Semantic-ITC: A Frame-wise Indoor Mobile Laser Scanning Dataset and Benchmark for Semantic Segmentation

📄 arXiv: 2609.18493v1 📥 PDF

作者: Haiyang Wu, Muhammad Affan, George Vosselman, Ville Lehtola

分类: cs.CV

发布日期: 2026-09-16

💡 一句话要点

提出Semantic-ITC数据集以解决室内激光扫描语义分割问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 室内激光扫描 语义分割 点云处理 数据集构建 建筑信息建模 深度学习 计算机视觉

📋 核心要点

  1. 现有的点云语义分割基准缺乏针对室内移动激光扫描帧的语义标签，限制了相关研究的进展。
  2. 本文提出Semantic-ITC数据集，提供帧级室内MLS语义分割的公共基准，包含丰富的标注信息。
  3. 实验结果显示，最佳基线达到79.27%的mIoU，表明该数据集在室内MLS语义分割中的有效性和挑战性。

📝 摘要（中文）

当前的点云语义分割基准主要集中在重建的室内场景或户外LiDAR感知上，缺乏针对室内移动激光扫描（MLS）帧的语义标签。本文介绍了Semantic-ITC，这是首个公开的帧级室内MLS语义分割数据集和基准。该数据集包含52个室内序列、79,108个MLS帧和12.3亿个标记点，涵盖教室、走廊、会议室、办公室和学习区。标签直接附加到每帧的LiDAR点上，使用16个语义类别，涵盖结构元素、家具、房间设备、植物及其他室内物体。Semantic-ITC保留了室内MLS的稀疏、非均匀和帧级采样模式，使其与基于场景重建的点云和网格数据集显著不同。

🔬 方法详解

问题定义：本文旨在解决室内移动激光扫描（MLS）帧缺乏语义标签的问题。现有方法主要集中于重建的室内场景或户外LiDAR感知，无法满足室内MLS的需求。

核心思路：提出Semantic-ITC数据集，直接在每帧的LiDAR点上附加语义标签，涵盖多种室内物体和结构元素，以支持帧级的语义分割研究。

技术框架：数据集的构建采用了混合工作流程，包括对同步RGB图像应用视觉基础模型的预测、BIM的结构信息以及人工精细化，最终将标签分配到原始LiDAR帧上。

关键创新：Semantic-ITC是首个针对室内MLS帧的公开数据集，保留了稀疏和非均匀的采样模式，与现有的场景级重建数据集有本质区别。

关键设计：数据集中使用16个语义类别进行标注，涵盖了结构元素、家具、房间设备等，且采用了高效的标注流程以确保标签的准确性。实验中，最佳基线的mIoU达到79.27%，显示了该方法的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Semantic-ITC数据集的最佳基线达到79.27%的mIoU，显示出在稀疏帧几何和长尾类别分布下进行室内MLS分割的挑战。剩余错误主要集中在物体边界和模糊的室内类别，进一步验证了该数据集的有效性和研究价值。

🎯 应用场景

该研究的潜在应用领域包括室内导航、智能家居、建筑信息建模（BIM）等。通过提供一个标准化的基准，Semantic-ITC将促进室内MLS语义分割技术的发展，推动相关领域的研究和应用。未来，该数据集可能成为室内环境理解和自动化的基础。

📄 摘要（原文）

Semantic labels for indoor mobile laser scanning (MLS) frames remain largely absent from current point cloud semantic segmentation benchmarks, which mainly focus on reconstructed indoor scenes or outdoor LiDAR perception. This paper introduces Semantic-ITC, to the best of our knowledge the first public dataset and benchmark for frame-wise indoor MLS semantic segmentation. The dataset contains 52 indoor sequences, 79,108 MLS frames, and 1.23 billion labeled points collected in classrooms, corridors, meeting rooms, offices, and study areas. Labels are attached directly to measured LiDAR points in each frame using 16 semantic classes covering structural elements, furniture, room equipment, vegetation, and other indoor objects. Semantic-ITC preserves the sparse, non-uniform, and frame-wise sampling pattern of indoor MLS, making it distinct from scene-level reconstructed point clouds and mesh-based indoor datasets. The annotations are produced by a hybrid workflow that combines predictions from a visual foundation model applied to synchronized RGB images, structural information from BIM, and manual refinement, with the final labels assigned to the original LiDAR frames. A single-frame benchmark is provided, and the best baseline reaches 79.27\% mIoU. Remaining errors are concentrated around object boundaries and ambiguous indoor classes, indicating the challenges of indoor MLS segmentation under sparse frame geometry and long-tailed class distributions. The dataset provides a public benchmark for evaluating semantic segmentation directly on measured indoor MLS frames and supports future studies on frame-wise indoor MLS semantic segmentation.