基于HBIM的数据采集建库构建系统及方法

本发明涉及文物建筑修复系统，具体地说，涉及基于hbim的数据采集建库构建系统及方法。

背景技术：

1、近年来，新建筑在不断的增加与传统民居在风格上的差距越来越大，已不再延续传统的建筑形式，使得聚落渐渐丧失了传统的风貌。

2、目前bim技术在现代建筑的规划、设计、施工、运营等全生命周期中均有应用案例，能够有效地对建筑物进行管理。对于历史建筑，murphy最早提出了历史建筑信息模型(heritage-bim,hbim)的概念，hbim可以在历史建筑的维护、修缮、传播等环节起到很大的作用：大量历史建筑由于年代久远，其设计信息往往为手稿，精度有限，或完全不存在，这使得维护过程需要反复确认，消耗了大量的人力和物力。而通过hbim可以清晰地将历史建筑的结构、尺寸、材料等信息整合在模型中，提高了维护效率。此外，通过将历史建筑的几何形态保存在hbim中，也保证了其万一遭遇自然或人为的毁坏后，也能够追溯其三维的样貌，hbim还可以结合vr、ar等技术，更加身临其境地向游客介绍历史遗迹相关知识；

3、然而，在hbim中生成历史建筑的三维表示相当复杂，目前传统建筑修缮信息的储存方式主要以零散图纸和文本为主，这导致传统建筑修缮信息无法有效储存与传承，随着建筑产业的数字化转型发展，以建筑信息模型为核心的信息管理方式可提高信息的数字化存储水平；但是，现有古建数字化建模技术主要依靠原生软件的功能，人工进行模型的搭建，导致建模效率低、精度低，鉴于此，提供基于hbim的数据采集建库构建系统及方法。

技术实现思路

1、本发明的目的在于提供基于hbim的数据采集建库构建系统及方法，以解决上述背景技术中提出的现有古建数字化建模技术主要依靠原生软件的功能，人工进行模型的搭建，导致建模效率低、精度低的问题。

2、为实现上述目的，一方面，本发明目的在于提供了基于hbim的数据采集建库构建方法，包括：

3、s1、构建传统木构建筑的元模型框架；

4、s2、提取传统木构建筑的木构体系建筑逻辑；

5、木构体系建筑逻辑决定了木构体系的构件分类、空间关系和组合次序；

6、s3、基于木构体系建筑逻辑建立元模型；

7、s4、利用元模型自动建模。

8、作为本技术方案的进一步改进，所述s1中，元模型框架包括元对象、元属性、元关系和元方法。

9、其中，元对象构成模型的基本实体，对应于传统木构建筑中的实际构件，如柱、梁、枋、斗拱、檩条等，每个元对象代表了一类具有相似特性和功能的建筑部件；

10、元属性用于定义每个元对象的各种特征和参数，例如材质（木材种类）、尺寸（长度、直径）、年代、制造工艺、现状（完好、损坏）、位置坐标等。这些属性帮助精确描述每个建筑构件的详细情况；

11、元关系用于描述元对象之间的相互联系和组织结构，如物理连接（榫卯、钉接）、空间布局（上下相邻、前后排列）、功能依赖等。元关系确立了建筑结构的逻辑性和整体性；

12、元方法规定了如何操作元对象和元属性的规则和过程，包括自动组合、规则验证、结构分析等算法，这些方法使得模型能够根据预设逻辑自动生成、更新或分析，提高建模效率和准确性。

13、作为本技术方案的进一步改进，所述s2涉及的具体步骤为：

14、s2.1、使用三维激光扫描仪对传统木构建筑进行全面扫描，获取原始点云数据，并对原始点云数据进行去噪、配准、拼接处理；

15、同时，通过照片扫描的方式采集建筑细部的照片和视频，用于捕获复杂细节和隐蔽部分，并导出得到原始点云数据；

16、使用普通相机对目标物体进行拍照，确保每两张照片至少有50%的重叠度，然后通过实景扫描与三维建模软件agisoft photoscan批量导出分类后的点云数据，数据格式可以选择为excel电子表格中的三维坐标点，并通过grasshopper的数据读取节点导入原始点云数据，相对于三维激光扫描仪，照片扫描具有更高的灵活性和便利性；

17、s2.2、基于alpha-shapes从原始点云数据中提取表露特征，并获取到特征点的坐标信息；

18、同时，采用余弦相似度算法并结合木构建筑的传统构造知识，确定要补充的隐藏特征。

19、结合木构建筑的传统构造知识，依据木构建筑学原理，分析厢栱与相邻构件（如梁、枋、柱）的典型连接方式，如榫卯结构的类型（直榫、燕尾榫等）、位置关系（如厢栱与斗的排列规律），分析各构件之间的典型连接模式和空间布局规律，确定要补充的隐藏特征；

20、具体的，斗栱构件的造型特征包括表露特征和隐藏特征；

21、其中，表露特征是指可以直接从点云中提取出来的特征参数，是反映构件形变真实现状的主要依据；

22、隐藏特征是指构件被遮挡、打断部分的特征，通常包含复杂的榫卯结构。

23、作为本技术方案的进一步改进，所述s2.2中，表露特征提取涉及的具体步骤为：

24、将原始点云数据沿立面方向摆正，通过正交变换保留主要特征向量，以此来达到降维的作用；

25、对于每个单独的木构构件（如斗栱），通过数据分析确定其主要的立面方向，并应用正交变换将该构件的点云数据沿此方向摆正，这一操作有助于减少后续处理的复杂性，使特征提取更为直观和准确；

26、将摆正后的点云数据分别沿立面、侧面、水平面方向投影，分别得到斗栱的正视图、侧视图和俯视图；

27、多维度视图策略有助于全面理解单个构件的空间形态及其在整体结构中的位置关系；

28、在二维点云的基础上，采用alpha-shapes对一组散乱的点集进行边缘提取，提取得到离散点轮廓线。其中，alpha-shapes是一种强大的形态学分析工具，它通过调整一个参数（α值）来控制边界形状的紧致程度，从而在点集周围生成一系列多边形或曲线。在这个过程中，适当选择α值可以精确地勾勒出点云数据的外部轮廓，有效区分出斗栱等构件的明确边缘和细节特征，如斗、昂、栱等组成部分的轮廓；

29、具体的，其基本原理为：用一个半径为a的圆圈绕点集旋转，并在经过全部点后得到点集的内部和外部的轮廓线，在圆半径a大的情况下，圆在点集s外侧滚动，其外侧的滚动轨迹即为点集的边缘轮廓；如果半径a值很小，那么圆就会向点集s内滚，在a值足够小的时候，所有点都是点的边界点；圆弧半径a的取值与所提取轮廓线的精度有很大关系，该方法的应用领域广泛，对于矩形、环形、不规则的凹凸多边形都有很好的适应性，并且具有很好的鲁棒性和快速的计算能力。

30、作为本技术方案的进一步改进，所述s2.2中，余弦相似度算法具体为：

31、设点云中已识别的特征点集为，每个特征点有一个对应的特征向量，代表其几何或结构特征，使用余弦相似度度量法，匹配点云中的未知点与已知构件特征点集，寻找潜在的隐藏连接点：

32、；

33、式中，表示特征点集中的第个特征点，每个点代表点云中的一个特殊位置或结构上的关键点；表示每个特征点对应的特征向量，包含了描述点的多个特征属性，比如位置坐标、颜色、纹理、曲率等，向量的维度由特征的数量决定，用表示；表示特征向量的第个分量；表示特征向量的第个分量，代表特征点在第个特征维度上的值；表示特征点和之间的欧氏距离；表示每个特征点所具有的特征属性的数量；表示索引变量。

34、作为本技术方案的进一步改进，所述s3涉及的具体步骤为：

35、s3.1、分别定义元对象、元属性、元关系和元方法；

36、定义元对象：明确所有构成传统木构建筑的基本与复合构建单元，包括column(柱),beam(梁),bracketset(斗拱组),roof(屋顶),doorwindow(门窗)等；

37、定义元属性：为每个元对象分配必要的属性字段，例如column包含height(高度),diameter(直径),material(材质),loadcapacity(承重能力)等属性；

38、定义元关系：定义构件间的关系，如supports(支撑),connectedto(连接),partof(部分),hassubcomponent(含子组件)等；

39、定义元方法：定义算法自动调整构件的位置以符合木构逻辑，如根据斗拱的类型自动生成榫卯连接；

40、s3.2、根据木构体系建构逻辑，构建木构体系中所有构件的空间拓扑框架；

41、构建空间拓扑框架可以视为构造一个有向图或无向图，其中节点代表元对象（如柱、梁），边代表元关系（如支撑、连接）；图中的权重可以表示距离、支撑力或其他物理属性；

42、无向图表示：设为表示木构建筑空间拓扑的无向图，其中是顶点集，代表建筑中的元对象（如柱、梁、斗拱等），是边集，代表元对象间的空间关系或连接；例如，如果柱支撑梁，则在中存在边；为每条边赋予权重来表示物理属性，如连接强度或距离；

43、邻接矩阵：建筑的连接关系可通过邻接矩阵描述，其中，则，否则；对于带权图，；

44、其中，使用树状结构来表达层次化关系，每一层级的节点代表一种类型的子系统，如基础层、柱网层等，子节点则代表具体的构件或更细的子系统，这种结构可以用递归公式或层次遍历算法来数学化描述；

45、进一步的，几何关系约束：假设梁与柱连接，连接点坐标分别为和，连接角度需满足特定力学条件，可以设置等式或不等式约束。例如，如果连接必须垂直，则，其中表示向量点积；

46、拓扑约束：在三维空间中，可以通过约束条件确保空间布局的合理性和连通性；例如，确保所有梁与柱的连接形成闭合回路，通过检查每个平面或空间区域的边界条件来实现，即每个“开口”都有相应的“闭合”连接；

47、s3.3、基于空间拓扑框架和元方法，使用建模软件工具建立元模型。

48、作为本技术方案的进一步改进，所述s4中，建模的具体步骤为：

49、s4.1、通过trimble工具对点云数据进行切片处理，得到首层平面图和剖面点云图像数据，为机器视觉分析准备素材；

50、s4.2、将处理后的图像数据输入到机器视觉模型中，识别建筑特征和元模型类别，为后续参数化建模提供基础，其中，机器视觉模型优选采用卷积神经网络(cnns)，用于自动识别图像中的特征；

51、s4.3、确定元模型类别后，利用grasshopper（gh）的自适应组件和参数设置功能，快速布置和调整构件参数，形成木构架模型，实现高效、精确的模型构建；

52、s4.4、应用体素化点云分割技术对原始点云进行处理，通过点云切片分段建模生成高精度的实体bim模型；

53、其中，点云分割技术具体为：

54、利用旋转矩阵，分别计算出构件在单位轴向量和轴线上一点的三维坐标在转正之后的三维坐标系中对应的向量和坐标；

55、令该采样点到第个柱构件轴线的垂直距离为，根据空间几何理论知识，则有：

56、；

57、；

58、其中，；

59、式中，、和表示经过旋转操作后，第个采样点在新的坐标系中的三维坐标；、和表示第个柱构件轴线在新的坐标系中所选参考点；、和表示第个柱构件轴线单位方向向量在新坐标系中的分量，即柱轴的方向余弦；表示沿某个方向（假设是高度方向z）的采样点位置；表示采样点到第个柱构件轴线的垂直距离的平方；表示沿某个方向（假设是高度方向z）的采样点的最大值；表示沿某个方向（假设是高度方向z）的采样点的最小值；表示沿该方向的采样点数；表示索引变量；

60、为避免对柱构件的分割造成欠分割，对柱子的半径设定一个阈值，如果满足如下关系：

61、；

62、式中，表示第个柱构件的半径；表示为避免欠分割而设定的柱子半径阈值；

63、对木构件进行点云分割：

64、在进行柱构件点云分割之后，接下来需对梁、枋等木构件的点云数据进行分割处理，鉴于古建筑木构件的定位基准是柱列轴线，我们可以基于柱构件的参数提取出柱列轴线信息，并利用该轴线信息构建待分割木构件的包围盒，以实现基于包围盒的木构件点云分割方法；基于包围盒的木构件点云分割的关键在于确定采样点与包围盒之间的空间位置关系；这一关系可以通过计算采样点到包围盒六个平面的欧氏距离并观察其正负号来判断，从而有效完成基于包围盒的木构件点云分割。

65、s4.5、在revit中，采用dynamo插件，基于特征参数实现自动建模，结合元模型和测绘数据，利用拱顶建模算法，对拱顶进行建模，并在拱顶建模算法基础上，引入对斜肋和侧肋参数，补全缺失的榫卯部位。

66、作为本技术方案的进一步改进，所述s4.4中，通过点云切片分段生成实体bim模型涉及的具体步骤为：

67、s4.41、求点云三维度的极值分别为、、、、和，计算点云包围盒表面积，根据点云数量计算点云平均面密度；

68、s4.42、在选定方向对点云进行切片，切片数设置为输入型参数，并计算切平面上、下一个阈值范围内的点集；

69、s4.43、将上、下点集投影至切平面求交，通过离散点拟合得到个截切边界轮廓；

70、s4.44、相邻边界轮廓进行放样融合创建分段实体；

71、s4.45、分段实体组合、族类别设置、材质设置以及其余实例属性值设置。

72、作为本技术方案的进一步改进，所述s4.5中，拱顶建模算法具体为：

73、；

74、式中，表示拱顶高度；表示拱底高度；表示斜率的反正切值；表示从拱脚到拱顶任意点的水平距离；表示跨度；表示坡度；表示拱顶轮廓在垂直方向（通常是高度方向）的位置，它是随着拱跨方向变化的函数；

75、为了综合考虑侧肋和斜肋参数化表达，并将其融入基础拱顶轮廓模型中，构建一个能够同时描述拱顶结构几何特性和结构参数的优化模型，即引入斜肋和侧肋建模参数，对拱顶建模算法进行优化，其中，侧肋为沿拱顶轮廓的一系列横截面，每个横截面的宽度和厚度是固定的，但是高度随拱顶轮廓变化，若侧肋的宽度为，厚度，则侧肋在任意点的横截面积表达为：

76、；

77、若斜肋与拱底的夹角，斜肋在拱顶轮廓上的投影长度为，斜肋的实际长度，斜肋的宽度为，厚度为，则斜肋在任意点的横截面积表达为：

78、；

79、式中，表示拱顶轮廓在该点的斜率；表示考虑斜肋长度变化时的一个微小水平步长。

80、具体的，拱顶建模算法涉及的具体优化步骤为：根据跨度和坡度参数，生成基础的拱顶轮廓；

81、在基础形态上，根据钉子侧拱厚度参数，沿拱顶曲率分布钉子结构，这些可以被视为构成拱顶结构的基础单元；

82、从拱底或拱顶的特定位置出发，提取横向截面，根据侧肋宽度与厚度参数，生成侧肋的二维轮廓，将二维轮廓沿拱顶的侧面拉伸，形成三维侧肋结构，并确保其与拱顶曲面平滑连接；

83、采用参数化方法，首先基于基础形态确定斜肋的起点与终点，考虑斜肋与拱顶曲面的最优贴合，从基础钉子结构中提取或生成对角线表面，定义斜肋的轮廓；应用挤出操作，并控制斜肋的宽度和厚度，确保它们与拱顶的整体结构和谐统一，在各个结构交汇处，特别关注节点的设计与连接细节，确保所有结构元素在几何上和物理上都能无缝对接；

84、引入参数解耦技术，使斜肋和侧肋的宽度与厚度能够独立于其他参数调整，增强设计的灵活性和精确度；

85、使用参数化设计软件（如grasshopper）中的自适应组件，让每个参数的变化直接影响对应的几何元素，而不会干扰到其他结构的完整性。

86、改进后的算法仅由七个参数控制：三个变量包括桥墩之间的跨度、坡度和钉子侧拱的厚度；四个值：一对用于侧肋、另一对用于斜肋，涉及其宽度和厚度。

87、另一方面，本发明提供了基于hbim的数据采集建库构建系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行计算机程序实现上述任意一项所述的基于hbim的数据采集建库构建方法。

88、与现有技术相比，本发明的有益效果：

89、基于hbim的数据采集建库构建系统及方法中，考虑侧肋和斜肋参数化表达，并将其融入基础拱顶轮廓模型中，构建一个能够同时描述拱顶结构几何特性和结构参数的优化模型，即引入斜肋和侧肋建模参数，对拱顶建模算法进行优化，使斜肋和侧肋的宽度与厚度能够独立于其他参数调整，增强设计的灵活性和精确度。