夜雨聆风
当前国内二手房交易规模已逐步赶超新房市场，定制柜焕新、旧柜拆改等业务需求日益旺盛。但目前柜体旧改焕新业务的数字化流程，仍完全依赖人工操作：设计师现场复尺、拍摄大量照片后，需耗时数小时甚至数天人工比对建模，不仅周期长、成本高，更极度依赖个人经验，极易因视觉误差导致模型失真，引发生产、安装的连锁问题。
为破解行业痛点、提升旧改业务效率与交付质量，圆方软件依托前沿的计算机视觉、深度学习与三维几何计算技术，打造参数化柜体AI重构系统，可将普通手机拍摄的现场照片，直接转化为结构完整、尺寸精准、全参数化驱动的三维柜体数字模型，推动行业旧改业务从「劳动密集型」向「技术驱动型」深刻转型。
系统搭载两套核心AI引擎，精准匹配差异化业务需求，全流程解决旧柜焕新痛点。
追求「秒级响应」的效率革命
智能匹配引擎的核心，是构建了一套高效的「以图搜模」智能管道：
💡其核心突破在于：
匹配逻辑并非基于浅层的纹理、颜色，而是深入到柜体的「设计语义」与结构逻辑层面。选定基础款式后，参数化适配引擎会自动驱动模型，依据从照片中解析的空间尺度（总宽、总高、总深）调整核心参数，实现「旧瓶装新酒」的智能化精准适配。
实现「参数化精准建模」的认知飞跃
三维重建引擎搭建了一套精密的全自动化三维数字化流水线，技术链条环环相扣：
这种方法采用在大型家具数据集上精调的Mask R-CNN模型，在像素级别精确识别并分类出每一块独立物理板件（包括左侧板、右侧板、层板、门板等），为后续分析提供干净的零件级输入。
创新采用「深度学习+几何优化」的混合策略。首先通过单目位姿预测神经网络，根据板件掩码和图像上下文，初步预测每块板件的三维包围盒（尺寸、位置、朝向）；针对单视图深度信息的模糊性，系统同步启动几何约束求解与优化流程，将家具制造的物理先验（如板件通用标准厚度、相邻板件平行/垂直装配规则等）形式化为数学约束，通过高斯 - 牛顿非线性优化算法，调整所有板件的三维位姿，使其在符合神经网络预测的同时，最大限度满足刚性物理约束。此环节可显著纠正单视角的深度歧义，是实现毫米级尺寸反演精度的核心。
算法分析所有板件优化后的三维位姿，自动计算板件间的空间关系（贴合、平行、垂直），结合内置的家具连接规则库，推断出板件间最合理的装配约束，生成描述柜体拓扑结构的「装配约束图」。
引擎接收所有板件的精确几何数据与装配约束图，反向「生长」出参数化模型。最终生成的并非市面常见的静态三角网格，而是由尺寸链驱动的全参数化柜体，可无缝融入企业现有数字生态：既支持尺寸链驱动的可视化实时参数化编辑，也可导出结构化数据对接生产系统，一键生成全生产图纸直通数控机床。
参数化柜体 AI 重构系统，是圆方软件All in AI技术战略、深耕家居产业数字化的核心落地成果。它将推动旧改类订单从依赖个人技艺的「手工作坊」模式，升级为可规模化复制的「AI 数字化流水线」，大幅压缩项目周期与人力成本、提升方案一次性通过率，助力家居企业筑牢存量市场的技术壁垒。
未来，圆方软件将持续 All in AI，聚焦家居产业核心技术攻坚，以技术创新驱动产业效率革命，与行业伙伴携手共赴智能高效的产业新未来。
供稿：科言
