BIM-vSLAM：通过基于平面的表示方法连接BIM与视觉SLAM，实现自动化配准与基于图像的重建

《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》：BIM-vSLAM: Bridging BIM and visual SLAM with plane-based representation for automated registration and image-based reconstruction

　　张晓|宋长浩|梁振宇|牛卓越|张佳颖|程嘉祺
中国香港香港科技大学土木与环境工程系

摘要
在杂乱的室内环境中实现精准定位，对于具身人工智能而言至关重要。传统的定位系统依赖专家生成的地图，这不仅会增加成本，还会限制其在动态环境中的适应性。建筑信息模型是一种常用的格式，用于表示固定的建筑元素。然而，由于数据结构的不同，将BIM与同时定位与建图技术结合仍然面临挑战。BIM以语义丰富的平面对象形式编码环境，而SLAM则通过稀疏的局部特征簇构建地图，虽然能够捕捉细节，但缺乏明确的平面上下文。这种表征差异会妨碍精准对应，导致复杂室内场景中出现错位问题。本文提出了一种轻量级的视觉SLAM系统，通过采用平面作为统一表征方式来弥补这一缺陷。我们将BIM转化为分层式的拓扑语义地图，用平面特征标示出房间和走廊。同时，我们将SLAM地图重构为水平和垂直平面的轻量级几何模型，取代传统的占用网格或点云。这种基于平面的表征方式利用场景结构降低计算复杂度，同时提升估算精度。该表征方式与SLAM系统紧密集成，可实现关键帧之间的精准短期跟踪与绘图，并通过与持续的BIM建筑特征（如墙壁和门）进行全局对齐，有效避免误差累积。局部与全局组件均在图优化框架内实现统一。在具有挑战性的室内测试数据上的实验表明，该系统具有先进的精度与效率。其全局BIM配准召回率比现有的基于图像的方法和点云配准快3倍，还能将绝对姿态误差降低90%，并且能以更低的存储成本实现更快速的地图重建。源代码可在https://github.com/csongae/BIM-vSLAM获取。

引言
随着智能时代的到来，机器人逐渐成为日常生活的重要组成部分，承担着重复性、高风险以及难以到达的任务（Attard等人，2018；Bahmanyar和Merkle，2023；Sanchez等人，2020）。精准定位是实现安全高效机器人运行的基础，尤其是在办公室和走廊等复杂的室内环境中。同时定位与建图技术能够让机器人利用激光雷达（Karam等人，2021；Ress等人，2024；Xiong等人，2026）或摄像头（Jiang等人，2021）等传感器数据，在实时计算自身位置的同时构建环境地图，从而满足这一需求。

尽管基于激光雷达的SLAM集成因其高精度的几何测量和成熟的点云配准技术而受到广泛关注，但其高昂的成本、较高的能耗以及复杂的机械结构限制了其在轻型移动机器人上的应用。相比之下，单目摄像头提供了一种更为经济、低功耗且高效的替代方案，符合行业向可扩展、无需专业人员操作的机器人系统发展的趋势（Davison等人，2007；Mur-Artal等人，2015）。随着自动驾驶领域逐步转向纯粹基于视觉的感知方案，这一选择更具合理性。视觉方案能够从图像中提取丰富的语义信息，从而实现更深入的场景理解，为数字孪生、人机协作以及在非结构化环境中的自适应导航等未来应用奠定基础。不过，基于摄像头的方法还需克服尺度模糊、对光照变化敏感以及缺乏直接深度信息等问题。由于依赖图像数据，这类方法容易因光照不稳定、纹理较少的环境（Strasdat等人，2010；Williams等人，2011）而出现误差累积，导致定位漂移。而且，由于地图是由一系列输入帧构建的，微小误差会随时间不断积累，最终导致表面错位和伪影，影响高精度重建。

在单目视觉SLAM中，累积漂移一直是一个亟待解决的难题，目前主要通过循环闭合检测（Karam等人，2021；Williams等人，2011）或利用先前的场景模型（Boniardi等人，2017；Hendrikx等人，2021）来应对。循环闭合检测依赖于预先设置的标记或之前观测到的地标（Tsintotas等人，2022），但对于执行紧急检查或包裹配送等任务的移动机器人来说往往不实用，因为它们可能不会再次回到同一地点。此外，光照变化、视角差异或遮挡等因素也会增加地标识别的难度，尤其是在缺乏明显特征的区域内。而建筑信息模型则提供了一种有效的漂移校正方案。BIM包含了关于固定建筑元素的精确三维几何与语义信息，不仅易于非专业人士理解，也非常适合用于缓解SLAM中的定位漂移问题（Cheng等人，2023）。然而，由于施工过程中现场杂物、施工偏差（Xu等人，2026）以及不断变化的工地条件（Chen等人，2025），传感器所捕获的实际建筑地图与初始设计的BIM模型之间往往存在差异，这会给项目带来高昂的返工成本和进度延误。传统的协调方法，如人工检查或静态激光扫描，无法满足现代机器人技术和自动化进度监控的实时性要求。

将SLAM与BIM相结合，对于在建筑环境中实现精准机器人导航至关重要，但由于两者数据格式的不同，这一任务颇具挑战性。BIM提供了详细的数字蓝图，用墙壁、地板和门等高级对象描述建筑物，同时还包含精确的形状信息及上下文关联（例如门与墙的连接方式）（Chen等人，2021）。而SLAM则是通过单一摄像头等传感器捕获的稀疏数据逐步构建地图，这些数据缺乏明确的结构或上下文含义（Huan等人，2022）。正如图1所示，这种差异导致了两者之间难以直接匹配，尤其是在建筑工地等杂物繁多、视觉特征有限的复杂室内环境中。

这种表征差异带来了对齐难题。若将BIM简化为点云以用于SLAM匹配，则会丢失语义和关联信息，从而降低定位精度（Abreu等人，2023）。相反，若试图从SLAM数据中重建复杂形状，则会在纹理不足或杂物较多的区域出现误差，因为这些区域的深度感知能力较差（Bassier等人，2018；Xue等人，2019）。BIM在简化过程中丢失信息，SLAM在重建过程中产生误差，这两种相互矛盾的过程都阻碍了实时、精准的定位。

为解决这些问题，本研究提出了BIM-vSLAM——一种纯视觉驱动的框架，它将传感器数据与BIM在统一的坐标系统中对齐，从而实现无需主动测距传感器的稳定、无漂移定位。BIM-vSLAM是一种具备拓扑感知能力的单目SLAM系统，它通过将BIM中的语义平面与经过转换后的SLAM点云中的语义平面特征进行匹配，从而在保留关键结构信息的同时，减少过度简化或过度复杂化带来的误差。

该框架的贡献主要体现在四个方面：
1. 一种适用于低纹理环境、基于单目图像构建并关联语义平面的强大多平面参数化方法；
2. 一种兼具几何与语义感知能力的BIM配准技术，能够利用BIM的关联信息实现精准对应；
3. 一种基于不确定性的动态差异监测机制（通过BIM约束置信度实现），能够在实际施工情况出现偏差时保持精准对齐；
4. 一种紧密集成的基于平面的SLAM系统，它在图优化框架内实现了局部跟踪与全局BIM约束的统一。

在真实世界数据集上的测试表明，所提出的BIM-vSLAM框架能够在被遮挡的室内环境中实现厘米级精度且无定位漂移。通过弥补表征上的差距，该工作为精准机器人导航提供了可能，同时也契合了行业向数字孪生和自动化建造发展的趋势。

本文的其余部分结构如下：第2节回顾相关研究，第3节详细介绍方法论，第4节展示实验结果，第5节和第6节分别讨论结论与未来研究方向。

文献综述
将建筑信息模型与视觉同时定位与建图技术相结合，是建筑机器人技术和自动化进度监控领域的重大进展。本章将重点介绍两个关键领域的最新发展：（1）基于平面的定位技术；（2）BIM与SLAM的融合技术，同时分析它们的优势、局限性以及现有研究中的空白。

系统概述
BIM-vSLAM是一种具备拓扑感知能力的单目SLAM系统，它通过匹配语义平面来实现BIM数据与传感器数据之间的衔接。该系统将SLAM点云转换为语义平面特征，从而保留建筑结构的上下文信息。整个系统由多个并行模块组成（见图2）。前端模块（第3.2节）负责实时跟踪，包括特征分割（3.2.1节）和三维平面拟合（3.2.2节）；后端模块则通过平面关联（3.3.1节）优化模型，并为局部定位建立约束条件。

实验设计
为了全面评估我们基于平面的BIM-vSLAM流程的性能，我们设计了三项针对性实验：首先，全球BIM配准实验旨在利用新的传感器约束机制，衡量局部帧与BIM数据对齐的精度；其次，机器人姿态跟踪实验则通过序列数据与BIM信息，检验连续跟踪机器人位置的准确性；最后，地图重建实验用于评估生成地图的质量。

讨论
本研究主要聚焦于平面特征，因为这类特征在典型建筑环境中占据了大多数可见表面。虽然这种研究重点符合墙壁、地板和天花板等平面结构的普遍存在，但也限定了当前方法的适用范围。若要提升该框架的通用性，就必须考虑那些在复杂建筑系统中常见的非平面特征。

结论
本文提出了一种轻量级的视觉SLAM框架，它通过统一的平面表征方式，弥合了BIM与视觉SLAM之间的表征差距。该框架的主要贡献包括：一种能够在低纹理室内场景中实现稳定平面关联的多平面参数化方法；一种充分利用BIM关联信息的、兼具几何与语义感知能力的BIM配准方法；一种能够持续纠正偏差的动态差异监测机制；以及一个将局部跟踪与全局BIM约束在图优化框架内有机结合的SLAM系统。

手稿准备过程中生成式AI与AI辅助技术的声明
在撰写本论文的过程中，作者使用了GPT、Gemini和DeepSeek等工具来审阅文本并生成插图（如图22所示）。在使用这些工具之后，作者对内容进行了必要的审核和修改，并对最终发表文章的内容负全责。

CRediT作者贡献说明
张晓：写作——审阅与编辑，写作——初稿撰写，验证，方法论设计，概念构思。宋长浩：写作——审阅与编辑，写作——初稿撰写，可视化处理，概念构思。梁振宇：写作——审阅与编辑，研究实施。牛卓越：写作——审阅与编辑。张佳颖：监督工作，项目管理。程嘉祺：监督工作，资金筹措。

利益冲突声明
作者声明不存在任何可能影响本文研究成果的已知财务利益或个人关系。

致谢
本研究得到了中国国家重点研发计划的资助（项目编号：2024YFF0619300）。