BIM问答|用BIM实现建筑运营的数字化（中篇）

本文引用：德国柏林技术学院2018年 <Towards Digitalization of Building Operations with BIM> 论文，此篇为中篇

前情介绍

在上一篇《用BIM实现建筑运营的数字化》中，我们分享了“建筑全生命周期运营阶段的建筑信息模型”和“BIM-FM研究项目探讨”。本文就“竣工数字数据采集的工作流程分析”进行分享，包括数据采集获取及使用方法等内容。

03竣工数字数据采集的工作流程分析

点云数据的获取方法

有多种技术可以采集建筑物的现有信息。传统的半自动测量方法费时费力，目前最流行的采集方法是地面三维激光扫描和无人机测量。

地面三维激光扫描不仅可以提供快速准确的点测量，而且还可以使测量人员根据设备类型（短距离、中距离或长距离扫描仪）获得长达一到两公里的测量数据。三维激光扫描的最终结果是一组精确而密集的点，称为点云。在点云中，每个点都有x，y，z坐标，这些坐标是根据激光扫描仪发射的激光束的传播距离测量的。

通过无人机测量收集现有建筑相关信息可以基于三种不同的捕获方法，即基于激光雷达、视频或照片的检测。同时，每种采集技术都有各自的优缺点，均可直接或间接地提供点云测量。在本研究中，仅聚焦于与获取照片相关的程序，其中使用高端相机评估无人机（又名飞行平台），拍摄选定建筑部分的航拍照片。这些航空照片通过摄影测量转换成点云数据，其精度和密度比地面三维激光扫描结果偏低。

在目前的研究中，使用Google Tango技术评估的一款手机也进行了测试，该应用程序使设备能够直接捕获点云数据。考虑到捕获点的密度和精度，总体结果是混杂的，但这项技术只能在4米范围内使用。

点云数据的采集与处理

独立于所选的采集方法，竣工数字数据采集总体工作流程的重要阶段是相同的。其详细的子流程、相关的时间消耗以及关键因素如图2所示，其中点云利用场景的阶段（见第3.3章）也已标明。

图2 竣工数字数据采集总体工作流程及点云利用场景

· 初始数据采集 ·

仅考虑第一阶段，最关键的一点是检测设备的正确定位。尽管实际时间消耗很少，但对其的规划是必不可少的。该决定确保所收集的初始数据（原始数据）彼此之间具有较低水平的重叠（约25-30%），从而确保之后原始数据处理的成功。在3D激光扫描仪的案例中，至关重要的是将仪器放置在每个门开口之间，从而提供不同建筑区域之间的关联。所以，在无人机测量的情况下，实际拍摄的航拍照片也必须包含部分相同的建筑点。虽然在整个工作流程中，实际数据采集的时间消耗处于中等水平，但由于设备位置规划得当，关键因素的数值采集时间的消耗处于低位。

· 原始数据处理 ·

在第二阶段中，根据重叠区域将原始数据连接在一起，提供一个单一的注册点云数据。在这个过程中，还可以连接来自不同捕获方法的原始数据（参见图3和图4）。

此注册过程可以自动或手动进行（在特殊情况中，根据目标/连接点决定）。同时，基于自动的注册比手工匹配消耗更少的人工时间，但是它也要求注册的原始数据针对具有更高的身份级别（重叠超过55-60%）。在较低级别重叠的情况下，以及在高度相同的建筑部分（例如楼梯的不同层级）的情况下，或者在源于不同采集方法的原始数据的情况下，需要手动注册。工作流的整体成功（即创建点云）很大程度上取决于此过程，关键因素具有极高的数值。根据原始数据的数量和重叠区域的级别，实际时间消耗会在低到高之间变化。

图3 以圣赫德维格医院为例，整合源自不同测量技术的点云数据（左侧：三维激光扫描；右侧：三维激光扫描和谷歌探戈技术）

图4 以Wilhelminenhof HTW园区的试点测试为例，整合来自不同测量技术的点云数据（左侧：三维激光扫描；右侧：三维激光扫描和无人机测量）

· 数据后处理 ·

在第三阶段时，必须从点云数据中去除不必要的噪点，并且必须从剩余的数据集中创建单个较小的片段（见图5左侧）。此阶段也可以自动或人工执行。尽管在自动清理和分割的情况下人工需求较低，但效果仍然不尽如人意。尽管在自动清理过程中，大部分不需要的点都被移除了，但是部分不需要的点，比如人的轮廓仍然保留了下来。此外，尽管事实上，整个点云是根据不同的建筑群、极点、植被和地面自动分割的，但实际相关的建筑部分不会被识别为单个建筑段（图5中间）。为了达到要求的结果（图5右侧），以人工清理和分割的形式进行大量的人工劳动是必要的。

为了增强所需几何信息的可见性，同时减少进一步处理不必要的大数据的功率需求，此阶段的执行必不可少。为确保整个工作流的成功，手动清理和分割是这个阶段中最关键的子步骤。首先，避免了在建筑建模阶段一次性处理大量的点云。其次，在现有的CAFM系统中，根据不同的名称命名不同的部门，可以极大地协助设施经理的工作（见第3.3.2章）。另一方面，为了根据“CAFM系统”中现有的命名方案（见第3.3.3章）标记出更小的片段，也可以在这些现有片段中添加标记。

图5 Verb?ndehaus案例中点云数据的处理情况（左侧：未处理的数据；中间：自动处理的数据；右侧：手动处理的数据）

· 建筑造型 ·

在最后一阶段，将根据已建立的点云数据创建数字建筑模型。这一阶段也可以半自动或以传统的人工方式执行。在第一个选项中，可以通过半自动建模系统显著增强建筑模型，该系统能够将整个点云数据转换为参数化建筑对象（原生Revit族对象）。

通过使用此工具，可以自动识别墙、洞口、梁和柱，以及任何MEP管道系统（见图6左侧）。在这一步的数字观察之后，进一步的人工操作是必要的，其形式是“允许”已识别元素的存在（在错误识别的情况下）或连接单独被蓄意识别的个别元素。通过该工具的应用，可以大大减少手动建立建筑模型的人力需求，同时该子过程只需要少量的劳动力。该子流程的关键因素处于中等级别，它不会影响整个工作流的成功，但会显著改善其全局的时间消耗。

由于通过半自动建模阶段创建了较低精度的数字建筑模型，只需进一步人工开发。在这最后一步中，每个单独的建筑对象都应该建模，而这一步需要大量的工作时间。最后一步的关键因素处于高级别处理，但前提是模型开发的主要目标是达到信息的最高精度（参见图6右侧）。

图6 Verb?ndehaus案例的建筑模型(左侧：自动建模；右侧：手动建模)

FM中获取竣工数据的使用方法

· 扫描到BIM ·

在扫描到BIM场景中，点云的应用以“传统方式”进行。在这种方法中，建筑模型的对象通过点云段和（此外还有）现有平面来定义。完成此操作后，点云数据（和平面数据）就不是必需的了。

初看，最有利的选择是对建筑进行建模，包括所有最小的建筑元素和最详细的信息。建筑模型包含了原始数据源中所有相关的几何和非几何信息，这意味着充分利用了点云数据集，可以在模型创建之后不再需要它。

然而，这种选择有诸多缺点。一方面，整个开发过程仍然非常耗时费力。另一方面，即使建筑模型的开发令人满意，其维护仍然存在严峻的问题。此外，如果建筑模型包含的信息量太多，建筑模型的性能表现会急剧下降。

· 扫描到数据集 ·

由于项目的主要目标之一是减少数字建筑模型创建的工作量，毋庸置疑有必要将BIM对象的精度限制在令人满意的水平，此外需要另一个选项以更通用的方式利用点云，如此点云以后也可以访问FM。这个过程可以称为扫描到数据集。

原始信息集（点云）显示在建筑模型旁边，但不是以参数化建筑图元的形式。通过这种方式，“扫描到数据集”场景可以使建筑模型从一开始就包含较低的精度。建筑物的数字表示只能发展到一定的水平，其中参数化对象只能以图解的方式表示（“轻量级”BIM对象）。

由于点云是为了补充建筑模型中丢失的信息，所以只剩下“如何在FM中使用它”的问题。要使用点云数据进行可视化建筑模型中缺失或不完整的建筑元素，必须在点云中标识清楚，必须对线段进行更详细的定义和命名，并且创建标记。

一方面，通过以上述方式表示点云数据，它将允许FM查找有关缺失/不完整建筑细节的信息。这样可以减少创建竣工建筑模型的时间和精力，从而节省时间，同时无须更多的硬件性能。另一方面，可以将建筑模型和点云数据集一起移交给进一步自定义建筑模型的开发方，按需细化模型。

· 扫描到CAFM ·

为了完全处理建筑模型的创建工作并减少点云数据集的额外工作，从原始信息源直接进行数据检索是另一种（第三种）选择。在这种情况下，不用创建数字建筑模型，同时应从点云数据集中检索所有相关的FM信息，并直接传输到CAFM系统的数据库。

点云数据不仅包含用于可视化的信息，而且还可以对原始信息集中的每个捕获点进行数值测量、附加标记和图片链接。那么，为什么不从点云中提取信息来避免传统的现场测量工作呢？

遗憾的是，由于质量限制（扫描分辨率太差而无法读取图版上的文本元素），因此无法对设备图版等条目进行分析。但是在扫描数据中可以很好地识别库存物品（桌子、椅子）或一些MEP设备（泵、马达）。这些信息和进一步的测量（如墙壁和设备位置之间的距离、内置空间等）可用于设置CAFM数据库条目。项目中的现场测试表明，以这种方式使用点云数据在某种程度上是有前景的，因为给到FM测量员的这种额外数据源可以减少第二次或第三次现场访问的数量。同时，工作量将大大减少，只有少量的细节精度需要自动或者人工数据检索，但是可用信息的数量还是有限的。

微信公众号：xuebim

关注建筑行业BIM发展、研究建筑新技术，汇集建筑前沿信息！

← 微信扫一扫，关注我们+