《Land》：An Innovative Approach to the Study of Building Stock Through Benchmark BIG Geodata Mining and Automated LiDAR Roof Reconstruction in Urban Areas: A Case Study from Slovakia
编辑推荐：
本文提出了BSTwin，一种计算工作流与应用系统，用于在斯洛伐克城市区域自动生成多细节层次（multi-level-of-detail, LoD）建筑模型及语义增强的建筑存量记录。其输出被定位为城市信息模型（city information model, CI
本文提出了BSTwin，一种计算工作流与应用系统，用于在斯洛伐克城市区域自动生成多细节层次（multi-level-of-detail, LoD）建筑模型及语义增强的建筑存量记录。其输出被定位为城市信息模型（city information model, CIM）的建筑层，可支撑未来城市数字孪生（urban digital twin）应用，而非作为运行中的数字孪生系统。BSTwin将一种轻量级、基于规则的机载LiDAR点云屋顶重建引擎，与从13个开放地理数据源挖掘的基准数据集相结合：国家登记数据（INSPIRE HVD Buildings、2021年人口普查、INFOREG-EC）、欧洲及全球数据集（欧洲建筑存量（EUBUCCO v0.2）、全球人类住区层（GHSL R2023A）、哥白尼城市地图集（Copernicus Urban Atlas）、全球建筑地图集（GlobalBuildingAtlas, GBA）、开放建筑地图（OpenBuildingMap, OBM）、微软全球建筑足迹（Microsoft Global Building Footprints））以及开源地图（OpenStreetMap、Overture Maps）。该方法并未提出新的学习式分割模型，而是将已发表的几何方法（基于法线种子的RANSAC与Hough参数空间合并、基于环带的地面估计、3DBAG参考高度、mSTEP方位角校正与递归足迹分解）整合为确定性流水线，可在普通计算机上运行，无需GIS/BIM软件。术语GeoAI在此采用其知识驱动含义，因为不涉及任何机器学习模型。每次重建及集成属性均通过质量控制模块验证。在合成真值上，该引擎正确分类了全部五种测试屋顶原型，点对平面均方根误差（RMSE）约为5 cm；在覆盖科希策（Ko?ice）旧城区（Staré Mesto）1468栋建筑的真实国家LiDAR数据上，成功重建了99.9%的建筑，其中96.2%无质量标记，每栋建筑处理时间中位数为0.20秒。LiDAR屋脊高度与INSPIRE登记高度相比，中位数差值为+0.48 m（65%的差值在1 m以内）。对于科希策自治州（Ko?ice Self-governing Region），打包的EUBUCCO v0.2数据摘录覆盖488,363栋建筑，其中81.7%具有政府来源的高度信息。研究结果表明，该工作流在建筑存量监测、改造规划以及作为未来城市数字孪生数据基础方面具有潜力。
**1 研究背景与问题**
建筑存量作为建成环境中数量最多、影响最大的要素，其全面且持续更新的状态知识（包括几何、技术状况、年代、用途与能耗行为）对翻新改造、结构安全评估、能源需求与光伏潜力估算、拆除废弃物管理、灾害响应及空间规划等公共与私人活动至关重要。近年来，随着城市数字孪生（urban digital twin, UDT）的兴起，建筑存量研究方式发生了深刻变革。城市数字孪生是城市物理存量的动态、持续更新的虚拟表征，用于监测、模拟和优化城市过程。由于建筑是此类孪生系统中的主导对象，城市数字孪生要求建筑模型具备几何精确性、语义丰富性、多细节层次（Level of Detail, LoD）可用性，并且必须覆盖全部建成区范围而非孤立的展示区。需首先明确区分：数字孪生预设模型与物理资产之间存在实时联系（感知、更新、模拟），而支撑此类孪生系统的静态几何与语义建筑层属于城市信息模型（city information model, CIM）。本研究的定位是后者，即生成并丰富建筑层，而非构建运行中的孪生系统。
屋顶几何是该建筑层不可或缺的组成部分。屋顶光伏潜力、建筑存量的体积与材料质量、雪荷载与风荷载、翻新与遗产清单以及城市模型的视觉可信度，均取决于屋顶的形状、面积、倾角与朝向，而非仅依赖建筑足迹；简单体块模型（LoD1）无法提供这些信息。因此，本研究工作流在生成体块模型之外，还进一步生成包含屋顶信息的LoD2模型。实践中，三维建筑模型从多种互补地理空间数据源重建得到：机载LiDAR点云提供密集、精确的几何信息，已成为屋顶与建筑重建的主要数据源；二维地形图与地籍图提供可靠的地面平面图与历史表征；正射影像与甚高分辨率卫星立体像对提供数字表面模型并日益直接生成LoD2屋顶；雷达技术（如SAR层析成像）在光学数据不适用的区域恢复三维结构。目标细节通过CityGML的LoD框架处理，从体块模型（LoD1）到包含屋顶的模型（LoD2）再到建筑细部模型（LoD3），具体LoD由应用需求与可用数据源共同决定。
历史上，此类模型几乎完全在GIS与BIM软件环境（如ArcGIS、CityEngine、Bentley或Revit）中以半手动的逐项目方式生产，受制于软件许可、硬件能力与用户技能，因而仅限于相对较小的区域。当前，全自动重建方法已作为独立应用部署，可在无交互式GIS/BIM桌面环境下运行，以单次可重复的处理流程为整个城市或国家生成三维模型。荷兰3DBAG服务是这一转变的典型实例，其基于机载LiDAR与足迹数据为荷兰超过1000万栋建筑重建了一致的LoD1.2/LoD1.3/LoD2.2模型，并对每栋建筑进行质量监测。这一向无需GIS/BIM软件的百万级对象自动化重建的转变，正是本研究探索的运行背景。
促使这一转变的第二个因素是建筑被记录为独立物理对象并附带丰富非图形属性的数据库激增。通过OpenStreetMap及其Overpass查询接口获取的自愿地理信息提供了持续更新的足迹与语义标签，可补充官方建筑数据；国家登记数据提供权威基准，如支撑3DBAG的荷兰BAG登记库，以及斯洛伐克由测绘、制图与地籍管理局维护的不动产地籍（REC）与地理信息系统通用数据库（ZBGIS），二者均与LiDAR数据基座结合。在欧洲尺度上，EUBUCCO v0.2将50个开放政府数据集与OpenStreetMap调和为一个包含超过2亿栋建筑（含类型、高度、楼层数与建造年份）的数据库；全球尺度上，GlobalBuildingAtlas提供27.5亿个建筑多边形与26.8亿个带估计高度的LoD1模型（按大洲RMSE为1.5–8.9 m）；国家测绘机构亦发布现成的三维数据集，如包含LoD2屋顶几何的swissBUILDINGS3D。以往研究每次仅整合其中一或两个数据源。这些数据源对建筑存量监测的价值在于组合使用而非单一来源。融合地籍、自愿、国家三维、欧洲与全球数据集后，每栋建筑的属性空间远超任何单一注册库的信息范围，组合记录即构成基准数据集，可据此生成并评估重建结果。
与分割与重建方法同等重要的是直接处理点云的那一类方法，其运行于GIS与BIM范式之外。基于PointNet++、RandLA-Net与层级架构的深度神经网络可对建筑、屋顶与立面进行大规模逐点语义与实例分割；基于深度隐式场与多面体图神经网络的学习式重建器可将分割后的点云组装为紧凑建筑模型。几何方法无需训练数据即可达到同样目的：roofer通过区域增长检测屋顶平面并经由图割优化组装；Romanengo等人通过带Hough空间合并的法线种子RANSAC对城市尺度点云拟合基元；Dehbi等人通过主动采样与屋顶假设评估实现稳健快速的复杂屋顶重建。在斯洛伐克的研究背景下，迄今的研究将基于GIS的流程应用于屋顶与建筑提取。在促成当前工作的两项研究中，一项针对科马尔诺（Komárno）屋顶光伏潜力与光伏适宜性评估，另一项针对卢切内茨（Lu?enec）从LiDAR识别屋顶表面，两项研究均在ArcGIS环境中通过栅格坡度、坡向与山体阴影分析、α-形状边界提取与分水岭屋脊建模来分割屋顶平面，并在ArcGIS Pro与CityEngine中通过拉伸生成三维模型。这些研究证实了斯洛伐克全国LiDAR与地籍/ZBGIS数据在屋顶分析中的价值，但仍为半自动、单城市、局限于二维轮廓与可视化三维模型，而非水密的多LoD实体。
由此产生两个空白。国际层面，国家范围自动LoD2重建仅在国家LiDAR测绘、建筑登记簿与专用处理基础设施由测绘机构耦合时存在（如3DBAG、swissBUILDINGS3D），多源属性整合亦仅针对单一时的一次或两个来源；尚无开放工作流将国家、欧洲、全球与自愿来源的逐建筑属性融合（带每个值的来源追溯）与标准计算机上的LiDAR屋顶重建相结合。斯洛伐克层面的空白属于实施层面：尚不存在自动化的、独立于GIS的建筑存量重建；已发表的两项屋顶研究基于GIS、单城市且不生成水密模型；国家INSPIRE建筑层、2021年人口普查、INFOREG证书登记簿以及欧洲与全球数据集从未被针对同一栋建筑联合查询。
**2 研究目标与研究问题**
本研究旨在解决的核心问题是：能否将开放地理数据与国家LiDAR转化为逐建筑的CIM建筑层，其属性与几何在普通计算机上、无需GIS/BIM软件的条件下，达到足够完整、一致且可验证的程度，以支撑建筑存量监测。据此提出三个研究问题：
RQ1：能否将来自国家、欧洲、全球与自愿开放来源的建筑存量属性融合为带来源追溯与质量计量的逐建筑记录，对于斯洛伐克城市而言，该记录的完整性与相互一致性如何？
RQ2：能否由确定性、无外部依赖的引擎从国家LiDAR重建包含屋顶的多LoD模型，在真实建筑上的精度、速度与失败率如何？
RQ3：该工作流的可测量限制是什么（参数敏感性与失效模式），如何向用户发出信号？
研究目标为：(i) 组装并记录13数据源基准及其挖掘与缓存层；(ii) 实现并形式化重建引擎；(iii) 在合成真值与真实建筑上验证二者；(iv) 量化限制。评价标准为：基准的属性完整性与跨源一致性；引擎的分类精度、倾角、面积与高度误差（对比合成真值与INSPIRE登记库）；每栋建筑运行时间；被质量控制模块标记的建筑比例。研究范围为科希策自治州（基准数据集）与科希策历史中心（LiDAR验证，1468栋建筑）。
**3 材料与方法概述**
研究人员开发了BSTwin计算工作流与应用系统。基准数据集由13个开放地理数据源融合构建，包括国家登记数据（INSPIRE HVD Buildings、2021年Census、INFOREG-EC）、欧洲与全球数据集（EUBUCCO v0.2、GHSL R2023A、Copernicus Urban Atlas、GlobalBuildingAtlas、OpenBuildingMap、Microsoft Global Building Footprints）及开源地图（OpenStreetMap、Overture Maps）。数据按几何匹配而非标识符匹配，因斯洛伐克注册库与欧洲、全球及自愿数据集间不存在通用建筑标识符；所选建筑由INSPIRE轮廓定义，其质心作为所有多边形源的查询点。属性冲突从不合并为单一值，记录保留每个来源的值及其来源与参考时期，并以权威优先于欧洲优先于全球优先于自愿为推荐优先级。
屋顶重建引擎采用纯Python（3.10.12）标准库实现，组合了多种已发表几何方法：基于3DBAG的环带地面估计与LoD约定、Romanengo等人的法线种子RANSAC与Hough参数空间合并、mSTEP建筑规则性方位角校正、Kwak与Habib的递归足迹分解，并集成原创质量控制模块、规则分类器与13源基准。引擎流程包括：足迹引导裁剪、环带地面估计（采用第5百分位高度）、逐点法线估计（PCA）、法线种子RANSAC平面假设、Hough参数空间合并、连通性清理、段度规与方位角校正、建筑度规计算、足迹分解、基于规则的屋顶分类（平顶、单坡、人字坡、四坡、锥形或复杂）及质量控制报告。合成验证使用专用生成器产生五类基本屋顶原型在6、10、30点/m2密度下的带噪点云；真实数据验证使用斯洛伐克国家LiDAR（2017–2022首次激光扫描周期，平均约16点/m2）对科希策历史中心1468栋INSPIRE建筑轮廓进行批次处理。
**4 研究结果**
**4.1 应用系统**
主要成果是一个可运行的、可自由部署的系统。应用程序由服务器文件与HTML文件两个文件构成，在localhost上运行，可为斯洛伐克任何建筑提供交互式完整工作流访问。概览界面实时检查每个数据源并显示模块—来源使用矩阵。部署仅需两个文件；Windows启动器可识别Python或安装无管理员权限的用户级Python。本地缓存建立后，部分功能（建筑选择、基准框架、屋顶重建）可离线运行，实时来源与底图瓦片在离线时报告为不可用。服务器维护单一JSON-Lines诊断日志，采用64 MB环形缓冲上限（自动裁剪至48 MB并记录旋转标记），记录每个请求与响应、持续时间、异常回溯、服务器控制台事件及客户端fetch与脚本错误。
**4.2 基准数据集覆盖度**
针对科希策自治州研究区，EUBUCCO v0.2贡献488,363栋建筑，其中81.7%携带政府来源的高度信息（其余为带置信限的模型预测），且每个EUBUCCO值均可追溯。人口普查端点返回任一所选建筑所在市镇的建造时期分布、承重结构材料、屋顶翻新比例、供暖类型与能源来源；其后端批量报告覆盖全国2927个市镇与城区。INFOREG端点对科希策市返回2024与2025年登记簿中的1087份证书及其能源等级与地籍宗地。打包的GHSL读取器像素级精确复现参考栅格值；Urban Atlas高度层（其斯洛伐克独立验证报告平均偏差约2.56 m）提供独立的10 m高度校验。在城市尺度上，对科希策历史中心周边3.8 km2范围内的3082个INSPIRE建筑轮廓应用匹配规则后显示：INSPIRE层本身为99.8%的建筑提供高度、为91.1%提供当前用途，但不提供楼层数与建造年份；EUBUCCO按质心匹配92.5%的轮廓并为其全部提供高度、楼层数与类型（89.8%为政府来源高度，2.7%为估计值），但仅1.4%有建造年份；Overture匹配85.1%但仅29.4%有类别、18.5%有楼层数、2.9%有屋顶形状、0.8%有高度；GHSL单元值对所有建筑存在。跨源高度一致性显示：政府来源的EUBUCCO高度与INSPIRE高度平均绝对误差0.33 m，97.1%在1 m以内，证实二者源自同一次GCCA SR测量但发布日期不同；EUBUCCO模型估计高度平均偏差3.32 m，100 m GHSL单元平均值偏差5.27 m。91.5%的建筑有三个独立高度值，0.8%有四个；结合LiDAR重建后为四或五个。基准由此回答了RQ1：融合记录在用途与高度以及欧洲类型与楼层属性上完整，建造年份仍最稀疏，来源间分歧在共享来源时小，在比较单元平均或模型估计与测量值时较大但可解释。衍生存量估计依据既有居住单元法将几何与人口普查语境转化为指示性逐建筑量：居住单元数、人口（由居住单元与市镇入住率推导）与材料质量（应用发布的面每平方米材料强度系数），均明确标注为经斯洛伐克建筑原型校准的计算值而非报告值。
**4.3 屋顶过程验证、性能、失效阈值与参数敏感性**
合成真值验证在六类基本屋顶原型于6、10、30点/m2三种密度、五种实现下进行。所有形状在所有密度下均分类正确；恢复倾角平均偏差不超过0.09°（最差0.32°）；斜面屋顶面积在6点/m2时偏差4.8%、30点/m2时5.1%；檐口与屋脊高度偏差0.19 m内；点对平面RMSE保持在约5 cm，即注入噪声水平。过程确定性（固定种子产生相同输出）且对空输入与纯噪声输入稳健。性能基准在Intel Core Ultra 9 285H单核（Ubuntu 22.04 LTS虚拟机，Python 3.10.12）上对3082个真实建筑轮廓以三种密度合成云运行：6点/m2时中位建筑43.6 ms（均值79.4 ms，95百分位308.1 ms），200 m2以下建筑20.7 ms；15点/m2时中位165.1 ms；30点/m2时461.6 ms，最大轮廓达9000点上限。逐点法线估计与RANSAC内点评分占各密度约85%时间，固定上限使最坏情况低于约1.5 s。
受控失效模式实验针对人字坡参考屋顶（12×8 m，10点/m2，五种实现）逐一添加干扰因素。足迹偏移使屋顶面积每米降低约5.5%，完整性保持0.95以上，但足迹覆盖度线性下降（2 m时0.89，3 m时0.82），0.70以下触发FOOTPRINT_MISMATCH码。天窗等上部结构仅在点数达到最小平面支持max（18点，4%）时被检测；8 m2天窗在8点/m2以上所有实现中被发现，4 m2天窗最多40%被检测，更小者从未；可检测上部结构面积约为屋顶平面面积的4%，与密度无关。地面环带中邻屋使地面估计保持0.1 m内（只要≥10%环带含地面回波）；完全封闭房屋（环带无地面）将地面移至邻屋高度，墙高低估相应量（邻屋为半檐高时低估2.94 m）。坡地形使倾角与完整性不变但屋脊高度增加地面落差（12 m上10%坡度时1.13 m）。屋顶覆盖树冠使完整性近线性下降（20%覆盖0.75，50%覆盖0.58），面积按覆盖比例降低，覆盖超过约70%时触发LOW_COVERAGE。两平行平面在偏移差小于0.4 m时被Hough步骤合并，0.5 m以上保持分离；合并情形表现为RMSE增大（0.08 m对0.05 m）。屋顶悬挑超出墙线足迹时按悬挑份额减少屋顶面积（0.5 m时17.9%），但研究区99.1%的INSPIRE轮廓为屋顶边参考（horizontalGeometryReference roofEdge），已包含悬挑。平顶/单坡判定在7°阈值翻转，过渡宽度约0.5°；分类不受高达30%随机离群点影响，仅降低完整性。
参数敏感性实验将表8每个参数移动至较低与较高值后重跑合成集与150栋历史中心真实建筑。引擎对绝大多数参数不敏感：裁剪边距（2–5 m）、容差钳制、法线邻域大小与角度门限、Hough箱尺寸、方位角吸附、LoD1.3合并距离、平顶阈值与地面百分位对真实数据完整性改变小于0.01、RMSE小于0.006 m、高度误差小于0.1 m，且不改变合成分类。唯一有影响的参数为最小平面支持：减半至2%使平均平面数从3.45升至4.12、完整性从0.84升至0.86，但高度误差增大（2.06 m对1.84 m）；加倍至8%使未标记建筑比例从0.96降至0.89、完整性降至0.78。法线估计单元尺寸仅影响速度（0.6 m时172 ms，1.5 m时332 ms），精度不变。默认4%处于过分割与丢失上部结构之间的平衡点，其余阈值可迁移至不同LiDAR测绘或国家而无需重调。
**4.4 科希策历史中心真实国家LiDAR应用**
对完全位于导出LiDAR窗口内的1468栋INSPIRE建筑轮廓（46.1 ha足迹，中位轮廓206 m2）运行引擎，回答RQ2。引擎为1466/1468栋建筑返回模型（99.9%），两个失败案例分别为仅垂直回波的建筑与无平面段达到最小支持的建筑。屋顶点密度平均15.6点/m2（5–95百分位8.8–21.0），中位建筑3370个屋顶点，209栋达9000点上限。质量报告使96.2%模型无标记（有效），2.8%因足迹覆盖不足标记，0.8%因完整性低，2个因点数过少；完整性平均0.83（中位0.85），点对平面RMSE 0.046 m（中位0.042 m），足迹覆盖平均0.94。历史核心屋顶原型分布以复杂（29.8%）与四坡（28.5%）为主，其次人字坡（15.3%）、平顶（14.6%）、单坡（11.6%），平均每栋3.21个平面；21.1%建筑获得五个以上平面，对应封闭庭院街区被轮廓分解为多个屋顶。真实云运行时间平均270 ms/栋（中位204 ms，95百分位680 ms，最大1.5 s），150 m2以下轮廓70 ms、400 m2以上603 ms，全组单核耗时395 s，即历史中心在七分钟内完成重建。
与INSPIRE登记簿的交叉验证是最强定量证据。LiDAR屋脊高度与INSPIRE离地高度中位差+0.48 m，平均绝对误差1.25 m（RMSE 2.52 m，1466栋）；64.7%建筑差值在1 m内、85.4%在2 m内。限制为未标记模型时改善至平均绝对误差1.18 m、86.4%在2 m内，表明有效性代码可隔离可靠性较低的重建。正偏中值反映不同参考面（引擎的环带百分位地面与登记簿最低地面点之差）。协议在办公、商业与住宅建筑间一致（平均绝对误差0.80–1.03 m），工业建筑较弱（1.99 m），未登记用途轮廓最弱（2.34 m）。与政府来源EUBUCCO高度比较得相同图像（平均绝对误差1.38 m，84.7%在2 m内）。LoD1.2 p70参考高度因构造低于屋脊，平均低于登记簿1.12 m。计入LiDAR值后，93.2%建筑窗口现有四个独立高度，0.4%有五个。
**5 讨论与结论**
**5.1 讨论**
与斯洛伐克既往GIS工作流相比，本研究改变了操作模式而非仅提升速度。既往案例需许可桌面软件、每城市手动栅格与阈值整备，且仅生成单市镇可视化模型；本研究在真实云上以五分之一秒重建屋顶，过程可重复、可脚本化，每栋建筑附明确质量判定；批次工具将相同代码从单栋扩展至数千栋瓦片；确定性记录由13个来源组装而非既往的两三个。可移植性的代价是失去桌面GIS的交互制图工具，但由自身聚焦模块补偿。与国际系统相比，BSTwin并非3DBAG或roofer的竞争者而是轻量互补：3DBAG以专用基础设施为国家重建LoD2.2，roofer以编译库提供引擎，Dehbi等人通过主动采样实现复杂屋顶高稳健性；BSTwin以无依赖引擎换取可用普通办公电脑运行，并添加这些系统均不具备的属性基准。需要高几何保真时，批次工具可将同一足迹与点云交给roofer并将LoD2.2输出导入同一记录。
局限性亦明确陈述。环带地面估计在密集联排街区与坡地上效果较差；稀疏云隐藏低于最小平面支持的天窗与烟囱；足迹—点云错位减少屋顶面积；墙线参考轮廓裁剪屋顶悬挑；Hough合并可能合并偏移差小于0.4 m的平行翼。但失效模式均非隐藏，而是以降低完整性/足迹覆盖度、增大RMSE或显式有效性代码显示，合成演示云均在所有情况下标记并带显式警告。验证限度亦需声明：合成真值确立平面屋顶恢复正确性，受控实验确立失效边界，但二者均未复现真实回波的全部复杂性；真实数据证据限于科希策历史中心约1.3 km2密集、主要战前建成存量（首次国家测绘9–21点/m2），高度验证针对同一测绘的独立产品而非实地测量。屋顶平面倾角、方位角与面积在真实建筑上仅经由完整性、RMSE与原型合理性间接验证。性能数据针对单台计算机。全国适用性声明仅限于软件接受斯洛伐克任何建筑且存储面向全国构建；未主张全国验证精度。引言中列举的应用（翻新规划、光伏潜力、材料存量）为潜在用途而非本研究测试内容。
术语使用亦明确：工作流输出为城市信息模型的几何与语义建筑层——静态、带来源注释、多LoD模型，数字孪生可消费但缺乏定义孪生的感知、更新与模拟回路；BSTwin作为软件名称保留并指该预期用途。方法依赖几何模型拟合与规则而非学习模型，GeoAI仅在知识驱动意义上使用。数据源选项基于证据评估后取舍：统计DATAcube API枚举668个数据立方体均无所需房屋与居住单元表，故采用批量报告；2021年Urban Atlas高度层位于EU-Login障碍后无匿名编程访问，故集成开放2012层并记录新版本供手动检索；GHSL 10 m建成表面输出因其每兆字节分析附加值低而跳过；完整INFOREG输出因脆弱表单搜索不适合全量访问而改为合适的按需读取。许可条件逐源核查，OpenStreetMap衍生层采用ODbL共享相同方式，导出融合记录保留逐值来源以允许用户分离ODbL衍生值与宽松许可值。设计决策明确拒绝学习式重建：端到端网络（Point2Roof、深度隐式场、PolyGNN）需GPU、数千标签训练建筑且部分无发布代码；几何RANSAC加Hough路径在5–30点/m2国家LiDAR上达到相当精度且无需上述要求。未来工作集中于四个方面：真实分类瓦片对实测屋顶的精度活动、基于DTM的地形感知地面估计（亦解决封闭房屋情形）、指示性居住单元与材料估计的斯洛伐克原型校准、其他区域EUBUCCO v0.2片段的预构建。
**5.2 结论**
本文描述了BSTwin应用：一个自动三维建筑建模与数据集成工作流，应用斯洛伐克建筑存量的开放多源基准数据集，并在GIS/BIM软件环境之外从国家机载LiDAR重建多LoD建筑模型。基准将权威、欧洲、全球与开放源数据融合为逐建筑记录，带来源、时期、完整性计量与多源高度交叉验证。重建引擎将法线种子RANSAC、Hough参数空间合并、环带地面估计、mSTEP方位角校正与递归足迹分解组合为确定性流程并附质量判定。整个系统仅以两个文件在标准Python上运行，完全使用开放数据。在科希策历史中心真实国家LiDAR上，工作流重建1468栋建筑的99.9%，每栋中位0.20 s，96.2%无质量标记，85.4%建筑与INSPIRE登记高度一致在2 m内。对同一城市中心，基准为几乎所有建筑提供用途与高度，为92.5%建筑提供欧洲类型与楼层属性。结果为城市信息模型建筑层提供了一条实际路径：从批量开放地理数据到最新、语义丰富的建筑存量知识，以及可增量添加地形感知校正、真实瓦片精度活动、原型校准存量估计乃至最终城市数字孪生更新与模拟回路的基线。
未来工作沿两条主线展开：其一，将交互式逐建筑工作流从城市中心扩展至全区与市镇批次，并伴随抽样屋顶的实测参考以声明真实建筑屋顶平面精度；其二，当前带太阳能板、烟囱、天窗或其他上部结构的屋顶仍难以处理，需专用算法对这些复杂屋顶段实现更高可靠性重建。
