随着空间智能技术发展，模型不仅要识别画面中的物体，还要理解房间划分、墙体与门窗分布、家具位置及物体之间的空间关系。RGB图像提供外观和纹理信息，点云反映空间几何结构。让两类数据准确对应，并进一步完成结构化标注，是训练室内空间理解模型的重要基础。
目标
某头部AI企业在研发室内空间理解大模型时，需要构建1000个国内家庭住宅场景的RGB图像与点云数据，覆盖二居至四居等不同户型，并兼顾地域和装修风格差异，同时排除酒店、宿舍、空置房等不符合项目定义的场景。
数据需完成房间分区及墙体、门窗、地板等空间结构标注，并覆盖40余类室内物体，用于模型学习空间布局、物体位置和场景关系。
挑战
真实住宅分布在不同地域，户型和装修风格差异明显。如果场景来源集中、同类住宅重复出现，数据规模也难以形成有效的场景覆盖。
移动端扫描的设备配置和操作方式也会影响数据一致性。扫描范围不完整、家具遮挡或视角盲区，可能造成空间信息缺失，进而影响RGB图像与点云的对应关系。
真实住宅的空间和物体边界往往不够清晰。异形房间难套用规则边界，家具遮挡或相邻摆放可能造成轮廓缺失、点云粘连。标注人员需交叉核对RGB外观与点云几何信息；批量生产缺少统一规则时，容易产生落点和批次差异。
海天瑞声解决方案
客户需要的不是原始扫描结果，而是场景分布可控、RGB图像与点云准确对应、标注口径一致的训练数据。海天瑞声将数据规划、采集初检、算法辅助和规则回流组成连续生产链路。
场景矩阵驱动资源调用
海天瑞声建立“户型×地域×装修风格”场景矩阵。户型覆盖二居至四居，地域参考南北方、市区与郊区等居住差异，装修风格细分为现代简约、中式、欧式、原木等类型。项目团队持续对照配额和完成情况，依据缺口调整资源调用方向，避免同类住宅重复集中。
前置初检拦截采集问题
移动端采集统一终端型号、软件配置和操作要求。数据上传后，初检工具先检查文件完整性，项目人员再核查空间覆盖及RGB图像与点云的对应情况；发现遗漏或异常时直接退回补采，避免问题进入标注后再返工。
机器预标减少重复落点
机器预标承担边界点生成，类别判断、边界修正和复杂场景处理由标注人员完成。以沙发为例，算法先给出候选边界点，标注人员结合RGB外观与点云几何信息确认类别、校正边界；遮挡、异形或相邻家具边界不清时，则转为人工精细处理。
疑难样本回流统一规则
异形房间、家具遮挡等疑难样本进入专项评审。处理结论被整理为补充规则和示例，并同步至后续批次。
全部数据再经过标注员自检、审核员复检和验收专家终审，控制人员和批次之间的执行差异。
方案价值
项目按时完成1000个家庭住宅场景的数据交付。按照项目验收口径，RGB图像与点云的对应关系达到验收要求，标注数据格式合规率为100%，房间类型标注准确率为99%，家具类别标注准确率为98.5%，交付数据满足客户模型训练要求。
场景组合表让住宅覆盖情况可跟踪，批次检查减少问题数据流入后续环节，机器预标与人工判断明确效率和精度的分工，疑难评审则将个别问题转化为统一规则。标准化的交付格式也减少了客户接入时的重复适配工作。
服务能力
该项目体现了海天瑞声在真实室内场景组织、移动端RGB与点云数据采集、空间结构化标注和规模化质量控制方面的综合能力。
面向室内导航、智能家居等空间智能应用，海天瑞声可根据客户的模型任务、场景范围、标注体系和交付格式，提供从数据规划、场景采集到标注验收的数据服务。
