CN108898662B - 基于点云数据的管线设施bim模型自动化重建方法 - Google Patents
基于点云数据的管线设施bim模型自动化重建方法 Download PDFInfo
- Publication number
- CN108898662B CN108898662B CN201810571786.0A CN201810571786A CN108898662B CN 108898662 B CN108898662 B CN 108898662B CN 201810571786 A CN201810571786 A CN 201810571786A CN 108898662 B CN108898662 B CN 108898662B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- model
- cloud data
- bim
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于点云数据的管线设施BIM模型自动化重建方法,其包括如下步骤:对管线设施通过三维激光扫描方法采集点云数据并进行预处理;对获得的点云数据进行滤波,选取有效点云数据进行单目标点云数据的分割提取计算提取其VFH特征值;建立管线设施的标准BIM构件模型数据库,建立BIM模型、点云模型、VFH特征值信息三者间的对应关系;将待识别单目标点云与模型数据库进行初步判断匹配与进一步精确匹配,完成点云向BIM几何模型的全部重建工作。本发明利用点云VFH特征描述子与点云数据的几何信息进行BIM标准构件模型库的识别匹配,极大的提高了点云数据的识别分类准确率,实现管线设施BIM模型的精确化匹配与自动化重建。
Description
技术领域
本发明涉及建筑工程计算机辅助建模领域,尤其是逆向工程建模方法,具体涉及一种利用VFH(视点特征直方图)特征描述子和标准构件几何信息进行点云特征匹配,逆向建立管线设施BIM(Building Information Modeling,建筑信息模型)建模的方法。
背景技术
三维激光扫描技术又称为实景复制技术,其主要通过记录目标物体表面点的三维坐标数据,快速、大量的采集空间点位信息,对实际场景进行数字化重现。由于其实时性、快速性、数字化的实际特点,在文物保护、城市建筑测量、地形测绘、桥隧变形监测等领域取得了丰富的应用。
三维激光扫描设备获取的点云数据结果,具有高精度、高密度的特性。基于点云数据建立BIM模型,是三维激光扫描技术在建筑工程领域实现深入应用的一个重要的结合点,工业化场景中由于其目标环境复杂,内容种类杂多,特别是包含了大量管线设施,其模型重建需要耗费大量人工时间,同时虽然市场上出现了商业化点云建模软件应用,但由于其建模仍然主要以来人工干预,存在建模效率低,建模精度不高的问题,因此点云数据逆向建模的自动化一直以来是建筑工程信息化研究领域的一个重要课题。
现有技术中,CN106484988A中公开了一种三维点云数据逆向建立BIM模型的方法,其应用于建筑工程领域,在REVIT软件中完成点云数据的逆向建模。该方法摆脱了传统的点线面建模方式,以点云数据为定位方式,在REVIRT软件中识别这些点云,在实景的点云数据基础上建立BIM模型,通过基于实景点云数据的定位在REVIT软件中完成逆向建模。但是这种逆向建模的过程需要依赖大量的人工参与,未能充分利用点云数据高精度、高密度的特点,建模效率及定位准确率均有待提高。
还有一种建立方法是CN 106934372A中披露的基于传统VFH描述子加入颜色信息的点云分类方法,该方法提出在将点云以保留颜色的格式上,按照传统的VFH描述子计算方法计算快速点特征FPFH直方图,得到视点相关的特征分量并生成颜色直方图,并将颜色直方图取代原直方图单个区间的位置,然后进一步实现基于近邻搜索完成点云分类,意将颜色信息参数加入到VFH特征值分类中,解决相似物体分类识别率不高的问题。但是基于颜色信息与VFH特征值共同完成点云匹配,需要目标点云数据有着较大的色彩差别才能在颜色直方图区间体现出明显的区别,管线设施颜色差异性不够明显,不能重复利用这种方法实现管线设施的点云分类。
发明内容
本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于点云数据的管线设施BIM模型自动化重建方法。
为了实现本发明的上述目的,本发明提供了一种基于点云数据的管线设施BIM模型自动化重建方法,其包括如下步骤:
S1,对待建模物体进行扫描,采集获取待建模物体的点云数据,并对获取的点云数据进行预处理,去除噪声并对空洞进行修补;
S2,对步骤S1获得的点云数据进行滤波过滤提取,选取去除平立面点云后的有效点云数据进行单目标点云数据的分割提取计算提取其VFH特征值,首选计算m维空间中两个点之间的真实距离,计算方法为:
其中p,q∈P,P为三维点云数据集合,对于原始点云数据P建立Kdtree,创建空的点云集合M及序列N,将P中的一个点Pi,添加至序列N中,搜索以该点为圆心,r为近邻半径的邻近点集合并构成集合Pk i,迭代检查直至所有点被处理结束,添加至集合聚类M中,并要求满足最大点云数量与最小点云数量的阈值限制;
S3,建立管线设施的标准BIM构件模型数据库,建立BIM模型、点云模型、VFH特征值信息三者间的对应关系;
S4,将待识别单目标点云与模型数据库进行初步判断匹配与进一步精确匹配,最终完成点云向BIM几何模型的全部重建工作。
本发明利用点云VFH特征描述子与点云数据的几何信息进行BIM标准构件模型库的识别匹配,极大的提高了点云数据的识别分类准确率,实现BIM模型的精确化匹配与自动化重建。标准BIM构件模型数据库将能够极大丰富点云产品模型的综合性整体构建,也有助于进一步将管线设施BIM模型重建的方法实现重建过程程序化,并应用到各类工业化场景中,进一步实现大规模的应用。
在本发明的一种优选实施方式中,所述步骤S2中,选取有效点云数据和聚类的方法为:
S21,判断迭代次数m是否达到最大迭代次数k,如果达到则退出,否则执行步骤S22;
S22,从点云数据集中随机选择n个点作为可能的集内点集合maybe_inliers,并根据可能的集内点集合maybe_inliers的点位置坐标拟合生成拟提取平立面模型(其中平立面模型形式为ax+by+cz+d=0)的模型系数maybe_coefficients(包括a,b,c,d的值集合),令拟提取平立面模型为预估计平面点云模型inliers_plane;
S23,对于点云数据集中不属于可能的集内点集合maybe_inliers的点,如果其适合于模型系数maybe_coefficients,且该点与预估计平面点云模型inliers_plane间距离<t,则将点添加到预估计平面点云模型的点云数据集合inliers_plane中,否则将点添加到点云数据集合outliers_plane;
S24,如果点云数据集合inliers_plane中的点云数目n>判定模型是否适用于数据集最值限制的点云数据数目d,则将适合于inliers_plane中所有点的模型参数赋值给最终确定的模型系数coefficients;输出inliers_plane,否则,m=m+1,返回步骤S21;
如果maybe_inliers_plane中的点云数目n>inliers_plane,则将适合于inliers_plane中所有点的模型参数赋值给coefficients,输出inliers_plane,结束。
快速获得有效点云数据。
在本发明的另一种优选实施方式中,VFH特征值的计算方法为:
在本发明的另一种优选实施方式中,所述步骤S3中,建立标准BIM构件模型数据库,采集工业化标准构件相关属性信息建立BIM族库,同时生成关联点云数据模型并计算提取其VFH特征值,建立其一一对应的映射关系,存储在数据库中。便于查看,提高建模速度。
在本发明的另一种优选实施方式中,所述步骤S4中,基于同类目标点云对象的VFH特征值的相似性特征完成点云目标的初步分类,其次利用点云数据的毫米级高精度特性与BIM本身的属性信息应用特点,提取计算其几何信息进行精确识别匹配。
管线设施场景中包含了大量的工业化标准构件,现有的基于点云VFH描述子直方图的分类方法无法区分形状相似或者接近的物体对象,合理利用标准构件的规格尺寸的几何差异性与BIM模型的属性管理的功能特点,极大的提高了点云分类的准确性与BIM模型的自动化重建能力。
在本发明的另一种优选实施方式中,基于VFH特征值及几何信息的匹配步骤为:
(1)建立标准BIM构件模型数据库的KDtree查找序列;
(2)对于每一个已提取的点云聚类目标,基于最近邻查找与其VFH特征值的欧氏距离满足阈值限制的标准BIM构件模型,完成BIM构件的初步识别匹配;
(3)BIM构件模型的属性管理中存储了大量的基本几何信息数据,包括直径、总长、中心距等关键数据(以暖通构件Z45型暗杆楔式闸阀为例:主要属性数据包括公称半径、公称直径、阀门总长、中心距、手轮直径等),对上一步中初步分类获取的同类型点云模型进行点云之间两两配准,并对点云模型与BIM模型的几何参数信息进行对比评价,选取其中参数信息最相似模型,完成识别匹配。快速完成管线设施的精确模型重建。本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一种优选实施方式中基于点云数据的管线设施BIM模型自动化重建方法的流程示意图;
图2是本发明一种优选实施方式中外业点云采集作业的某站架设设备图;
图3是本发明一种优选实施方式中PCD格式点云可视化效果图;
图4是本发明一种优选实施方式中平面点云模型分割效果图;
图5是本发明一种优选实施方式中扩展FPFH分量计算原理示意图;
图6是本发明一种优选实施方式中视点方向与法线之间分量计算示意图;
图7是本发明一种优选实施方式中某型号阀门点云聚类可视化效果图;
图8是本发明一种优选实施方式中某型号管线点云聚类可视化效果图;
图9是本发明一种优选实施方式中阀门及管线的VFH特征直方图计算提取及可视化效果图;
图10是本发明一种优选实施方式中部分标准化构件模型对应关系效果示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明提供了一种基于点云数据实现管线设施BIM模型自动化重建的方法,如图1所示,其主要包括点云数据的采集预处理操作,点云模型的分割提取及VFH特征描述子和几何尺寸信息的计算提取,标准BIM构件模型数据库的构建,BIM模型匹配建模等主要内容。具体包括如下步骤:
S1,对待建模物体进行扫描,采集获取待建模物体的点云数据,并对获取的点云数据进行预处理,去除噪声并对空洞进行修补;
目前,三维激光扫描设备的扫描精度已经达到毫米级别,可充分满足管线设施精准控制识别的需求。参见图2所示,首先进行外业作业现场踏勘,对作业区域进行设站分析,选取合适扫描测量点位,并布置扫描设备完成外业扫描工作。外业获取的原始点云数据不可避免将存在大量冗余点和噪声点。预处理的主要工作包括:噪声去除,空洞修补,格式转换等工作。这些工作可以通过扫描设备配套的点云预处理软件得以实现。
具体的修补方法可以采用任何现有的修补方法。优选的采用如下方法:
对图像点云数据的深度图像进行分割,找出空洞区域和空洞边界区域;以空洞边界区域为参照线逐渐收缩内移并在空洞区域内画出与边界区域形状相似的环线,环线上的点的深度取值按照其法线方向由最近的两个点云数据的深度值拟合得到,具体可采用直线拟合的方式。
S2,参见图3所示,经预处理的点云模型主要包含管线设施、结构平立面等点云结构,对步骤S1获得的点云数据进行滤波过滤提取,如图4提取,选取去除平立面点云后的有效点云数据进行单目标点云数据的分割提取计算提取其VFH特征值,首选计算m维空间中两个点之间的真实距离,计算方法为:
其中p,q∈P,P为三维点云数据集合,对于原始点云数据P建立Kd-tree,创建空的点云集合M及序列N,将P中的一个点Pi,添加至序列N中,搜索以该点为圆心,r为近邻半径的邻近点集合并构成集合Pk i,迭代检查直至所有点被处理结束,添加至集合聚类M中,并要求满足最大点云数量与最小点云数量的阈值限制。对于规整平立面点云建立与平立面点云数据同一维度的直通滤波器模型进行滤波过滤,对于非规整平立面点云,利用RANSAC(随机采样一致性算法)进行平立面模型的分割提取,通过设置合理的局内点阈值参数及迭代次数(图4所示阈值参数为0.02m,迭代次数10000次),直至整个平面模型实现完整分割,没有“过分”或者“欠分”现象。
在本发明的一种优选实施方式中,选取有效点云数据和聚类的方法为:
S21,判断迭代次数m是否达到最大迭代次数k,如果达到则退出,否则执行步骤S22;
S22,从点云数据集中随机选择n个点作为可能的集内点集合maybe_inliers,并根据可能的集内点集合maybe_inliers的点位置坐标拟合生成拟提取平立面模型(其中平立面模型形式可以为ax+by+cz+d=0)的模型系数maybe_coefficients(包括a,b,c,d的值集合),令拟提取平立面模型为预估计平面点云模型inliers_plane;
S23,对于点云数据集中不属于可能的集内点集合maybe_inliers的点,如果其适合于模型系数maybe_coefficients,且该点与预估计平面点云模型inliers_plane间距离<t,则将点添加到预估计平面点云模型的点云数据集合inliers_plane中,否则将点添加到点云数据集合outliers_plane;
S24,如果点云数据集合inliers_plane中的点云数目n>判定模型是否适用于数据集最值限制的点云数据数目d(d为整数且其数值根据实际要求自由设置),将适合于inliers_plane中所有点的模型参数赋值给最终确定的模型系数coefficients;输出inliers_plane,否则,m=m+1,返回步骤S21;
如果maybe_inliers_plane中的点云数目n>inliers_plane,则将适合于inliers_plane中所有点的模型参数赋值给coefficients,输出inliers_plane,结束。
点云聚类提取:根据几何形状、空间位置等特征对点云进行划分,使得同一聚类提取区域内的点云具有相似的特征,通过设置聚类最值区域、近邻搜索半径等参数信息(图5所示聚类最值区域100-25000点,阈值参数为0.02m)实现点云聚类提取。
在本发明的另一种优选实施方式中,VFH特征值的计算方法为:
视点特征直方图(VFH)在基于快速点特征直方图(FPFH)基础上加入视点变量构成,对于一个点云聚类集合,只有一个VFH特征值描述点云全局特征,但是包含了多个PFH或者FPFH值描述点云的局部特征。在VFH中主要包含了两部分内容,一部分是包含扩展FPFH的描述表面特征形状的分量,另一部分是视点方向相关的分量。扩展FPFH的描述表面特征形状的分量是利用整个分割后的单物体点云对象来进行计算估计的,计算扩展的FPFH的描述表面形状的分量时以物体质心点物体表面其他所有点之间的点对作为计算单元。视点方向相关分量则是再添加视点方向与每个点估计法线分量之间的统计信息,两部分共同构成VFH特征描述直方图。
横坐标[0,135]的曲线是对扩展FPFH的描述表示,[181,308]是对视点方向相关分量的统计,根据以上VFH特征值的计算原理可以对管线设施模型进行特征值提取及分析,参见图7,8,9所示,其中具有相同属性及特征表现的点云数据其VFH特征直方图表现相似,属性及特征表现不同的点云数据表现出差异性。
S3,建立管线设施的标准BIM构件模型数据库,建立BIM模型、点云模型、VFH特征值信息三者间的对应关系。建立标准BIM构件模型数据库,采集工业化标准构件相关属性信息建立BIM族库,同时生成关联点云数据模型并计算提取其VFH特征值,建立其一一对应的映射关系,存储在数据库中。便于查看,提高建模速度。
管线设施由标准化构件组合拼装而成,参见图10所示,事先建立起标准构件的BIM族库,并对单个构件关联其点云模型及VFH特征直方图,并利用BIM模型的属性信息管理的特点,将几何尺寸信息储存在BIM模型中,作为点云模型的初步识别及精确匹配的基础。
S4,将待识别单目标点云与模型数据库进行初步判断匹配与进一步精确匹配,最终完成点云向BIM几何模型的全部重建工作。
在本发明的另一种优选实施方式中,基于VFH特征值及几何信息的匹配步骤为:
(1)建立标准BIM构件模型数据库的KDtree((k-dimensionaltree,高维索引树形数据结构)查找序列;
(2)对于每一个已提取的点云聚类目标,基于最近邻查找与其VFH特征值的欧氏距离满足阈值限制的标准BIM构件模型,完成BIM构件的初步识别匹配;
(3)BIM构件模型的属性管理中存储了大量的基本几何信息数据,包括直径、总长、中心距等关键数据(以暖通构件Z45型暗杆楔式闸阀为例:主要属性数据包括公称半径、公称直径、阀门总长、中心距、手轮直径等),对上一步中初步分类获取的同类型点云模型进行点云之间两两配准,并对点云模型与BIM模型的几何参数信息进行对比评价,选取其中参数信息最相似模型,完成识别匹配。快速完成管线设施的精确模型重建。
本发明利用点云VFH特征描述子与点云数据的几何信息进行BIM标准构件模型库的识别匹配,极大的提高了点云数据的识别分类准确率,实现BIM模型的精确化匹配与自动化重建。标准BIM构件模型数据库将能够极大丰富点云产品模型的综合性整体构建,也有助于进一步将管线设施BIM模型重建的方法实现重建过程程序化,并应用到各类工业化场景中,进一步实现大规模的应用。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (5)
1.一种基于点云数据的管线设施BIM模型自动化重建方法,其特征在于,包括如下步骤:
S1,对待建模物体进行扫描,采集获取待建模物体的点云数据,并对获取的点云数据进行预处理,去除噪声并对空洞进行修补;
S2,对步骤S1获得的点云数据进行滤波过滤提取,选取去除平立面点云后的有效点云数据,进行单目标点云数据的分割提取计算,提取其VFH特征值,首选计算m维空间中两个点之间的真实距离,计算方法为:
其中p,q∈P,P为三维点云数据集合,对于原始点云数据P建立Kdtree,创建空的点云集合M及序列N,将P中的一个点Pi,添加至序列N中,搜索以该点为圆心,r为近邻半径的邻近点集合并构成集合Pk i,迭代检查直至所有点被处理结束,添加至集合聚类M中,并要求满足最大点云数量与最小点云数量的阈值限制;
S3,建立管线设施的标准BIM构件模型数据库,建立BIM模型、点云模型、VFH特征值信息三者间的对应关系;
S4,将待识别单目标点云与模型数据库进行初步判断匹配与进一步精确匹配,最终完成点云向BIM几何模型的全部重建工作;
基于VFH特征值及几何信息的匹配步骤为:
(1)建立标准BIM构件模型数据库的KDtree查找序列;
(2)对于每一个已提取的点云聚类目标,基于最近邻查找与其VFH特征值的欧氏距离满足阈值限制的标准BIM构件模型,完成BIM构件的初步识别匹配;
(3)BIM构件模型的属性管理中存储了大量的基本几何信息数据,包括直径、总长、中心距,对上一步中初步分类获取的同类型点云模型进行点云之间两两配准,并对点云模型与BIM模型的几何参数信息进行对比评价,选取其中参数信息最相似模型,完成识别匹配。
2.根据权利要求1所述的基于点云数据的管线设施BIM模型自动化重建方法,其特征在于,所述步骤S2中,选取有效点云数据的方法为:
S21,判断迭代次数m是否达到最大迭代次数k,如果达到则退出,否则执行步骤S22;
S22,从点云数据集中随机选择n个点作为可能的集内点集合maybe_inliers,并根据可能的集内点集合maybe_inliers的点位置坐标拟合生成拟提取平立面模型的模型系数maybe_coefficients,令拟提取平立面模型为预估计平面点云模型inliers_plane;
S23,对于点云数据集中不属于可能的集内点集合maybe_inliers的点,如果其适合于模型系数maybe_coefficients,且该点与预估计平面点云模型inliers_plane间距离<t,则将点添加到预估计平面点云模型的点云数据集合inliers_plane中,否则将点添加到点云数据集合outliers_plane;
S24,如果点云数据集合inliers_plane中的点云数目n>判定模型是否适用于数据集最值限制的点云数据数目d,则将适合于inliers_plane中所有点的模型参数赋值给最终确定的模型系数coefficients;输出inliers_plane,否则,m=m+1,返回步骤S21;
如果inliers_plane中的点云数目n>上次输出inliers_plane中点云数目,则将适合于inliers_plane中所有点的模型参数赋值给coefficients,输出inliers_plane,结束。
4.根据权利要求1所述的基于点云数据的管线设施BIM模型自动化重建方法,其特征在于,所述步骤S3中,建立标准BIM构件模型数据库,采集工业化标准构件相关属性信息建立BIM族库,同时生成关联点云数据模型并计算提取其VFH特征值,建立其一一对应的映射关系,存储在数据库中。
5.根据权利要求1所述的基于点云数据的管线设施BIM模型自动化重建方法,其特征在于,所述步骤S4中,基于同类目标点云对象的VFH特征值的相似性特征完成点云目标的初步分类,其次利用点云数据的毫米级高精度特性与BIM本身的属性信息应用特点,提取计算其几何信息进行精确识别匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571786.0A CN108898662B (zh) | 2018-05-30 | 2018-05-30 | 基于点云数据的管线设施bim模型自动化重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810571786.0A CN108898662B (zh) | 2018-05-30 | 2018-05-30 | 基于点云数据的管线设施bim模型自动化重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108898662A CN108898662A (zh) | 2018-11-27 |
CN108898662B true CN108898662B (zh) | 2022-05-27 |
Family
ID=64344428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810571786.0A Active CN108898662B (zh) | 2018-05-30 | 2018-05-30 | 基于点云数据的管线设施bim模型自动化重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108898662B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977466B (zh) * | 2019-02-20 | 2021-02-02 | 深圳大学 | 一种三维扫描视点规划方法、装置及计算机可读存储介质 |
CN110223373B (zh) * | 2019-04-23 | 2023-08-01 | 北京建筑大学 | 螺栓球状物几何参数信息的确定方法、装置及设备 |
CN110134695B (zh) * | 2019-05-21 | 2022-08-16 | 电子科技大学 | 一种面向流水线结构化数据查询的数据库智能分区方法 |
CN110348621A (zh) * | 2019-07-02 | 2019-10-18 | 深圳大学 | 一种建筑拆除废弃物产生量的预测方法及装置 |
CN110704046B (zh) * | 2019-09-23 | 2022-11-25 | 中建八局科技建设有限公司 | 用于处理Revit视图及过滤器出图的修改方法 |
CN111028345B (zh) * | 2019-12-17 | 2023-05-02 | 中国科学院合肥物质科学研究院 | 一种港口场景下圆形管道的自动识别与对接方法 |
CN111275815B (zh) * | 2020-02-18 | 2023-02-28 | 中国建筑第八工程局有限公司 | 既有复杂管线的三维建模方法 |
CN111612909A (zh) * | 2020-05-14 | 2020-09-01 | 北京林业大学 | 基于点云数据的三维树枝折断效果模拟算法 |
CN111862322B (zh) * | 2020-06-30 | 2023-06-27 | 北京建筑大学 | 一种拱轴线提取方法及装置 |
CN111931269B (zh) * | 2020-07-10 | 2023-01-31 | 上海建工四建集团有限公司 | Bim与图纸中重要构件信息一致性的自动审核方法和系统 |
CN111861933B (zh) * | 2020-07-29 | 2023-07-21 | 北方工业大学 | 基于空间划分的点云去噪方法及装置 |
CN112581607B (zh) * | 2020-12-28 | 2024-04-30 | 武汉中仪物联技术股份有限公司 | 一种管道三维模型的构建方法、系统和介质 |
CN112989453B (zh) * | 2021-01-28 | 2022-12-06 | 徐洋洋 | 一种基于bim的全息变形信息提取方法 |
CN112991541B (zh) * | 2021-04-06 | 2022-07-12 | 中国建筑第二工程局有限公司 | 基于bim的假山逆向建模方法、装置、设备及介质 |
JP7125524B1 (ja) | 2021-04-09 | 2022-08-24 | 株式会社イクシス | 建築物又は土木構造物の管理支援システム |
CN112883481B (zh) * | 2021-04-12 | 2022-10-21 | 国网山东省电力公司济南供电公司 | 基于bim的智能变电站建模方法及系统 |
CN113343016B (zh) * | 2021-06-01 | 2023-06-16 | 中国计量大学 | 一种监管建筑材料的系统及方法 |
CN113487737A (zh) * | 2021-06-04 | 2021-10-08 | 中建三局第三建设工程有限责任公司 | 一种基于bim与全息视觉点云融合的逆向建模预装配方法 |
CN113379923A (zh) * | 2021-06-22 | 2021-09-10 | 北醒(北京)光子科技有限公司 | 轨道识别方法、装置、存储介质及设备 |
CN113610957B (zh) * | 2021-07-08 | 2023-05-30 | 哈尔滨工业大学水资源国家工程研究中心有限公司 | 一种基于bim的排水管道三维缺陷信息自动化管理方法 |
CN113625302B (zh) * | 2021-09-03 | 2024-05-21 | 国网山东省电力公司济宁供电公司 | 基于手持式激光雷达的地下廊道危险区识别方法及系统 |
CN114329708B (zh) * | 2021-12-27 | 2024-07-30 | 重庆市工程管理有限公司 | 基于三维激光扫描技术的雨污水管网偏移检测方法 |
CN115033947B (zh) * | 2022-03-07 | 2024-09-13 | 厦门海迈科技股份有限公司 | 一种bim组合构件的建模方法、电子设备及存储介质 |
CN114912178B (zh) * | 2022-05-19 | 2022-12-23 | 广州市创博机电设备安装有限公司 | 一种基于bim的暖通空调设备安装方法及系统 |
CN115239873B (zh) * | 2022-06-22 | 2023-05-23 | 同济大学 | 基于深度图的建筑物的细粒度化分划与场景图组织方法 |
CN115293751B (zh) * | 2022-10-08 | 2023-01-06 | 深圳市地铁集团有限公司 | 一种轨道交通bim模型数据的处理方法、系统及设备 |
CN115294294A (zh) * | 2022-10-10 | 2022-11-04 | 中国电建集团山东电力建设第一工程有限公司 | 基于深度图像和点云的管线bim模型重建方法及系统 |
CN116341050B (zh) * | 2023-02-07 | 2024-01-30 | 浙江大学 | 一种基于点云数据的机器人智能建造方法 |
CN116933549B (zh) * | 2023-07-28 | 2024-01-23 | 北京航空航天大学 | 基于点云数据的大长径比筒件装配界面快速余量计算方法 |
CN117058314B (zh) * | 2023-08-16 | 2024-04-12 | 广州葛洲坝建设工程有限公司 | 一种基于点云数据的现浇结构模板逆向建模方法 |
CN117288115A (zh) * | 2023-11-23 | 2023-12-26 | 中信重工开诚智能装备有限公司 | 一种基于激光点云的巡检机器人巷道形变检测方法 |
CN117332102B (zh) * | 2023-11-30 | 2024-02-06 | 陕西建一建设有限公司 | 一种基于bim的建筑数据优化存储方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844064A (zh) * | 2016-05-23 | 2016-08-10 | 厦门亿力吉奥信息科技有限公司 | 基于激光点云数据的三维变电站半自动重建方法 |
CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局(集团)有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
CN107093206A (zh) * | 2017-04-20 | 2017-08-25 | 中铁十局集团电务工程有限公司 | 利用3d激光扫描技术快速bim建模的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9070216B2 (en) * | 2011-12-14 | 2015-06-30 | The Board Of Trustees Of The University Of Illinois | Four-dimensional augmented reality models for interactive visualization and automated construction progress monitoring |
US9852238B2 (en) * | 2014-04-24 | 2017-12-26 | The Board Of Trustees Of The University Of Illinois | 4D vizualization of building design and construction modeling with photographs |
-
2018
- 2018-05-30 CN CN201810571786.0A patent/CN108898662B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844064A (zh) * | 2016-05-23 | 2016-08-10 | 厦门亿力吉奥信息科技有限公司 | 基于激光点云数据的三维变电站半自动重建方法 |
CN106484988A (zh) * | 2016-09-30 | 2017-03-08 | 中国建筑局(集团)有限公司 | 一种三维点云数据逆向建立bim模型的方法 |
CN107093206A (zh) * | 2017-04-20 | 2017-08-25 | 中铁十局集团电务工程有限公司 | 利用3d激光扫描技术快速bim建模的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108898662A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898662B (zh) | 基于点云数据的管线设施bim模型自动化重建方法 | |
CN111915730B (zh) | 一种顾及语义从点云自动生成室内三维模型的方法及系统 | |
CN109410321B (zh) | 基于卷积神经网络的三维重建方法 | |
WO2024077812A1 (zh) | 基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取系统及方法 | |
CN108038906B (zh) | 一种基于图像的三维四边形网格模型重建方法 | |
Sun et al. | Aerial 3D building detection and modeling from airborne LiDAR point clouds | |
CN105740798B (zh) | 一种基于结构分析的点云场景物体识别方法 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN112396641B (zh) | 一种基于全等二基线匹配的点云全局配准方法 | |
CN111986322B (zh) | 一种基于结构分析的点云室内场景布局重建方法 | |
CN112070769A (zh) | 一种基于dbscan的分层点云分割方法 | |
CN113379898B (zh) | 一种基于语义分割的三维室内场景重建方法 | |
CN112784403A (zh) | 基于点云数据建立节理岩体离散元模型的数值模拟方法 | |
CN111489416A (zh) | 隧道轴线拟合方法及在超欠挖方量计算上的应用 | |
CN114463396B (zh) | 一种利用平面形状和拓扑图投票的点云配准方法 | |
CN115018249A (zh) | 一种基于激光扫描技术的地铁站施工质量评价方法 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
CN117854060B (zh) | 基于深度学习的隧道岩体面状裂隙识别方法及系统 | |
CN116258857A (zh) | 一种面向室外树木激光点云分割与提取方法 | |
CN116071530B (zh) | 一种基于机载激光点云的建筑物屋顶体素化分割方法 | |
Yuan et al. | Automatic cables segmentation from a substation device based on 3D point cloud | |
CN111323026B (zh) | 一种基于高精度点云地图的地面过滤方法 | |
Wang et al. | Methods of As-is BIM reconstruction using point cloud data for existing buildings | |
CN116469092A (zh) | 基于DBSCAN算法的自适应Alpha Shapes轮廓提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |