CN118036899B - 基于bim的建筑装修智慧管理*** - Google Patents

Abstract

本发明涉及点云数据匹配技术领域，具体涉及基于BIM的建筑装修智慧管理***。该***的点云数据获取模块获取粗配准后的点云数据；最优划分方向获取模块，用于通过每个预设方向下对应的划分平面中点云数据的分布情况和不同划分平面之间的偏差情况，获得优选度并确定出最优划分方向；调整权重获取模块用于在最优划分方向下，根据点云数据在划分平面中的邻域分布和在相邻划分平面中的分布，得到点云数据的调整权重；建筑数据管理模块基于点云数据的调整权重结合ICP算法，获得匹配结果得到建筑BIM模型进行数据管理。本发明通过对点云数据更精确的匹配，得到更准确的建筑BIM模型，对建筑BIM模型进行更可靠的管理。

Description

基于BIM的建筑装修智慧管理***

技术领域

本发明涉及点云数据匹配技术领域，具体涉及基于BIM的建筑装修智慧管理***。

背景技术

在进行建筑装修施工时，可利用建模技术通过模型展示装修过程等，且同时通过模型可以方便施工人员更好的理解装修效果，同时通过模型可以进行成本的预测以减小建筑材料的浪费问题。在进行构建BIM的房屋建筑的模型时，需要根据实际采集的三维点云数据进行辅助BIM模型的构建。当使用激光扫描仪等设备采集建筑的点云数据时，通常会涉及多次扫描以覆盖整个场景，每次扫描可能在不同的位置、角度或时间采集到点云数据，这些数据需要进行配准，以获得完整而准确的场景信息。通过点云配准算法可将不同位置或角度采集到的点云数据进行对齐和融合，消除它们之间的重叠和不一致，确保数据在同一坐标系下的一致性。这样做可以创建一个更全面、更准确的整体点云模型，为后续的BIM建模提供可靠的基础。

在对激光雷达采集的点云数据进行对其融合时，可通过ICP算法对获取的不同角度和时间采集的点云数据进行匹配，ICP算法在进行点云数据的匹配时是通过比较最近邻点确定其匹配情况，通过循环迭代判断收敛误差小于阈值后可以获取到匹配的点云数据。而在最近邻算法确定匹配情况时，ICP算法会对噪声比较敏感，同时由于只分析数据点之间的距离会在配准时忽略建筑结构本身特征，导致匹配的效果可能产生局部最优情况，得到配准后的点云数据结果误差较大，后续的BIM建模得到的建筑装修模型数据不准确，对数据管理的可靠性不高。

发明内容

为了解决现有技术中配准后的点云数据结果误差较大，后续的BIM建模得到的建筑装修模型数据不准确，对数据管理的可靠性不高的技术问题，本发明的目的在于提供一种基于BIM的建筑装修智慧管理***，所采用的技术方案具体如下：

本发明提供了一种基于BIM的建筑装修智慧管理***，所述***包括：

点云数据获取模块，用于获取待装修建筑的粗配准后的点云数据；

最优划分方向获取模块，用于获得每个预设方向下点云数据所在的划分平面；所有预设方向均平行于地面；在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及划分平面之间划分数量的偏差情况，获得每个预设方向的优选度；基于优选度从所有预设方向中确定最优划分方向；

调整权重获取模块，用于在最优划分方向下，根据每个点云数据在所在划分平面中的邻域点云数据分布混乱情况，以及每个点云数据与相邻划分平面中点云数据的分布偏差情况，得到每个点云数据的调整权重；

建筑数据管理模块，用于基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果；通过匹配结果构建待装修建筑的建筑BIM模型进行建筑装修智慧管理。

进一步地，所述获得每个预设方向下点云数据所在的划分平面，包括：

在每个预设方向下，将每个点云数据在沿对应预设方向下所处的平面，作为每个预设方向下的划分平面；所有划分平面均垂直于地面。

进一步地，所述优选度的获取方法包括：

依次将每个预设方向作为目标方向，对于目标方向下的任意一个划分平面，将该划分平面中每个点云数据沿目标方向上的直线作为该划分平面的分布直线；

根据每个分布直线上点云数据之间的分布离散情况，以及每个分布直线与相邻分布直线的上点云数据的分布位置，获得每个分布指标的规整度；将该划分平面上所有分布直线的规整度的累加值，作为该划分平面的分布指标；

统计每个划分平面中点云数据的总数量，获得每个划分平面的数据分布量；根据目标方向下每个划分平面与相邻划分平面之间数据分布量的变化程度，获得目标方向下每个划分平面的数量变化指标；

根据目标方向下每个划分平面的分布指标和数量变化指标，获得目标方向下每个划分平面的分布规整度；分布指标和数量变化指标均与分布规整度呈正相关；

将目标方向下所有划分平面的分布规整度相加，获得目标方向下的优选度。

进一步地，所述根据每个分布直线上点云数据之间的分布离散情况，以及每个分布直线与相邻分布直线的上点云数据的分布位置，获得每个分布指标的规整度，包括：

对于任意一个分布直线，依次将该分布直线上每个点云数据作为参考点；

计算在该分布直线上参考点与相邻每个点云数据之间的距离差异，并对参考点的距离差异求平均值，获得参考点的局部距离值；

在该分布直线的相邻分布直线上，将与参考点距离最近的点云数据作为参考点的邻近点；获取参考点与每个邻近点之间的连线；计算每个连线与目标方向之间夹角的余弦值，获得参考点的角度偏差值；计算参考点所有角度偏差值的平均值，并进行负相关映射，获得参考点的位置权重；

将位置权重作为每个点云数据的权重，计算该分布直线上所有点云数据的局部距离值的加权方差，进行负相关映射并归一化处理，获得该分布直线的规整度。

进一步地，所述根据目标方向下每个划分平面与相邻划分平面之间数据分布量的变化程度，获得目标方向下每个划分平面的数量变化指标，包括：

对于目标方向下任意一个划分平面，计算该划分平面与相邻每个划分平面之间数量分布量的差异，获得该划分平面的变化差异；

计算该划分平面的所有变化差异的平均值并进行归一化处理，获得该划分平面的数量变化指标。

进一步地，所述基于优选度从所有预设方向中确定最优划分方向，包括：

在所有预设方向中，将优选度为最大值时对应的预设方向作为最优划分方向。

进一步地，所述调整权重的获取方法包括：

依次将每个点云数据作为表征点，在最优划分方向下，将表征点所在划分平面作为表征平面；

根据表征点在表征平面中与邻域点云数据之间距离的偏差情况，获得表征点的邻域分布指标；获取表征点在表征平面的相邻划分平面中的相邻投影点；根据表征点获得邻域分布指标的过程，得到每个相邻投影点的邻域分布指标；计算每个相邻投影点与表征点之间相邻分布指标的差异，获得表征点的延展变化值；

当表征点的延展变化值存在两个时，计算表征点的两个延展变化值之间的差异，进行负相关映射并归一化处理，获得表征点的延展指标；当表征点的延展变化值存在一个时，将表征点的延展变化值进行负相关映射并归一化处理，获得表征点的延展指标；

将表征点的邻域分布指标与延展指标的乘积进行归一化处理，获得表征点的调整权重。

进一步地，所述根据表征点在表征平面中与邻域点云数据之间距离的偏差情况，获得表征点的邻域分布指标，包括：

在表征平面上，将表征点在不同预设邻域方向上距离表征点最近的点云数据作为表征点的邻域点云数据；

计算每个邻域点云数据与表征点之间的距离，作为表征点的邻域距离；将表征点的所有邻域距离的方差，作为表征点的邻域分布指标。

进一步地，所述基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果，包括：

在ICP算法对点云数据进行精配准过程中，将每个点云数据的调整权重加入计算匹配距离的计算中，得到ICP算法匹配后的匹配结果。

进一步地，所述预设方向的选取的范围为[0°，180°)，其中每变化1°方向，获得一个预设方向。

本发明具有如下有益效果：

本发明考虑到表征待装修建筑墙体的点云数据在空间分布上的特征，通过设置多个预设方向，获得每个预设方向下点云数据所在的划分平面，分析在不同平面尺度下点云数据整体的表征程度，在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及所有划分平面之间划分程度的偏差情况，获得每个预设方向的优选度，当点云数据在预设方向下分布越趋近于表征墙体的特征，说明在预设方向的尺度下能够反映出墙体特征的点云数据越多，因此根据优选度确定的最优划分方向，以便于每个点云数据均能在表征情况最好的尺度下分析表征墙体的贡献度。进一步可在最优划分方向下，根据每个点云数据在划分平面的邻域分布，也即以及在相邻划分平面之间的分布，得到每个点云数据的调整权重，综合考虑点云数据在平面中体现的表征信息程度，以及在空间延展性上的可信程度，得到调整权重反映每个点云数据对表征墙体信息的可信程度，提高后续匹配的精度。最终调整权重结合ICP算法实现对点云数据更精确的匹配，得到更准确的建筑BIM模型，对建筑BIM模型进行更可靠的管理。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于BIM的建筑装修智慧管理***结构图；

图2为本发明一个实施例所提供的一种预设方向选取示意图；

图3为本发明一个实施例所提供的一种划分平面局部示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于BIM的建筑装修智慧管理***，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于BIM的建筑装修智慧管理***的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于BIM的建筑装修智慧管理***结构图，该***主要包括：点云数据获取模块101，最优划分方向获取模块102，调整权重获取模块103和建筑数据管理模块104。

点云数据获取模块101，用于获取待装修建筑的粗配准后的点云数据。

在进行建筑BIM模型构建时，需要获取的建筑的精细化点云数据，通过点云数据对其进行模型构建。在采集点云数据时通过激光雷达采集设备采集时，一次性获取不到完整的整体的建筑的点云数据，需要通过多次采集将多次采集的数据进行匹配融合才能获取到完整的三维点云数据。通过ICP算法对多次采集的点云数据结果进行配准，而ICP是通过数据点的最近邻确定数据点的匹配情况的，对噪声数据较为敏感，但设备采集的点云数据中会包含较多噪声数据，将影响最终的匹配结果。

首先需要获取待装修建筑的粗配准后的点云数据，在本发明实施例中，通过不同角度的激光雷达设备多次采集待装修建筑的点云数据，点云数据为表示空间位置的三维坐标信息，三维坐标系对应横轴、纵轴和竖轴。通过ICP算法对点云数据进行配准时，配准过程分为粗配准和细配准，粗配准是大致将不同坐标系下的点云数据对准到同一坐标系下，不考虑精确的几何细节和表面拟合，细配准是在粗配准的基础上迭代进行精细化的数据匹配，得到最终的匹配结果。因此对多次采集的待装修建筑的点云数据进行粗配准，得到粗配准后的点云数据，此时点云数据所在三维坐标系中对应竖轴是垂直于地面的，横轴和纵轴是处于地面的，以便于后续根据点云数据表征的位置分布对建筑信息进行表征。需要说明的是，点云数据的采集和粗配准过程为本领域技术人员熟知的技术手段，在此不做赘述。

最优划分方向获取模块102，用于获得每个预设方向下点云数据所在的划分平面；所有预设方向均平行于地面；在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及划分平面之间划分数量的偏差情况，获得每个预设方向的优选度；基于优选度从所有预设方向中确定最优划分方向。

为了能够在对点云数据进行匹配时，减小噪声干扰的影响，通过每个点云数据能够反映建筑特征的可信程度对匹配过程进行加权。而由于空间中点云数据本身的复杂性，点云数据难以直接反映出一定的建筑特征，因此考虑到待装修建筑墙体本身的分布规整特征，墙体均为垂直于地面的存在，因此基于垂直于地面的平面，通过平面上点云数据的分布规整情况，可以分析每个点云数据对于墙体匹配构建的贡献程度。又因为建筑墙体虽垂直于地方但平面方向是多变的，也即为平面是可绕着竖轴旋转的，在不同的方向下统一表征点云数据的贡献效果也是不同，因此需要先寻找一个对于所有点云数据均能最优表征特征情况的方向，再进行在该方向下根据点云数据表征特征情况对权重的分析。

首先获得每个预设方向下点云数据所在的划分平面，所有预设方向均平行于地面，在本发明实施例中，预设方向的选取主要在于对垂直地面的平面方向进行选取，因此不考虑方向与地面的关系，也即为所有方向均与地面平行进行选取，预设方向选取的范围为[0°，180°)，其中每变化1°方向，获得一个预设方向。在每个预设方向下，将每个点云数据在沿对应预设方向下所处的平面，作为每个预设方向的划分平面，所有划分平面均垂直于地面，由于每个预设方向的划分平面是根据点云数据位置确定的，因此每个划分平面上包含至少一个点云数据，每个点云数据在每个预设方向下仅存在于一个划分平面中。

请参阅图2，其示出了本发明一个实施例提供的一种预设方向选取示意图，展示了待装修房屋建筑的俯视结构示意图，此时选取的方向均为平行与地方的，其中0°表示为0°对应的预设方向，90°表示为90°对应的预设方向，可以理解的是，在房屋结构示意图上激光采集到的点云数据基本位于结构墙体上，故A和B可以表示为在90°预设方向下的其中两个划分平面，在面向地面的俯视状态下表现为线的形式。

在多样化的建筑房屋结构中，点云数据在不同预设方向的平面上均具有一定的特征表征性，但为了使点云数据之间的匹配过程更可信，需要选取一个预设方向综合反映不同点云数据的特征表征情况，此预设方向为点云数据整体表征特征状态的最优选择，请参阅图3，其示出了本发明一个实施例提供的一种划分平面局部示意图，在优选情况下，平面上的点云数据将是规整排布的。因此在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及划分平面之间划分程度的偏差情况，获得每个预设方向的优选度，优选度反映每个预设方向下点云数据的分布优选情况。

优选地，依次将每个预设方向作为目标方向，对于每个预设方向均进行同样的分析，对于目标方向下的任意一个划分平面，将该划分平面中每个点云数据沿目标方向上的直线作为该划分平面的分布直线，每个分布直线上至少存在一个点云数据，通过分布直线分析点云数据在划分平面中的规整程度。

根据每个分布直线上点云数据之间的分布离散情况，以及每个分布直线与相邻分布直线的上点云数据的分布位置，获得每个分布指标的规整度，在本发明一个实施例中，对于任意一个分布直线，依次将该分布直线上每个点云数据作为参考点，计算在该分布直线上参考点与相邻每个点云数据之间的距离差异，并对参考点的距离差异求平均值，获得参考点的局部距离值，参考点在分布直线上通常会存在两个相邻的点云数据，也即每个参考点会计算出两个距离差异，仅当参考点位于分布直线的首尾时存在一个相邻的点云数据，此时仅有一个距离差异，最终根据距离差异的平均值反映参考点与相邻点云数据之间的相距情况。需要说明的是，三维空间中两个数据点之间的距离可利用欧式距离计算，欧式距离计算方法为本领域技术人员熟知的技术手段，在此不做赘述。

通过分布直线上每个点云数据的局部距离值的离散情况，可以点云数据在直线分布上的规整程度，考虑到在整体分布规律情况下，具有特征的点云数据在垂直与分布直线的方向上也应该存在相邻的点云数据，因此通过参考点与相邻分布直线上点云数据的位置情况对局部距离值的离散计算进行加权。进一步地，在该分布直线的相邻分布直线上，将与参考点距离最近的点云数据作为参考点的邻近点，仅当参考点所在分布直线在首尾时，只存在一条相邻的分布直线，参考点存在一个邻近点，一般情况下参考点的所在分布直线相邻的分布直线存在两个，因此参考点的邻近点至少存在两个，需要说明的是，若在一条相邻分布直线上与参考点距离最近的点云数据存在多个，其夹角的值是不变的，不影响邻近点与参考点之间角度的计算结果，因此多个距离最近的点云数据均可作为邻近点。

获取参考点与每个邻近点之间的连线，计算每个连线与目标方向之间夹角的余弦值，获得参考点的角度偏差值，角度偏差值通过邻近点与参考点之间夹角情况，分析参考点在垂直于目标方向下的规整情况。计算参考点所有角度偏差值的平均值，并进行负相关映射，获得参考点的位置权重，当位置权重越大，说明参考点在相邻分布直线上的邻近点分布越趋近于垂直，参考点的规则分布可能性越大。将位置权重作为每个点云数据的权重，计算该分布直线上所有点云数据的局部距离值的加权方差，进行负相关映射并归一化处理，获得该分布直线的规整度，规整度反映了该分布直线上点云数据分布可能为规整墙面分布的程度，也即为点云数据表证位置特征的优选程度。在本发明实施例中，规整度的表达式为：

式中，表示为第/>个分布直线的规整度，/>表示为第/>个分布直线上点云数据的数量，/>表示为第/>个分布直线上第/>个点云数据的局部距离值，/>表示为第/>个分布直线上点云数据的局部距离值的平均值，/>表示为第/>个分布直线上第/>个点云数据的所有角度偏差值的平均值，/>表示为以自然常数为底的指数函数。

其中，表示为第/>个分布直线上第/>个点云数据的位置权重，表示为将位置权重作为权重，计算该分布直线上所有点云数据的局部距离值的加权方差，加权方差为本领域技术人员熟知的技术手段，在此对具体公式意义不再赘述。当方差越大说明分布直线上点云数据之间的分布越混乱，其优选程度越低，因此通过负相关映射得到分布直线的规整度。进一步将该划分平面上所有分布直线的规整度的累加值，作为该划分平面的分布指标，整合每个分布直线的规整度，得到划分平面整体点云数据的分布情况，当分布指标越大，说明点云数据分布越优，该划分方向的优选性越高。

进一步地，统计每个划分平面中点云数据的总数量，获得每个划分平面的数据分布量，通过点云数据被划分在平面中的数量变化进行优选情况分析。根据目标方向下每个划分平面与相邻划分平面之间数据分布量的变化程度，获得目标方向下每个划分平面的数量变化指标，在本发明一个实施例中，对于目标方向下任意一个划分平面，计算该划分平面与相邻每个划分平面之间数量分布量的差异，获得该划分平面的变化差异，变化差异反映点云数据被划分的程度，当越多的点云数据被划分在一个划分平面中时，点云数据会更多的存在几个划分平面中，其与其他划分平面之间的数量变化将是较大的，此时的划分情况更优。计算该划分平面的所有变化差异的平均值，并进行归一化处理，获得该划分平面的数量变化指标，当数量变化指标越小，说明在此划分方向下该划分平面的局部数量变化较小，划分情况优选度不佳。

结合划分平面整体的数量变化和平面内点云数据的分布变化，综合分析优选地，根据目标方向下每个划分平面的分布指标和数量变化指标，获得目标方向下每个划分平面的分布规整度，分布指标和数量变化指标均与分布规整度呈正相关，当分布指标和数量变化指标越大，说明划分平面的划分的点云数据的数量优选度高，点云数据在划分平面中的分布优选度高。将目标方向下所有划分平面的分布规整度相加，获得目标方向下的优选度，优选度通过对划分平面中点云数据的分布情况进行分析，得到预设方向下点云数据能够在平面中表征特征的程度，在本发明实施例中，优选度的表达式为：

式中，表示为第/>个预设方向的优选度，/>表示为第/>个预设方向下划分平面的总数量，/>表示为第/>个预设方向下第/>个划分平面的所有变化差异的平均值，/>表示为第/>个预设方向下第/>个划分平面中分布直线的总数量，/>表示为第/>个预设方向下第/>个划分平面中第/>个分布直线的规整度，/>表示为归一化函数，需要说明的是，归一化为本领域技术人员熟知的技术手段，归一化函数的选择可以为线性归一化或标准归一化等，具体的归一化方法在此不做限定。

其中，表示为第/>个预设方向下第/>个划分平面的数量变化指标，表示为第/>个预设方向下第/>个划分平面的分布指标，/>表示为第/>个预设方向下第/>个划分平面的分布规整度，通过乘法的形式反映分布指标和数量变化指标均与分布规整度呈正相关，在本发明其他实施例中，可运用其他基础数学运算反映分布指标和数量变化指标均与分布规整度呈正相关，如加法或幂运算等，在此不做限制。当整体划分平面的分布规整度越高，说明该预设方向的优选度越高。

基于优选度从所有预设方向中确定最优划分方向，在最优划分方向下点云数据能整体表征建筑墙体的特征越优，优选地，在所有预设方向中，将优选度为最大值时对应的预设方向作为最优划分方向，在最优划分方向下，划分平面中点云数据的综合表征建筑墙体等特征情况是最优的，以便于后续根据更优选的表征情况降低噪声数据的影响。

调整权重获取模块103，用于在最优划分方向下，根据每个点云数据在所在划分平面中的邻域点云数据分布混乱情况，以及每个点云数据与相邻划分平面中点云数据的分布偏差情况，得到每个点云数据的调整权重。

在最优划分方向下，相当于将所有点云数据放在统一尺度下进行分析，在后续ICP算法匹配过程中，能够表征出建筑墙体的点云数据可信程度更高，而对于表征情况较低的，则考虑其噪声可能性，降低其可信程度，能够有效提高ICP算法的鲁棒性。因此在最优划分方向下，根据每个点云数据在所在划分平面中的邻域点云数据分布混乱情况，以及每个点云数据与相邻划分平面中点云数据的分布偏差情况，得到每个点云数据的调整权重，通过调整权重反映每个点云数据的表征程度。

优选地，依次将每个点云数据作为表征点，在最优划分方向下，将表征点所在划分平面作为表征平面，首先分析表征点在表征平面中的分布情况，根据表征点在表征平面中与邻域点云数据之间距离的偏差情况，获得表征点的邻域分布指标，在本发明一个实施例中，在表征平面上，将表征点在不同预设邻域方向上距离表征点最近的点云数据作为表征点的邻域点云数据，邻域点云数据为表征点的局部点云数据，在表征点表征墙体特征时，其与局部的点云数据之间距离是较为接近的均匀分布，因此通过表征点和邻域点云数据的距离分布情况反映表征点可表征特征的程度。计算每个邻域点云数据与表征点之间的距离，作为表征点的邻域距离，将表征点的所有邻域距离的方差，作为表征点的邻域分布指标，当邻域分布指标越大，说明表征点局部的点云数据分布较为混乱，表征点表征的墙体特征效果较弱，噪声可能性较大。在本发明实施例中，预设邻域方向为点云数据的八邻域方向，每个预设邻域方向表示为八邻域方向的每个方向，实施者可根据具体实施情况进行调整，例如选择四邻域方向等，在此不做限制。

考虑到具有表征特征的点云数据在空间分布上具有一定的延展性，例如墙体的双面特征，或因为粗配准过程使局部位置上的点存在的空间差异等等，使得点云数据在相邻划分平面上具有相似的表征特征程度。因此获取表征点在表征平面的相邻划分平面中的相邻投影点，根据表征点获得邻域分布指标的过程，得到每个相邻投影点的邻域分布指标，相邻投影点通过所在划分平面中邻域点云数据之前的距离差异进行计算，由于获取方法与表征点一致，因此不再赘述。需要说明的是，点在平面之间的投影为本领域技术人员熟知的技术手段，在此不做赘述。

进一步地，计算每个相邻投影点与表征点之间相邻分布指标的差异，获得表征点的延展变化值，延展变化值反映表征点在相邻划分平面中的表征特征情况的差异。当表征点的延展变化值存在两个时，通常情况下表征平面存在两个相邻的划分平面，也即延展变化值存在两个，计算表征点的两个延展变化值之间的差异，进行负相关映射并归一化处理，获得表征点的延展指标，当差异越小，说明相似性越高，表征点在空间上具有延展性，延展指标越高。当表征点的延展变化值存在一个时，也即表征平面处于划分平面的首尾，仅存在一个相邻划分平面，将表征点的延展变化值进行负相关映射并归一化处理，获得表征点的延展指标，通过一个延展变化值反映表征点的延展特征。

最终，结合表征点在表征平面的分布以及在空间中的延展特征，将表征点的邻域分布指标与延展指标的乘积进行归一化处理，获得表征点的调整权重。在本发明实施例中，调整权重的表达式为：

式中，表示为第/>个点云数据的调整权重，/>表示为第/>个点云数据的邻域分布指标，/>表示为第/>个点云数据的第1个相邻投影点的邻域分布指标，/>表示为第/>个点云数据的第2个相邻投影点的邻域分布指标，/>表示为绝对值提取函数，/>表示为以自然常数为底的指数函数，/>表示为归一化函数。

其中，表示为第/>个点云数据与第1个相邻投影点的延展变化值，表示为第/>个点云数据与第2个相邻投影点的延展变化值，表示为第/>个点云数据的延展指标。当点云数据的延展指标越大，邻域分布指标越大，说明点云数据越能表征建筑墙体的特征位置，因此点云数据越可信，故点云数据的调整权重越大。

建筑数据管理模块104，用于基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果；通过匹配结果构建待装修建筑的建筑BIM模型进行建筑装修智慧管理。

ICP算法是点云数据匹配的常用算法，通过精确拼接方法迭代最近点，主要分为四个阶段：对点云数据采样，确定初始对应点击，去除错误对应点对，坐标变换求解。其中错误点去除为配准过程关系着配准的精度，也即将不可靠不够兼容的点进行去除，因此考虑到房屋建筑结构的空间特征，提高具有表征位置信息的点云数据的保留性，以减小噪声数据干扰。

基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果，在本发明实施例中，在ICP算法对点云数据进行精配准过程中，将每个点云数据的调整权重加入计算匹配距离的计算中，得到ICP算法匹配后的匹配结果。需要说明的是，ICP算法具体的匹配过程为本领域技术人员熟知的技术手段，调整权重为对点云数据的可信程度进行调整，使得匹配过程在考虑距离时同时考虑了点云数据的噪声性，加权为常用计算手段，在此不做具体赘述。

通过匹配后的匹配结果，点云数据能够更精准的表征建筑内部空间位置，通过点云数据的匹配结果生成建筑BIM模型，得到精确的建筑BIM模型，需要说明的是，生成BIM模型的方法为本领域技术人员公知的技术手段，在此不做赘述。在本发明实施例中，建筑BIM模型可存储到建筑数据管理***中进行存储，便于后续装修实施过程等数据运用的展示。

综上，本发明考虑到表征待装修建筑墙体的点云数据在空间分布上的特征，通过设置多个预设方向，获得每个预设方向下点云数据所在的划分平面，分析在不同平面尺度下点云数据整体的表征程度，在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及所有划分平面之间划分程度的偏差情况，获得每个预设方向的优选度，当点云数据在预设方向下分布越趋近于表征墙体的特征，说明在预设方向的尺度下能够反映出墙体特征的点云数据越多，因此根据优选度确定的最优划分方向，以便于每个点云数据均能在表征情况最好的尺度下分析表征墙体的贡献度。进一步可在最优划分方向下，根据每个点云数据在划分平面的邻域分布，也即以及在相邻划分平面之间的分布，得到每个点云数据的调整权重，综合考虑点云数据在平面中体现的表征信息程度，以及在空间延展性上的可信程度，得到调整权重反映每个点云数据对表征墙体信息的可信程度，提高后续匹配的精度。最终调整权重结合ICP算法实现对点云数据更精确的匹配，得到更可靠的建筑BIM模型进行管理。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (9)

1.一种基于BIM的建筑装修智慧管理***，其特征在于，所述***包括：

点云数据获取模块，用于获取待装修建筑的粗配准后的点云数据；

最优划分方向获取模块，用于获得每个预设方向下点云数据所在的划分平面；所有预设方向均平行于地面；在每个预设方向下，根据每个划分平面中点云数据的分布规整情况，以及划分平面之间划分数量的偏差情况，获得每个预设方向的优选度；基于优选度从所有预设方向中确定最优划分方向；

调整权重获取模块，用于在最优划分方向下，根据每个点云数据在所在划分平面中的邻域点云数据分布混乱情况，以及每个点云数据与相邻划分平面中点云数据的分布偏差情况，得到每个点云数据的调整权重；

建筑数据管理模块，用于基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果；通过匹配结果构建待装修建筑的建筑BIM模型进行建筑装修智慧管理；

所述优选度的获取方法包括：

依次将每个预设方向作为目标方向，对于目标方向下的任意一个划分平面，将该划分平面中每个点云数据沿目标方向上的直线作为该划分平面的分布直线；

根据每个分布直线上点云数据之间的分布离散情况，以及每个分布直线与相邻分布直线的上点云数据的分布位置，获得每个分布指标的规整度；将该划分平面上所有分布直线的规整度的累加值，作为该划分平面的分布指标；

统计每个划分平面中点云数据的总数量，获得每个划分平面的数据分布量；根据目标方向下每个划分平面与相邻划分平面之间数据分布量的变化程度，获得目标方向下每个划分平面的数量变化指标；

根据目标方向下每个划分平面的分布指标和数量变化指标，获得目标方向下每个划分平面的分布规整度；分布指标和数量变化指标均与分布规整度呈正相关；

将目标方向下所有划分平面的分布规整度相加，获得目标方向下的优选度。

2.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述获得每个预设方向下点云数据所在的划分平面，包括：

在每个预设方向下，将每个点云数据在沿对应预设方向下所处的平面，作为每个预设方向下的划分平面；所有划分平面均垂直于地面。

3.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述根据每个分布直线上点云数据之间的分布离散情况，以及每个分布直线与相邻分布直线的上点云数据的分布位置，获得每个分布指标的规整度，包括：

对于任意一个分布直线，依次将该分布直线上每个点云数据作为参考点；

计算在该分布直线上参考点与相邻每个点云数据之间的距离差异，并对参考点的距离差异求平均值，获得参考点的局部距离值；

在该分布直线的相邻分布直线上，将与参考点距离最近的点云数据作为参考点的邻近点；获取参考点与每个邻近点之间的连线；计算每个连线与目标方向之间夹角的余弦值，获得参考点的角度偏差值；计算参考点所有角度偏差值的平均值，并进行负相关映射，获得参考点的位置权重；

将位置权重作为每个点云数据的权重，计算该分布直线上所有点云数据的局部距离值的加权方差，进行负相关映射并归一化处理，获得该分布直线的规整度。

4.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述根据目标方向下每个划分平面与相邻划分平面之间数据分布量的变化程度，获得目标方向下每个划分平面的数量变化指标，包括：

对于目标方向下任意一个划分平面，计算该划分平面与相邻每个划分平面之间数量分布量的差异，获得该划分平面的变化差异；

计算该划分平面的所有变化差异的平均值并进行归一化处理，获得该划分平面的数量变化指标。

5.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述基于优选度从所有预设方向中确定最优划分方向，包括：

在所有预设方向中，将优选度为最大值时对应的预设方向作为最优划分方向。

6.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述调整权重的获取方法包括：

依次将每个点云数据作为表征点，在最优划分方向下，将表征点所在划分平面作为表征平面；

根据表征点在表征平面中与邻域点云数据之间距离的偏差情况，获得表征点的邻域分布指标；获取表征点在表征平面的相邻划分平面中的相邻投影点；根据表征点获得邻域分布指标的过程，得到每个相邻投影点的邻域分布指标；计算每个相邻投影点与表征点之间相邻分布指标的差异，获得表征点的延展变化值；

当表征点的延展变化值存在两个时，计算表征点的两个延展变化值之间的差异，进行负相关映射并归一化处理，获得表征点的延展指标；当表征点的延展变化值存在一个时，将表征点的延展变化值进行负相关映射并归一化处理，获得表征点的延展指标；

将表征点的邻域分布指标与延展指标的乘积进行归一化处理，获得表征点的调整权重。

7.根据权利要求6所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述根据表征点在表征平面中与邻域点云数据之间距离的偏差情况，获得表征点的邻域分布指标，包括：

在表征平面上，将表征点在不同预设邻域方向上距离表征点最近的点云数据作为表征点的邻域点云数据；

计算每个邻域点云数据与表征点之间的距离，作为表征点的邻域距离；将表征点的所有邻域距离的方差，作为表征点的邻域分布指标。

8.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述基于每个点云数据的调整权重结合ICP算法，获得点云数据的匹配结果，包括：

在ICP算法对点云数据进行精配准过程中，将每个点云数据的调整权重加入计算匹配距离的计算中，得到ICP算法匹配后的匹配结果。

9.根据权利要求1所述一种基于BIM的建筑装修智慧管理***，其特征在于，所述预设方向的选取的范围为[0°，180°)，其中每变化1°方向，获得一个预设方向。