一種基于點云數據的建筑物BIM模型重建方法

鄧林建，程效軍，2，程小龍，朱劍偉

(1.同濟大學 測繪與地理信息學院，上海 200092； 2.現代工程測量國家測繪地理信息局重點實驗室，上海 200092)

一種基于點云數據的建筑物BIM模型重建方法

鄧林建1，程效軍1，2，程小龍1，朱劍偉1

(1.同濟大學 測繪與地理信息學院，上海 200092； 2.現代工程測量國家測繪地理信息局重點實驗室，上海 200092)

建筑物的三維模型重建一直是數字城市研究的重要組成內容，本文以三維激光掃描技術獲取的地面點云數據為基礎，以無人機航拍獲取的建筑物頂部影像為輔助，提出了一種地面點云和無人機影像融合方法，并在Revit中對建筑物的BIM模型進行重建，實驗結果表明重建模型的精度能夠滿足小范圍場景建設的需要，并且依托BIM平臺的建筑物模型承載著豐富的屬性信息，可進一步挖掘模型的應用價值。

三維激光掃描；無人機影像；點云數據；BIM模型；三維場景重建

0 引言

三維掃描是集光、機、電和計算機技術于一體的高新技術，主要用于對物體空間外形、結構及色彩進行掃描，以獲得物體表面的空間坐標，具有測量速度快、精度高、使用方便等優點。而BIM(Building Information Model，即建筑信息模型)是以三維數字技術為基礎，集成建設工程項目各類相關信息的工程信息模型，同時又是一種應用于設計、建造、管理的數字化技術[1]。近年來BIM與三維激光掃描技術的集成應用案例也越來越多，并且在建筑施工、施工質量檢測、輔助實際工程量統計、鋼結構預拼裝等方面體現出較大優勢。李亞東等人利用現場掃描結合BIM技術在上海中心大廈工程施工中發揮了一定的作用[2]；田云峰等人將三維激光掃描采集的點云數據和 BIM 模型進行對接，分析了三維激光掃描和 BIM 模型在橋梁質量管理中應用的可行性[3]；劉昊提出了依靠點云數據建立古建筑“族”模型，然后在BIM中通過調入“族”實例實現BIM模型建立[4]；趙華英等人在上海玉佛禪寺的修繕與改擴建過程中，基于BIM技術平臺結合三維激光掃描和3D GIS數字化城市技術做了一次創新性的嘗試[5]；本文提出一種基于Revit平臺，融合無人機影像數據和點云數據的建筑物BIM模型快速重建方法。

1 數據的采集與預處理

本文采用FARO Focus 3D掃描儀進行建筑物立面數據采集，該掃描儀性能優越，掃描速度可達976 000點/s，最大掃描距離可達153.49 m，在25 m范圍內點位精度為±2 mm，能夠滿足對建筑物建模所需原始點云數據的采集精度要求。本文在相鄰掃描站之間布設球靶標，用于后期各站點云數據的配準，由于三維激光掃描儀需要從不同測站對物體進行掃描，得到的不同測站的點云數據稱為多視點云數據，它們有各自獨立坐標系。點云配準就是將多視點云數據轉換為統一坐標系的處理。配準過程中用到的基本公式如下：

(1)

(2)

式中：(X，Y，Z)為點云配準后坐標；(x，y，z)為點云原始坐標；Δx、Δy、Δz為平移參數；α、β、γ為旋轉參數。

本文采用四旋翼無人機對旭日樓的屋頂進行影像采集。與傳統的航空攝影相同，無人機在進行航攝前同樣需要進行航線設計、確定攝影比例尺及航高等準備工作。實驗所使用的無人機相機焦距為4 mm，設置攝影比例尺為1∶2 000，旭日樓高度為8.5 m，因此可以將無人機的飛行高度設置為16.5 m。相比較傳統航攝在航向和旁向重疊度上的嚴格要求，輕型無人機的要求可適當放寬，航向重疊度一般設置為60%～80%，最小不小于53%；旁向重疊度一般為15%～60%，最小不小于8%[6]。因此航線可以設計為簡易的S形。

2 無人機影像數據和地面點云數據融合

考慮到無人機影像作為地面激光掃描數據的補充，即對激光點云的缺失部分進行補充，故本文中無人機影像數據和地面點云數據的配準轉換為3D-3D的配準。該類配準方法的關鍵在于多視影像的密集點云生成以及點云間的配準。

2.1 無人機影像數據密集匹配生成點云數據

SFM(Structure From Motion)算法是近30年來多視圖三維重建領域的熱點，其目標是從無序影像序列中估算出相機參數和三維場景信息[7]。Ikuhisa Mitsugami等人開發的Bundler系統是該領域的經典之作，該系統基于SIFT特征匹配得到的像素點對應關系，采用逐步加入相機的方法，迭代運行SFM以計算相機參數和稀疏三維點云[8]。但是通過該方法獲得的目標物點云坐標和實際目標比例不一致，存在一個縮放關系。因此，本文在此基礎上進行改進，一方面利用效率更高的SURF算法替代SIFT算法進行影像的特征提取和匹配，另一方面在SFM算法中引入外部控制點，使生成的點云直接納入到外部坐標系中。具體流程如下：

1)基于SURF算法的特征點提取與初匹配，采用SURF算法代替SIFT算法提取特征點，主要步驟包括：積分圖的計算、Hessian矩陣計算、興趣點的提取，最后對特征點進行匹配。

2)引入外部控制的SFM法相機標定和稀疏三維點云生成，包括控制點的制作，track鏈的生成，初始影像對的相機標定；稀疏三維點云生成利用無協作目標全站儀測量建筑屋頂的角點作為控制點，獲取控制點的三維坐標，并制作控制點文件。

3)基于區域增長的密集匹配算法[9]，以圖像中已知的一對特征匹配點作為種子點，利用連續性約束，在種子點鄰域搜索窗口內計算目標函數，將目標函數極值所對應的點作為新增的匹配種子點，直至完成整個圖像區域的密集匹配。

2.2 影像生成點云與激光點云的精配準

經過以上步驟處理后，影像生成的點云與激光點云可粗略地配準在一起，已經能夠滿足點云與無人機影像配準的精度要求，但是還不能滿足近景影像與點云配準的精度要求，為此需要進一步進行精配準?？紤]到2種點云的密度和分布區域不同，需要先對激光點云進行分割，在此基礎上，根據影像生成的密集點云密度，抽取一定比例的激光點云與密集點云按ICP法進行精配準。配準后的點云效果如圖1所示。

圖1 旭日樓完整點云效果圖Fig.1 Effect map of complete point cloud of Xuri building

3 基于點云的模型重建

3.1 標高和軸線網繪制

與大多數二維CAD軟件不同，用Revit繪制模型首先需要確定建筑高度方向的信息，在模型繪制過程中很多構件都與標高緊密聯系。類似地，軸線網則為后續建模工作提供平面位置參考。本實驗根據點云數據的分布位置來確定建筑物的標高(主要包括室外地坪、窗臺、樓頂等)和軸網。

3.2 外墻墻體繪制

Scan to BIM是一款針對Revit中點云數據處理的二次開發插件，該插件提供了基于點云數據進行平面擬合得到建筑物墻體的方法，具體操作步驟如下：

1)在某墻面的點云中任意選取3個點(類似于框選的方式)。

2)設置相應的閾值，主要指平面容許誤差和最近點容許誤差。當選取不同的閾值時，搜尋到的滿足要求的點數就不同，總體來說設置的誤差越大，搜尋到的點就越多，容許誤差設置得越小，搜尋到的點就相應減少。綜合考慮建模精度和參與擬合點云數量需求，最終將平面誤差設置為0.2 cm，最近點誤差設置為0.3 cm。

3)選擇墻體類型和功能，墻體類型主要是指墻體的屬性數據，如墻體的構造(面層、保溫層、結構層、襯底等)及其厚度，功能主要是指內墻和外墻，本文實驗對象旭日樓外墻實際為磚石建筑(厚度為300 mm)。

3.3 窗戶繪制

族是構成BIM模型的基本圖元，為了使重建的模型與原建筑最大程度地吻合，就需要創建相應的族庫，在創建窗戶族模型之前需要基于點云數據量取窗戶的高度和寬度等。經統計，旭日樓共有4種不同尺寸的窗戶，以其中一種尺寸的窗戶為例，該窗戶共有60個，對點云質量較好的10個窗戶進行高度和寬度的量取。操作方法為：在點云數據中對應窗戶的角點處選1個點，根據2點之間的距離來計算窗戶的尺寸。由于該方法得到的尺寸精度較低，因此需要統計多組數據取平均值，根據平均尺寸創建相應的窗族類型。完成族的創建之后就可以參考點云的位置在墻體上添加窗戶。

3.4 建筑柱、門的創建

在Scan to BIM中用框選的方式選擇點云對象，可快速擬合出相應的建筑柱(包括圓形和矩形)。本文實驗對象中包括正門的2根圓形柱，以及2樓到4樓的5根矩形建筑柱；門的創建和窗的創建類似，需要先基于點云數據量取門的尺寸，然后再創建門族類型，而門的把手樣式可能和實際的門不能完全吻合，但基本尺寸能保持一致。

3.5 屋頂的創建

在Revit中提供了多種屋頂生成方式，包括跡線屋頂、拉伸屋頂和面屋頂。本文實驗對象屬于典型的跡線屋頂，可由點云數據計算出屋頂各個坡面的坡度值，然后構建屋頂，構建完成的總體模型如圖2所示。

圖2 旭日樓BIM模型效果圖Fig.2 Effect map of BIM model of Xuri building

BIM建筑模型含有豐富的幾何和屬性信息，如墻體厚度，構造材質(保溫層、襯底、結構層等)，標識數據，分析屬性(傳熱系數、熱阻、吸收率、粗糙率等)。對于窗戶，則包括尺寸標注，窗框和玻璃的材質以及厚度等信息，可供使用者查詢及修改。此外根據模型可自動生成平立剖面圖。

4 建筑物模型精度分析

點云數據采集誤差、各站點云配準誤差以及建模誤差是建筑物模型的誤差的主要來源[10]。為了客觀有效地評價最終的BIM模型，本實驗對比分析了模型中特征點的相對距離以及全站儀測量的距離。本實驗采用的全站儀為SET250，測距精度為(2+2×10-6·D)mm。選取旭日樓上的12組特征點的距離作為參考，使用免棱鏡全站儀測量特征點方法測出相應的距離，結果如表1所示。

表1 全站儀測距與三維模型特征點距離對比分析

Tab.1 Comparative analysis of total station ranging and 3D model feature point distance

特征點全站儀測距(s1)/m三維模型(s2)/m(Δs=s1-s2)/mmA1-A28.1868.188-2B1-B28.6748.6731C1-C29.8609.866-6D1-D25.1005.105-5E1-E213.28313.2803F1-F210.0019.99011G1-G29.4899.497-8H1-H21.9961.98313

續表1

特征點全站儀測距(s1)/m三維模型(s2)/m(Δs=s1-s2)/mmI1-I21.2791.289-10J1-J21.7151.722-7K1-K22.2802.300-20L1-L22.9802.9737

從表1可以分析全站儀測距和建筑物三維模型特征點距離誤差，其中最大距離差值為20 mm，最小距離差值為1 mm，整體距離中誤差δ=±9.25 mm?？梢娙S激光掃描數據聯合Revit構建的建筑物BIM模型，具有較高的精度。

5 結束語

本文基于三維激光點云數據和無人機影像，對單棟建筑的BIM模型重建技術進行了研究，探討了三維場景重建的幾個重要問題：地面點云與無人機影像的采集、預處理與配準，基于點云數據的BIM模型重建等。對最終的BIM模型通過全站儀測量數據進行了分析，驗證了依據本文方法建立的BIM模型能夠滿足精度要求。后續可以借助于BIM平臺對模型的應用價值進一步挖掘，尤其在一些老舊廠房的改擴建及古建筑的修繕工程中，當遇到缺失設計圖紙等資料時，可借助于激光掃描和BIM建模軟件快速精確地還原建筑物的模型及相關屬性信息，為工程設計、施工甚至運維管理階段提供可視化的決策支持。

[1] 鄭華海，劉勻，李元齊.BIM技術研究與應用現狀[J].結構工程師，2015，31(4)：233-241.

[2] 李亞東，郎灝川，吳天華.現場掃描結合BIM技術在工程實施中的應用[J].施工技術，2012，41(18)：19-22.

[3] 田云峰，祝連波.基于三維激光掃描和BIM模型在橋梁施工階段質量管理中的研究[J].建筑設計管理，2014(8)：87-90.

[4] 劉昊.基于點云的古建筑信息模型(BIM)建立研究[D].北京：北京建筑大學，2014.

[5] 趙華英，葉紅華，趙冠一，等.上海玉佛禪寺修繕與改擴建工程中的BIM技術拓展應用[J].土木建筑工程信息技術，2014，6(1)：101-105.

[6] 畢凱，李英成，丁曉波，等.輕小型無人機航攝技術現狀及發展趨勢[J].測繪通報，2015(3)：27-31.

[7] Rabaud V，Belongie S.Re-thinking non-rigid structure from motion[C].IEEE Computer Society Conference on Compute Vision and Pattern Recognition，2008：1-8.

[8] Mitsugami I.(46)Bundler：Structure from motion for unordered image collections(My Recommendations on Research and Development Tools)[J].Journal of the Institute of Image Information & Television Engineers，2011，65(4)：479-482.

[9] Otto G P，Chau T K."Region-growing" algorithm for matching of terrain images[J].Image and Vision Computing，1989，7(2)：83～94.

[10] 程效軍，賈東峰，程小龍.海量點云數據處理理論[M].上海：同濟大學出版社，2014.

A Method of Building Information Model Reconstruction Based on Point Cloud Data

DENG Lin-jian1，CHENG Xiao-jun1，2，CHENG Xiao-long1，ZHU Jian-wei1

(1.CollegeofSurveyingandGeo-informatics，TongjiUniversity，Shanghai200092，China； 2.KeyLabofAdvanceEngineeringSurveyingofNASMG，Shanghai200092，China)

The three-dimensional model reconstruction of building is always an important part of digital city research.Based on the ground point cloud data which is acquired by three-dimensional laser scanning and assisted with building roof image taken by UAV，this paper proposes a method which combines ground point cloud with UAV image，and reconstructs the building information model in the Revit.The experiment prove that the accuracy of the reconstruction model can meet the needs of small-scale construction.In addition，the building models on BIM platform contain rich attribute information，with which we can further explore the value of the model.

three-dimensional laser scanning；UAV image；point cloud data；building information model；three-dimensional scene reconstruction

2016-10-15

TU 17

：A

：1007-9394(2016)04-0014-03

鄧林建(1991～)，男，湖南衡山人，碩士研究生，現主要從事近景攝影測量和激光點云數據處理研究方面的工作。