用于商业空间大场景高斯溅射训练数据

本数据集聚焦于大型商业空间中的中庭、走廊及店铺外摆区等开放场景，以3D Gaussian Splatting（GS）格式封装，涵盖商场中庭、品牌门店走廊、服务台、自动扶梯区域及地下停车连接通道等典型区域，已完成实例分割清洗与精准语义标注，其中部分动态物体（如临时展台、休息座椅）带有时间戳状态信息。为真实还原商业环境的视觉复杂性，我们采用多视角RGB图像与深度融合重建技术，模拟了顶部灯膜、店招霓虹及自然光补入等复杂光照条件。该数据集可直接用于商场环境下的机器人导航、避障、客流分析与物品递送等任务训练。将酷家乐设计的空间方案转化为NVIDIA机器人仿真所需的通用场景描述（OpenUSD）资产，整合了传感器参数、高精度网格、真实光照、物理材质、碰撞体及关节驱动等核心信息，数据资产以.usda格式存储，并由NVIDIA官方Isaac Sim平台提供可视化与仿真支持。本算法旨在处理三维模型（如商场中的临时展台、休息座椅、服务台、自动扶梯等物体），通过模型分割、实例重组及格式转换生成新的实例模型，用于大型商业空间下的场景渲染和机器人训练。首先，模型分割阶段接收包含位置、尺寸、材质、顶点、法向、面片等信息的任意初始三维模型，运用拓扑连通性聚类算法将其拆分为多个面片组并提取模型类型字段，有效提取中庭、走廊或店铺外摆区物体的结构特征；随后，模型实例重组阶段对上述字段进行部件级分割，利用Qwen-VL-Max和GroundingDino算法将分割后的部件组合为独立模型实例（如将临时展台的支架与展板分离重组、休息座椅的座垫与椅腿重组、服务台柜台与柜门重组），并为每个实例赋予标签字段，使其能够基于原模型的结构和信息被准确识别，便于在商场场景中布局与动态更新；最后，模型格式转换阶段将拆分后的实例模型及其材质信息转换为OpenUSD格式，并添加碰撞体设置与动画约束信息字段，使模型能够在场景中动态交互（如临时展台的拆装、休息座椅的移动、自动扶梯的运转）。通过以上步骤，原有数据库中的模型被重组为新的实例模型并组装成完整的商场三维场景，可满足机器人导航、避障、客流分析、物品递送等训练任务及场景渲染需求。

搜集汇总

背景与挑战

背景概述

本数据集以3D Gaussian Splatting格式封装了大型商业空间中的中庭、走廊、店铺外摆等开放场景，已完成实例分割清洗与精准语义标注，部分动态物体携带时间戳状态信息。数据集可直接用于商场环境下的机器人导航、避障、客流分析及物品递送等任务训练。