一、岗位背景
随着三维激光扫描技术在建筑与基础设施领域的应用不断扩大，Scan2BIM（扫描到BIM）的自动化逆向建模需求日益增长。为了在实际场景中实现端到端的高精度自动化逆向建模，我们需要构建大规模、高质量的三维点云训练数据集，包括手动分割标注的点云、对应的逆向建模 BIM 文件等。
沄视科技（WolkenVision）致力于研发面向工业与建筑领域的 AI 算法与软件平台，本次项目旨在与高校进行合作，招募对建筑信息模型（BIM）、点云数据处理和计算机视觉研究感兴趣的在校学生，协助我们进行相关数据的高标准生产与整理，以支持后续的 AI 算法训练与学术研究。
二、岗位职责/研究内容
1. 三维点云分割与标注
• 使用开源工具 CloudCompare 以及沄视科技自研的半自动化分割软件，对建筑及基础设施场景的三维点云进行手动分割和精细化标注。
• 结合多源数据（如激光扫描、摄影测量等）进行准确性校准，确保分割结果达到科研和工程应用所需的高精度标准。
2. BIM 逆向建模
• 基于 Autodesk Revit 等 BIM 平台，对点云进行逆向建模，构建参数化的建筑或基础设施 BIM 模型。
• 熟悉不同类别构件（如梁、柱、墙、楼板、管线等）的建模规范与命名规则，并能基于点云特征完成高保真度的 BIM 模型搭建。
3. 数据管理与质量控制
• 根据项目要求，对分割标注结果及 BIM 模型进行分类、命名及归档管理，确保数据整洁、有序。
• 参与制定数据质量评估标准（如精度、完整度、可复现性等），并协助进行持续性改进。
4. 科研辅助与技术交流
• 参与团队的技术交流，定期汇报点云分割和逆向建模过程中的问题与经验，为后续的 AI 模型研发提供数据和方法论支持。
• 有机会在学术会议或期刊发表与 Scan2BIM、建筑计算机视觉等方向相关的研究成果，为个人科研履历加分。
三、专业及能力要求
1. 专业背景
• 建筑学、土木工程、测绘工程、交通工程、地理信息系统、计算机科学、数字媒
体技术或其他相关专业的在读本科生/研究生；
• 对建筑信息模型（BIM）、三维数据处理、计算机视觉或人工智能领域有兴趣，或有相关课程或项目经验者优先。
2. 软件工具
• 熟练使用至少一种三维建模软件（如 Autodesk Revit、Rhino、SketchUp 等）者优先；
• 接触或使用过点云处理工具（如 CloudCompare、Bentley Pointools 或相关开源平台）者优先。
3. 基础技能
• 具备基本的几何与空间理解能力，能快速上手点云分割及建筑构件识别；
• 有耐心、注重细节，对数据质量有较高要求；
• 具备良好的沟通能力和团队协作意识，能够与不同专业背景的同事、导师及团队高效协同。
4. 科研素质
• 乐于探索与总结，对于新方法及新工具有一定学习能力；
• 愿意参与相关科研实验与论文撰写，积极思考点云算法研究在 BIM 逆向建模领域的创新与应用价值。
四、实习时间与形式
1. 实习周期：建议 3-6 个月，具体可根据学校安排和个人需求灵活调整；
2. 实习频次：每周至少 3-4 个工作日，或根据项目阶段需求进行集中工作；
3. 地点方式：
• 可选择在公司办公地点进行实习，也可采用远程办公，或者远程办公与定期线下沟通相结合的方式；
• 对于表现优秀且有意向深入科研的同学，可进一步长期合作，并可在后续申请毕业设计或科研课题中与我们合作。
五、收获与支持
1. 科研与实践并重
• 直接参与 Scan2BIM 领域的前沿研究和实际落地项目，有机会获取科研论文发表支持；
• 接触真实的工业应用场景，积累宝贵项目经验。
2. 专业培训与指导
• 公司提供三维点云处理、BIM 逆向建模等培训，并由资深工程师与研究人员进行技术辅导与项目指导；
• 与来自建筑、测绘、计算机视觉等跨学科背景的专业人士交流学习。
3. 实习补贴与推荐
• 该项目将会给实习生提供实习补贴或相关奖学金；
• 表现优秀者可获得沄视科技或项目合作导师的推荐信，为日后继续深造或求职提供有力背书。
4. 职业发展机会
• 结束实习后，可优先获得沄视科技校招或社招通道机会；
• 在项目技术和管理能力上表现突出的同学，有机会在公司内部得到更深入的发展空间。