为了找到一件真正合身的衣服，很多人都经历过这样的场景：手抱几件不同尺码的外套，在试衣间门口排队等待。反复穿脱、来回对比，既耗时间，也消磨耐心。
而在企业统一配发制服的场景中，这种低效会被进一步放大——人工量体、手工记录、反复试穿与返工，让“选一件合身的衣服”演变成一项系统性难题。
有没有一种方式，能从源头上优化这种体验？
来自比利时布鲁塞尔的三维扫描初创企业Treedy's，给出的答案是三维人体扫描系统SIZED，把“选尺码”这件事，从试衣间、皮尺和经验判断中彻底解放出来。
消费者无需脱衣，只需在设备前短暂停留，系统便可在数秒内获取毫米级精度的人体三维数据，并生成一份可长期复用的数字体型档案。一次扫描，多次使用——“一次量体，终身调用”，不再是一句口号。
支撑这一体验的，是Treedy's自研的AI算法NakedNet与奥比中光Astra 2结构光3D相机的深度协同。
即便在穿着日常服装的情况下，系统也能“透过衣物”还原真实体型，推算出更贴合的尺码建议。在超过3万次线下验证中，SIZED全身扫描用时约30秒，整体误差率控制在2%以内。
除了算法，“量体选衣”还需要可靠的深度感知能力。在真实门店环境中，扫描设备需要面对深色牛仔、厚重外套、多种面料以及复杂光照条件。只有持续输出高密度、高精度的三维点云数据，算法才能在“穿衣状态”下还原真实体型，不被衣物的形态误导。
图片来源：Treedy's SA
在SIZED的人体扫描设备中，扫描模组自上而下垂直部署了三台奥比中光Astra2单目结构光3D相机，对人体进行完整覆盖式采集。这一设计并非简单堆叠，而是围绕“量体选衣”这一核心目标，对精度、稳定性与隐私要求的系统性回应。
Astra 2基于红外结构光成像，可清晰区分衣物褶皱与真实体型轮廓，这是判断服装合身度的关键。结合奥比中光定制MX6600芯片，其深度精度在1米内控制在0.16%以内、2米内不超过0.3%，使算法得以捕捉肩线、腰围与体态变化等决定性细节。
同时，1600×1200的深度分辨率与30fps输出，为AI提供连续、细腻的三维点云数据；而基于深度而非RGB成像的机制，也在硬件层面规避了面部纹理采集，更符合欧洲对隐私与数据合规的要求。
SIZED已在布鲁塞尔的迪卡侬Evere门店中部署，顾客仅需30秒即可完成三维建模，并生成可在线上线下通用的个人尺码档案。
原本依赖反复试穿、耗时数分钟的选码流程，被压缩为一次站立式扫描；尺码判断从经验与试错，转向数据与算法驱动。
图片来源：Treedy's SA
在消费者零售与企业制服分发场景中，这一模式迅速显现价值：量体准确率达98%，新人入职量体仅需30秒，累计扫描超过3万次，综合成本降低75%。随着规模化应用推进，退换货率与库存压力持续下降，数字体型数据也不断沉淀，成为可长期复用的核心资产。
“如果用人工量尺码，就难以满足大规模服装分发和管理的需求。”Treedy’s/SIZED创始人兼CEO David Francotte表示，“SIZED的价值在于把量尺码升级为一种数字化基础设施，不但精准、可重复、而且也保护隐私。奥比中光的深度感知技术，为我们的AI提供了高质量的数据基础，消除了人为判断的误差，让每一位员工在任何地点，都能有可靠、合身的尺码数据。”
SIZED案例背后，是以奥比中光为代表的高精度三维感知系统，正在包括智慧零售等各行业加速落地的缩影。
类似实践已在全球范围展开：日立基于奥比中光3D相机打造“CO-URIBA”无人收银系统，通过三维视觉识别无条码商品，重构零售结算体验；Lavavision将Astra2集成至MotionCube互动地板与墙面系统，借助深度感知技术，把物理空间转化为面向教育与康复的沉浸式交互环境。
从零售到医疗，从制造到互动体验，高精度三维数据正在成为AI替代人工判断的关键基础设施。奥比中光提供的不只是3D相机，而是一套让终端设备真正“看懂”世界的视觉引擎。
- 关于Treedy’s
Treedy’s是来自比利时布鲁塞尔的三维扫描初创企业，其开发的SIZED是一项3D人体扫描技术，正在重塑制服与服装行业的尺码与合身基础设施。通过在穿着日常服装状态下完成3D人体扫描，并建立以隐私保护为前提的数字体型档案，SIZED实现了规模化的精准匹配，帮助企业降低退换货率、减少运营摩擦与资源浪费，同时推动更高效、更可持续的运营模式。
