基于多源點云數據的歷史建筑逆向建模方法研究

摘" 要：歷史建筑是人類的文化瑰寶，對其進行BIM逆向建模有助于保護、修復與傳承。由于歷史建筑結構復雜、形態獨特，傳統的二維數據無法精確反應其復雜的空間特征，給歷史建筑逆向建模造成一定的困擾，多源點云數據為此提供新思路。該文以北京某一歷史建筑為例，從多源點云數據采集、多源點云數據處理、BIM建模3方面梳理一套基于多源點云數據的歷史建筑逆向建模流程，并成功創建BIM模型。為驗證模型精度，經與手工量測的多組數據對比，模型最大誤差控制在0.083 m內，能夠滿足日常項目需求，驗證該方法的有效性和可行性。

關鍵詞：歷史建筑；多源點云數據；逆向建模；BIM模型；建筑流程

中圖分類號：P237" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2025）07-0035-05

歷史建筑作為先人智慧與歷史變遷的見證者，具有不可估量的文化、歷史與藝術價值。然而，隨著歲月侵蝕、自然災害以及城市現代化進程的沖擊，讓這些珍貴遺產面臨嚴峻挑戰，如何對其進行科學有效的數字化保護與傳承，已然成為全球關注的焦點[1]。

建筑信息模型（BIM）技術的到來，為其提供新的思路，相較于傳統數據類型，BIM技術能夠通過對歷史建筑的逆向建模集成歷史建筑全生命周期的各類數據，還具備可視化、參數化、協同作業的優勢，為歷史建筑的保護規劃、修繕施工與管理維護提供理想的數字化平臺[2]。

目前，BIM逆向建模數據來源主要是已有的圖紙、圖像等二維數據，然而二維數據資料難以精準捕捉建筑復雜的三維空間信息、精細的裝飾細節以及內部隱蔽結構。點云數據的出現打破了二維數據的限制，與傳統的數據相比，點云數據包含歷史建筑的三維坐標、紋理、反射強度等信息，能夠更加直觀地為BIM逆向建模中提供數據支持，因此高質量點云數據的采集至關重要[3]。

多源點云數據采集技術在近年大放異彩[4]，站式三維激光掃描可以高精度捕捉建筑外立面及近距離室內空間，毫米級精度下，建筑石材的紋理、雕琢痕跡都纖毫畢現；無人機傾斜攝影測量則不受地形限制，迅速覆蓋大面積建筑群體，從高空視角獲取建筑屋頂、庭院布局等宏觀信息；手持式掃描儀彌補前兩者不足，穿梭于狹窄室內廊道、閣樓角落，靈活補全遺漏點云數據。

不過，整合多源點云并非易事[5]，各數據源存在數據格式異構、坐標系統不一、精度參差不齊等諸多棘手問題。當下，攻克這些難題，深度融合多源點云，實現歷史建筑高精度 BIM 建模，對于延續歷史建筑生命力、深挖文化底蘊，推動歷史建筑保護領域的數字化轉型意義非凡，也正是本研究聚焦探索的核心內容[6]。

1" 研究區域及技術路線

本文以北京某一歷史廠房改造項目為例進行研究，該廠房位于北京五環內，長約222 m、寬約145 m。立面存在大量的裝飾元素，如窗花、勒角，屋頂存在多處拱形天窗，內部房間較多，結構復雜，為了更高效地獲取建筑較完整數據，掃描前對現場進行了踏勘，結合掃描儀的特點，針對性地編制技術路線，如圖1所示。

2" 多源點云數據采集

2.1" 站式三維激光技術點云數據采集

本文采用FARO Focus 350三維激光掃描儀對廠房外部立面進行掃描，由于現場踏勘發現廠房前樹木較多，因此為了獲取更加完整的點云數據，掃描儀采用遠近交替的設站方式，保證重疊率不低于10%，同時打開彩色圖像功能，使得掃描的同時獲取廠房全景影像，為點云著色也可為后期建模提供紋理圖像，最終設置22個掃描站點，廠房與測站點的位置關系，如圖2（a）所示。采集完成后在SCENE軟件中進行解算與拼接處理，最后結果如圖2（b）所示。

2.2" 基于SLAM手持掃描儀的點云補測

廠房外部立面數據完成后，及時查看點云情況，使用徠卡BLK2GO手持實景掃描儀采集廠房內部數據以及屋頂區域的同時針對立面缺失部分進行補測。

與傳統的SLAM掃描儀不同，徠卡BLK2GO集激光雷達、SLAM、全景相機、IMU等模塊為一體，具體參數見表1，其能夠在室內及密閉空間中依靠GrandSLAM實現室內高精度定位，不受掃描路線的限制，無需閉合，但為了避免路線重復造成數據量大，掃描前仍需設計好路線，獲取內部、屋頂及立面缺失部分的點云數據后，可以及時查看點云情況，如圖3所示。

3" 多源點云數據處理

3.1" 多源點云數據精簡

多源數據精簡主要包括點云的去噪、抽稀等工作，采集完數據后，分別利用內部軟件，將2種數據轉為LAS格式，然后導入到CloudCompare進行精簡處理，由于所采集環境復雜及設備自身特性，點云數據往往包含較多噪聲點，會給后續的融合以及建模工作造成困難，因此需要進行去噪處理，對于一些明顯的離散點可以直接進行手動去除，其余的噪點可以采用高斯濾波算法[7]進行濾除。其通過設計每個點及其鄰域點的權重進行濾波，其公式如下

式中：（x，y）為二維空間坐標點；σ為高斯函數標準差。通過這種方式，可以平滑點云數據，減少噪聲的影響，同時保留點云的整體形狀和特征。此外，點云數據往往較大，因此為了更好地運行，往往需要進行抽稀工作，降低點云密度，本文主要利用軟件中基于空間距離的方案進行抽稀，通過設置點與點之間的最小距離，去除距離較近的點，以達到控制點間距、減少點云數據量的效果，可減輕點云數據分布不均勻的影響。最終精簡結果如圖4所示。

3.2" 點云數據融合

多源數據融合是指基于某種算法規則，將2個或多個點云融合成一個整體的過程，本文首先在Cloud Compare中手動選取至少3對同名點將2種點云進行粗配準，同名點通常選在具有明顯特征的位置，如房角、門角等。為了提升點云配準的質量，同名點盡可能均勻分布在點云范圍上。粗配準完成后，利用ICP算法[8]將2種點云數據進行精配準，該算法主要是通過不斷迭代尋找源點云和目標點云中距離最近的點對，計算使對應點對之間距離平方和最小的變換矩陣，從而實現點云的精確配準，配準結果如圖5所示。

3.3" 點云切片

點云切片是revit建模前十分重要的預處理環節，雖然對點云數據進行了精簡處理，但數據仍然包含數以百萬計甚至更多的離散點，在建模過程中很容易造成軟件的卡頓，并且歷史建筑物的構造細節繁多，直接處理海量點云很難聚焦關鍵部位。因此，本文利用CloudCompare軟件結合revit建模思路對融合后的點云進行切片，提取出歷史建筑建模所需的平面以及關鍵構件形成單獨的點云文件，部分如圖6所示，這些點云切片為精細建模提供數據基礎。

此外，Revit 作為一款專業的BIM軟件，其主要功能側重于建筑設計、施工和運營管理等方面，對于點云數據的支持相對有限，在開發過程中并未將LAS點云格式作為原生支持導入格式，因此多源點云數據配準完成后，需要利用Autodesk ReCap軟件將格式導出為rcs格式，打開安裝好的 Autodesk ReCap，通過“導入”功能選中LAS格式點云文件并加載；加載完成后，找到“導出”或“另存為”按鈕，點擊它會彈出格式選擇菜單，按需選定rcs格式，最后點擊確認按鈕，就能開始轉換并在指定路徑獲取轉換后的文件[9]。

4" 基于多源點云的歷史建筑revit建模

4.1" 標高和軸網的繪制

標高和軸網的繪制是revit建模的基礎元素，它能夠為構件建模提供至關重要的空間定位依據，幫助構件建在正確的位置[10]。因此，基于點云進行軸網和標高的繪制是建模的第一步，如圖7—8所示。

室外地坪標高為-0.15 m，1F標高為3.562 m，2F標高為6.789 m，3F標高為9.950 m，屋面標高為11.033 m，女兒墻標高為11.833 m。

4.2" 關鍵建筑構件逆向建模

通過對歷史建筑結構的分析，歷史建筑建模需要的構件分為規范構件及非規范構件，其中規范構件主要包括門、墻、檐口、窗戶、樓梯和女兒墻等構件。非規范的構件主要包括窗花、鋼結構穹頂、檐口等[11]。對于規范構件來說，根據每個構件點云切片顯示的信息，在revit中選擇合適的族類型并根據實際的參數設置構件所需參數進行精細建模，如圖9（a）所示。而對于非規范構件，則需要結合建筑設計知識，將構件分為2個或多個獨立結構進行分別建模，如將復雜的穹頂拆分為斜撐、桁架2個結構，根據點云分別進行詳細建模，然后進行拼接形成模型組，如圖9（b）所示。

在整個的構件逆向建模中，多源點云數據能夠精確顯示構件的特點，讓人能夠精準獲取每個構件尺寸參數以及空間位置，在確保建模的同時，極大縮短了建模的時間。模型如圖9（c）所示。

5" 模型精度分析

基于多源點云的模型精度主要是受點云質量的影響，掃描儀的性能以及點云拼接方法直接決定點云數據的質量從而影響精度。為了驗證本文建模方法的精度，從模型不同方向上共選取10組尺寸與實際手工量測尺寸進行對比，見表2，可以看出模型最大誤差為0.083 m，最小誤差為0.005 m。

6" 結論

綜上所述，本文基于多源點云數據的歷史建筑逆向建模展開研究，取得了一系列成果。

1）針對歷史建筑的結構特點充分結合站式掃描儀與手持掃描儀的優勢制定掃描方案，在保證效率的同時獲取完整的歷史建筑多源點云，打破了單類型點云的局限性，一定程度上解決了歷史建筑因為遮擋出現的點云缺失問題，使得點云模型更加真實和完整。

2）針對歷史建筑多源數據的特點，分別選取了適宜的去噪、抽稀、配準算法進行精簡工作，得到完整的高質量多源點云模型。

3）在revit軟件中多源點云模型的支持下成功創建了歷史建筑BIM模型，并在模型上選取10組數據與手工量測進行對比，結果表明，最大誤差為0.083 m，滿足日常項目的需求。

當然，本方法仍有一些局限性。一方面多源點云數據的處理對設備要求較高，海量的點云需要更高的內存和算力支持，不然經常會出現卡頓、閃退等現象，因此實施起來具有一定的經濟和技術門檻。另一方面本文缺少對歷史建筑BIM模型的紋理和渲染方面進行深度研究，使得歷史建筑模型與現實模型仍存在差異。

參考文獻：

[1] 王順，趙志根.基于三維激光掃描技術的歷史建筑建檔保護研究[J].現代信息科技，2021，5（19）：1-6.

[2] 童喬慧，徐盼.基于BIM的歷史建筑保護——以武漢大學宋卿體育館為例[J].華中建筑，2022，40（2）：48-52.

[3] 于雙.基于點云逆向建模的歷史建筑數字化復原技術研究[J].測繪與空間地理信息，2023，46（7）：148-150，153.

[4] 王樹臻，鄭國強，王光生，等.多源點云數據融合的建筑物精細化建模[J].測繪通報，2020（8）：28-32，38.

[5] 蘇秀永，金雨奇，王磊，等.融合多源激光點云數據的亞運場館建模研究[J].地理空間信息，2024，22（6）：101-104，108.

[6] 王偉鎮.復雜結構歷史建筑測繪建檔的關鍵技術研究[J].科技資訊，2024，22（22）：187-189，211.

[7] 李廣金，楊濤.一種結合高斯統計的點云引導濾波算法[J].制造業自動化，2019，41（4）：80-84.

[8] 李峰，孟飆.基于K4PCS與ICP算法在點云配準中的應用[J].智能計算機與應用，2024，14（11）：138-143.

[9] 桂玉環，鄭純茉，劉楊，等.激光點云與BIM結合的古橋梁數字模型重構[J].佳木斯大學學報（自然科學版），2022，40（1）：9-12.

[10] 董嘉欣.基于BIM技術的建筑結構設計建模及應用研究[J].廣東建材，2024，40（10）：154-158.

[11] 于雙.基于點云逆向建模的歷史建筑數字化復原技術研究[J].測繪與空間地理信息，2023，46（7）：148-150，153.

Abstract： Historical buildings are cultural treasures of mankind， and their BIM reverse modeling helps to protect， repair and inheritance. Due to the complex structure and unique form of historical buildings， traditional 2D data cannot accurately respond to their complex spatial characteristics， which causes certain troubles to the reverse modeling of historical buildings， and multi-source point cloud data provides new ideas for this. Taking a historical building in Beijing as an example， this paper has sorted out a set of reverse modeling process for historical buildings based on multi-source point cloud data from three aspects： multi-source point cloud data acquisition， multi-source point cloud data processing， and BIM modeling， and successfully created a BIM model. In order to verify the accuracy of the model， the maximum error of the model is controlled within 0.083 m by comparing with several sets of data measured manually， which can meet the daily project requirements and verify the effectiveness and feasibility of this method.

第一作者簡介：栗怡豪（1997-），男，碩士，助理工程師。研究方向為測繪、三維激光掃描等。