CN117313222B - 基于bim技术的建筑施工数据处理方法 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及基于BIM技术的建筑施工数据处理方法，包括：依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列，将三维建筑模型划分为若干个目标平面，在目标平面上，获取每个数据点的结构特征信息，根据相同三维坐标上数据点的结构特征信息，得到每个数据点的置信度，由此获取数据点之间的聚类距离，从而得到每个三维建筑模型的压缩数据，将所有三维建筑模型的压缩数据存储到数据库中。本发明通过自适应数据点之间的距离，提高了表征建筑结构特征的数据点检测的准确性，从而提高了建筑施工数据进行压缩存储时的数据可信度。

Description

基于BIM技术的建筑施工数据处理方法

技术领域

本发明涉及数据处理技术领域，具体涉及基于BIM技术的建筑施工数据处理方法。

背景技术

在建筑施工的过程中图纸信息至关重要，工人需要根据图纸信息对建筑进行施工，二维图纸信息的空间信息携带比较少，不利于工人观察整个的建筑分布情况。BIM作为成熟的三维模型，可以良好的展示建筑空间整体分布信息，而被广泛使用，但是三维的BIM模型数据相对于二维数据来说，数据量比较大，需要对其进行压缩后存储提高其存储的效率。

现有的问题：三维建筑模型数据在压缩存储前，需要通过聚类算法来得到表征建筑结构特征的数据点，再对这些数据点进行存储。而现有的聚类分析时只考到数据点在空间的位置分布信息进行聚类，但是其BIM三维模型会存在不同时间下的模型分布，其没有考虑到时间因素，会降低聚类结果准确性，使得获取的表征建筑结构特征的数据点可能无法较好的表征建筑结构特征，从而减小了建筑施工数据进行压缩存储时的数据可信度。

发明内容

本发明提供基于BIM技术的建筑施工数据处理方法，以解决现有的问题。

本发明的基于BIM技术的建筑施工数据处理方法采用如下技术方案：

本发明一个实施例提供了基于BIM技术的建筑施工数据处理方法，该方法包括以下步骤：

使用BIM技术，按照时间顺序，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列；将任意一个三维建筑模型，记为目标三维建筑模型；其中，三维建筑模型由若干个数据点构成、数据点对应的三个维度的数据分别为长度、宽度、高度；

将目标三维建筑模型划分为若干个目标平面，并得到目标平面序列；在目标平面序列中，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息；

在三维建筑模型序列中，将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型；在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息、结构特征信息之间的差异，得到每个数据点的置信度；

根据数据点的置信度、数据点之间的距离，得到数据点之间的聚类距离；根据所有数据点之间的聚类距离、所有数据点的结构特征信息，得到每个三维建筑模型的压缩数据；将所有三维建筑模型的压缩数据存储到数据库中。

进一步地，所述将目标三维建筑模型划分为若干个目标平面，并得到目标平面序列，包括的具体步骤如下：

将目标三维建筑模型中的数据点对应的任意一个维度的数据，记为目标数据；

在目标三维建筑模型中，将相同的目标数据对应的所有数据点构成的二维平面，记为目标平面；

根据目标数据的大小，由小到大对所有目标平面进行排序，得到目标平面序列。

进一步地，所述在目标平面序列中，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息，包括的具体步骤如下：

将任意一个目标平面，记为主目标平面；

将主目标平面上任意一个数据点，记为目标点；

计算主目标平面上目标点的偏导数，得到目标点的梯度；

在主目标平面上，作从目标点开始、沿着目标点的梯度方向的射线，将所述射线上的数据点数量，记为目标点的携带信息量；

将主目标平面上与目标点相邻的所有数据点和目标点的数量，记为目标点的邻域信息量；

在目标平面序列中，将与主目标平面相邻的两个目标平面，记为分目标平面；

根据两个分目标平面上所有数据点与目标点的距离，得到目标点的直线程度；

根据目标点的携带信息量、邻域信息量、直线程度，得到目标点的结构特征信息。

进一步地，所述根据两个分目标平面上所有数据点与目标点的距离，得到目标点的直线程度，包括的具体步骤如下：

分别将两个分目标平面上距离目标点最近的一个数据点，记为参考点；

将目标点分别与两个参考点构成的直线，记为目标直线；

将两个目标直线的夹角值中的最小值，记为目标点的直线程度。

进一步地，所述根据目标点的携带信息量、邻域信息量、直线程度，得到目标点的结构特征信息对应的具体计算公式为：

其中D为目标点的结构特征信息，N为目标点的携带信息量，B为目标点的邻域信息 量，为目标点的直线程度，为线性归一化函数。

进一步地，所述在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息、结构特征信息之间的差异，得到每个数据点的置信度，包括的具体步骤如下：

将目标点的三维坐标，记为目标三维坐标；

在所有参考三维建筑模型中，依次统计目标三维坐标对应的数据点的结构特征信息，得到目标点的结构特征信息序列；

根据目标点的结构特征信息序列中相邻数据的差异，得到目标点的信息携带稳定性；

在目标三维建筑模型中，以目标点为中心点，构建一个大小为的正方体； 所述q为预设的边长；

在正方体中，将不是目标点的数据点，记为映照点；

根据目标点的结构特征信息序列中的最大值、目标点和所有映照点的信息携带稳定性，得到目标点的置信度。

进一步地，所述根据目标点的结构特征信息序列中相邻数据的差异，得到目标点的信息携带稳定性，包括的具体步骤如下：

在目标点的结构特征信息序列中，依次计算前一个数据减去后一个数据的差值，得到差值序列；

将差值序列中所有数据的方差，记为目标点的信息携带稳定性。

进一步地，所述根据目标点的结构特征信息序列中的最大值、目标点和所有映照点的信息携带稳定性，得到目标点的置信度对应的具体计算公式为：

其中A为目标点的置信度，为目标点的信息携带稳定性，为目标点的结构特 征信息序列中的最大值，为第j个映照点的信息携带稳定性，N为映照点的数量，为 以自然常数为底的指数函数，k为预设的指数函数调整值，为线性归一化函数。

进一步地，所述根据数据点的置信度、数据点之间的距离，得到数据点之间的聚类距离，包括的具体步骤如下：

在目标三维建筑模型中，将任意两个数据点，分别记为第一数据点和第二数据点；

根据第一数据点和第二数据点之间的距离、第一数据点和第二数据点的置信度，得到第一数据点和第二数据点之间的聚类距离对应的具体计算公式为：

其中L为第一数据点和第二数据点之间的聚类距离，为第一数据点的置信度， 为第二数据点的置信度，S为第一数据点和第二数据点之间的距离。

进一步地，所述根据所有数据点之间的聚类距离、所有数据点的结构特征信息，得到每个三维建筑模型的压缩数据，包括的具体步骤如下：

根据目标三维建筑模型中所有数据点之间的聚类距离，使用迭代自组织聚类算法，将目标三维建筑模型中所有数据点划分为若干个聚类簇；

将每个聚类簇中所有数据点的结构特征信息的均值，记为每个聚类簇的特征值；

统计所有聚类簇的特征值中的最大值，将所述最大值对应的聚类簇，记为目标簇；

对目标簇中所有数据点，使用LZ77压缩算法进行压缩处理，得到目标三维建筑模型的压缩数据。

本发明的技术方案的有益效果是：

本发明实施例中，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列，将任意一个三维建筑模型，记为目标三维建筑模型。获取每个数据点的结构特征信息。其通过分析数据点所在的平面中的梯度信息的变化情况和其相邻平面之间的一致性获得到每个数据点的结构特征信息情况，提高了后续数据聚类的准确性。将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型，在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息，得到每个数据点的置信度。其结合了不同施工阶段中的数据点获得结构特征的变化信息，进一步提高了后续数据聚类的准确性。由此获取数据点之间的聚类距离，从而得到每个三维建筑模型的压缩数据，将所有三维建筑模型的压缩数据存储到数据库中。至此本发明通过自适应数据点之间的距离，提高了表征建筑结构特征的数据点检测的准确性，从而提高了建筑施工数据进行压缩存储时的数据可信度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于BIM技术的建筑施工数据处理方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于BIM技术的建筑施工数据处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于BIM技术的建筑施工数据处理方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于BIM技术的建筑施工数据处理方法的步骤流程图，该方法包括以下步骤：

步骤S001：使用BIM技术，按照时间顺序，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列；将任意一个三维建筑模型，记为目标三维建筑模型；其中，三维建筑模型由若干个数据点构成、数据点对应的三个维度的数据分别为长度、宽度、高度。

使用BIM技术，按照时间顺序，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列。

其中，三维建筑模型由若干个数据点构成、数据点对应的三个维度的数据分别为：长度表示建筑物在横轴上的尺寸、宽度表示建筑物在纵轴上的尺寸、高度表示建筑物在竖轴上的尺寸。

在三维建筑模型序列中，将任意一个三维建筑模型，记为目标三维建筑模型。

所需说明的是：BIM表示建筑信息模型。建筑施工的最后阶段，建筑已经建设完成，需要存储所有的数据。因此本实施例对三维建筑模型序列中最后两个三维建筑模型的数据，直接使用霍夫曼编码进行压缩存储。其中，霍夫曼编码和BIM技术均为公知技术，具体方法在此不做介绍。因此目标三维建筑模型不能为三维建筑模型序列中最后两个三维建筑模型。

步骤S002：将目标三维建筑模型划分为若干个目标平面，并得到目标平面序列；在目标平面序列中，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息。

根据分析BIM三维模型其存储的信息是其在三维坐标系中的坐标位置信息，通过三维坐标的数据点可以构成BIM三维模型中的点线面信息。三维模型中存在表征能力的数据点一般为三维模型中的角点，三维模型中的特征数据点其相对正常的数据其为离散的数据点，所以通过聚类算法可以获得三维模型中的特征数据点。

BIM三维建筑模型可以表征的信息不止包含建筑的整体结构信息，其可以观察不同的施工阶段中的三维数据信息，例如，在对整座大楼进行施工时，首先需要确定大楼的主体，也就是钢筋阶段，在之后的施工过程中会浇筑混凝土，随着建筑施工的进行，三维建筑模型逐渐完善，同一数据点代表的信息也逐渐完善、变化，而信息越稳定的数据点越应该被存储。所以在进行聚类时，要考虑到不同时间阶段中的数据的变化情况，由此对聚类中的距离进行修正，可以提高特征点选取的准确性，使得压缩后的数据在进行重构会原本的三维模型更精准。

根据上述分析可知三维模型中的每个数据点在三维坐标系中都会存在一个对应的三维坐标，对每个数据进行分析其在三维模型的中的结构信息，三维模型中的角点一定是结构特征点，其结构信息表征能力比较大，但是根据分析曲线上的点其也会存在一定的结构贡献情况，其中也能分布到结构特征点。在分析每个数据的携带的信息的情况时，可以分析其周围的数据点和其分布的相似情况，其和周围数据的分布于越不相似其越可以表征整体的结构信息，结构特征点本身相对正常点为离群点。

在目标三维建筑模型中，将数据点对应的任意一个维度的数据，记为目标数据。

在目标三维建筑模型中，将相同的目标数据对应的所有数据点构成的二维平面，记为目标平面。

根据目标数据，由小到大对所有目标平面进行排序，得到目标平面序列。

所需说明的是：数据点的三维坐标轴分别为横轴、纵轴、竖轴，以竖轴为目标数据，一个竖轴上的值，会对应一个由横纵轴组成的二维平面。沿竖轴方向，会存在一个个由横纵轴组成的二维平面。

将任意一个目标平面，记为主目标平面。将主目标平面上任意一个数据点，记为目标点。

计算主目标平面上目标点的偏导数，得到目标点的梯度。其中，偏导数为公知技术，具体方法在此不做介绍。

在主目标平面上，作从目标点开始、沿着目标点的梯度方向的射线，将所述射线上的数据点数量，记为目标点的携带信息量。

所需说明的是：射线上的数据点数量包括为射线起点的目标点。

在主目标平面上，将与目标点相邻的所有数据点和目标点的数量，记为目标点的邻域信息量。

在目标平面序列中，将与主目标平面相邻的两个目标平面，记为分目标平面。

分别将两个分目标平面上距离目标点最近的一个数据点，记为参考点。

所需说明的是：若一个分目标平面上存在多个距离目标点最近的数据点，则将所述最近的数据点中的任意一个，记为参考点。由于都是距离目标点最近的数据点，不影响后续的分析。

将目标点分别与两个参考点构成的直线，记为目标直线。

将两个目标直线的夹角值中的最小值，记为目标点的直线程度。

所需说明的是：若主目标平面处于目标平面序列中第一个和最后一个，则目标点只有一个目标直线，本实施例，将该目标直线与主目标平面的夹角值的2倍，记为目标点的直线程度。

由此可知目标点的结构特征信息D的计算公式为：

其中D为目标点的结构特征信息，N为目标点的携带信息量，B为目标点的邻域信息 量，为目标点的直线程度。为线性归一化函数，将数据值归一化至[0,1]区间内。

所需说明的是：表示目标点在主目标平面上的信息表征情况，其值越大，说 明目标点携带的结构信息越多。其中N为目标点的携带信息量，体现了目标点梯度方向上的 信息量，B为目标点的邻域信息量，体现了目标点邻域内的信息量。但是作为三维空间中的 特征点不能只分析其单独一个目标平面的信息情况，还要分析其相邻目标平面中的数据的 空间分布信息，表示目标点在三维空间中的数据结构差异性，其值越大，说明目标点 携带的结构信息越多。其中，表示主目标平面和两个分目标平面中，目标点与两个参考点 处于同一条直线的程度，当目标点与两个参考点处于同一条直线上时，说明不是建筑结构 的拐点，即越大，其信息携带的量越少。为的归一化值，由于两直线的夹角值中的最小 值的取值范围为0到180度，因此只能取180度，令的取值范围为0到1之间。至此用的归一化值，表示目标点的结构特征信息。

按照上述方式，得到每个三维建筑模型中每个数据点的结构特征信息。

步骤S003：在三维建筑模型序列中，将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型；在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息、结构特征信息之间的差异，得到每个数据点的置信度。

上述获得到三维模型中的每个数据点的结构特征信息，根据结构特征信息对其进行聚类操作，可以将对三维模型结构贡献度大的数据点划分出来，在进行聚类的过程中，通过两个数据点的结构特征信息之间的距离，进行聚类簇的信息判断，在对数据存储时肯定要存储的完整的三维模型数据，但是BIM三维模型可以展示不同的施工阶段的数据，在分析其完整模型中的聚类情况时，要考虑到在施工过程中的阶段变化导致其结构信息的变化情况，分析相邻阶段之间数据点之间的变化情况和阶段数据和完整数据之间的变化对每个数据点聚类之间的距离进行修正，提高选取的特征点的准确性。

在施工过程中的数据点不一定在完整的模型数据中存在匹配数据点，例如施工过程中会存在施工架在完整的模型中体现不出来，并且在施工过程中其由于一些部分为残缺状其结构特征可能很明显，但是其是虚假的结构信息其对整体的三维模型的结构贡献比较低所以要分析不同阶段的三维数据之间的变化情况。

根据上述分析可知其数据点的结构特征会受到其所在的施工阶段的影响，在施工的过程中由于建筑的不完整性会导致一些残缺的部分也会产生特征点，但是这些特征点对整体的结构贡献度比较低，不是本实施例所需要的特征点，在进行聚类时可以将这部分数据点的聚类条件进行调整，在提取特征点时不进行提取。

在三维建筑模型序列中，将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型。

将目标点的三维坐标，记为目标三维坐标。

在所有参考三维建筑模型中，依次统计目标三维坐标对应的数据点的结构特征信息，得到目标点的结构特征信息序列。

在目标点的结构特征信息序列中，依次计算前一个数据减去后一个数据的差值，得到差值序列。将差值序列中所有数据的方差，记为目标点的信息携带稳定性。

按照上述方式，得到目标三维建筑模型中每个数据点的结构特征信息序列、信息携带稳定性。

所需说明的是：上述规定目标三维建筑模型不能为三维建筑模型序列中最后两个三维建筑模型，并且三维建筑模型序列中，三维建筑模型是一个逐渐完善的过程，因此后一个三维建筑模型必然包含完整的前一个三维建筑模型，因此一定能得到目标三维建筑模型中每个数据点的结构特征信息序列，且序列长度一定大于等于3。

本实施例预设的边长q为10，以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。

在目标三维建筑模型中，以目标点为中心点，构建一个大小为的正方体。

所需说明的是：所述正方体上存在与三维建筑模型的横轴、纵轴、竖轴平行或者垂直的边长，即所述正方体唯一。

在正方体中，将不是目标点的数据点，记为映照点。

由此可知目标点的置信度A的计算公式为：

其中A为目标点的置信度，为目标点的信息携带稳定性，为目标点的结构特 征信息序列中的最大值，为第j个映照点的信息携带稳定性，N为映照点的数量，为 以自然常数为底的指数函数，本实施例以来呈现反比例关系及归一化处理，实施者 可根据实际情况设置反比例函数及归一化函数，k为预设的指数函数调整值，避免指数函数 衰减过快。为线性归一化函数，将数据值归一化至[0,1]区间内。本实施例设定k为 0.1，以此为例进行叙述，其它实施方式中可设置为其它值，本实施例不进行限定。

所需说明的是：越小，说明目标点的结构特征信息序列中的数据波动越小，即在 建筑完善的过程中，目标点的信息携带越稳定性，则目标点越重要，越大，说明在建筑 完善的过程中，目标点的信息携带越大，越重要。因此用表示目标点的 重要程度。再分析目标点周围的数据点，随着建筑完善的数据波动变化情况，表示目标点周围的数据点随着建筑完善的数据波动特征，其值越大，周 围数据点的变化越稳定。由此用和的乘积的归一化 值，表示目标点的置信度，A越大，目标点越可信。

按照上述，方式得到目标三维建筑模型中每个数据点的置信度。

步骤S004：根据数据点的置信度、数据点之间的距离，得到数据点之间的聚类距离；根据所有数据点之间的聚类距离、所有数据点的结构特征信息，得到每个三维建筑模型的压缩数据；将所有三维建筑模型的压缩数据存储到数据库中。

一个好的特征点在不同的施工阶段都会表征为特征点，但是不能说明在不同的施工阶段中产生的独立的特征点不是特征点，所以可以通过数据点所在空间中的其它数据点的变化情况去调整其自身信息携带情况，使得在施工阶段中产生的特征点也会被提取出来。

在目标三维建筑模型中，将任意两个数据点，分别记为第一数据点和第二数据点。

由此可知第一数据点和第二数据点之间的聚类距离L的计算公式为：

其中L为第一数据点和第二数据点之间的聚类距离，为第一数据点的置信度， 为第二数据点的置信度，S为第一数据点和第二数据点之间的距离。

所需说明的是：当第一数据点和第二数据点的置信度越大，说明第一数据点和第 二数据点越重要，需要越小的聚类距离，保障被聚为一类。故表示距离调整值，用和S的乘积，表示第一数据点和第二数据点之间的聚类距离。

按照上述方式，得到目标三维建筑模型中任意两个数据点之间的聚类距离。

根据目标三维建筑模型中所有数据点之间的聚类距离，使用迭代自组织聚类算法，将目标三维建筑模型中所有数据点划分为若干个聚类簇。

所需说明的是：迭代自组织聚类算法为公知技术，具体方法在此不做介绍。迭代自组织聚类中，通常需要计算数据点之间的距离，本实施例用数据点之间的聚类距离替换其实际距离，进行聚类操作。

将每个聚类簇中所有数据点的结构特征信息的均值，记为每个聚类簇的特征值。

统计所有聚类簇的特征值中的最大值，将所述最大值对应的聚类簇，记为目标簇。

所需说明的是：目标簇中的数据点应为目标三维建筑模型中表征建筑结构特征的数据点。

对目标簇中所有数据点，使用LZ77压缩算法进行压缩处理，得到目标三维建筑模型的压缩数据。

其中，LZ77压缩算法为公知技术，具体方法在此不做介绍。

按照上述方式，得到每个三维建筑模型的压缩数据。将所有三维建筑模型的压缩数据存储到数据库中。

至此，本发明完成。综上所述，在本发明实施例中，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列，将任意一个三维建筑模型，记为目标三维建筑模型。将目标三维建筑模型划分为若干个目标平面，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息。将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型。在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息，得到每个数据点的置信度。由此获取数据点之间的聚类距离，从而得到每个三维建筑模型的压缩数据，将所有三维建筑模型的压缩数据存储到数据库中。本发明通过自适应数据点之间的距离，提高了表征建筑结构特征的数据点检测的准确性，从而提高了建筑施工数据进行压缩存储时的数据的可信度。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于BIM技术的建筑施工数据处理方法，其特征在于，该方法包括以下步骤：

使用BIM技术，按照时间顺序，依次采集同一建筑在若干个不同施工阶段的三维建筑模型，得到三维建筑模型序列；将任意一个三维建筑模型，记为目标三维建筑模型；目标三维建筑模型不能为三维建筑模型序列中最后两个三维建筑模型；其中，三维建筑模型由若干个数据点构成、数据点对应的三个维度的数据分别为长度、宽度、高度；

将目标三维建筑模型划分为若干个目标平面，并得到目标平面序列；在目标平面序列中，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息；

在三维建筑模型序列中，将目标三维建筑模型、目标三维建筑模型之后的三维建筑模型，记为参考三维建筑模型；在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息、结构特征信息之间的差异，得到每个数据点的置信度；

根据数据点的置信度、数据点之间的距离，得到数据点之间的聚类距离；根据所有数据点之间的聚类距离、所有数据点的结构特征信息，得到每个三维建筑模型的压缩数据；将所有三维建筑模型的压缩数据存储到数据库中；

所述将目标三维建筑模型划分为若干个目标平面，并得到目标平面序列，包括的具体步骤如下：

将目标三维建筑模型中的数据点对应的任意一个维度的数据，记为目标数据；

在目标三维建筑模型中，将相同的目标数据对应的所有数据点构成的二维平面，记为目标平面；

根据目标数据的大小，由小到大对所有目标平面进行排序，得到目标平面序列；

所述在目标平面序列中，根据相邻的目标平面上数据点之间的距离、目标平面上数据点的梯度和分布，得到每个数据点的结构特征信息，包括的具体步骤如下：

将任意一个目标平面，记为主目标平面；

将主目标平面上任意一个数据点，记为目标点；

计算主目标平面上目标点的偏导数，得到目标点的梯度；

在主目标平面上，作从目标点开始、沿着目标点的梯度方向的射线，将所述射线上的数据点数量，记为目标点的携带信息量；

将主目标平面上与目标点相邻的所有数据点和目标点的数量，记为目标点的邻域信息量；

在目标平面序列中，将与主目标平面相邻的两个目标平面，记为分目标平面；

根据两个分目标平面上所有数据点与目标点的距离，得到目标点的直线程度；

根据目标点的携带信息量、邻域信息量、直线程度，得到目标点的结构特征信息。

2.根据权利要求1所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据两个分目标平面上所有数据点与目标点的距离，得到目标点的直线程度，包括的具体步骤如下：

分别将两个分目标平面上距离目标点最近的一个数据点，记为参考点；

将目标点分别与两个参考点构成的直线，记为目标直线；

将两个目标直线的夹角值中的最小值，记为目标点的直线程度。

3.根据权利要求1所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据目标点的携带信息量、邻域信息量、直线程度，得到目标点的结构特征信息对应的具体计算公式为：

其中D为目标点的结构特征信息，N为目标点的携带信息量，B为目标点的邻域信息量，为目标点的直线程度，/>为线性归一化函数。

4.根据权利要求1所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述在所有参考三维建筑模型中，根据相同三维坐标上数据点的结构特征信息、结构特征信息之间的差异，得到每个数据点的置信度，包括的具体步骤如下：

将目标点的三维坐标，记为目标三维坐标；

在所有参考三维建筑模型中，依次统计目标三维坐标对应的数据点的结构特征信息，得到目标点的结构特征信息序列；

根据目标点的结构特征信息序列中相邻数据的差异，得到目标点的信息携带稳定性；

在目标三维建筑模型中，以目标点为中心点，构建一个大小为的正方体；所述q为预设的边长；

在正方体中，将不是目标点的数据点，记为映照点；

根据目标点的结构特征信息序列中的最大值、目标点和所有映照点的信息携带稳定性，得到目标点的置信度。

5.根据权利要求4所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据目标点的结构特征信息序列中相邻数据的差异，得到目标点的信息携带稳定性，包括的具体步骤如下：

在目标点的结构特征信息序列中，依次计算前一个数据减去后一个数据的差值，得到差值序列；

将差值序列中所有数据的方差，记为目标点的信息携带稳定性。

6.根据权利要求4所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据目标点的结构特征信息序列中的最大值、目标点和所有映照点的信息携带稳定性，得到目标点的置信度对应的具体计算公式为：

其中A为目标点的置信度，为目标点的信息携带稳定性，/>为目标点的结构特征信息序列中的最大值，/>为第j个映照点的信息携带稳定性，N为映照点的数量，/>为以自然常数为底的指数函数，k为预设的指数函数调整值，/>为线性归一化函数。

7.根据权利要求1所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据数据点的置信度、数据点之间的距离，得到数据点之间的聚类距离，包括的具体步骤如下：

在目标三维建筑模型中，将任意两个数据点，分别记为第一数据点和第二数据点；

根据第一数据点和第二数据点之间的距离、第一数据点和第二数据点的置信度，得到第一数据点和第二数据点之间的聚类距离对应的具体计算公式为：

其中L为第一数据点和第二数据点之间的聚类距离，为第一数据点的置信度，/>为第二数据点的置信度，S为第一数据点和第二数据点之间的距离。

8.根据权利要求1所述基于BIM技术的建筑施工数据处理方法，其特征在于，所述根据所有数据点之间的聚类距离、所有数据点的结构特征信息，得到每个三维建筑模型的压缩数据，包括的具体步骤如下：

根据目标三维建筑模型中所有数据点之间的聚类距离，使用迭代自组织聚类算法，将目标三维建筑模型中所有数据点划分为若干个聚类簇；

将每个聚类簇中所有数据点的结构特征信息的均值，记为每个聚类簇的特征值；

统计所有聚类簇的特征值中的最大值，将所述最大值对应的聚类簇，记为目标簇；

对目标簇中所有数据点，使用LZ77压缩算法进行压缩处理，得到目标三维建筑模型的压缩数据。