建筑信息模型（Building Information Modeling，BIM）在城市更新与既有建筑改造方面发挥着日益重要的作用，基于点云的BIM建模因其高精度、高时效性、高还原度的优势，成为面向建成环境的重要建模工具。然而，既有建筑室内环境空间布...
详细信息
建筑信息模型（Building Information Modeling，BIM）在城市更新与既有建筑改造方面发挥着日益重要的作用，基于点云的BIM建模因其高精度、高时效性、高还原度的优势，成为面向建成环境的重要建模工具。然而，既有建筑室内环境空间布局复杂、构件细节繁多，依赖点云的逆向建模存在原始数据冗杂、缺乏语义信息等难题，导致建模过程耗时费力，且难以准确还原实际场景。本研究提出了一种基于点云空间语义解析的既有建筑室内BIM自动化逆建模方法。利用两阶段配准与组合降噪算法完成对原始点云数据的精细化处理；通过改进点云实例分割算法实现了对墙、板、门、窗等四类室内建筑构件的细粒度分类，结合构件几何形状拟合与参数提取，完成了针对室内环境的空间语义解析；依据解析结果设计了参数化逆建模方法，解决了点云与BIM之间的关联问题；最后，本文提出了一套的重建模型成效评价方法，从四个维度对模型质量进行定性、定量的全面评价。以澳门某大型酒店室内翻新项目为例，研究结果实现了95%的重建对象房间数量，重建构件数量比例为84.9%，重建平均位置尺寸偏差15cm，重建效率3.84m2/min，重建误差数量6.38个/100m2，验证了本方法的有效性。综上，本研究建立了一套完整的基于点云的建成环境逆建模方法，为构建城市更新三维数字模型底座提供了借鉴价值。
暂无评论