建筑中点云的自动分割

一种新的算法已经被开发出来，可以自动识别建筑元素并创建建筑内部的3D模型。在过去的十年中，对数字孪生的需求在AEC/FM领域有所增加。此外，点云被用于在BIM方法中创建3D模型。该算法被称为abm -室内，可以处理有组织和无组织的点云，并以矢量格式提供建筑物的三维模型。目前正在努力将这一模式转移给国际金融公司。

作者开发了abm -室内算法，是为了扩展现有的与建筑信息建模(BIM)的点云自动处理相关的方法，特别是在建筑、工程和制造(AEC)和设施管理(FM)领域。提出的方法主要有两个目标:1)对有组织点云和无组织点云(地板、天花板、墙壁、柱等)的元素进行自动分类，2)根据LOD 300模型对分类元素进行三维建模。

该方法主要针对点云的几何信息。利用两组数据对abm室内测试结果进行了分析。其中一个点云代表了一个面积约800米的办公空间²三百万点。它是从一个静态地面激光扫描仪(TLS)获得的。在这种情况下，数据采集在已知传感器位置的地方执行多次扫描，从而组织点云。第二点云是在多层停车场使用动态TLS、NavVis M6、室内移动测绘系统(MMS)获得的，该系统有6个摄像头，可获得360°图像、4个不同高度的激光扫描仪和一个6D同步定位和测绘(SLAM)系统。在这种情况下，点云大约为1000米²并包含1400万积分。

方法

abm室内工作流程有两个主要步骤:1)使用自动聚类对点云进行分割和标记，2)创建每个分类元素的3D表面(图1)。地板、天花板和墙壁被认为是平面元素。一方面，采用切片方法来确定最适合一组点的平面;该算法首先利用高度值将楼层和天花板识别为水平元素。其次，abm -室内使用Delaunay三角法创建地板和天花板的三维表面(Isenburg等人，2006年)。最后，采用最小面积约束去除不规则和无用的表面，并自动进行边缘微调以平滑表面边界。在对其余点云进行分类之前，该算法使用超过4米的边缘来定义建筑的主要方向。

另一方面，ABM-indoor利用建筑的主方向和聚类方向值来识别墙体。该算法首先利用Helmert三维变换水平投影边界，最后应用多边形滤波和边缘微调，从墙体簇中创建表面。

该算法还识别非平面元素，例如列。柱是连接到地板板的垂直元件和建筑物的天花板。ABM-Indoor在地板和天花板中使用现有的间隙来识别两个间隙之间垂直的点。

一旦楼层，天花板，墙壁和列被分类和建模，该算法将处理剩余点以识别非平面元素。该方法识别内容元素，例如汽车，摩托车，表，椅子等，以识别和模拟上述不规则元素，ABM-Indoor使用四元化算法（Romero-Jarén＆Arranz，2020）。

实验结果

两个室内数据集被用来测试算法:办公空间(图2)和停车场(图3)。在办公室空间,建立了五个主导方向(x在橙色,绿色,粉红色,k蓝色,和z高度),而在停车场,三个主导方向被确定(格林橙色中的x, y, z是高度)。

处理后的点云，该方法开发了一个精度分析使用混淆矩阵。矩阵结果用于计算假阳性率和真阳性率，并绘制在受试者工作特征(ROC)图上。图4显示了办公空间点云分类的ROC图。在这种情况下,最好的分类对象类是地板,天花板和墙壁(方向j和k,图2),停车场的点云,最好的分类对象类是地板和天花板(图5)。两个点云,最有利的分类结果对应于其他对象的对象类。尽管如此，两个数据集的分类精度都超过了90%。

非平面元素位于地板上或悬挂在天花板上。如上所述，ABM-Indoor使用四元化算法来对属于这些元素的点来分类，以便创建3D表面。例如，图6显示了位于其中一个点云中的汽车的3D模型。内容元素被识别和建模为单个元素。

解决方案实施

ABM-indoor是MDTopX (Digi21)软件的附加模块，该软件创建于20多年前。它为编辑点云和数字模型提供了多种工具。MDTopX的界面主要基于工具栏和对话框，有英语和西班牙语两种版本。目前已被国内外数十家工程公司和事业单位采用。188asia备用网址abm -室内模块是基于MDTopX软件的功能性和商用库。

结论

abm -室内是一种自动分类和建模无组织和有组织的点云的方法。该算法有一个迭代的工作流，如图1所示，首先对地板和天花板进行分类和建模，然后是墙壁、柱和内容元素。只考虑点云的几何信息。三角剖分算法被用来创建元素的三维表面。作者用两个室内数据集对该算法进行了测试，分类结果的全局准确率超过90%。

该算法可以应用于来自移动和静态系统的点云。由于没有施加水平性或垂直性的约束，因此该方法能够确定元素的任何变形或倾斜度。未来的工作将涉及与变形和流离失所相关的研究。

amb -室内为平面元素提供矢量格式文件，为非平面元素提供TIN格式文件。该算法将用于创建建筑的竣工模型(ABMs)。作者目前正在进一步改进算法，因为到目前为止，abm室内模型仅限于模拟可见元素。这需要从图纸和检查中收集的数据来补充，以考虑隐藏的元素，如梁。

确认

该研究基于两个机构合作的工业博士学位(正在进行中):Politécnica de Madrid和Geolyder S. L. Spain, NIF: B86901543。本项目由西班牙马德里社区联合资助，项目编号:IND2017/TIC-7869，与上述公司合作。此外，作者表达了他们的感激José Ángel Martínez托雷斯用于协助文件格式转换。

进一步的阅读

Che，J. Jung，M.J. Olsen，对象识别，分割和移动激光扫描点云的分类：艺术评论的状态，传感器(瑞士)19(2019)。doi: 10.3390 / s19040810。

R.Romero-Jarén, J.J. Arranz, BIM元素从点云中自动分割和分类，自动化建设124(2021)。doi: 10.1016 / j.autcon.2021.103576。

关键词:流计算，三角剖分，三角剖分美国计算机学会图形汇刊25(2006) 1049 - 1056。doi: 10.1145/1179352.1141992。