arXiv cs.AI· Haoran Xiong, Jing Wang, Shanshan Pan, Zihao Yan, Minglun Gong, Hui Huang·· 12 小时前AI 评分31
CRAB：基于长方体的点云竣工 BIM 重建框架
CRAB: Cuboid-based Representation for As-built BIM from Point Clouds
AI 导读
CRAB 是一个面向竣工 BIM 的长方体重建框架，将墙体、门、窗、梁、柱编码为带 IFC 兼容语义与参数的紧凑建筑长方体，结合 ProposalNet 与关系感知的 Flow Matching 模型 AssemblyNet 精修几何并预测结构关系。
正文 · AI 翻译
摘要：从点云进行竣工 BIM 重建需要语义化、体量化、参数化且可编辑的建筑构件，而不仅仅是 2D 布局或平面抽象。然而，现有的扫描到 BIM 流程往往依赖手工规则、启发式优化或人工修正，而基于学习的方法又难以恢复墙体厚度、开口几何形状和构件级 BIM 结构。我们提出 CRAB，一种面向 BIM 的长方体重建框架，将墙体、门、窗、梁和柱编码为具有 IFC 兼容语义和参数的紧凑建筑长方体。CRAB 通过结合 ProposalNet（预测粗略构件长方体）与 AssemblyNet（一种关系感知的 Flow Matching 模型，可细化几何、预测结构关系，并支持自动结构修正和人工引导编辑），在点云与可编辑 BIM 之间架起桥梁。为应对长方体级监督数据有限的问题，我们扩展了 Structured3D，加入构件级长方体标注，并构建了基于长方体的程序化场景。实验表明，CRAB 在构件完整性、几何精度和泛化能力上优于基于平面图和基于平面的替代方案。对于内墙厚度估计，CRAB 的平均误差为 2.80 cm，79.50% 的匹配墙体误差在 3 cm 以内。项目页面见 此 https URL。
| 评论： | CRAB 被 SIGGRAPH Asia 2026 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29257 [cs.CV] |
| （或 arXiv:2610.29257v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29257 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Haoran Xiong [查看电子邮件]
[v1]
2026年10月21日星期三 06:06:13 UTC（36,283 KB）
来源：arXiv cs.AI · arxiv.org