基于AISI网络的BIM三维重建方法研究

发布时间：2021-07-22 05:22

　　自动从点云数据生成建筑信息模型（BIM）一直是建筑自动化领域的研究热点。基于传统算法的建筑自动三维重建的缺点包括人工设计特征,识别过程复杂,应用场景有限等。随着三维机器学习领域的不断成熟,处理点云便有了新的手段。通过引入实例分割中的ASIS网络框架对点云进行处理,即从扫描点云场景中自动分割和分类建筑构建元素并得到实例分割矩阵。接着,基于包围盒假设从得到的实例分割矩阵中提取建筑构件外轮廓参数,并将外轮廓参数和分割的语义分类结果作为BIM建模的构件参数。最后,将这些提取的构件参数输入到自制的IFC生成器中,自动生成基于工业基础类（IFC）标准的BIM模型。实验表明,利用无噪点点云方法,可实现基于曼哈顿世界假设下的室内单房间的三维重建。 

【文章来源】：图学学报. 2020,41(05)北大核心CSCD

【文章页数】：8 页

【部分图文】：

点云最紧致边框示意(以门为例)

将所有建筑构建的各个实例分割结果随机赋色，可以得到图3的效果。ASIS网络对建筑等较大元素的实例分割表现较好，但当场景中单个元素较小时，则容易出错。例如图3(a)，左上角的两面墙体被分为不同的实例，且和地板的界限较为明显。在图3(a)中也显示了一些失败案例。在右上的墙上，2个窗户和墙之间的分界并不明显，并且窗户和墙有一些公用的区域，这会给下一步的建筑构建外轮廓的提取造成困扰。此外，观察左下角桌子周边的椅子，可以发现4把椅子作为单个实例被错误地分割在一起。图3(b)和(c)为另外2个房间的实例分割结果。在实例分割任务上，ASIS网络已经达到了目前较高的水准，但因其对小物体识别的准确度仍有待提高，故本文对识别物体的类别进行了取舍。即本工作仅选用了准确度较高的一些类别，而不是全部13个类别。最终保留的分割类别仅包含墙、门、窗、天花板与地板5种占用空间较大的元素。这5类大物体在ASIS网络分割下的精度较高，分割边界也比较清晰，从而保证了后续三维重建的有效性。

本文制作了一个“IFC生成器”。其是在IfcOpenShell项目软件库[29]的基础上开发而来。IFC生成器可根据已获取的构件参数(7维向量组)自动生成BIM模型，其余的参数暂时不可知。目前可以包含的建筑元素有：墙、门、窗、开洞、地板、天花板。图5是一个根据参数生成模型的案例。生成器已在GitHub上开源，软件及其详细的使用方法见https://github.com/zhupan007/ifc＿generator。IFC模型生成的具体步骤如下：


本文编号：3296524