基于三維激光點云數據的地下管廊BIM模型創建

林 偉，楊明龍，王 沖，夏永華

（1.昆明理工大學國土資源工程學院；2.云南省高校高原山區空間信息測繪技術應用工程研究中心，云南昆明 650093；3.中國電建集團 昆明勘測設計研究院有限公司，云南 昆明 650200）

0 引言

傳統的地下管廊三維建模方法大多基于二維數據進行創建，形成的三維模型只是實現了外觀的可視化，并沒有工程屬性，無法抽取施工圖紙［1］。三維激光掃描技術和BIM 技術的出現提供了新的數據獲取與建模方法，不僅提供更加逼真的三維模型，還能賦予模型更多的語義信息，為地下管廊的后期運營與維護提供數據支持。

三維激光掃描技術是通過三維激光掃描儀發射激光，獲取被測物體表面三維坐標、反射強度等多種信息的非接觸式主動測量技術，又稱為高清晰測量（High Definition Surveying HDS）技術［2］，能滿足面積大、分辨率高的測量要求，為快速建立物體的三維模型提供了全新的技術手段［3］。建筑信息模型（Building Information Modeling，BIM）是一種多維應用的模型信息集成技術，可使建設項目的所有參與方從概念產生到完全拆除的整個項目生命周期內都能在模型中操作信息及在信息中操作模型［4］。能將建筑物三維數字化模擬還原，同時具備詳細的內部空間幾何及功能語義信息，是信息技術在建筑行業應用的典范［5］，具有可視化、一體化、參數化、仿真性、協調性、優化性、可出圖性等特點。三維激光掃描技術與BIM 技術結合研究較多，如Soilán 等［6］提出一個半自動化框架，該框架以移動制圖系統的原始點云作為輸入，輸出符合IFC 要求的文件，對高速公路中每個車道的路線和中心線進行建模；Bassier 等［7］利用點云數據重建BIM 中墻對象的拓撲關系；智鵬等［8］重點研究了BIM、圖像輕量化、大數據、三維激光掃描、自動監測等關鍵技術在盾構法隧道施工中的融合創新，提出基于BIM 的信息化施工管理總體解決方案；王代兵等［9］利用BIM 技術與三維激光掃描儀，在幕墻的深化設計、現場施工環節進行逆向建模指導施工；劉智敏等［10］將BIM 技術應用于橋梁設計，實現了工程項目設計階段的可視化展示，有效提高了工程設計的效率；徐萍飛等［11］利用BIM 參數化、集成化優勢，將綜合管理數據與BIM 模型數據進行集成，提出基于BIM 的工程信息管理框架，實現工程數據的實時共享。

綜上所述，現階段三維激光掃描技術和BIM 技術融合大多是直接將點云數據進行轉換后導入BIM 軟件進行逆向建模，但是這樣的建模速度較慢。本文以昆明地下管廊模型為例，利用點云數據基于多平臺進行建模并融合到BIM 中。

1 地下管廊建模技術流程

昆明市地下管線分為上下水、燃氣、電力、通信、工業等，涉及近30 家產權單位，本次實驗的路段是在昆明市廣福路北段，地下管廊全長約7.5km，而在此路段的地下管廊主要收集沿線各類電力線和通信線，如供電、弱電、消防、治安監控、交通信號、路燈線路等，并配套建設完善的消防、照明、排水、通風、供配電、標識、控制中心及監控系統等設施。

本實驗掃描的地下管廊地段近650m，首先對掃描獲得的三維點云數據進行拼接、去噪、抽稀等預處理，然后利用點云數據分別創建管廊表皮模型和部件模型，最終將兩大模塊融合到Revit 軟件中，并對BIM 模型進行精度檢驗。實驗步驟分為數據采集、數據處理、模型創建、模型融合和精度檢驗，流程如圖1 所示。

Fig.1 Technical flow chart圖1 技術流程

2 數據采集及處理

2.1 數據采集

2.1.1 點云數據采集

采用的實驗設備是Maptek I-Site8200 架站式三維激光掃描儀，自帶后期點云數據處理軟件Maptek I-Site Stu?dio，其參數如表1 所示。點云數據（Point Cloud Data）簡稱點云（PC），是通過三維激光掃描儀掃描物體表面獲得的包含點三維坐標值、顏色強度信息（RGB）、反射強度信息（In?tensity）的點集數據［12］。

Table 1 Maptek I-Site8200 3D laser scanner parameter table表1 Maptek I-Site8200 三維激光掃描儀參數

地下管廊的點云數據采集不同于地表，其采集難度更大。因此，為了保證點云數據精度和質量，需要在地下管廊入口處布設3 個首級控制點并由入口處控制點引入坐標，從而測得反光片的三維坐標以便后期進行質量檢驗。在儀器掃描過程中，為了各測站數據能夠準確拼接，采取布設標靶的方式輔助點云模型拼接，要求一個測站點與相鄰的兩個測站點至少有3 個或3 個以上標靶重疊［13］。儀器能保持最低精度要求的理論距離是100m，本次實驗為了提高測量精度，將測站距離控制在50m 以內。由于地下管廊并不完全是一條直線，因此在拐角和岔口處需要多設幾處站點以確保點云數據的完整性，具體布置見圖2。最終采集到全長近650m 的34 個站點點云數據。

2.1.2 圖片及屬性數據采集

除采集點云數據外，還需采集管廊內部各部件如變電箱、管線、管線支架、管箍等圖片信息以及尺寸信息，以便后期構建三維模型，其他屬性信息如材質、建設年份，建設單位等也要收集，以方便后期錄入庫中管理。

Fig.2 Site layout at the fork圖2 岔口處站點布局

2.2 點云數據處理

進行點云數據預處理，包括點云站點拼接、點云去噪和抽稀。

2.2.1 站點拼接

點云數據拼接模式主要包括基于標靶的拼接、基于特征點的拼接、基于測量點的拼接以及混合拼接等方式［14］。本實驗的站點拼接方式主要是基于標靶的拼接，只要已知3 個點的坐標即可完成坐標轉換，實現點云配準［15］。點云數據拼接精度直接影響到地下管廊BIM 參數化建模精度［16］，因此點云拼接極其重要。

點云自動配準使用最多的方法是最近點迭代算法（It?erative Closest Point，ICP）［17］，該算法利用原始數據重疊區域的點云數據進行配準［18］。ICP 算法原理是找到原始點云與目標點云中的對應點，然后針對對應點通過最小二乘法構建目標函數，進行迭代優化，求出旋轉平移參數。假設存在兩組配準前的點云數據如下：

尋找歐式變換R、t，使得：

其中，R為旋轉矩陣，t為平移矩陣，ICP 算法基于最小二乘法進行迭代運算，使得誤差平方和達到最小值：

為求解R、t，首先定義兩組點的質心并計算每個點的去質心坐標：

計算此時的旋轉矩陣：

當W滿秩時，對應唯一的U、V組合，求解得：

由此找到最優解。以相同的方法對其他站點進行拼接，拼接后的點云數據如圖3 所示。

Fig.3 Point cloud data after stitching圖3 拼接后的點云數據

2.2.2 點云去噪

掃描完成的點云數據一般都含有噪點，常見的就是離群點和與所需數據不相關物體的點云，如懸浮在空中的點云、地面堆積物點云和人的點云等，都需要對其刪除。去噪前后的點云如圖4、圖5 所示。

Fig.4 Point cloud before denoising圖4 去噪前的點云

Fig.5 Point cloud after denoising圖5 去噪后的點云

2.2.3 點云抽稀

現在的三維激光掃描儀器越來越精細化，1s 內掃描的點云量可達百萬級，龐大的數據量嚴重影響后期工作效率。點云抽稀可以減少數據量，提高運算效率和建模速度。通常的點云數據精簡算法主要有基于空間分割的精簡算法和基于曲率的精簡算法［19］，本次實驗按照0.05m 間隔進行抽稀處理，如圖6 所示。

Fig.6 Point cloud after thinning圖6 抽稀后的點云

3 三維模型創建與融合

3.1 模型創建

3.1.1 管廊表皮模型創建

經過預處理和拼接后的點云數據可直接導入到專業三維建模軟件Rhino 中進行表皮模型創作，對于截面較為簡單的管線也可利用點云圖像描摹獲得管線的中心線和直徑大小進行管線的參數化建模。詳細模型見圖7。

Fig.7 Skin model of pipe gallery圖7 管廊表皮模型

3.1.2 管廊內部各小部件模型創建

對于結構復雜和不規則的其他部件，如交叉互聯箱、管線支架、管箍、燈管和樓梯等，要根據實地采集的尺寸數據和圖片利用3DsMax 軟件按照實際尺寸大小構造各小部件的三維模型。用專業的三維建模軟件創建的模型更加精細逼真，能帶來更好的視覺效果。構造好的部件模型如圖8 所示。

Fig.8 Small parts model圖8 各小部件模型

3.2 模型融合

本實驗基于多平臺分別創建表皮模型和各小部件模型，因此模型融合也分為表皮模型融合與小部件模型融合兩類。首先進行表皮模型融合，在Rhino 中創建表皮模型需先保存為.sat 文件，然后在Revit 中創建新的體量族并導入保存好的.sat 文件，導入模型單位與原模型一致，模型導入后進行保存；接下來直接載入到項目文件，在建筑選項卡中點擊放置體量，完成表皮模型到Revit 的融合。圖9是表皮模型載入到Revit 的效果圖。

Fig.9 The rendering of the Rhino skin model loaded into Revit圖9 Rhino 表皮模型載入到Revit 的效果展示

由于單獨構造的小部件沒有坐標信息，因此需要先將各小部件的位置在管廊表皮模型中根據點云數據進行標識以方便后期模型導入。由于一些比較復雜的物件或非常規族建模時采用Revit 效率較低，因此本實驗借助3Ds?Max 專業建模工具對管線支架、變電箱、管箍等部件進行三維重建。模型建好后將其導出為DWG 格式，然后在Revit中新建一個族文件，通過導入CAD 命令將DWG 文件導入到族中。新導入的DWG 文件只有線性輪廓，需要通過拉伸、旋轉、放樣等命令將其重新構造為實體模型。其它小部件以相同方式處理，最后做成一個族文件載入到項目中。圖10 是交叉互聯箱族創建過程，圖11 是兩類模型融合后的整體效果。

3DsMax 構造的模型不具備BIM 模型要求，缺少必要的工程信息，進行融合后需要根據采集到的現場數據如圖片、文字記錄等對各部件輸入屬性信息，圖12 為交叉互聯箱信息的錄入。后期可通過這些錄好的屬性信息對各小部件進行實時查詢及管理維護。

Fig.10 The cross-connected box model is imported into Revit to create a mass family圖10 交叉互聯箱模型導入Revit 中創建體量族

Fig.11 The overall effect of the model圖11 模型的整體效果

Fig.12 Cross-connect box attribute input圖12 交叉互聯箱屬性錄入

3.3 模型精度檢驗

本文通過對比原始點云的測量距離和模型的測量距離進行精度檢驗和評價。選取9 段特征線進行驗證，見表2。

Table 2 Precision inspection table表2 精度檢驗

從表2 可以看出，相對誤差最大值為0.017m，最小值為0.009m，利用中誤差公式求其精度。中誤差是衡量觀測精度的一種數字標準，亦稱“標準差”或“均方根差”，它是觀測值與真值偏差的平方和與觀測次數n 比值的平方根［20］。即，其中Δ 是觀測值與真值之差，n為觀測值數量。求得m=0.014，顯示模型精度較高，因此通過此方法得到的三維模型可以進行實際應用。

4 結語

基于三維激光掃描的建模技術直接根據已經完成的項目進行逆向建模，能大幅提高建模速率和模型精度。將模型融合到Revit 中可以對生成的模型賦予屬性信息，使之成為一個可以“生長”的BIM 模型，進而納入BIM 的多維信息管理中，為今后進行事故處理和工程改造等提供強大的數據支持。但基于海量的三維點云數據構建模型工作量巨大，效率較低，如何從點云數據中快速提取特征要素并快速建立模型是未來需要重點研究和解決的問題。