HomeCat想做的一件事很具体让用户用手机绕房间拍一段视频就能得到一张可用于许可申报的建筑平面图。在建筑改造、装修报价、物业测绘这些场景里图纸往往是整个流程的起点但传统方式要么请测量人员到场要么手工拉尺寸画 CAD周期长、成本高。把“手机视频”直接变成“可报批建筑平面图”相当于把三维视觉、点云处理和 CAD 制图三条技术线压在一条自动化管线上难度比很多人想象中大得多。这篇文章会先拆解 HomeCat 这类工具背后的技术链路再给出一条可以在本地跑通的最小实验路径从手机视频到点云从点云到二维墙线最后导出带尺寸标注的 DXF 图纸。文章后段会重点解释“为什么自动建模容易报批合规却很难”以及复刻类似工具时最容易踩的坑。1. 从手机视频到可报批平面图到底要经过哪几步1.1 先破除一个误解视频不是用来“截图”的很多人第一次听到“手机视频生成平面图”会以为程序像截图一样从视频里挑一个俯视角度把画面拉直再用边缘检测描出墙线。这个思路在单张图像上不可靠原因很直接普通手机拍摄的视频没有深度信息单帧图像里的墙面、家具、阴影混在一起算法很难判断一条边缘到底是墙体边界还是地板缝隙。正确的链路实际上是在做三维重建。手机绕房间拍摄时前后帧之间存在视差算法可以从多帧图像中估计相机位置和场景的三维结构。视频只是输入媒介真正有价值的是从视频里恢复出来的三维点云、相机轨迹和尺度信息。后面所有平面图处理都建立在三维结果之上。1.2 技术链路总览一条完整的“视频到可报批平面图”管线按数据流向可以拆成六个阶段视频抽帧与质量筛选。先用 FFmpeg 按固定帧率把视频变成图像序列再过滤掉运动模糊、曝光异常和相邻重复帧避免无效图像进入重建。特征提取与匹配。每一帧图像上提取 SIFT 等特征点再做帧间匹配找到同一物理点在多张图片中的投影位置。稀疏重建。通过运动恢复结构算法估计每一帧的相机位姿同时生成场景的稀疏三维点云。这一步解决“相机在哪里、场景大致长什么样”的问题。稠密重建。基于多视图立体匹配对稀疏点云加密得到能够看清墙面、门洞、窗洞轮廓的稠密点云。点云分析与二维轮廓提取。识别地面、墙面、天花板等主要平面把墙体投影到水平面提取房间边界和门窗洞口位置。图纸导出与规范校验。把二维线稿转换成 DXF 或 PDF补充尺寸标注、房间名称、图框信息再做制图规范检查。前三个阶段是三维视觉问题后三个阶段是几何处理和 CAD 工程化问题。HomeCat 这类工具的价值不在于其中某一个环节而是把整条链路压缩到一次视频上传之后自动完成。1.3 每一阶段的关键任务和常用工具阶段输入输出常用工具/方法视频抽帧手机视频图像序列FFmpeg、OpenCV特征提取与匹配图像序列特征点匹配关系SIFT、SuperPoint、LightGlue稀疏重建特征匹配结果相机位姿、稀疏点云COLMAP、OpenMVG稠密重建稀疏点云与图像稠密点云/网格COLMAP、OpenMVS、Open3D平面分割与轮廓提取稠密点云平面模型、二维多边形Open3D、RANSAC、Shapely图纸导出二维线稿和标注DXF、PDFezdxf、matplotlib、QCAD这份表格也是接下来最小实验环境的目录。只要把每一段的输出体量控制到“能验证即可”本地一台带独显的机器就能跑通全流程。2. 准备最小实验环境先跑通“视频到点云”2.1 环境与依赖建议下面的实验环境用于验证思路不代表生产配置。建议使用 Linux 或 Windows WSL提前安装好 Python 3.10、FFmpeg 和 COLMAP。COLMAP 是运动恢复结构和稠密重建的关键工具安装时要注意和显卡驱动版本匹配。Python 侧主要依赖以下库pip install open3d opencv-python numpy shapely ezdxf scipy如果打算用轻量学习模型替代 SIFT可以追加pip install torch torchvision这一步需要注意 Python 版本和 Open3D 的兼容性。Open3D 对 NumPy 版本有要求安装后立刻导入检查一次python -c import open3d as o3d; print(o3d.__version__) python -c import cv2; print(cv2.__version__)在确认依赖全部可用之前不要直接进入重建阶段否则很容易把“环境问题”和“算法问题”混在一起排查。2.2 拍好一段可用的输入视频很多入门项目失败在拍摄环节而不是算法环节。手机对着白墙边走路边乱拍特征点数量严重不足后续重建大概率失败。拍摄视频时应遵守几条硬性规则镜头要缓慢移动不要边走边甩避免运动模糊。前景物体和墙面都要保留清晰的纹理纯白墙面很难提取特征可以借助门框、踢脚线、插座、挂画等天然标记。同一个角点至少出现在 3 个以上连续帧中保证特征匹配有足够重叠。房间绕一圈后最好再补拍门洞、窗洞和转角位置因为这些区域对最终平面图很重要。帧率建议 30 FPS拍摄时长 60 到 90 秒即可。太长的视频反而容易造成累计漂移。拍摄质量可以用下面的检查表自查项目推荐做法常见问题移动速度慢速匀速每帧画面重叠 70% 以上移动过快造成模糊和特征丢失纹理选择有门框、家具、踢脚线的区域开始大面积白墙导致匹配不到点覆盖范围绕房间一周补拍门洞和窗洞只拍地面或只拍一个角落光照打开室内灯避免逆光和强烈阴影曝光变化剧烈导致帧间匹配失败手机姿态保持手机稳定避免大幅旋转画面抖动造成运动估计不稳定2.3 视频抽帧与质量筛选先把视频转成图像序列。用 FFmpeg 抽帧时fps 设为 2 通常够用超出这个密度会增加匹配计算量但对精度提升有限mkdir -p frames ffmpeg -i input.mp4 -vf fps2,scale1920:-1 frames/frame_%04d.jpg抽帧完成后用 Laplacian 方差过滤模糊帧。这个指标的思路很简单清晰图像的高频细节多拉普拉斯算子响应值高模糊图响应值低。import cv2 from pathlib import Path def filter_blurry_frames(frames_dir: str, min_var: float 80.0): ok_frames [] for img_path in sorted(Path(frames_dir).glob(*.jpg)): gray cv2.imread(str(img_path), cv2.IMREAD_GRAYSCALE) if gray is None: continue laplacian_var cv2.Laplacian(gray, cv2.CV_64F).var() if laplacian_var min_var: ok_frames.append((str(img_path), round(laplacian_var, 2))) return ok_frames frames filter_blurry_frames(frames) print(f保留 {len(frames)} 帧)min_var 的取值和场景有关室内正常光照下 80 到 120 比较常见。可以先打印所有帧的方差分布再决定阈值而不是直接套一个固定值。2.4 用 COLMAP 完成稀疏重建把质量筛选后的图像放入frames_filtered目录然后执行特征提取、匹配和重建。这里给出的是默认参数mkdir -p sparse colmap feature_extractor \ --database_path project.db \ --image_path frames_filtered \ --ImageReader.camera_model OPENCV \ --ImageReader.single_camera 1 colmap exhaustive_matcher \ --database_path project.db \ --SiftMatching.guided_matching 1 mkdir -p sparse/0 colmap mapper \ --database_path project.db \ --image_path frames_filtered \ --output_path sparse参数说明--ImageReader.camera_model OPENCV表示使用带畸变参数的相机模型适合手机镜头。--ImageReader.single_camera 1告诉 COLMAP 所有帧来自同一个相机降低标定压力。--SiftMatching.guided_matching 1开启引导匹配匹配精度更高但耗时略长。重建完成后用模型转换工具导出文本格式或 PLY 点云colmap model_converter \ --input_path sparse/0 \ --output_path sparse/0 \ --output_type TXT更直观的方式是把稀疏点云转成 PLYcolmap model_converter \ --input_path sparse/0 \ --output_path sparse/0/points3D.ply \ --output_type PLY2.5 “跑通”的判定标准不要看到Finished日志就认为重建成功。最少要做三个验证sparse/0目录下是否生成了cameras.bin、images.bin、points3D.bin文件。用 COLMAP GUI 打开模型看相机轨迹是否大致形成绕房间的闭环而不是乱成一团。导出点云后用 Open3D 读取并打印点数点数太少说明稀疏重建没有覆盖整个场景。import open3d as o3d cloud o3d.io.read_point_cloud(sparse/0/points3D.ply) print(len(cloud.points))如果点云数量少于几万或者相机轨迹明显发散说明拍摄或匹配环节出了问题先回到第 2.2 节修正拍摄方案不要带着脏数据继续做平面图。3. 从点云到墙体轮廓再导出 DXF3.1 稠密点云与坐标基准处理稀疏点云足够用来恢复相机轨迹但要生成平面图通常需要稠密点云。使用 COLMAP 稠密重建时需要依次执行图像去畸变、立体匹配和融合colmap image_undistorter \ --image_path frames_filtered \ --input_path sparse/0 \ --output_path dense colmap patch_match_stereo \ --workspace_path dense \ --workspace_format COLMAP \ --PatchMatchStereo.geom_consistency true colmap stereo_fusion \ --workspace_path dense \ --workspace_format COLMAP \ --input_type geometric \ --output_path dense/fused.ply融合后的fused.ply很可能包含地面、墙面、天花板和大量家具点。做平面图之前先用体素滤波降采样减少点云噪声import open3d as o3d cloud o3d.io.read_point_cloud(dense/fused.ply) cloud cloud.voxel_down_sample(voxel_size0.02) o3d.io.write_point_cloud(fused_downsampled.ply, cloud)这里有一个容易忽略的问题COLMAP 输出的坐标系是任意尺度的相机坐标系单位并不是米。没有真实尺度的情况下直接标尺寸会导致图纸严重失真。常见的解决思路是在拍摄时放置一根已知长度的标尺或 A4 纸重建后计算点云距离与真实距离的比例因子。更稳妥的方法是结合激光测距仪在关键墙面上单独量几个尺寸用于约束真实尺度。3.2 找到地面基准分离墙面点平面图关注的是水平和垂直方向。点云在相机坐标系里可能是倾斜的所以第一步是用 RANSAC 拟合地面平面然后把地面法向量旋转到 Z 轴方向。import numpy as np import open3d as o3d cloud o3d.io.read_point_cloud(fused_downsampled.ply) points np.asarray(cloud.points) # 拟合地面平面 plane_model, inliers cloud.segment_plane( distance_threshold0.03, ransac_n3, num_iterations1000, ) a, b, c, d plane_model print(f地面平面: {a:.4f}x {b:.4f}y {c:.4f}z {d:.4f} 0) # 计算法向量与 Z 轴的旋转矩阵 normal np.array([a, b, c], dtypenp.float64) normal normal / np.linalg.norm(normal) z_axis np.array([0.0, 0.0, 1.0]) axis np.cross(normal, z_axis) angle np.arccos(np.clip(np.dot(normal, z_axis), -1.0, 1.0)) # 这里省略旋转矩阵生成实际项目中可使用 scipy.spatial.transform.Rotation.align_vectors旋转校正之后取靠近地面高度的一段点云。墙根线和踢脚线的点云通常就在这个范围内# 假设旋转后 z 轴代表高度统计 z 分布 filtered np.asarray(cloud.points) z_base float(np.percentile(filtered[:, 2], 5)) mask np.abs(filtered[:, 2] - z_base) 0.15 wall_points filtered[mask] xy_points wall_points[:, :2]这一步会留下墙根附近的点但也会混入家具腿。家具腿点通常比较孤立后续可以用半径滤波或统计滤波剔除。3.3 从二维散点生成房间轮廓墙根点的二维分布已经可以看出房间边界轮廓但它仍是散点不是矢量多边形。用凸包会丢掉凹角尤其不适合 L 型、U 型户型。推荐使用 Shapely 的凹包方法from shapely.geometry import MultiPoint from shapely import concave_hull points MultiPoint([(x, y) for x, y in xy_points[::5]]) hull concave_hull(points, ratio0.05) if hull.geom_type Polygon: exterior hull.exterior print(f轮廓面积: {hull.area:.2f})ratio越大轮廓越接近凸包ratio越小轮廓越能贴合凹角但也更容易被噪声点刺出毛刺。实际使用时要根据房间形状调整通常在 0.03 到 0.1 之间。这里得到的轮廓还是相机坐标系下的任意单位。如果已经用标尺计算了比例因子就把多边形坐标乘上该因子转换到米制单位。3.4 导出门窗和尺寸标注到 DXF拿到二维轮廓后用 ezdxf 生成基础 DXF 图纸。下面示例只画墙线和一条线性尺寸标注import ezdxf from shapely.geometry import Polygon polygon hull # 假设 hull 已经是米制单位 doc ezdxf.new(R2010, setupTrue) msp doc.modelspace() coords list(polygon.exterior.coords) for i in range(len(coords) - 1): x1, y1 coords[i] x2, y2 coords[i 1] msp.add_line((x1, y1), (x2, y2), dxfattribs{layer: WALL}) # 获取轮廓第一段边用于尺寸标注示例 x1, y1 coords[0] x2, y2 coords[1] length ((x2 - x1) ** 2 (y2 - y1) ** 2) ** 0.5 dim msp.add_linear_dim( base(x1, y1), p2(x2, y2), distance0.5, dxfattribs{layer: DIM} ) dim.render() doc.saveas(floor_plan.dxf)这段代码只是最小演示。实际交付图纸还需要加入门窗图层、房间名称、面积标签、图框和标题栏。门窗洞口通常无法从一条墙线轮廓中直接识别需要在点云中检测墙面上的空洞或者由用户在网页端手动补标。3.5 验证结果是否可用把生成的 DXF 拖入 CAD 软件至少检查三件事墙线是否闭合是否存在明显交叉和缺口。尺寸标注是否准确和实测尺寸是否在合理误差范围内。单位是否统一DXF 属性里的单位是否和画图时一致。如果尺寸偏差超过 5%对报批图纸来说通常是不可接受的。先检查比例因子是否正确再检查墙面点云是否混入了家具或杂物。4. “可报批”为什么难精度和图纸规范4.1 报批图纸到底要求什么不同地区、不同用途的建筑许可对图纸要求不完全一样但基本要素高度相似。一张能被窗口受理的平面图通常至少包含以下内容图框、标题栏、指北针和比例尺。房间名称、房间面积、门窗编组。墙体材料或墙体类型说明承重墙与非承重墙需要区分。完整尺寸标注包含总尺寸、分段尺寸和门窗洞口尺寸。楼层标高、层高信息。设计单位、设计人或申报人信息。图纸要素自动生成难度说明墙体轮廓中等点云质量好时基本可以自动生成尺寸标注中等依赖真实尺度标定门窗位置较高需要识别点云空洞最好人工确认墙体类型标注高视觉上无法可靠判断承重情况规范文字与图框低可通过模板自动套用设计签字人工系统无法替代执业人员责任所以“可报批”三个字并不是指“把视频变成一张 CAD 图”而是“生成一张符合当地规划和技术规定、并由有资格人员确认过的图纸”。这是产品边界问题不是算法精度问题。4.2 手机视频测量的精度边界手机摄像头没有激光雷达普通单目视觉重建存在几类固有误差尺度不确定。单目视频无法直接知道场景真实尺寸没有参照物就不知道一面墙是 3 米还是 30 米。累计漂移。长视频的轨迹估计会逐渐偏离真实位置闭环检测可以缓解但不能完全消除。纹理缺失。白墙区域特征少重建结果容易出现空洞或平面扭曲。镜头畸变。手机广角镜头边缘畸变明显标定不准确时墙线会呈现弧形。误差来源影响缓解方式尺度未知尺寸标注整体偏小或偏大激光测距、标尺、已知门宽累计漂移长墙两端距离偏差闭环检测、分段重建后拼接纹理缺失墙面点云空洞改善拍摄增加自然标记镜头畸变墙线弯曲精确标定畸变参数拍摄时避免画面边缘收边4.3 哪些环节可以自动化哪些必须人工把关自动化和人工确认的分工应当依据“错误代价”来决定。画错一条墙线返工成本低漏标一根承重墙或标错层高可能直接导致审批被退甚至施工阶段出现安全问题。推荐的分工方式自动化完成视频抽帧、三维重建、平面轮廓生成、图纸底图、尺寸标注初值、图框套用。半自动完成门窗识别后由用户在网页端核对修正房间名称和面积标签由程序生成但人工确认。人工完成墙体类型判定、承重结构说明、设计签字、报批材料的合法性确认。一个实用的落地方式是把自动生成的图纸当作“高精度底图”而不是“最终蓝图”。由系统生成 DXF 后设计师在 CAD 中修正、补注、签字再提交报批。4.4 一个可落地的质量确认流程在实际项目中可以设计一个四步确认流程自动生成系统输出轮廓、尺寸、门窗候选框。几何校验程序自动检查墙线闭合、角度是否接近直角、尺寸是否超过合理范围。人机协同用户打开网页端或 CAD逐项修正门、窗、墙体类型。出图归档确认后生成正式 PDF 和 DXF记录版本号、生成时间和修订记录。这套流程既保留了自动化带来的效率提升又把最终责任交还到具备资质的人手中不会让系统承担本不该由算法承担的法律和工程风险。5. 视频建模的常见坑和排查路径5.1 稀疏重建失败特征点不够现象是 COLMAP mapper 输出很少的注册图像甚至报Cant register image。先检查抽帧后图像数量和清晰度。若大量帧被模糊过滤掉说明拍摄环节有问题。白墙场景下SIFT 特征点数量会急剧下降可以在启动 COLMAP 前用 OpenCV 快速统计每帧特征点数量import cv2 img cv2.imread(frames_filtered/frame_0010.jpg, cv2.IMREAD_GRAYSCALE) sift cv2.SIFT_create() keypoints sift.detect(img, None) print(len(keypoints))如果一帧特征点少于 100 个基本无法稳定匹配。解决思路是改善拍摄场景纹理或在墙面贴上临时标记物而不是继续调参数。5.2 点云漂移或相机轨迹弯曲现象是重建后相机轨迹没有形成闭合的绕场轨迹长墙点云呈现弧形。原因通常是视频太长导致累计漂移或大场景中闭环检测没有生效。可以在 COLMAP mapper 后使用模型对齐或手动添加闭环。另一个常见原因是把完全不同的两段视频拼在一起中间缺少过渡帧。排查时先看注册图像数量和连续帧重叠率。轻微漂移可以用colmap model_aligner对齐到已知坐标严重漂移必须重拍不要指望后处理拯救。5.3 平面分割把墙面和家具混在一起现象是提取墙面点云时衣柜、冰箱、桌椅形成的平面也被当成墙体二维轮廓出现假凸起。原因是 RANSAC 分割只按“平面”判断不按“高度”和“连续性”判断。处理方式是在平面分割后对每个平面点云簇做尺寸过滤真正的墙体通常是大面积、连续、垂直于地面家具平面面积小、孤立、离墙有一定距离。# 用聚类过滤掉家具平面 labels cloud.cluster_dbscan(eps0.05, min_points100, print_progressTrue)只保留点数量最多的若干个簇再参与轮廓提取。这样可以减少家具腿和杂物影响。5.4 尺寸偏差太大现象是轮廓形状是对的但整体尺寸偏大或偏小。90% 的情况是尺度标定错误。单目重建没有物理尺度只有“相对尺度”。如果拍摄距离内没有已知长度物体程序只能按视差恢复相对比例。解决方法是至少量一段已知墙面长度然后计算比例因子estimated_length 4.12 # 点云里某段墙的长度 real_length 4.50 # 卷尺实测长度 scale real_length / estimated_length polygon_scaled polygon * scale如果墙面轮廓本身形状就扭曲那是重建问题先处理 5.1 和 5.2而不是先做缩放。5.5 排查顺序清单遇到问题时按以下顺序排查不要上来就调模型参数视频是否清晰是否存在大量模糊帧。抽取的帧是否覆盖房间全部区域相邻帧重叠是否足够。稀疏重建是否能注册大部分图像相机轨迹是否合理。稠密点云是否完整覆盖墙面和地面。坐标是否校正到地面平面单位是否统一。是否用已知尺寸做了尺度标定。轮廓简化参数是否过大导致细节丢失。现象优先检查根因方向重建失败图像数量、清晰度、纹理特征点不足轨迹漂移视频长度、闭环累计误差轮廓畸形地面校正、平面分割坐标未对齐或家具干扰尺寸错误比例因子、单位尺度标定缺失6. 工程化把实验脚本变成可交付工具6.1 模块拆分实验代码跑通之后不建议把所有处理步骤放在一个 Python 文件里。推荐按阶段拆成独立模块video_to_plan/ ├── ingest/ │ └── video_loader.py # 视频上传、抽帧 ├── reconstruction/ │ ├── feature_filter.py # 图像质量筛选 │ └── colmap_runner.py # COLMAP 封装 ├── geometry/ │ ├── plane_segmentation.py # 地面/墙面分割 │ └── contour_extraction.py # 二维轮廓提取 ├── cad/ │ ├── dxf_exporter.py # DXF 导出 │ └── template_manager.py # 图框模板 └── web/ └── api.py # 任务接口和结果查询模块化不是为了代码美观而是为了单独调优和排错。三维重建阶段出问题时不需要重新上传视频轮廓提取阶段出问题时不需要重新跑 COLMAP。6.2 任务状态与日志视频处理耗时长Web 接口不能同步等待结果。建议把任务状态设计成队列模型状态含义pending已上传等待处理extracting抽帧中reconstructing三维重建中processing平面图生成中failed处理失败需要查看日志done生成成功可下载图纸每一阶段都要记录关键日志包括输入文件名、阶段耗时、点云点数、注册图像数量、比例因子、输出文件路径。一个常见的失败现场是用户上传视频后等了十分钟页面只显示“处理中”。此时如果日志里连实时进度都没有根本无法定位是算法卡住还是任务队列崩溃。6.3 输出文件组织每次任务单独一个目录避免多个用户文件混在一起jobs/ └── job_20250520_001/ ├── original.mp4 ├── frames/ ├── sparse/ ├── dense/ ├── floor_plan.dxf ├── floor_plan.pdf └── metadata.jsonmetadata.json建议保存以下字段{ job_id: job_20250520_001, video_name: living_room_001.mp4, frame_count: 120, registered_images: 108, point_count: 2456000, scale_source: laser_measured_wall, scale_ratio: 0.0185, status: done, generated_at: 2025-05-20T10:30:00Z }这些元数据不只在排错时有价值在图纸质量追溯、模型迭代和客户反馈时也能提供依据。6.4 发布前检查清单在把工具交付给真实用户之前至少检查以下项目是否处理了原始视频权限和隐私问题拍摄画面中的个人信息是否需要脱敏。重建失败时是否返回了可理解的中文错误提示而不是只有 Python Traceback。尺寸标注是否经过一次真实世界比例校验是否默认提示用户“结果仅供参考需专业复核”。是否限制单次视频大小、分辨率和持续时间避免大文件撑爆内存。是否支持断点续跑至少在抽帧、重建、分析三个大阶段可缓存中间结果。是否生成 PDF 版图纸很多报批窗口只接受 PDF 打印件而不只接受 DXF。6.5 生产环境还要补什么生产环境需要考虑的内容远多于实验脚本基于队列的任务调度、GPU 资源的分配限制、中间文件的定期清理、模型版本管理、接口鉴权与限流。如果使用本地 GPU 跑 COLMAP建议把最大并发任务数设为 1 或 2。视频重建非常吃显存和 CPU。并发数过高时多个任务会互相拖垮反而延长整体耗时。最稳妥的架构是任务队列加工作节点每个节点同一时间只处理一个重建任务。7. 对想复刻这类工具的开发者几条实在建议7.1 先做二维房间轮廓再考虑三维模型HomeCat 的目标是平面图不是三维模型。很多开发者在遇到视频建模时会下意识地追求完整的 3D 网格结果花了大量时间处理天花板、家具和装饰面反而忽略了用户真正需要的是墙线、尺度、门窗位置这些二维信息。建议把产品主线定在“几何轮廓准确”而不是“模型好看”。以平面图为核心三维重建只是中间手段。这样做可以大幅降低点云网格化、材质贴图等额外工作量也让用户价值更早出现。7.2 图纸合规是产品需求不是技术需求判断一个功能要不要做不要只问“技术上能不能实现”还要问“报批接不接收”。系统再厉害也无法替代注册建筑师、注册结构工程师的签字责任。把“自动生成”和“最终确认”分开在产品设计上反而更诚实、更安全。可以在界面上明确标注“AI 生成底图需人工复核”并提供一键导出带修订标记的 DXF。这个设计既保护用户也保护工具本身。7.3 数据闭环每个误判都要回流成规则视频重建出现误判是必然的关键是误判之后怎么改进。建议在 Web 端设计简单的反馈按钮用户标记“这里墙线错了”或“门位置不对”系统记录错误区域的点云、相机帧和修正结果。积累一段时间后再把这些样本用于优化平面分割参数或训练门窗检测模型。不要只看成功案例失败案例才是这个工具迭代最有价值的资产。7.4 可继续扩展的方向在这条技术链路上后续可以扩展的方向包括自动识别门、窗、楼梯等建筑构件形成带构件图层和编号的图纸。输出多种图纸格式包括 DXF、PDF、SVG以及 BIM 软件可导入的 IFC 文件。和多房间视频拼接结合逐步覆盖一层变、整层变甚至整栋改造场景。加入激光雷达手机或深度相机的融合数据提高尺度和细节精度。对刚接触这个方向的开发者最值得做的小练习不是直接挑战整套报批图纸而是先完成“一段手机视频 - 一个房间轮廓 - 一张带尺寸 DXF”的最小闭环。把这条链路跑通之后无论是做产品还是继续优化算法都会比零散看论文、调模型参数更有方向感。