用于机房和办公大厅测绘重建模型数据

该数据集聚焦于实景测绘重建的办公大厅、空压机房与停车场三大典型环境。每个场景均以USD格式封装，包含高精度几何纹理与真实测绘噪声，实例分割清洗，语义标注精准，部分工业设备（如空压机接口、配电柜门）标注了部件级信息。我们采用混合光照模拟（办公大厅日间自然采光、空压机房低照度LED、停车场荧光灯管），并布置了不同密度的日常杂物（如工位文件夹、机房临时线缆、车位防撞条），以还原真实工业与商业环境的动态性和复杂性。本算法旨在处理三维模型，通过一系列步骤实现模型的分割、实例重组及格式转换，以生成新的实例模型，用于场景渲染和机器人训练等应用。 1.模型分割：本步骤接收任意初始三维模型作为输入，三维模型包括位置、尺寸、材质、顶点信息、法相信息、面片信息字段，运用拓扑连通性聚类算法将该组合模型拆分为多个面片组（face group），获取模型类型字段。此步骤有效提取模型的结构特征，有助于后续的实例重组。 2.模型实例重组：在此步骤中，对三维模型的位置、尺寸、材质、顶点信息、法相信息、面片信息字段进行分割，再利用Qwen-VL-Max和GroundingDino算法对分割后的部件进行组合，形成独立的模型实例，并获取其中的标签字段。标签字段能够使每个模型实例能够基于原模型的结构和信息进行识别和应用。 3.模型格式转换：本步骤将拆分获得的实例模型及其对应的材质信息转换为OpenUSD格式，并获取其中的碰撞体设置信息字段和动画约束信息字段，以使模型能够在场景中动起来。 通过以上步骤，将原本数据库中的模型进行重组，生成新的实例模型，并被组装成一个完整的场景，以满足场景渲染、机器人训练等多个应用需求。

搜集汇总

背景与挑战

背景概述

该数据集提供办公大厅、空压机房与停车场三个典型环境的实景测绘重建模型，以USD格式封装，包含高精度几何纹理、真实测绘噪声、精准语义标注及部分部件级信息，并模拟混合光照与日常杂物以还原场景动态性。配套算法通过拓扑连通性聚类、Qwen-VL-Max与GroundingDino等步骤实现模型分割、实例重组及格式转换，生成可用于场景渲染和机器人训练的新实例模型。