LS-CAD|建筑CAD数据集|符号识别数据集

LS-CAD是由上海科技大学和DGene数字技术共同创建的一个大规模CAD数据集，专门用于支持建筑CAD图纸中的符号识别研究。该数据集包含50个标注的楼层平面图，每个平面图的平均覆盖面积为1000平方米，远超现有数据集的规模。数据集的创建过程遵循精细的标注标准，确保了符号识别任务的高质量基准。LS-CAD数据集的应用领域主要集中在建筑CAD图纸的自动化处理，旨在提高3D室内建模和代码合规性检查等任务的效率。

AI搜集汇总

数据集介绍

构建方式

LS-CAD数据集通过从多种建筑类型（如校园和办公楼）中收集50个标注的楼层平面图构建而成。每个平面图的平均覆盖面积超过1000平方米，远超现有数据集的规模。数据集中的每个平面图都遵循与FloorPlanCAD数据集相同的细粒度标注标准，涵盖了门、窗、墙、楼梯、电梯、家具等多种复杂符号。通过这种方式，LS-CAD数据集为大规模CAD绘图中的符号识别研究提供了宝贵的基准。

使用方法

LS-CAD数据集可用于训练和评估符号识别算法，特别是在大规模CAD绘图中进行全景符号识别。研究者可以使用该数据集进行语义分割、实例分割和全景分割任务的实验。通过对比不同算法在LS-CAD上的表现，可以评估其在处理复杂符号和大规模绘图时的性能。此外，数据集的公开部分将为符号识别领域的进一步研究提供支持。

背景与挑战

背景概述

LS-CAD数据集由上海科技大学和DGene数字技术公司共同创建，旨在支持大规模建筑CAD图纸中的符号识别研究。该数据集包含50个标注的楼层平面图，涵盖了校园和办公楼等多种建筑类型，每个平面图的平均覆盖面积达到1000平方米，远超现有数据集的规模。LS-CAD数据集的引入为符号识别任务提供了新的基准，尤其是在处理复杂符号、尺度变化和重叠元素等方面，推动了CAD图纸自动化处理技术的发展。

当前挑战

LS-CAD数据集的构建面临多重挑战。首先，CAD图纸中的符号种类繁多，且存在视觉相似性，导致符号识别的难度增加。其次，符号的尺度、方向和风格变化多样，进一步增加了识别的复杂性。此外，大规模CAD图纸中的符号密集分布和重叠现象，使得精确分割和识别成为难题。在数据集构建过程中，如何高效处理大规模图纸并保持符号的连通性，也是一项技术挑战。

常用场景

经典使用场景

LS-CAD数据集的经典使用场景主要集中在建筑设计领域中的计算机辅助设计（CAD）图纸的符号识别与分割任务。该数据集通过提供大规模的建筑平面图，支持自动化符号检测、语义分割和实例分割等任务。这些任务的核心在于从复杂的CAD图纸中准确识别并分割出如门、窗、墙体等符号，从而为后续的3D建模、建筑合规性检查等应用提供基础数据支持。

解决学术问题

LS-CAD数据集解决了CAD图纸中符号识别与分割的学术难题，尤其是在处理大规模、复杂且符号密集的图纸时，传统方法往往难以应对符号多样性、尺度变化以及符号重叠等问题。通过引入密集点采样和滑动窗口聚合技术，LS-CAD数据集为研究者提供了一个强大的基准，推动了CAD符号识别领域的技术进步，尤其是在处理大规模建筑平面图时，显著提升了符号检测与分割的准确性和鲁棒性。

实际应用

LS-CAD数据集在实际应用中具有广泛的应用前景，特别是在建筑设计和施工领域。通过自动化符号识别与分割，设计师可以更高效地进行3D建模、空间布局优化以及建筑合规性检查。此外，该数据集还可用于建筑信息模型（BIM）的自动化生成，帮助建筑师和工程师在设计阶段快速识别并纠正潜在的设计错误，从而提高建筑项目的整体效率和质量。

数据集最近研究

最新研究方向

LS-CAD数据集在建筑计算机辅助设计（CAD）领域的前沿研究中扮演着重要角色，尤其是在大规模CAD图纸中的全景符号识别任务中。最新的研究方向集中在通过密集点采样和统一的点云处理模型来提升符号识别的鲁棒性和效率。CADSpotting方法通过引入滑动窗口聚合技术，结合加权投票和非极大值抑制（NMS），显著提高了在大规模复杂CAD图纸中的符号分割精度。此外，LS-CAD数据集的引入为该领域的研究提供了新的基准，推动了自动化3D建模和建筑信息模型（BIM）生成等下游任务的发展。

相关研究论文

• CADSpotting: Robust Panoptic Symbol Spotting on Large-Scale CAD Drawings

  上海科技大学 · 2024年