Rohbau3D：面向建筑行业的高分辨率室内施工场景三维点云数据集及其几何处理应用研究

针对建筑行业缺乏真实施工场景三维数据的问题，研究人员开发了Rohbau3D数据集，包含504组采用地面激光扫描仪(TLS)采集的高分辨率LiDAR点云数据，涵盖14类不同建筑类型的施工场景。该数据集创新性地整合了激光反射强度、RGB色彩和重建表面法向量等特征，为建筑信息模型(BIM)自动化处理和计算机视觉研究提供了首个大规模专业基准。

　　

在建筑数字化进程中，一个长期存在的矛盾日益凸显：虽然地面激光扫描(Terrestrial Laser Scanning, TLS)技术已成为建筑工程测量的标准实践，但高达90%的中小型项目仍依赖传统2D图纸进行管理。这种现状直接制约了建筑行业向智能化转型的步伐，其核心瓶颈在于缺乏真实反映施工场景复杂性的高质量三维数据资源。现有数据集多集中于自动驾驶或室内家居环境，而专门针对建筑壳层施工(Rohbau)阶段——即建筑结构框架完成但内部尚未装修的关键阶段——的专业数据集几乎空白。这类环境具有独特的挑战性：粗糙的表面材质、临时支撑结构、积水反光等干扰因素，使得常规三维数据处理算法在此类场景中表现不佳。

正是基于这样的行业痛点，Lukas Rauch和Thomas Braml在《Scientific Data》发表了开创性研究。团队历时一年在慕尼黑周边14个施工现场，使用FARO Focus M70专业级地面激光扫描仪，系统采集了504组高精度点云数据，构建了首个面向建筑壳层施工阶段的三维数据集Rohbau3D。与现有数据集相比，该研究的创新性体现在三个方面：首先，数据来源覆盖住宅、学校、办公楼等多样建筑类型，真实反映了砖混结构、钢筋混凝土骨架等不同施工工艺；其次，每个点云不仅包含坐标信息，还整合了反射强度、RGB色彩和通过深度学习重建的表面法向量等多模态特征；最后，配套提供球面全景渲染图像，实现了二维与三维数据的有机融合。如图1所示，数据集典型场景包含未完工墙体、裸露管线等施工特征，这些真实细节是合成数据难以模拟的。

研究团队采用了几项关键技术：1) 使用FARO Focus M70 TLS设备采集原始点云，平均单场景包含2.34×10⁷个点，空间密度达31.7点/cm²；2) 开发改进的SHS-Net深度学习模型，通过局部块编码和全局形状编码的双分支架构，从无序点云重建表面法向量；3) 采用基于视点的后处理方法统一法向量方向，解决大场景中方向一致性难题；4) 创新性设计体素化预处理流程，有效处理高密度区域(如天花板)的预测异常。技术验证表明，该方法在PCPNet基准测试中达到3.49°的平均误差，显著优于传统PCA方法(12.48°)。

【数据记录】部分显示，数据集按"工地-扫描"两级目录组织，包含坐标(coord.npy)、颜色(color.npy)、强度(intensity.npy)和法向量(normal.npy)四个核心特征。特别值得注意的是反射强度特征，该指标能有效区分不同建材，如图3所示，混凝土、砖块等材质在强度特征图中呈现明显差异，这为后续材料识别提供了重要线索。

【技术验证】部分深入探讨了法向量重建的质量控制。研究发现，直接应用原始SHS-Net模型在建筑场景中会出现方向翻转问题(图7)。通过引入10cm体素化预处理和扩大采样邻域(图4)，显著改善了高密度区域的预测稳定性。图9展示了最终重建效果，模型不仅能准确捕捉平面墙体的连续法向量，还能识别拱顶等复杂曲面的几何特征。这种高精度法向量重建为表面分割、缺陷检测等下游任务奠定了基础。

研究的讨论部分强调了三大应用价值：首先，填补了建筑壳层施工阶段专业数据集的空白，为BIM自动化处理提供了测试平台；其次，提出的法向量重建方法解决了大场景点云的方向一致性难题，其改进的体素化策略对处理超高密度TLS数据具有普适意义；最后，数据集包含的真实干扰因素(如积水反光、临时脚手架)为算法鲁棒性测试提供了天然实验场。作者特别指出，反射强度特征与近红外光谱的关联性(参考文献31-34)尚未被充分挖掘，这可能是未来材料识别研究的重要方向。

这项研究的局限性在于当前仅提供原始扫描数据，尚未引入语义标注。但正如作者所述，Rohbau3D设计为可扩展框架，未来加入构件级标注后将极大促进深度学习在建筑几何理解中的应用。该数据集已开源，其专业性和真实性将为建筑数字化、智能施工监测等领域带来持久影响。