自動從點云數(shù)據(jù)生成建筑信息模型（BIM）一直是建筑自動化領(lǐng)域的研究熱點�；趥鹘y(tǒng)算法的建筑自動三維重建的缺點包括人工設(shè)計特征,識別過程復(fù)雜,應(yīng)用場景有限等。隨著三維機器學(xué)習(xí)領(lǐng)域的不斷成熟,處理點云便有了新的手段。通過引入實例分割中的ASIS網(wǎng)絡(luò)框架對點云進(jìn)行處理,即從掃描點云場景中自動分割和分類建筑構(gòu)建元素并得到實例分割矩陣。接著,基于包圍盒假設(shè)從得到的實例分割矩陣中提取建筑構(gòu)件外輪廓參數(shù),并將外輪廓參數(shù)和分割的語義分類結(jié)果作為BIM建模的構(gòu)件參數(shù)。最后,將這些提取的構(gòu)件參數(shù)輸入到自制的IFC生成器中,自動生成基于工業(yè)基礎(chǔ)類（IFC）標(biāo)準(zhǔn)的BIM模型。實驗表明,利用無噪點點云方法,可實現(xiàn)基于曼哈頓世界假設(shè)下的室內(nèi)單房間的三維重建。 

【文章來源】：圖學(xué)學(xué)報. 2020,41(05)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

點云最緊致邊框示意(以門為例)

將所有建筑構(gòu)建的各個實例分割結(jié)果隨機賦色，可以得到圖3的效果。ASIS網(wǎng)絡(luò)對建筑等較大元素的實例分割表現(xiàn)較好，但當(dāng)場景中單個元素較小時，則容易出錯。例如圖3(a)，左上角的兩面墻體被分為不同的實例，且和地板的界限較為明顯。在圖3(a)中也顯示了一些失敗案例。在右上的墻上，2個窗戶和墻之間的分界并不明顯，并且窗戶和墻有一些公用的區(qū)域，這會給下一步的建筑構(gòu)建外輪廓的提取造成困擾。此外，觀察左下角桌子周邊的椅子，可以發(fā)現(xiàn)4把椅子作為單個實例被錯誤地分割在一起。圖3(b)和(c)為另外2個房間的實例分割結(jié)果。在實例分割任務(wù)上，ASIS網(wǎng)絡(luò)已經(jīng)達(dá)到了目前較高的水準(zhǔn)，但因其對小物體識別的準(zhǔn)確度仍有待提高，故本文對識別物體的類別進(jìn)行了取舍。即本工作僅選用了準(zhǔn)確度較高的一些類別，而不是全部13個類別。最終保留的分割類別僅包含墻、門、窗、天花板與地板5種占用空間較大的元素。這5類大物體在ASIS網(wǎng)絡(luò)分割下的精度較高，分割邊界也比較清晰，從而保證了后續(xù)三維重建的有效性。

本文制作了一個“IFC生成器”。其是在IfcOpenShell項目軟件庫[29]的基礎(chǔ)上開發(fā)而來。IFC生成器可根據(jù)已獲取的構(gòu)件參數(shù)(7維向量組)自動生成BIM模型，其余的參數(shù)暫時不可知。目前可以包含的建筑元素有：墻、門、窗、開洞、地板、天花板。圖5是一個根據(jù)參數(shù)生成模型的案例。生成器已在GitHub上開源，軟件及其詳細(xì)的使用方法見https://github.com/zhupan007/ifc＿generator。IFC模型生成的具體步驟如下：


本文編號：3296524