点云到建筑信息模型的自动化转换框架：集成分割与精细化策略

本文提出了一种创新的四阶段自动化框架，将点云数据（PCD）高效转换为建筑信息模型（BIM）。该框架融合了深度学习语义分割与无监督聚类技术，实现了建筑构件的精准识别（实例分割），并通过边界与角点精细化策略显著提升了生成模型（如IFC标准）的几何精度与一致性。实验在包含145个房间的住宅数据集上验证了其高效性（平均构件检测率达99.1%）与低几何误差，为建筑翻新、设施维护、质量检测及数字孪生（Digital Twin）等应用提供了强有力的自动化解决方案。

　　

Highlight

• •
  (1) 一个系统性的四步框架能够实现自动化的PCD到BIM转换，具有高几何精度和处理效率，减少了人工干预并提高了建模自动化水平。
• •
  (2) 该框架将语义分割网络与无监督计算模块相结合，以执行精确的三维实例分割，其性能优于传统方法。
• •
  (3) 开发了一个完整的IFC生成工作流，包括轴对齐、尺寸估计和几何校正，可有效管理复杂的室内环境和大规模点云数据，实现精确的参数化建模。
• •
  (4) 提供了一个专门的IFC验证数据集，以支持跨不同建筑类型的全面评估，确保可靠的构件关系和建模标准的符合性。

Section snippets

Related work

本节首先回顾了深度学习在点云分割、提取和构建方面的研究进展。然后讨论了基于图元和几何的反向建模方法的应用。

Methodology

如图1所示，本节介绍了一个PCD到BIM的框架。所提出的方法包含三个组成部分，包括数据集准备（第3.1节）、三维实例分割（第3.2节）和IFC生成（第3.3节）。

Segmentation datasets

语义和实例分割实验使用了建筑室内场景数据集（CISD），该数据集包含住宅建筑中15种不同房间类型的145个场景。该数据集通过高精度激光雷达（LiDAR）扫描获取，生成密集的点云数据（PCD），并具有双重标注：结构构件的语义标签和单个元素的实例级分割。

CISD点分布分析显示其具有异常高的密度覆盖，其中墙元素...

Conclusion

本文提出了一个用于自动化PCD到BIM转换的结构化框架。基于所提出的方法和实验验证，可以得出以下结论：

(1) 所开发的四步工作流程成功地将原始PCD自动转换为完整的BIM模型。该过程涵盖了数据预处理、分割、几何提取和IFC生成。该实施提高了准确性和计算效率。它显著减少了手动...