王佩, 吴磊
(1.陕西交通职业技术学院,建筑与测绘工程学院,陕西,西安 710018;2.中铁二十局集团有限公司,陕西,西安 710000)
随着建筑装修行业的快速发展,建筑装修施工现场管理问题成为该行业关注的热点。由于建筑装修施工大多在室内进行,且装修工序较为复杂,对建筑装修施工现场管理的难度较大,构建建筑装修施工三维可视化管理系统,借助系统对建筑装修施工进行有效的三维可视化管理具有重大意义。
系统运行过程中,为了保证对建筑装修施工监测与管理的有效性,必须将可视化信息采集工作严格做好,并以此为基础构建三维模型,实现建筑装修整个过程的实时三维可视化视觉重建以及信息重构。传统方法中,主要有主成分特征提取方法、视频特征分析方法以及关联规则调度方法等[1-3],构建建筑装修施工三维特征的信息化管理模型,采用关联特征提取算法对建筑装修施工三维特征提取,但这些方法三维可视化管理的自适应性差,算法的收敛性不强。文献[4]针对某超高层建筑存在工期紧、部分节点施工难度大、施工顺序难以确定等问题,采用BIM技术制定适用于超高层建筑的施工时间安排和钢结构柱的吊装顺序进行了可视化设计,但该方法存在一定局限性。
针对上述存在的问题,本文提出基于建筑信息化管理模型(BIM)的建筑装修施工三维可视化管理系统设计方案,并在计算机视觉图像采集技术采集建筑装修施工三维信息等方式的基础上,借助建筑装修施工三维信息提取技术,进行BIM信息库等的建立,达到建筑装修施工的三维可视化目的。试验证明,本文方法在提高建筑装修施工三维可视化管理能力方面的优越性能。
BIM技术的日益成熟对整个建筑装修行业的发展形成强有力的推动,减少了装修设计与施工各环节的沟通壁垒,实现了对建筑装修工程管理效率的有效提升。基于数据多方共享以及三维可视化展示等诸多优势,BIM平台在我国很多装修及其他大型建筑工程项目中得到推广及应用[5-6]。BIM主要借助数字化的形式,直接将设施的各项特性呈现出来。其本身能够在项目有效期限内对全部信息进行采集,以在决策期间给予科学且有效的数据支持。在项目生命周期的全部环节,各参与方均能在BIM模型体系中插入、提取、更新与修改专业项目技术信息,同时,利用这些信息明确自身责任。图1为以BIM模型技术为基础的建筑装饰装修工作流程[7]。
图1 基于BIM模型技术的建筑装饰装修工作流程
基于BIM的建筑装修施工三维可视化管理系统,以Revit为核心,开发平台为NET,借助Revit API执行二次开发任务。在整体性与一致性原则的指导下,系统整体框架设计如图2所示。从逻辑层面来看,系统包括采集层、数据层、平台层与应用层,基于插件式架构进行系统的集成开发。
图2 基于BIM的建筑装修施工三维可视化管理系统整体框架
采集层的功能在于采集现场监测到的数据信息,主要的采集方式包括人工录入及系统集成。针对一些不能在线采集的动态监测数据,可以人工方式获取监测传感器监测到的数据,并将其录入系统数据库中进行存储,另外,还可借助在线监测系统经无线或有线传输接入到本系统中。数据层对采集层所采集的业务与模型等结构化及非结构化数据进行相应的处理。平台层为系统提供信息支撑平台,利用Revit进行二次开发,基于插件技术,能够保证系统功能的高可扩展性。应用层面向系统用户,提供可供操作的人机交互界面平台。
通过信息采集与融合,系统可以从外界收集建筑装修施工信息,并对其进行相应的整合。构建建筑装修施工三维信息采集模型,又可与建筑装修施工三维信息采集结果相结合,构造建筑装修施工的BIM数据库。
设建筑装修施工三维可视化图像采集的像素集为Hi(x),最大像素值为max(Hi(x));构建视觉采集模型,可得到视觉采样的噪声项η(x,y);根据所采集到的信息的视觉分布,进行视觉特征重构,可得到建筑装修施工信息采样的模糊像素值为
g(x,y)=h(x,y)×f(x,y)+η(x,y)
(1)
式中,f(x,y)为实际采集到的建筑装修施工三维信息,h(x,y)是信息采样的关联规则集,符号*表示卷积,η(x,y)为干扰项。对建筑装修施工三维可视化视觉信息进行区域分块融合,可以实现对三维统计分析模型的构建[8],得到统计特征量:
g(x,y)=f(x,y)+η(x,y)
(2)
据此,进行建筑装修施工三维可视化视觉特征建模,得到建筑装修施工三维可视化信息分布的样本特征分布集,用N维矢量x(t)表示建筑装修施工三维特征的矢量,则:
x(t)=As(t)+n(t)
(3)
式中,
(4)
(5)
(6)
A=[a(θ1,r1),a(θ2,r2),…,a(θI,rI)]N×I
(7)
在以上基础之上,可进一步完成建筑装修施工三维视觉重构BIM数据库的构建工作。采用相似度特征匹配方法进行建筑装修施工三维可视化信息特征配准,得到三维特征的BIM信息融合的判决统计量为
μ(n)=
(8)
系统三维可视化视觉重建建立于对数据信息的采集与融合基础之上,在系统通过模型完成对三维特征BIM信息采集及融合任务之后,需经相应的数字处理得到三维物体的形状信息,此处通过自适应滤波模型来实现。建筑装修施工三维可视化视觉特征重构的最大似然估计值为
(9)
式中,F(x,y)为建筑装修施工三维可视化视觉特征分布的向量量化集。建筑装修施工三维可视化视觉特征分量在(x,y)点的像素值为β,ml为沿梯度方向进行建筑装修施工三维可视化视觉重建,采用小波分析方法进行图像特征分解,构建母小波基函数:
(10)
式中,
(11)
通过上述函数对三维可视化视觉特征分解的过程,结合建筑装修施工三维可视化视觉信息特征匹配方法进行视觉信息重建,构建建筑装修施工三维可视化视觉图像的自适应滤波模型,提高图像的成像能力,滤波函数为
(12)
三维信息可视化致力于创建以直观方式传达抽象信息的手段及方法。建筑装修施工三维可视化管理系统对三维信息的可视化有较高要求,需要采取合理、有效的方法,直观、清晰而又无误地进行抽象化的建筑装修施工信息的传达。对此,进一步构建建筑装修施工三维特征提取模型,在BIM信息模型中,构建建筑装修施工三维特征参量自动采集模型,得到第i个类建筑装修施工三维特征的模糊聚类中心为
vi={vi1,vi2,…,vip}
(13)
(14)
(15)
(16)
对各类建筑装修施工三维特征信息进行模糊聚类处理,采用模糊C均值聚类方法进行BIM信息融合聚类,对采样的建筑装修施工三维A={a1,…,aN},当满足a1 (1)V1={>a1,>a2,…,>aN-1} (2)V2={≥a1,≥a2,…,≥aN} (3)V3={ (4)V4={≤a1,≤a2,…,≤aN} (5)V5={=a1,=a2,…,=aN} 输入建筑装修施工三维可视化视觉信息函数f(t),建筑装修施工三维可视化监测的交叉分布项通过Ai∩Aj=Ω的交集得到,其中i,j=1,…,m且i≠j,由此得到建筑装修施工三维可视化信息重构的BIM信息库模型为 (17) 在BIM信息库中进行建筑装修施工三维信息重建和特征融合聚类,以此实现三维可视化信息重构,可以让施工人员(系统用户)对建筑装修施工过程中的三维信息进行直接的观察,对于提高建筑装修施工三维可视化信息管理能力十分有利。 为验证本文建筑装修施工三维可视化管理系统的应用性能,进行了实验分析。实验采用物联网组网和ZigBee协议进行系统的网络组网设计,在ROM中实现建筑装修施工三维可视化管理的视觉信息采样,采用132 Mibit/s的远程控制总线进行建筑装修施工三维可视化管理的远程调度和传输控制,对建筑装修施工三维特征采样频率最低为12 kHz,最大采样频率为24 kHz,设定施工现场视觉信息采样像素尺寸为2 000×2 000像素,匹配特征分量为1.6,根据上述仿真环境和参数设定,进行建筑装修施工三维可视化管理。 基于建筑装修施工现场的场景数据,利用Civil3D软件构建施工现场场景模型;基于现场典型剖面图及立视图,采用Revit构建相应族块,不同族块采用对应的典型剖面来构建,之后,结合实际材料分区与属性,设置西部材料;形成基本的施工现场框架之后,执行对模型的细部构造绘制任务,形成整体装饰装修施工现场三维BIM模型。Revit中有渲染插件Fuzor,可执行对BIM模型的渲染与漫游操作[10]。图3所示为基于BIM的施工现场三维可视化管理人机交互界面。 图3 基于BIM的装修施工现场三维可视化管理人机交互界面 分析图3可知,采用本文设计系统进行建筑装修施工现场三维可视化管理的人机交互性较好,能够清楚地显示施工现场大致信息及其相关的细节内容。 一个系统的性能较好,其曲线应当尽可能地向上突出,曲线与坐标轴之间的面积亦会越大。在相同的条件下对本文方法、基于支持向量机的管理方法以及基于PID的管理方法的信息召回率进行测试,得到对比结果如图4所示。 图4 信息召回性能测试 分析图4得知,当召回率R达到1时,本文选取方法与传统方法进行对比,本文所选取的方法曲线明显更向上突出,曲线与坐标轴之间的面积更大,以此类推。故本文设计的方法,在召回率试验中,与标准参考值趋于吻合并且稳定,而基于支持向量机的方法以及基于PID的方法参照点与标准值之间存在一定的差距,无法趋于吻合且不稳定,故说明传统方法不具备本文方法的有效性。综上所述,本文设计的系统进行建筑装修施工三维可视化管理的信息召回性能较好,具有较好的现场信息调度和管理能力。 基于建筑信息化管理模型的建筑装修施工三维可视化技术采用相似度特征匹配方法,进行建筑装修施工三维可视化信息特征配准,得到建筑装修施工三维特征的BIM信息融合判决统计量等方法,以此为基础完成技术的具体实现。实验证明,基于本文三维可视化技术的建筑装修三维可视化管理系统的实时性较好、系统稳定性较好、信息召回率较高、人机交互能力较强,对该领域的开发与应用具有现实意义。5 仿真实验与结果分析
5.1 BIM模型构建
5.2 信息召回率测试
6 总结