CN115169679A - 建筑室内点云数据采集站点自动规划方法、装置及设备 - Google Patents

建筑室内点云数据采集站点自动规划方法、装置及设备 Download PDF

Info

Publication number
CN115169679A
CN115169679A CN202210775400.4A CN202210775400A CN115169679A CN 115169679 A CN115169679 A CN 115169679A CN 202210775400 A CN202210775400 A CN 202210775400A CN 115169679 A CN115169679 A CN 115169679A
Authority
CN
China
Prior art keywords
determining
scanning
room
ordinate
building
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
Application number
CN202210775400.4A
Other languages
English (en)
Inventor
谭毅
陈毓哲
陈丽梅
李昇翰
丁志坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202210775400.4A priority Critical patent/CN115169679A/zh
Publication of CN115169679A publication Critical patent/CN115169679A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种建筑室内点云数据采集站点自动规划方法、装置及设备。该方法包括：获取待检测建筑的BIM模型；从BIM模型中提取目标构件的几何信息和拓扑关系，目标构件包括房间和门；根据几何信息和拓扑关系确定扫描站点的纵坐标，以及待检测建筑的房间边界凹凸性；根据纵坐标以及房间边界凹凸性确定扫描站点的横坐标，并根据纵坐标和横坐标确定扫描站点位置。从而实现了扫描站点的自动规划，大大提高了扫描的效率，降低了人工成本，同时也降低了在工程中识图的难度，对于不同领域或不同专业的人员都能较容易的接受扫描站点的方案，而且解决了传统人工扫描仅仅依靠人工经验做出判断的弊端，减少了偶然性和误差。

Description

建筑室内点云数据采集站点自动规划方法、装置及设备
技术领域
本发明实施例涉及建筑检测技术领域，尤其涉及一种建筑室内点云数据采集站点自动规划方法、装置及设备。
背景技术
传统的建筑室内扫描计划有两种方式：第一种方式是让扫描人员进入到房屋中，之后根据自己经验去放置站点。第二种方式是扫描人员在进行扫描工作前提前根据CAD图纸去安排扫描计划。扫描仪器有经纬仪、全站仪、三维激光扫描仪等。扫描工作一般由两人一组进行扫描，传统的扫描工作对于扫描人员经验要求较高，需要由人工对于扫描站点进行安排再进行扫描。
现有的建筑室内扫描都是凭借人工经验进行扫描，存在很大的偶然性，误差风险较大。由于室内空间存在很多的拐角和凹凸部分，扫描人员仅凭经验的话很难把房间内的每一处都扫描完整，导致扫描人员花费额外的时间去进行多次扫描，大大降低了扫描的速率，浪费了时间资源。而且若建筑中存在很多不同类型的区域面积，扫描工作将变得更为繁琐更为复杂。
发明内容
本发明实施例提供一种建筑室内点云数据采集站点自动规划方法、装置及设备，以实现扫描站点的自动规划，提高扫描效率及准确率，并降低人工成本。
第一方面，本发明实施例提供了一种建筑室内点云数据采集站点自动规划方法，该方法包括：
获取待检测建筑的BIM模型；
从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
可选的，所述根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，包括：
根据所述几何信息确定房间的分段函数，并确定所述分段函数各段对应的下部边界最大值和上部边界最小值；
根据所述几何信息和所述拓扑关系确定门纵坐标；
根据所述门纵坐标以及所述下部边界最大值和所述上部边界最小值确定所述纵坐标。
可选的，所述根据所述门纵坐标以及所述下部边界最大值和上部边界最小值确定所述纵坐标，包括：
将所述门纵坐标分别与各段对应的所述下部边界最大值和所述上部边界最小值进行比较；
若所述门纵坐标大于等于所述上部边界最小值，则将所述上部边界最小值与预设安全距离之差作为所述纵坐标；
若所述门纵坐标小于等于所述下部边界最大值，则将所述下部边界最大值与所述预设安全距离之和作为所述纵坐标；
若所述门纵坐标大于所述下部边界最大值且小于所述上部边界最小值，则将所述门纵坐标作为所述纵坐标。
可选的，所述几何信息包括房间角点信息，所述根据所述几何信息确定房间的分段函数，包括：
根据revit导出的坐标顺序，利用连续三个房间角点的坐标位置确定所述分段函数。
可选的，所述根据所述几何信息和所述拓扑关系确定所述待检测建筑的房间边界凹凸性，包括：
根据所述分段函数对于因变量的变化规律提取房间的多边形凹凸面信息。
可选的，所述从所述BIM模型中提取目标构件的几何信息和拓扑关系，包括：
通过revit的二次开发构件窗口获得所述BIM模型的属性信息，并通过在C#中添加依赖项以及在revit的附加模块中添加UI端口来提取所述几何信息和所述拓扑关系。
可选的，在所述根据所述纵坐标和所述横坐标确定扫描站点位置之后，还包括：
通过C#读取生成的扫描站点信息，并将所述扫描站点信息赋予到revit中的类对象；
利用revit的二次开发技术在所述BIM模型中映射扫描站点。
第二方面，本发明实施例还提供了一种建筑室内点云数据采集站点自动规划装置，该装置包括：
模型获取模块，用于获取待检测建筑的BIM模型；
模型信息提取模块，用于从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
凹凸性确定模块，用于根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
扫描站点确定模块，用于根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的建筑室内点云数据采集站点自动规划方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的建筑室内点云数据采集站点自动规划方法。
本发明实施例提供了一种建筑室内点云数据采集站点自动规划方法，首先获取待检测建筑的BIM模型，并从该BIM模型中提取目标构件的几何信息和拓扑关系，其中的目标构件包括房间和门，然后根据得到的几何信息和拓扑关系确定扫描站点的纵坐标，以及待检测建筑的房间边界凹凸性，再根据扫描站点的纵坐标以及房间边界凹凸性确定扫描站点的横坐标，即可确定扫描站点位置。本发明实施例所提供的建筑室内点云数据采集站点自动规划方法，通过从BIM模型中提取房间和门的几何信息和拓扑关系来确定扫描站点位置，实现了扫描站点的自动规划，大大提高了扫描的效率，降低了人工成本，同时也降低了在工程中识图的难度，对于不同领域或不同专业的人员都能较容易的接受扫描站点的方案，而且解决了传统人工扫描仅仅依靠人工经验做出判断的弊端，减少了偶然性和误差，另外，通过考虑门的位置对扫描站点进行约束，有利于使得扫描路径更短。
附图说明
图1为本发明实施例一提供的建筑室内点云数据采集站点自动规划方法的流程图；
图2为本发明实施例二提供的建筑室内点云数据采集站点自动规划装置的结构示意图；
图3为本发明实施例三提供的计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的建筑室内点云数据采集站点自动规划方法的流程图。本实施例可适用于对建筑室内进行扫描以获得点云数据的情况，该方法可以由本发明实施例所提供的建筑室内点云数据采集站点自动规划装置来执行，该装置可以由硬件和/或软件的方式来实现，一般可集成于计算机设备中。如图1所示，具体包括如下步骤：
S11、获取待检测建筑的BIM模型。
S12、从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门。
S13、根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性。
S14、根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
具体的，可以从任意存储位置获取已完成的待检测建筑的BIM模型，并可以通过revit软件打开加以利用。获得该BIM模型后，可以从模型中提取目标构件的几何信息和拓扑关系，在进行扫描站点的规划过程中，需要依赖房间的轮廓等信息，因此目标构件包括房间。进一步的，为了使得扫描路径最短，安排的扫描站点一般靠近门口，因此可以将门的坐标作为扫描站点的考虑因素之一，即目标构件还包括门。在获得目标构件的几何信息和拓扑关系之后，可以根据房间的几何信息、门的几何信息以及房间与门的拓扑关系计算得到扫描站点的纵坐标，同时还可以根据房间的几何信息确定待检测建筑的房间边界凹凸性，房间边界凹凸性即房间边界的走向，会影响相关的入射角度，进而影响扫描站点的规划。则在确定了扫描站点的纵坐标及房间边界凹凸性之后，可以基于该纵坐标从最左向右扫描和/或最右向左扫描，并基于房间边界凹凸性，在保证扫描可以完全覆盖房间墙面和天花板等构件表面积的情况下，可以通过对比分析扫描站点数量和扫描路径长短等来确定扫描站点的横坐标，从而即可根据得到的纵坐标和横坐标确定扫描站点的位置，并可使得站点数量最少以及扫描路径最短。其中，纵坐标和横坐标可以是相对于revit自带的坐标系而言，导出即可获得。
其中，可选的，所述根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，包括：根据所述几何信息确定房间的分段函数，并确定所述分段函数各段对应的下部边界最大值和上部边界最小值；根据所述几何信息和所述拓扑关系确定门纵坐标；根据所述门纵坐标以及所述下部边界最大值和所述上部边界最小值确定所述纵坐标。
具体的，在获得目标构件的几何信息和拓扑关系之后，可以基于C++进行不同区域扫描站点相关信息的生成，对于获得的信息可以分类并存储到不同的容器中，对于存储不同信息的容器进行排列存储，并按照模型中划分的分区进行分区计算。计算过程可以结合房间连接拓扑关系和门定位信息，以及整合多边形为分段函数等相关技术，将一个现实的建筑转换为分段函数，其中以X作为自变量，Y作为因变量，然后再通过分段函数的变化和相关几何模型算法得到我们所需要的数据结构并存储在C++控制台上，以便我们可以随时调用数据结构进行运算。导入门空间和定位信息，并与不同空间进行拓扑连接，门的位置信息会影响相关扫描站点分布情况，扫描站点分布与门的位置和空间形状有较大的关系，因此需要对于门信息进行数据处理，可以指定同一空间的门和空间轮廓相结合，把门的定位信息跟空间轮廓定位相结合。进一步可选的，所述根据所述几何信息和所述拓扑关系确定所述待检测建筑的房间边界凹凸性，包括：根据所述分段函数对于因变量的变化规律提取房间的多边形凹凸面信息。具体可以在确定门位于多边形轮廓后，再进行多边形凹凸面的分析，根据空间多段函数对于Y数值的变化规律，提取多边形凹凸面信息，如凹凸面X坐标和Y坐标、凹凸面的中点坐标等，并将多边形凹凸面信息在C++中存储到一个类中。然后即可结合在C++平台中存储的信息进行扫描站点的生成，具体可以首先根据分段函数确定各段对应的下部边界最大值和上部边界最小值，然后根据门的定位信息以及房间边界信息判断门在房间的哪一条边界上，其中的房间边界信息可以根据房间角点信息来确定，并根据门纵坐标与各个下部边界最大值和上部边界最小值之间的关系确定扫描站点的纵坐标，可以将门纵坐标在房间每个分区比较一次，从而分别确定得到一个或多个扫描站点的纵坐标。
进一步可选的，所述根据所述门纵坐标以及所述下部边界最大值和上部边界最小值确定所述纵坐标，包括：将所述门纵坐标分别与各段对应的所述下部边界最大值和所述上部边界最小值进行比较；若所述门纵坐标大于等于所述上部边界最小值，则将所述上部边界最小值与预设安全距离之差作为所述纵坐标；若所述门纵坐标小于等于所述下部边界最大值，则将所述下部边界最大值与所述预设安全距离之和作为所述纵坐标；若所述门纵坐标大于所述下部边界最大值且小于所述上部边界最小值，则将所述门纵坐标作为所述纵坐标。其中，预设安全距离是为了避免扫描机器人因距离障碍物过近，或因机器人系统扫描定位存在误差的情况下发生与墙面碰撞的情况。
进一步可选的，所述几何信息包括房间角点信息，所述根据所述几何信息确定房间的分段函数，包括：根据revit导出的坐标顺序，利用连续三个房间角点的坐标位置确定所述分段函数。具体的，可以根据房间角点信息分析前后三个坐标关系并进行不同类型的标记，然后利用三点坐标位置和revit的默认顺序(如逆时针)来确定房间的分段函数。其中，分段函数是针对房间的平面图形成的，形式为以X作为区间，Y作为大小。
在上述技术方案的基础上，可选的，所述从所述BIM模型中提取目标构件的几何信息和拓扑关系，包括：通过revit的二次开发构件窗口获得所述BIM模型的属性信息，并通过在C#中添加依赖项以及在revit的附加模块中添加UI端口来提取所述几何信息和所述拓扑关系。具体的，可以通过revit的二次开发技术来提取目标构件的几何信息和拓扑关系，基于BIM模型，首先还可以对模型进行轻量化处理，通过筛选选项将所需的各个构件提取出来，如仅保留房间和门，从而加快后续程序提取数据和处理构件信息的速度。在轻量化模型后，可以通过revit的二次开发构件窗口中的lookup去了解所需的模型属性信息，如墙、门、边界、房间、拓扑关系等。接着利用在C#中添加revit的依赖项去实现模型和编程链接的窗口，最后在revit的附加模块中添加名为“Add-in_Manger”的UI窗口实现提取所需的构件信息，如构件名称、构件定位、构件链接、构件ID等。
在上述技术方案的基础上，可选的，在所述根据所述纵坐标和所述横坐标确定扫描站点位置之后，还包括：通过C#读取生成的扫描站点信息，并将所述扫描站点信息赋予到revit中的类对象；利用revit的二次开发技术在所述BIM模型中映射扫描站点。具体的，在生成扫描站点之后，可以基于C#读取扫描站点信息并在BIM模型中生成扫描区域来实现数据的可视化。具体可以通过借助revit的API接口来实现，将生成的一系列的扫描站点导出到txt文档中，再通过C#进行读取文件中的信息并将相关信息赋予到revit中的类对象，之后根据实际需求设置新建族的相关参数并完成创建。族创建完成后，需要结合扫描站点的文本信息，提取扫描站点的X坐标和Y坐标赋予给族的Location相关定位点参数，再通过revit二次开发的端口Create命令，在BIM模型中映射C++生成的扫描站点。映射完成后，还可以自动生成每个空间所需要扫描路径的总长度并输出到文件夹中，从而让扫描人员直观的了解扫描范围和规模，以便扫描人员选用合适的扫描器械去进行建筑物的扫描工作。进一步的，在得到扫描站点后，还可以将扫描站点通过ROS系统导入到四足机器人平台中，从而让机器人实现自动的定点扫描任务。
本发明实施例所提供的技术方案，首先获取待检测建筑的BIM模型，并从该BIM模型中提取目标构件的几何信息和拓扑关系，其中的目标构件包括房间和门，然后根据得到的几何信息和拓扑关系确定扫描站点的纵坐标，以及待检测建筑的房间边界凹凸性，再根据扫描站点的纵坐标以及房间边界凹凸性确定扫描站点的横坐标，即可确定扫描站点位置。通过从BIM模型中提取房间和门的几何信息和拓扑关系来确定扫描站点位置，实现了扫描站点的自动规划，大大提高了扫描的效率，降低了人工成本，同时也降低了在工程中识图的难度，对于不同领域或不同专业的人员都能较容易的接受扫描站点的方案，而且解决了传统人工扫描仅仅依靠人工经验做出判断的弊端，减少了偶然性和误差，另外，通过考虑门的位置对扫描站点进行约束，有利于使得扫描路径更短。
实施例二
图2为本发明实施例二提供的建筑室内点云数据采集站点自动规划装置的结构示意图，该装置可以由硬件和/或软件的方式来实现，一般可集成于计算机设备中，用于执行本发明任意实施例所提供的建筑室内点云数据采集站点自动规划方法。如图2所示，该装置包括：
模型获取模块21，用于获取待检测建筑的BIM模型；
模型信息提取模块22，用于从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
凹凸性确定模块23，用于根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
扫描站点确定模块24，用于根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
本发明实施例所提供的技术方案，首先获取待检测建筑的BIM模型，并从该BIM模型中提取目标构件的几何信息和拓扑关系，其中的目标构件包括房间和门，然后根据得到的几何信息和拓扑关系确定扫描站点的纵坐标，以及待检测建筑的房间边界凹凸性，再根据扫描站点的纵坐标以及房间边界凹凸性确定扫描站点的横坐标，即可确定扫描站点位置。通过从BIM模型中提取房间和门的几何信息和拓扑关系来确定扫描站点位置，实现了扫描站点的自动规划，大大提高了扫描的效率，降低了人工成本，同时也降低了在工程中识图的难度，对于不同领域或不同专业的人员都能较容易的接受扫描站点的方案，而且解决了传统人工扫描仅仅依靠人工经验做出判断的弊端，减少了偶然性和误差，另外，通过考虑门的位置对扫描站点进行约束，有利于使得扫描路径更短。
在上述技术方案的基础上，可选的，凹凸性确定模块23，包括：
分段函数确定单元，用于根据所述几何信息确定房间的分段函数，并确定所述分段函数各段对应的下部边界最大值和上部边界最小值；
门纵坐标确定单元，用于根据所述几何信息和所述拓扑关系确定门纵坐标；
扫描站点纵坐标确定单元，用于根据所述门纵坐标以及所述下部边界最大值和所述上部边界最小值确定所述纵坐标。
在上述技术方案的基础上，可选的，扫描站点纵坐标确定单元具体用于：
将所述门纵坐标分别与各段对应的所述下部边界最大值和所述上部边界最小值进行比较；
若所述门纵坐标大于等于所述上部边界最小值，则将所述上部边界最小值与预设安全距离之差作为所述纵坐标；
若所述门纵坐标小于等于所述下部边界最大值，则将所述下部边界最大值与所述预设安全距离之和作为所述纵坐标；
若所述门纵坐标大于所述下部边界最大值且小于所述上部边界最小值，则将所述门纵坐标作为所述纵坐标。
在上述技术方案的基础上，可选的，所述几何信息包括房间角点信息，分段函数确定单元具体用于：
根据revit导出的坐标顺序，利用连续三个房间角点的坐标位置确定所述分段函数。
在上述技术方案的基础上，可选的，凹凸性确定模块23具体用于：
根据所述分段函数对于因变量的变化规律提取房间的多边形凹凸面信息。
在上述技术方案的基础上，可选的，模型信息提取模块22具体用于：
通过revit的二次开发构件窗口获得所述BIM模型的属性信息，并通过在C#中添加依赖项以及在revit的附加模块中添加UI端口来提取所述几何信息和所述拓扑关系。
在上述技术方案的基础上，可选的，该建筑室内点云数据采集站点自动规划装置，还包括：
扫描站点信息读取模块，用于在所述根据所述纵坐标和所述横坐标确定扫描站点位置之后，通过C#读取生成的扫描站点信息，并将所述扫描站点信息赋予到revit中的类对象；
扫描站点映射模块，用于利用revit的二次开发技术在所述BIM模型中映射扫描站点。
本发明实施例所提供的建筑室内点云数据采集站点自动规划装置可执行本发明任意实施例所提供的建筑室内点云数据采集站点自动规划方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，在上述建筑室内点云数据采集站点自动规划装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例三
图3为本发明实施例三提供的计算机设备的结构示意图，示出了适于用来实现本发明实施方式的示例性计算机设备的框图。图3显示的计算机设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图3所示，该计算机设备包括处理器31、存储器32、输入装置33及输出装置34；计算机设备中处理器31的数量可以是一个或多个，图3中以一个处理器31为例，计算机设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器32作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的建筑室内点云数据采集站点自动规划方法对应的程序指令/模块(例如，建筑室内点云数据采集站点自动规划装置中的模型获取模块21、模型信息提取模块22、凹凸性确定模块23及扫描站点确定模块24)。处理器31通过运行存储在存储器32中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的建筑室内点云数据采集站点自动规划方法。
存储器32可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器32可进一步包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置33可用于获取建筑的BIM模型，以及产生与计算机设备的用户设置和功能控制有关的键信号输入等。输出装置34可用于将扫描站点信息导出到四足机器人等等。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，该计算机可执行指令在由计算机处理器执行时用于执行一种建筑室内点云数据采集站点自动规划方法，该方法包括：
获取待检测建筑的BIM模型；
从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
存储介质可以是任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM、兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的建筑室内点云数据采集站点自动规划方法中的相关操作。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种建筑室内点云数据采集站点自动规划方法，其特征在于，包括：
获取待检测建筑的BIM模型；
从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
2.根据权利要求1所述的建筑室内点云数据采集站点自动规划方法，其特征在于，所述根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，包括：
根据所述几何信息确定房间的分段函数，并确定所述分段函数各段对应的下部边界最大值和上部边界最小值；
根据所述几何信息和所述拓扑关系确定门纵坐标；
根据所述门纵坐标以及所述下部边界最大值和所述上部边界最小值确定所述纵坐标。
3.根据权利要求2所述的建筑室内点云数据采集站点自动规划方法，其特征在于，所述根据所述门纵坐标以及所述下部边界最大值和上部边界最小值确定所述纵坐标，包括：
将所述门纵坐标分别与各段对应的所述下部边界最大值和所述上部边界最小值进行比较；
若所述门纵坐标大于等于所述上部边界最小值，则将所述上部边界最小值与预设安全距离之差作为所述纵坐标；
若所述门纵坐标小于等于所述下部边界最大值，则将所述下部边界最大值与所述预设安全距离之和作为所述纵坐标；
若所述门纵坐标大于所述下部边界最大值且小于所述上部边界最小值，则将所述门纵坐标作为所述纵坐标。
4.根据权利要求2所述的建筑室内点云数据采集站点自动规划方法，其特征在于，所述几何信息包括房间角点信息，所述根据所述几何信息确定房间的分段函数，包括：
根据revit导出的坐标顺序，利用连续三个房间角点的坐标位置确定所述分段函数。
5.根据权利要求2所述的建筑室内点云数据采集站点自动规划方法，其特征在于，所述根据所述几何信息和所述拓扑关系确定所述待检测建筑的房间边界凹凸性，包括：
根据所述分段函数对于因变量的变化规律提取房间的多边形凹凸面信息。
6.根据权利要求1所述的建筑室内点云数据采集站点自动规划方法，其特征在于，所述从所述BIM模型中提取目标构件的几何信息和拓扑关系，包括：
通过revit的二次开发构件窗口获得所述BIM模型的属性信息，并通过在C#中添加依赖项以及在revit的附加模块中添加UI端口来提取所述几何信息和所述拓扑关系。
7.根据权利要求1所述的建筑室内点云数据采集站点自动规划方法，其特征在于，在所述根据所述纵坐标和所述横坐标确定扫描站点位置之后，还包括：
通过C#读取生成的扫描站点信息，并将所述扫描站点信息赋予到revit中的类对象；
利用revit的二次开发技术在所述BIM模型中映射扫描站点。
8.一种建筑室内点云数据采集站点自动规划装置，其特征在于，包括：
模型获取模块，用于获取待检测建筑的BIM模型；
模型信息提取模块，用于从所述BIM模型中提取目标构件的几何信息和拓扑关系，所述目标构件包括房间和门；
凹凸性确定模块，用于根据所述几何信息和所述拓扑关系确定扫描站点的纵坐标，以及所述待检测建筑的房间边界凹凸性；
扫描站点确定模块，用于根据所述纵坐标以及所述房间边界凹凸性确定所述扫描站点的横坐标，并根据所述纵坐标和所述横坐标确定扫描站点位置。
9.一种计算机设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的建筑室内点云数据采集站点自动规划方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的建筑室内点云数据采集站点自动规划方法。
CN202210775400.4A 2022-07-01 2022-07-01 建筑室内点云数据采集站点自动规划方法、装置及设备 Pending CN115169679A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210775400.4A CN115169679A (zh) 2022-07-01 2022-07-01 建筑室内点云数据采集站点自动规划方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210775400.4A CN115169679A (zh) 2022-07-01 2022-07-01 建筑室内点云数据采集站点自动规划方法、装置及设备

Publications (1)

Publication Number Publication Date
CN115169679A true CN115169679A (zh) 2022-10-11

Family

ID=83489909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210775400.4A Pending CN115169679A (zh) 2022-07-01 2022-07-01 建筑室内点云数据采集站点自动规划方法、装置及设备

Country Status (1)

Country Link
CN (1) CN115169679A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117556519A (zh) * 2023-12-11 2024-02-13 深圳大学 面向数字孪生的Revit模型数据的转换方法及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117556519A (zh) * 2023-12-11 2024-02-13 深圳大学 面向数字孪生的Revit模型数据的转换方法及设备

Similar Documents

Publication Publication Date Title
Jung et al. Automated 3D volumetric reconstruction of multiple-room building interiors for as-built BIM
Kopsida et al. Real-time volume-to-plane comparison for mixed reality–based progress monitoring
Hong et al. Semi-automated approach to indoor mapping for 3D as-built building information modeling
Jung et al. Automated 3D wireframe modeling of indoor structures from point clouds using constrained least-squares adjustment for as-built BIM
Roh et al. An object-based 3D walk-through model for interior construction progress monitoring
EP2741157B1 (en) Computer-implemented system and method for analyzing machined part manufacturability and performing process planning
Nagel et al. Conceptual requirements for the automatic reconstruction of building information models from uninterpreted 3D models
Khalili et al. IFC-based graph data model for topological queries on building elements
KR20180131471A (ko) 3d 스캐닝과 bim을 이용한 시공 오차 통합 관리 장치 및 그 방법
Meyer et al. Change detection for indoor construction progress monitoring based on BIM, point clouds and uncertainties
Geiger et al. Generalization of 3D IFC building models
Díaz-Vilariño et al. Indoor navigation from point clouds: 3D modelling and obstacle detection
KR101801262B1 (ko) 도면 해석 시스템 및 그 방법
CA3045217A1 (en) Method for constructing a 3d digital model from a 2d plan
CN111744199B (zh) 图像处理方法及装置、计算机可读存储介质、电子设备
CN111046459A (zh) 一种基于3d软件的建筑模型图像设计方法
CN115169679A (zh) 建筑室内点云数据采集站点自动规划方法、装置及设备
CN115906228A (zh) 建筑信息模型的生成
Adán et al. Automatic generation of as-is BEM models of buildings
CN113063427A (zh) 一种室内高精地图生产方法、装置、设备及存储介质
Kota et al. Development of a Reference Building Information Model for Thermal Model Compliance Testing--Part I: Guidelines for Generating Thermal Model Input Files.
JP2023168193A (ja) 学習モデル
Perez-Perez et al. Semantic-rich 3D CAD models for built environments from point clouds: An end-to-end procedure
Díaz-Vilariño et al. From LiDAR data towards HBIM for energy analysis
JP2023167502A (ja) 学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラム

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