的技术演示，提升为一种真正具有实用价值和沉浸感的体验。

挑战与未来方向

尽管三维场景理解在AR领域取得了显著进展，但它仍然面临诸多挑战，并且有广阔的未来发展空间。

当前挑战

鲁棒性与泛化能力：
- 复杂环境：在弱光、强反光、无纹理、动态变化或高度杂乱的环境中，保持SLAM和深度感知的鲁棒性依然困难。
- 动态场景：当前多数SLAM系统假定环境是静态的。对于移动的人、打开的门或变形的物体（如布料），处理起来仍然很棘手。
计算资源与能耗：
- 移动设备限制：高质量的三维场景理解需要大量的计算资源和内存。如何在移动AR设备（如智能手机、轻量级AR眼镜）上实现实时、低功耗、高精度的性能，是一个持续的挑战。
- 实时性：AR体验对实时性要求极高，任何卡顿或延迟都会破坏沉浸感。
长期稳定性与地图重用：
- 漂移积累：尽管有回环检测，长时间运行的SLAM系统仍可能出现地图漂移。
- 地图重用：如何在不同会话、不同用户之间共享和重用地图，以实现持续性的AR体验，是“持久化AR”的关键。
精细化理解：
- 材质属性：理解物体的表面材质（如光滑、粗糙、透明）对于真实感渲染至关重要，但这远比识别物体种类更难。
- 物体功能：理解物体的功能（例如，“椅子是用来坐的”，“门是用来进出的”）将使得AR交互更加智能。
隐私问题：
- 环境扫描：AR设备持续扫描和理解用户周围的环境，这引发了数据收集和隐私保护的担忧。如何平衡功能与隐私是社会和技术层面都需要解决的问题。

未来发展方向

神经隐式场景表示 (Neural Implicit Scene Representations)：
- Neural Radiance Fields (NeRF)：代表性技术，能够从少量2D图像中重建出极其逼真的3D场景，包括复杂的几何和光照信息。未来，将NeRF或其他神经表示与实时SLAM结合，有望生成更真实、更丰富的AR场景。
大模型与基础模型 (Foundation Models for Scene Understanding)：
- 类比于自然语言处理领域的GPT模型，未来可能会出现能够通用理解和生成复杂3D场景的基础模型。这些模型将能够处理多模态数据（图像、视频、点云、文本），并具备强大的泛化能力。
实时语义三维建图：
- 将高精度的几何SLAM与实时、稠密的语义分割深度融合，构建包含丰富语义信息的实时三维地图。这不仅仅是叠加标签，而是语义与几何的有机结合。
边缘计算与专用硬件：
- 随着AR眼镜等设备的普及，对在设备本地进行复杂计算的需求日益增加。未来将有更多AI芯片和边缘计算解决方案，专门优化AR场景理解任务，以降低延迟和能耗。
协同 AR 与数字孪生 (Collaborative AR & Digital Twins)：
- 多用户共享同一AR体验，需要共享和实时同步的场景理解。数字孪生技术将真实世界与虚拟模型紧密关联，为AR提供了持续、精确的虚拟副本，使得AR体验能够跨越时间和空间。
具身智能 (Embodied AI) 与 AR：
- 结合机器人技术和AR，让AI代理（Agent）能够理解真实世界并与用户、环境进行物理交互，将是AR的终极形态之一。

结论

三维场景理解是AR技术的核心与灵魂。它将AR从简单的信息显示推向了真正的沉浸式体验，使得虚拟内容不再是简单的叠加，而是能够与真实世界进行深度融合和智能交互的有机组成部分。

从最初的相机模型和深度感知，到复杂的SLAM技术，再到由深度学习驱动的语义理解，以及最终体现在遮挡、光照、物理交互等层面。每一步的进步都让我们离构建一个无缝连接物理与数字世界的未来更近一步。

当然，前方的道路依然充满挑战，但随着计算机视觉、深度学习、传感器技术和计算硬件的不断突破，我们有理由相信，未来的AR将拥有超乎想象的场景理解能力，彻底改变我们与数字世界和现实世界的交互方式。作为一名技术爱好者，我对此感到无比兴奋，并期待着亲身参与和见证这一激动人心的变革。虚拟与现实的边界将变得模糊，而三维场景理解正是连接它们的桥梁。

文章作者: qmwneb946

文章链接: https://qmwneb946.dpdns.org/2025/07/25/2025-07-26-050118/