CN115130191A - 正逆向bim融合建模引擎 - Google Patents
正逆向bim融合建模引擎 Download PDFInfo
- Publication number
- CN115130191A CN115130191A CN202210894677.9A CN202210894677A CN115130191A CN 115130191 A CN115130191 A CN 115130191A CN 202210894677 A CN202210894677 A CN 202210894677A CN 115130191 A CN115130191 A CN 115130191A
- Authority
- CN
- China
- Prior art keywords
- data
- reverse
- fusion
- module
- building object
- 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.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 70
- 238000010276 construction Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 25
- 238000013461 design Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000004880 explosion Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 22
- 238000005259 measurement Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005474 detonation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Radar, Positioning & Navigation (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种正逆向BIM融合建模引擎,所述正逆向BIM融合建模引擎包括预处理模块、宏观匹配模块、局部匹配模块以及融合模块,预处理模块用于获取建筑对象正向数据的语义信息,正向数据包括建筑对象的设计数据;所述宏观匹配模块用于将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系;所述局部匹配模块用于将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配;融合模块用于获取建筑对象的融合模型,融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据。本发明能够将建筑生命周期中从规划、设到施工、运维等各个阶段产生的正逆向数据进行自动化的融合建模。
Description
技术领域
本发明涉及一种正逆向BIM融合建模引擎。
背景技术
所谓实测实量,是指应用测量工具,通过现场测试、测量并能真实反映产品质量数据的一种方法。根据相关的质量验收标准,计量控制工程质量数据误差在国家住房建设标准允许的范围内。
为加强房屋建筑质量管理,提高质量责任意识,强化质量责任追究,保证工程建设质量,2014年8月25日,住房城乡建设部印发《建筑工程五方责任主体项目负责人质量终身责任追究暂行办法》,使得工程质量问题在建筑行业受到空前的重视。加之近几年房地产行业难以延续前期的爆发性增长,市场形势不容乐观,竞争也愈加激烈,开发商也必须更加关注产品的质量,以赢得客户的青睐。
建设工程实测实量是根据相关质量验收规范,把工程质量数据误差控制在国家住房建设规范允许范围内的一种方法。此项工作的开展能够更好地促进项目做好实体质量工作。通过建立产品实体质量实测实量体系并系统实施的方式,客观真实反映项目各阶段的工程质量水平,促进实体质量的实时改进和持续提高,进而达到实体质量一次性合格的目标。因此,土建的实测实量体系作为中国建筑市场的质量控制重要组成部分,正在建筑市场中发挥着重大的作用,已经成为建筑工程质量保证的硬性指标。
实测实量需要测量的指标很多,主要有:墙面的平整度、垂直度、空鼓和开裂、天花板以及地面的平行度极差、卫生间防水、窗口塞缝和打胶、门洞口尺寸、窗口的大小头、插座面板的高度等,涉及到施工过程中的安全问题如脚手架的搭设是否规范,三宝四口的应用和防护是否满足规范要求,施工用电是否规范,消防器材、消防设施是否满足规范要求等。
目前国际上用于3D实景扫描还原高精度建筑空间的技术,主要通过激光雷达扫描设备获取3D空间深度数据,通过RGB摄像头获取纹理数据。其他如通过结构光3D传感器实现的3D实景扫描技术,基于2D图像传感器和SFM(Struction From Motion)等技术进行的3D实景空间扫描还原技术。
基于3D点云的3D表面模型重建是一个重要的相关技术,但一般的3D重建只关注以三角网格或者参数化曲面等方式逼近和代替点云的几何造型和可视化,不关心几何造型背后的语义,其结果虽然也可以与同样是3D表达的BIM(建筑信息模型)模型进行简单的自动比对,但由于缺少语义,难以与BIM模型形成语义级别互相关联的融合模型,不能应对需要多次融合建模的场景。
发明内容
本发明要解决的技术问题是为了克服现有技术中建模引擎缺少语义信息,难以与BIM模型形成语义级别互相关联的缺陷,提供一种能够将实际测量与设计图区别较大的情况进行准确的匹配,获取实测数据与设计图之间的差异量,快速获取实际工程中的修改项,方便施工验收及用户使用的正逆向BIM融合建模引擎。
本发明是通过下述技术方案来解决上述技术问题:
一种正逆向BIM融合建模引擎,所述正逆向BIM融合建模引擎包括预处理模块、宏观匹配模块、局部匹配模块以及融合模块,
所述预处理模块用于获取建筑对象正向数据的语义信息,所述正向数据包括建筑对象的设计数据;
所述宏观匹配模块用于将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系,所述逆向数据为建筑对象的三维扫描数据;
所述局部匹配模块用于将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
所述融合模块用于筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据。
较佳地,所述正向数据包括CAD数据,
所述预处理模块用于获取CAD数据中的图元并识别图元以获取图元的语义信息;
所述预处理模块还用于对逆向数据进行预处理,对逆向数据进行预处理包括对三维扫描数据进行分割及语义识别以获取若干具有语义信息的构件。
较佳地,
所述宏观匹配模块用于以暴力穷举或随机算法计算出正向数据中的构件与逆向数据中的构件的变换矩阵,正向数据中构件的坐标利用所述变换矩阵计算得到逆向数据中构件的坐标。
较佳地,所述宏观匹配模块用于:
将三维扫描数据中全部构件的Z轴坐标设为零以获取二维户型图的构件;
以若干预设算法变换所述二维户型图的向量以将变换后的二维户型图与所述CAD数据匹配;
获取变换后的二维户型图与所述设计图的重合量;
根据所述重合量获取变换所述二维户型图的预设算法的可信度,其中重合量越高变换可信度越高;
选取可信度最高的预设算法作为所述建筑对象的宏观匹配算法。
较佳地,所述局部匹配模块用于:对于逆向数据构件上的一墙体,根据与正向数据的对比判断所述墙体上的信息点是否为施工目标,若是则正向数据上的施工目标与逆向数据上的施工目标匹配,若否则将信息点赋予爆点的语义信息。
较佳地,所述局部匹配模块用于:
对于逆向数据构件上的一墙体,获取所述墙体的信息点;
获取所述信息点所在区域的范围;
查找所述墙体对应的正向数据中施工目标位置;
获取逆向数据信息点和正向数据施工目标的重叠状态,根据所述重叠状态判断逆向数据的信息点是否为施工目标;
所述局部匹配模块还用于:
对于逆向数据构件上的一墙体,根据相同语义信息获取所述墙体的若干次三维扫描数据;
获取每一次三维扫描数据的所述信息点所在区域的范围;
获取每一次三维扫描数据的信息点所在区域的范围的重叠状态,根据所述重叠状态判断信息点是否为同一信息点。
较佳地,所述融合模块用于:
对于正向数据的一目标构件,获取目标构件对应逆向数据的扫描质量;
将扫描质量最高的逆向数据的构件拼接以获取与正向数据对应最终逆向数据。
较佳地,所述正逆向BIM融合建模引擎用于一建模系统,所述建模系统包括云端服务器、用户终端以及激光雷达,
所述云端服务器用于利用所述预处理模块获取建筑对象正向数据的语义信息;
所述用户终端用于根据用户对正向数据的选择指令控制激光雷达扫描建筑对象以获取三维扫描数据;
所述激光雷达用于利用所述宏观匹配模块将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系;
所述激光雷达用于利用所述局部匹配模块将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
所述用户终端用于利用所述融合模块筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据;
所述云端服务器还用于接收建筑对象的融合模型。
本发明还提供一种建模系统,所述建模系统包括如上所述的正逆向BIM融合建模引擎。
本发明还一种激光雷达,所述激光雷达用于如上所述的建模系统。
符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明能够解决将建筑生命周期中从规划、设到施工、运维等各个阶段产生的正逆向数据进行自动化的融合建模,形成兼具抽象数字模型的宏观表达和实际物理实体的复杂细节的跨生命周期BIM模型,以用于建筑的施工、装修和后期运维等各种场景,尤其适合要求满足数字孪生需求的应用场景。
附图说明
图1为本发明实施例1的建模系统的结构示意图。
图2为本发明实施例1的正逆向BIM融合建模方法的流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供一种建模系统,所述建模系统包括一正逆向BIM融合建模引擎。
所述正逆向BIM融合建模引擎包括预处理模块、宏观匹配模块、局部匹配模块以及融合模块。
所述预处理模块用于获取建筑对象正向数据的语义信息,所述正向数据包括建筑对象的设计数据;
预处理模块为后续的自动匹配工作提供具有结构化语义的正逆向数据。建筑设计的正向数据目前主要有CAD图纸和BIM两大类来源。对于BIM方法创建的正向数据而言,已经具有结构化语义,无需额外处理,对于CAD图纸方法创建的正向数据,则需要通过算法对图纸中的图元及其意义进行识别,生成与人的理解相一致的结构化语义。
所述宏观匹配模块用于将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系,所述逆向数据为建筑对象的三维扫描数据;
宏观匹配模块会在全局尺度上对正逆向数据进行第一次匹配,匹配的依据是通过在在全局尺度上正逆向数据中同时可观察到的明显语义结构,例如墙门窗等,以暴力穷举或RANSAC等随机算法计算出最佳匹配的空间坐标变换矩阵。衡量不同匹配之间优劣的方法即是比较坐标变换后正逆向数据的吻合程度。
所述局部匹配模块用于将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
由于建筑的正逆向数据之间一定会存在差异,且计算机本身也存在计算误差,所以上一步的宏观匹配,只能对宏观尺度上明显的语义结构进行粗略的匹配,确定正逆向之间的语义对应关系,但是对于更细微的局部微观语义,例如属于同一面墙上的开关线盒爆点等局部特征,可以在这一墙面自身的尺度上,按照宏观匹配同样的方式再次进行匹配,以获得局部语义之间的正逆向数据的对应关系,并且这个过程可以根据需要在多个尺度上进行多次。相邻尺度之间相差1000倍左右是在精度和匹配次数之间的一个平衡的尺度划分,1000倍以内的大小差异作为同一尺度,超过1000倍则需要当作两个尺度的语义结构分别匹配。
所述融合模块用于筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据。
经过全局和局部匹配之后,会得到将多组不同逆向数据和同一份正向数据(或者已有匹配关系的多份正向数据)在语义级别一一对应的匹配关系和空间坐标变换矩阵,形成对同一语义有多组正逆向不同几何造型数据、但共用同一套设计值和其他文字数据类属性的融合模型。
不像正向数据是一次性整体输出,逆向数据一般是通过多次扫描生成,不同扫描之间难免会有重叠的区域和语义。执行语义匹配后,可以通过正向数据的语义准确识别出不同逆向数据之间的重复语义,进而可以根据预设一些取优筛选或者统计平均规则,将多个重复的语义合并统一为一份,加入到最终的BIM融合模型。例如,对复杂户型的测量,一般需要多次扫描,必然会有扫描到同一面墙的情况,最终的融合数据如何决定保留哪一次的扫描数据作为墙的最终逆向数据,则可以根据不同场景和需要进行选择。
融合模型可通过不断匹配新的正向或逆向数据进一步完善和发展,以将建筑的任何实际变化加入到模型之中。并且可以同样识别出多次不同数据之间的语义关系,实现例如爆点的整改消项等具体功能。
具体地,所述正向数据包括CAD数据。
所述预处理模块用于获取CAD数据中的图元并识别图元以获取图元的语义信息。
所述预处理模块还用于对逆向数据进行预处理,对逆向数据进行预处理包括对三维扫描数据进行分割及语义识别以获取若干具有语义信息的构件。
所述宏观匹配模块用于以暴力穷举或随机算法计算出正向数据中的构件与逆向数据中的构件的变换矩阵,正向数据中构件的坐标利用所述变换矩阵计算得到逆向数据中构件的坐标。
进一步地,所述宏观匹配模块用于:
将三维扫描数据中全部构件的Z轴坐标设为零以获取二维户型图的构件;
以若干预设算法变换所述二维户型图的向量以将变换后的二维户型图与所述CAD数据匹配;
获取变换后的二维户型图与所述设计图的重合量;
根据所述重合量获取变换所述二维户型图的预设算法的可信度,其中重合量越高变换可信度越高;
选取可信度最高的预设算法作为所述建筑对象的宏观匹配算法。
进一步地,所述局部匹配模块用于:对于逆向数据构件上的一墙体,根据与正向数据的对比判断所述墙体上的信息点是否为施工目标,若是则正向数据上的施工目标与逆向数据上的施工目标匹配,若否则将信息点赋予爆点的语义信息。
具体地,所述局部匹配模块用于:
对于逆向数据构件上的一墙体,获取所述墙体的信息点;
获取所述信息点所在区域的范围;
查找所述墙体对应的正向数据中施工目标位置;
获取逆向数据信息点和正向数据施工目标的重叠状态,根据所述重叠状态判断逆向数据的信息点是否为施工目标;
所述局部匹配模块还用于:
对于逆向数据构件上的一墙体,根据相同语义信息获取所述墙体的若干次三维扫描数据;
获取每一次三维扫描数据的所述信息点所在区域的范围;
获取每一次三维扫描数据的信息点所在区域的范围的重叠状态,根据所述重叠状态判断信息点是否为同一信息点。
在其他实施方式中,所述局部匹配模块还用于:
对于逆向数据中一目标信息点,获取信息点所在区域的范围;
将所述范围内的三维扫描数据划分为若干子信息点;
根据相邻子信息点的法向量夹角以及最大子信息点的法向量夹角判断目标信息点为爆点还是施工目标。
所述融合模块用于:
对于正向数据的一目标构件,获取目标构件对应逆向数据的扫描质量;
将扫描质量最高的逆向数据的构件拼接以获取与正向数据对应最终逆向数据。
具体地,参见图1,所述正逆向BIM融合建模引擎用于一建模系统,所述建模系统包括云端服务器11、用户终端12以及激光雷达13。
所述云端服务器用于利用所述预处理模块获取建筑对象正向数据的语义信息;
所述用户终端用于根据用户对正向数据的选择指令控制激光雷达扫描建筑对象以获取三维扫描数据;
所述激光雷达用于利用所述宏观匹配模块将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系;
所述激光雷达用于利用所述局部匹配模块将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
所述用户终端用于利用所述融合模块筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据;
所述云端服务器还用于接收建筑对象的融合模型。
方案分为云端(云端服务器)、移动端(用户终端)和内置于测量机器人的边缘端(激光雷达)三端组成,共同协作完成正逆向融合的完整工作流。
此方案中,正向CAD图纸的语义结构化工作是在云端完成的。
之后会导入移动端App,由App控制测量机器人扫描获取空间原始的3D点云数据,并进行逆向建模得到具有语义结构的模型,然后边缘端会执行正逆向融合的宏观匹配和局部匹配算法,得到全局和局部语义的正逆向匹配关系。
并将数据回传App端。App再根据云端同步下来的历史数据进行针对场景的处理,比如对于建筑施工的实测实量场景,可以根据墙面上的局部特征与历史数据的关系,判断是否为开关线盒等正常特征,还是一个爆点这样的施工质量问题,以及与历史爆点的对比判断是否整改合格等等具体问题。最后,App会将所有数据回传云端,与之前上传的数据形成更大的多次正逆向融合后的模型,以供未来其他场景使用。
参见图2,利用上述建模系统以及正逆向BIM融合建模引擎,本实施例还提供一种正逆向BIM融合建模方法,包括:
步骤100、获取具有结构化语义的全局设计图纸及具有结构化语义的局部逆向模型(数据)。
上述步骤由预处理模块完成。
步骤101、全局语义匹配。此步骤由宏观匹配模块完成。
步骤102、识别相同语义的结构并按规则合并数据,其中根据不同场景和目的制定针对性的语义合并规则。
步骤103、判断是否存在更小尺寸的语义结构,若是则执行步骤104,若否则执行步骤105。
步骤104、更细节尺寸的语义匹配,然后执行步骤102。
其中步骤102和104由所述局部匹配模块完成。
步骤105、识别并合并重复的逆向数据。
步骤106、获取接收建筑对象的最终融合模型。
其中步骤105和106由所述融合模块完成。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种正逆向BIM融合建模引擎,其特征在于,所述正逆向BIM融合建模引擎包括预处理模块、宏观匹配模块、局部匹配模块以及融合模块,
所述预处理模块用于获取建筑对象正向数据的语义信息,所述正向数据包括建筑对象的设计数据;
所述宏观匹配模块用于将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系,所述逆向数据为建筑对象的三维扫描数据;
所述局部匹配模块用于将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
所述融合模块用于筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据。
2.如权利要求1所述的正逆向BIM融合建模引擎,其特征在于,所述正向数据包括CAD数据,
所述预处理模块用于获取CAD数据中的图元并识别图元以获取图元的语义信息;
所述预处理模块还用于对逆向数据进行预处理,对逆向数据进行预处理包括对三维扫描数据进行分割及语义识别以获取若干具有语义信息的构件。
3.如权利要求2所述的正逆向BIM融合建模引擎,其特征在于,
所述宏观匹配模块用于以暴力穷举或随机算法计算出正向数据中的构件与逆向数据中的构件的变换矩阵,正向数据中构件的坐标利用所述变换矩阵计算得到逆向数据中构件的坐标。
4.如权利要求3所述的正逆向BIM融合建模引擎,其特征在于,
所述宏观匹配模块用于:
将三维扫描数据中全部构件的Z轴坐标设为零以获取二维户型图的构件;
以若干预设算法变换所述二维户型图的向量以将变换后的二维户型图与所述CAD数据匹配;
获取变换后的二维户型图与所述设计图的重合量;
根据所述重合量获取变换所述二维户型图的预设算法的可信度,其中重合量越高变换可信度越高;
选取可信度最高的预设算法作为所述建筑对象的宏观匹配算法。
5.如权利要求1所述的正逆向BIM融合建模引擎,其特征在于,所述局部匹配模块用于:对于逆向数据构件上的一墙体,根据与正向数据的对比判断所述墙体上的信息点是否为施工目标,若是则正向数据上的施工目标与逆向数据上的施工目标匹配,若否则将信息点赋予爆点的语义信息。
6.如权利要求5所述的正逆向BIM融合建模引擎,其特征在于,所述局部匹配模块用于:
对于逆向数据构件上的一墙体,获取所述墙体的信息点;
获取所述信息点所在区域的范围;
查找所述墙体对应的正向数据中施工目标位置;
获取逆向数据信息点和正向数据施工目标的重叠状态,根据所述重叠状态判断逆向数据的信息点是否为施工目标;
所述局部匹配模块还用于:
对于逆向数据构件上的一墙体,根据相同语义信息获取所述墙体的若干次三维扫描数据;
获取每一次三维扫描数据的所述信息点所在区域的范围;
获取每一次三维扫描数据的信息点所在区域的范围的重叠状态,根据所述重叠状态判断信息点是否为同一信息点。
7.如权利要求1所述的正逆向BIM融合建模引擎,其特征在于,所述融合模块用于:
对于正向数据的一目标构件,获取目标构件对应逆向数据的扫描质量;
将扫描质量最高的逆向数据的构件拼接以获取与正向数据对应最终逆向数据。
8.如权利要求1所述的正逆向BIM融合建模引擎,其特征在于,所述正逆向BIM融合建模引擎用于一建模系统,所述建模系统包括云端服务器、用户终端以及激光雷达,
所述云端服务器用于利用所述预处理模块获取建筑对象正向数据的语义信息;
所述用户终端用于根据用户对正向数据的选择指令控制激光雷达扫描建筑对象以获取三维扫描数据;
所述激光雷达用于利用所述宏观匹配模块将建筑对象的正向数据中的构件与逆向数据中的构件匹配,获取正向数据与逆向数据中构件之间的对应关系;
所述激光雷达用于利用所述局部匹配模块将正向数据中构件上的信息点与逆向数据中构件上的信息点匹配,获取正向数据与逆向数据中信息点之间的对应关系;
所述用户终端用于利用所述融合模块筛选建筑对象正向数据对应的多份逆向数据以获取最终逆向数据,融合模块还用于获取建筑对象的融合模型,所述融合模型包括建筑对象的正向数据以及正向数据对应的最终逆向数据;
所述云端服务器还用于接收建筑对象的融合模型。
9.一种建模系统,其特征在于,所述建模系统包括如权利要求1至8中任意一项所述的正逆向BIM融合建模引擎。
10.一种激光雷达,其特征在于,所述激光雷达用于如权利要求9所述的建模系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894677.9A CN115130191A (zh) | 2022-07-28 | 2022-07-28 | 正逆向bim融合建模引擎 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894677.9A CN115130191A (zh) | 2022-07-28 | 2022-07-28 | 正逆向bim融合建模引擎 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115130191A true CN115130191A (zh) | 2022-09-30 |
Family
ID=83385827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894677.9A Pending CN115130191A (zh) | 2022-07-28 | 2022-07-28 | 正逆向bim融合建模引擎 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115130191A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828284A (zh) * | 2019-03-18 | 2019-05-31 | 上海盎维信息技术有限公司 | 基于人工智能的实测实量的方法及装置 |
CN110807835A (zh) * | 2019-10-25 | 2020-02-18 | 南京工业大学 | 一种建筑物bim模型和实景三维模型的融合方法 |
CN113204826A (zh) * | 2021-05-31 | 2021-08-03 | 深圳市智慧空间平台技术开发有限公司 | 一种数字孪生三维场景视角操作方法及装置 |
CN113362461A (zh) * | 2021-06-18 | 2021-09-07 | 盎锐(上海)信息科技有限公司 | 基于语义分割的点云匹配方法、系统及扫描终端 |
CN114372313A (zh) * | 2022-01-07 | 2022-04-19 | 上海盎维信息技术有限公司 | 用于实测实量的影像处理方法、系统及激光扫描仪 |
-
2022
- 2022-07-28 CN CN202210894677.9A patent/CN115130191A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828284A (zh) * | 2019-03-18 | 2019-05-31 | 上海盎维信息技术有限公司 | 基于人工智能的实测实量的方法及装置 |
CN110807835A (zh) * | 2019-10-25 | 2020-02-18 | 南京工业大学 | 一种建筑物bim模型和实景三维模型的融合方法 |
CN113204826A (zh) * | 2021-05-31 | 2021-08-03 | 深圳市智慧空间平台技术开发有限公司 | 一种数字孪生三维场景视角操作方法及装置 |
CN113362461A (zh) * | 2021-06-18 | 2021-09-07 | 盎锐(上海)信息科技有限公司 | 基于语义分割的点云匹配方法、系统及扫描终端 |
CN114372313A (zh) * | 2022-01-07 | 2022-04-19 | 上海盎维信息技术有限公司 | 用于实测实量的影像处理方法、系统及激光扫描仪 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sanhudo et al. | A framework for in-situ geometric data acquisition using laser scanning for BIM modelling | |
US20210312710A1 (en) | Systems and methods for processing 2d/3d data for structures of interest in a scene and wireframes generated therefrom | |
JP4400894B2 (ja) | 三次元目的物をイメージ化しかつモデル化するための統合装置 | |
Murali et al. | Indoor Scan2BIM: Building information models of house interiors | |
Mill et al. | Combined 3D building surveying techniques–terrestrial laser scanning (TLS) and total station surveying for BIM data management purposes | |
Romero-Jarén et al. | Automatic segmentation and classification of BIM elements from point clouds | |
Bosche et al. | Automated recognition of 3D CAD objects in site laser scans for project 3D status visualization and performance control | |
Girardeau-Montaut et al. | Change detection on points cloud data acquired with a ground laser scanner | |
CN111563442A (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
Murphy et al. | Developing historic building information modelling guidelines and procedures for architectural heritage in Ireland | |
Soliman et al. | BIM-based facility management models for existing buildings | |
CN110322541A (zh) | 一种从五个倾斜相机中选择最优墙面纹理的方法 | |
CN113362461A (zh) | 基于语义分割的点云匹配方法、系统及扫描终端 | |
Kıvılcım et al. | A semi-automated point cloud processing methodology for 3D cultural heritage documentation | |
KR20230086087A (ko) | 3차원 스캐닝을 이용한 건설 현장 감리 장치 및 감리 방법 | |
Pu | Knowledge based building facade reconstruction from laser point clouds and images | |
Sammartano et al. | Parametric generation in HBIM workflows for slam-based data: Discussing expectations on suitability and accuracy | |
CN114372313A (zh) | 用于实测实量的影像处理方法、系统及激光扫描仪 | |
CN113654538B (zh) | 用于实测实量的房间找方方法、激光雷达及测量系统 | |
CN115130191A (zh) | 正逆向bim融合建模引擎 | |
Kim et al. | Automated two-dimensional geometric model reconstruction from point cloud data for construction quality inspection and maintenance | |
CN113375556B (zh) | 全栈式实测实量系统、测量方法及激光雷达 | |
Mania et al. | Combining 3D surveying with archaeological uncertainty: the metopes of the athenian treasury at Delphi | |
Xiong | Reconstructing and correcting 3d building models using roof topology graphs | |
VARLIK et al. | Generation and comparison of BIM models with CAD to BIM and scan to BIM techniques |
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 |