王 佳，吳 磊，周小平，宋冰玉，李亮輝

基于構(gòu)件形狀分布和配準(zhǔn)位置的BIM模型對比方法

王 佳1,2，吳 磊1，周小平1,2，宋冰玉3，李亮輝4

(1. 北京建筑大學(xué)電氣與信息工程學(xué)院，北京 100044；2. 建筑大數(shù)據(jù)智能處理方法研究北京市重點實驗室，北京 102616；3. 盈嘉互聯(lián)(北京)科技有限公司，北京 100041；4. 北京市首發(fā)高速公路建設(shè)管理有限責(zé)任公司，北京 101117)

建筑全生命周期的各個階段中會出現(xiàn)各種不同版本的BIM模型，其間的差異可以對建筑的施工和運維階段提供決策支持。大部分BIM模型對比都是基于目視檢查、手動計數(shù)和選擇性屬性檢查。盡管目前有學(xué)者和相關(guān)機構(gòu)研究了一些自動比較BIM模型的方法，但大多依賴于模型中構(gòu)件的ID，而且比較的結(jié)果無法直觀地體現(xiàn)到具體構(gòu)件、具體屬性上。針對以上問題，提出了一種基于形狀分布和位置配準(zhǔn)的BIM模型對比方法，即提取構(gòu)件特征進行構(gòu)件匹配，從構(gòu)件級進行BIM模型對比。首先根據(jù)構(gòu)件的幾何信息構(gòu)造構(gòu)件的形狀分布，計算類型相近構(gòu)件的形狀分布之間的相似度；再配準(zhǔn)構(gòu)件的位置，計算位置之間的相似度；然后結(jié)合2個相似度進行構(gòu)件匹配，比較匹配構(gòu)件之間的差異；最后得出模型間的差異，并利用WebGL進行可視化展示。該方法忽略了構(gòu)件ID變化對模型對比的影響，并且能得出模型構(gòu)件級別的差異。

建筑信息模型；模型對比；忽略構(gòu)件ID；形狀分布；構(gòu)件匹配；可視化展示

建筑信息模型(building information modelling，BIM)以三維數(shù)字化技術(shù)為基礎(chǔ)，集成工程項目規(guī)劃、設(shè)計、施工、運維等各個階段的信息[1]。隨著城市建設(shè)的不斷加快，BIM技術(shù)在建筑全生命周期中的應(yīng)用越來越廣，各個階段中出現(xiàn)的不同版本的BIM模型也越來越多。其中有些是因為需求的改變而修改的模型，而有些是因為設(shè)計、施工與運維方[2-3]對BIM模型的標(biāo)準(zhǔn)不一樣[4]。在以往的模型對比中，只能通過目視和手動檢查的方式找出不同版本之間差異，無法直接觀察，費時費力，結(jié)果具有的準(zhǔn)確度和可信度也不高[5]。因此，能自動檢測出模型之間差異的對比方法成為了BIM領(lǐng)域的迫切需求，其對于建筑全生命周期推廣和應(yīng)用也具有巨大的影響。

目前，對比不同版本之間BIM模型的差異是各國學(xué)者與行業(yè)相關(guān)的公司研究的熱點。一些學(xué)者提出根據(jù)工業(yè)基礎(chǔ)類(industry foundation classes，IFC)格式文件進行BIM模型對比，其中部分學(xué)者根據(jù)IFC文件的文本信息對比IFC文件的差異[6]，但忽略了IFC文件中的結(jié)構(gòu)，只對比了文本之間的差異，其結(jié)果對于整個BIM模型沒有實際的意義。XIN等[7]提出基于IFC內(nèi)容構(gòu)造模型樹狀圖，利用樹狀圖來對比2個IFC文件之間的差異的方法。該方式只是針對IFC文件進行的，對比的結(jié)果只是IFC文件中各個實例實體之間的差異，即使是專業(yè)人員也難讀懂之間的差異。國內(nèi)外BIM領(lǐng)域相關(guān)公司的平臺或網(wǎng)站，例如廣聯(lián)達的BIMFACE[8]、盈嘉互聯(lián)的小紅磚[9]、Autodesk的Navisworks[10]等軟件推出了基于構(gòu)件ID的對比方法，該方法能夠準(zhǔn)確得出2個模型中相同ID構(gòu)件的差異。但是在模型版本更替過程中，構(gòu)件ID隨時會發(fā)生改變，即使是在同一個模型，同時導(dǎo)出的2個相同版本中，ID也有可能發(fā)生變化。在不同版本中的BIM模型中，ID變化更為明顯。而該方法直接將ID發(fā)生改變的構(gòu)件視為新增/刪除的構(gòu)件。并且構(gòu)件的并行運算可以提高計算效率和內(nèi)部儲存性能[11]。針對以上BIM模型對比現(xiàn)在存在的問題，本文提出了一種全新的BIM模型對比方法。該方法主要有以下幾點創(chuàng)新和貢獻：①忽略構(gòu)件ID對BIM模型造成的影響，而根據(jù)構(gòu)件形狀分布和位置信息進行構(gòu)件匹配；②從構(gòu)件級進行BIM模型對比，得到模型構(gòu)件級別的差異；③通過三維可視化的方式將對比結(jié)果展示出來。

該方法在進行模型對比時，首先構(gòu)造模型所有構(gòu)件的形狀分布，利用形狀分布來表示一個構(gòu)件，計算形狀分布之間的相似度；通過坐標(biāo)系配準(zhǔn)所有構(gòu)件的位置，計算位置相似度；位置相似度與形狀分布的相似度結(jié)合，進行構(gòu)件匹配；最后比較相匹配構(gòu)件之間的差異，并將比較結(jié)果通過三維可視化的形式展示出來。基本框架如圖1所示。

1 模型信息與形狀分布

1.1 BIM模型信息

BIM是建設(shè)項目的物理特性與功能特性的數(shù)字化表示，且是從建設(shè)項目的最初概念設(shè)計開始的整個生命周期里做出任何決策的可靠共享信息資源[12]。BIM模型不僅作為建筑模型的可視化表達，還是大量建筑數(shù)據(jù)的載體。本文主要從構(gòu)件級來比較2個版本BIM模型之間的差異，構(gòu)件的信息包括建筑構(gòu)件的幾何信息、位置信息和屬性信息等。

1.1.1 幾何信息

一個BIM模型是由若干個不同類型的構(gòu)件組成，構(gòu)件一般是由若干個三角面拼接而成，其中三角面的點的坐標(biāo)和三角面的拼接規(guī)則構(gòu)成了構(gòu)件的幾何信息。幾何信息中的點集，根據(jù)三角面的索引組成若干個三角面，三角面根據(jù)其位置又構(gòu)成了構(gòu)件的三角網(wǎng)格模型，再通過幾何信息中的顏色索引規(guī)則，渲染三角網(wǎng)格的顏色，最終得出構(gòu)件的真實模型。本文通過構(gòu)件的幾何信息來構(gòu)造構(gòu)件的形狀分布。

圖1 基于形狀分布和位置配準(zhǔn)的BIM模型對比方法研究框架

1.1.2 位置信息

BIM模型中構(gòu)件的位置信息是指構(gòu)件在其世界坐標(biāo)系下的坐標(biāo)位置信息，一般來說，一個構(gòu)件含有一個(,,)的坐標(biāo)位置信息。在BIM模型版本更替的過程中，模型的世界坐標(biāo)系有可能發(fā)生改變，同時構(gòu)件的坐標(biāo)位置信息也就發(fā)生了變化，而大部分構(gòu)件之間的相對位置是不會發(fā)生變化的。如圖2所示，圖2(a)為BIM模型，圖2(b)為用立方體代替BIM模型中構(gòu)件的構(gòu)件位置圖，本文將以此進行構(gòu)件位置的匹配。

圖2 BIM模型與其構(gòu)件位置

1.1.3 屬性信息

BIM模型構(gòu)件的屬性信息主要分為2個部分，第一部分為建筑設(shè)計師在建造BIM模型時，建模軟件自動生成的一些構(gòu)件所固有的信息。以Revit三維建模軟件為例，構(gòu)件所固有的信息包括構(gòu)件的標(biāo)高、族類型、限制條件等等。第二部分為建筑設(shè)計師根據(jù)項目需求，在構(gòu)件和模型子系統(tǒng)中添加的項目信息或者模型系統(tǒng)信息等。BIM模型不同版本之間的變化也主要體現(xiàn)在屬性信息的變化。

1.2 形狀分布方法

在BIM模型中，構(gòu)件樣式眾多、大小不一，比較大的BIM模型在構(gòu)件數(shù)量上能夠達到幾萬，所以需要一種能夠準(zhǔn)確地描述構(gòu)件特征的形狀函數(shù)，而且具有快速性，對構(gòu)件的旋轉(zhuǎn)、移動、翻轉(zhuǎn)不敏感等特征。國外有學(xué)者提出了5種構(gòu)造構(gòu)件形狀分布的方法[13]，本文在此基礎(chǔ)上做了相關(guān)實驗，并選擇了其中2種結(jié)果相對好的方法，作為本文構(gòu)造形狀分布的方法：

方法1. 測量若干組構(gòu)件中心點到表面任一隨機點的距離，定義為1，采用該方法得出的形狀分布定義為1分布。

方法2. 測量若干組構(gòu)件表面2個隨機點之間的距離，定義為2，采用該方法得出的形狀分布定義為2分布。

構(gòu)造構(gòu)件的形狀分布主要步驟為：

步驟1. 以三角面面積為權(quán)重在構(gòu)件表面選取若干組隨機點(構(gòu)件由若干三角面組成)，并計算2個隨機點之間或者隨機點到中心點的歐式距離。

步驟1.1.遍歷組成3D模型的所有三角面，計算其面積，并將其每次的累積結(jié)果儲存到面積數(shù)組中；

步驟1.2.生成一個0到最大面積之間的隨機數(shù)，以每個三角面的面積為權(quán)重，通過二分法來選擇一個隨機的三角面；

步驟1.3.在選擇的三角面的邊上選擇一個隨機點1，再在邊1上選擇第2個隨機點，第2個點就是選擇出來的隨機點，如圖3所示。

圖3 三角面中取隨機點

步驟2. 根據(jù)步驟1得到的所有距離，統(tǒng)計其在0到最大距離之間的分布情況，最后得到一個分布數(shù)組，也就是構(gòu)件的形狀分布。

采用以上的方法選取若干組隨機點，并計算2個隨機點或者隨機點到中心點的歐式距離。在步驟2中，統(tǒng)計步驟1的距離結(jié)果，計算其在0到最大距離的分布，得到一個維的形狀分布數(shù)組，該數(shù)組就是構(gòu)件的形狀分布。

由圖4可以看出，門和窗構(gòu)件在外形上存在相似性，又存在細節(jié)上的差異，二者形狀分布曲線整體相似，但也存在細節(jié)上的差異，說明形狀分布的方法能夠有效地表達構(gòu)件之間的共性與差異。在構(gòu)件的形狀分布圖中，橫坐標(biāo)為隨機采樣距離與其中最大值的比值，用百分數(shù)表示，縱坐標(biāo)表示分布在該距離比值的概率。

形狀分布能夠快速地將三維模型轉(zhuǎn)化為參數(shù)化的向量，使其更加容易與其他構(gòu)件進行對比，該向量是構(gòu)件唯一的簽名。并且形狀分布的方法構(gòu)造的形狀分布曲線具有對于構(gòu)件的平移、旋轉(zhuǎn)、鏡像的不變性。再者形狀分布的方法采樣隨機，對小的擾動不敏感，具有一定的魯棒性。因此本文將用形狀分布的方法進行實驗。

圖4 構(gòu)件及其形狀分布

2 構(gòu)件匹配與模型對比

本文是從構(gòu)件級來比較BIM模型不同版本之間的差異。①通過構(gòu)件的幾何信息建立構(gòu)件的形狀分布；②計算2個BIM模型(,)同類型的每2個構(gòu)件之間的幾何相似度(geometrical similarity)；③配準(zhǔn)2個模型的坐標(biāo)系，并計算同類型的每2個構(gòu)件之間的位置相似度(position similarity)；④根據(jù)2個相似度結(jié)合的結(jié)果，對構(gòu)件進行一一匹配；⑤對匹配結(jié)果中的每一對構(gòu)件進行屬性的比對，最終得出具體到2個模型構(gòu)件級別上的差異。本文的創(chuàng)新主要體現(xiàn)在構(gòu)造形狀分布和2種形狀分布的結(jié)合上，將構(gòu)造形狀分布和形狀相似度結(jié)合分作2個步驟，而坐標(biāo)系的匹配和構(gòu)件的匹配合并成1個步驟，所以從輸入2個BIM模型開始，該方法主要包括：

2.1 構(gòu)造形狀分布

在第1節(jié)中介紹了2種構(gòu)造形狀分布方法，其對構(gòu)件的描述具有更高的準(zhǔn)確性，而且在構(gòu)造形狀分布時，由于每一組取得隨機點數(shù)較少，所以在耗時上也優(yōu)于其他幾種方法。在本節(jié)中將主要針對1與2分布的特點與其中參數(shù)的選擇進行展開。

圖5(a)~(d)分別是形狀分布方法1和2來描述多個構(gòu)件的形狀分布曲線圖。橫坐標(biāo)為2個點之間的歐式距離，縱坐標(biāo)為2個點之間歐式距離的概率分布。圖5(a)和(b)計算了5個bathtub類的構(gòu)件，分別采用1和2分布，圖5(c)和(d)用2種方式描述了6類不同的構(gòu)件?？梢钥闯觯?在描述同類型構(gòu)件形狀分布的表現(xiàn)不及2，而2在描述不同類型構(gòu)件的形狀分布的區(qū)別沒有1明顯，所以本研究將結(jié)合2種方式來進行實驗。

圖5 同類和不同類構(gòu)件的F1和F2分布

在選擇了形狀分布方法之后，接下來就是選擇一個合適的采樣數(shù)和概率分布向量的維度。為此，本文實驗的樣本數(shù)從1萬開始，每次增加1萬個數(shù)據(jù)量，每次采樣2組，并計算其間的相似度，迭代到為100萬數(shù)據(jù)量為止。根據(jù)實驗得出，隨著采樣數(shù)量的增加，形狀分布曲線越來越穩(wěn)定，其不同次采樣的形狀分布之間的相似度也越來越高，相似度向1收斂。圖6和圖7分別測試了2個不同形狀分布方法的采樣相似度，圖8測試了2個不同構(gòu)件之間的相似度，并將相似度與=100萬時穩(wěn)定的相似度相減，取其絕對值?？梢钥闯觯诓蓸訑?shù)為20萬，得到的形狀分布趨近穩(wěn)定，不同次構(gòu)造的形狀分布之間的相似度足夠高(≥0.9996)。而形狀分布向量為100維時，得到的效果較優(yōu)，所以在本文中以=20萬，為100維進行實驗。

圖6 門構(gòu)件不同采樣數(shù)的相似度

圖7 窗構(gòu)件不同采樣數(shù)的相似度

圖8 不同構(gòu)件不同采樣數(shù)的相似度差值

根據(jù)以上的方式，可以得到2個BIM模型所有構(gòu)件的形狀分布向量，該形狀分布向量可以用作構(gòu)件的特征和唯一的簽名，為接下來的相似度計算提供了便利。

2.2 形狀分布相似度

本文在2.1節(jié)中從形狀分布曲線分析了2種形狀分布的優(yōu)劣勢，本步驟將從具體相似度上分析2種形狀分布的特點，并給出2種形狀分布的結(jié)合方式。

在構(gòu)造了構(gòu)件的形狀分布之后，需要評估各個構(gòu)件形狀分布之間的相似度，即幾何相似度。本文嘗試了多種簡單的差異度量方式，包括歐式距離[14]、明可夫斯基距離、曼哈頓距離、余弦相似度、J-S散度、Wasserstein距離、Hellinger距離和皮爾森相關(guān)系數(shù)。其中歐式距離、明可夫斯基距離和曼哈頓距離雖然能夠表達出構(gòu)件形狀分布之間的相關(guān)性，只能得出2個形狀描述向量之間的距離數(shù)值，無法準(zhǔn)確的描述出2個構(gòu)件之間具體的相似度。其在構(gòu)件相關(guān)性推薦上可以使用，而本文需要衡量具體的相似度，所以不采用以上3種方式進行評估。J-S散度、Hellinger距離和Wasserstein距離所表現(xiàn)的結(jié)果與實際構(gòu)件之間的相似程度差別較大。余弦相似度和歸一化之后的皮爾森相關(guān)系數(shù)則能準(zhǔn)確地得出一個從0到1之間的數(shù)值，用來表示2個形狀分布之間的相似度。而余弦相似度得出的結(jié)果相對于實際情況會偏大。而Pearson相關(guān)系數(shù)能夠有效的反映出構(gòu)件形狀變化之間的差異，所以本文將使用Pearson相關(guān)系數(shù)來度量形狀分布之間的相似度。Pearson相關(guān)系數(shù)能夠得到2個形狀分布之間的線性相關(guān)性，其值在[–1, 1]之間。在本文中，負相關(guān)性并不能表示構(gòu)件之間的相似性，所以只考慮正相關(guān)性，相關(guān)性為負的值全部處理為0，從而達到相似度的歸一化。Pearson相關(guān)系數(shù)為[15]

圖9(a)為10個同類構(gòu)件之間的對比，圖9(b)為10個不同類構(gòu)件之間的對比，每個小方塊代表2個構(gòu)件之間的形狀相似度，顏色越深代表其間的相似度越高。采用的方法為只采用1分布、只采用2分布和將2種方式結(jié)合的方法。由圖9(a)可以看出，現(xiàn)形狀分布方法1在描述同類構(gòu)件之間的相似度時，準(zhǔn)確率沒有2高。由圖9(b)可以看出，描述不同類型的構(gòu)件時，2所表現(xiàn)出來的差異又不及1明顯。所以在評估同類型的構(gòu)件時，1構(gòu)造的形狀分布之間的相似度較低，2構(gòu)造的形狀分布之間的相似度較準(zhǔn)確。而不同類型的構(gòu)件，2構(gòu)造的形狀分布之間的相似度較準(zhǔn)確，1構(gòu)造的形狀分布之間的相似度較準(zhǔn)確。

圖9 F1，F(xiàn)2分布及其結(jié)合在不同情況的表現(xiàn)

本文發(fā)現(xiàn)絕大多數(shù)情況下1分布得到的相似度偏低，2得到的相似度偏高，兩者之間的相似度更能反應(yīng)出2個構(gòu)件之間的相關(guān)性。本文在結(jié)合相似度的過程中，采取了線性權(quán)重的方法和sigmoid結(jié)合的方法。線性權(quán)重的方法得到的相似度分布均勻，沒有明顯的相似與不相似的界限。而sigmoid方法在橫坐標(biāo)小于一定值時，結(jié)果變化明顯，能有效得出相似度的閾值。由于2分布得出的相似度偏高，所以在結(jié)合相似度時，將2所得相似度S2作為相似度上限，S1作為自變量。相似度結(jié)合的方式為

其中，S1和S2分別為2個構(gòu)件的形狀分布之間的相似度，且分別根據(jù)1和2所構(gòu)造的形狀分布計算得出的。當(dāng)與分別為–12與6時，得到的結(jié)果更能有效地區(qū)分是否相似。當(dāng)與分別為–14與7或者其絕對值更大時，得到的相似度會偏高。當(dāng)S1大于0.7時，S1的變化對結(jié)合相似度影響較小。當(dāng)與分別為–10與5或者其絕對值更小時，得到的相似度會偏低，結(jié)合相似度會向S1靠近，是否相似的界限不明顯。所以本文與都以–12和6進行實驗。從圖9可以看出在評估同類構(gòu)件時，2的表現(xiàn)較優(yōu)，評估不同類構(gòu)件時，1較優(yōu)，而將其進行sigmoid結(jié)合，正好彌補了相互之間的缺點，得到了一個更好的效果。

通過以上的方式，計算2個模型之間構(gòu)件的幾何相似度，得出一個×的相似度矩陣，其中模型的構(gòu)件數(shù)量為，模型的構(gòu)件數(shù)量為。為了減少矩陣內(nèi)數(shù)據(jù)量，在相似度對比之前，先對構(gòu)件做了初步篩選，不同類的構(gòu)件之間的幾何相似度直接判定為0，用稀疏矩陣來存儲相似度，從而減少了矩陣的數(shù)據(jù)量和計算量，具體為

2.3 構(gòu)件位置配準(zhǔn)與位置相似度

在BIM模型版本更替的過程中，對于模型的位置信息，很容易出現(xiàn)如下問題：①無法保證模型的坐標(biāo)系保持不變；②一些構(gòu)件只是偏移了很微小的位置，例如門窗的朝向、管道的上下移動等等，對根據(jù)構(gòu)件位置來匹配模型構(gòu)件造成了很大的影響。

為了解決第①個問題，本文測試了多種點云數(shù)據(jù)配準(zhǔn)的方法[16-18]，并從中選擇了效果最好的SVR方法來統(tǒng)一2個模型的坐標(biāo)系[16]。以圖10中的高級住所為例，首先從構(gòu)造形狀分布所取的隨機點中，抽取一部分(每個構(gòu)件100個點)來充當(dāng)每個模型的點云數(shù)據(jù)，該點云數(shù)據(jù)為模型表面的點云數(shù)據(jù)。接下來利用點云匹配算法進行2個模型點云數(shù)據(jù)的配準(zhǔn)。配準(zhǔn)之后得到模型表面點云數(shù)據(jù)配準(zhǔn)的旋轉(zhuǎn)矩陣，該旋轉(zhuǎn)矩陣也是整個模型配準(zhǔn)的旋轉(zhuǎn)矩陣。模型表面點云數(shù)據(jù)配準(zhǔn)的點云分布圖如圖10所示，綠色為模型的點云坐標(biāo)，紅色為模型的點云坐標(biāo)，藍色為模型配準(zhǔn)之后的點云坐標(biāo)。

圖10 模型表面點云數(shù)據(jù)配準(zhǔn)

接下來以構(gòu)件的坐標(biāo)點來代替構(gòu)件，以模型坐標(biāo)點集(,)代替模型，然后用模型旋轉(zhuǎn)矩陣和構(gòu)件坐標(biāo)點集相乘，得到配準(zhǔn)之后的坐標(biāo)。

如圖11所示，綠色的立方體為模型的所有構(gòu)件的坐標(biāo)，藍色的立方體為模型所有構(gòu)件的坐標(biāo)。

為了解決第②個問題，本文利用2個模型之間構(gòu)件的距離，得出構(gòu)件之間的位置相似度。所以在配準(zhǔn)了模型構(gòu)件的坐標(biāo)之后，需要計算模型坐標(biāo)點集P中每個構(gòu)件和模型坐標(biāo)點集P中每個點之間的距離，根據(jù)其距離大小計算位置相似度。當(dāng)距離大于閾值時，視為位置不匹配，即位置相似度=0；當(dāng)距離小于時，根據(jù)2個構(gòu)件之間的距離，從0到1遞增，并得出位置相似度矩陣(，)式(5)。減少矩陣數(shù)據(jù)量的方式與幾何相似度的方法相同，不同類的構(gòu)件之間的幾何相似度直接判定為0，用稀疏矩陣來存儲相似度，從而減少矩陣數(shù)據(jù)量和計算量，即

其中，α值的設(shè)定需要考慮，當(dāng)模型中的門窗發(fā)生了朝向的改變時，門窗的中心點位置就會發(fā)生改變。所以本文α值的大小與墻體的厚度有關(guān)，根據(jù)在多次實驗結(jié)果顯示，當(dāng)α值為模型中最厚的墻體厚度值時，所得到的效果最好。

2.4 構(gòu)件匹配與屬性對比

根據(jù)位置相似度和幾何相似度疊加進行構(gòu)件匹配，取其每一個行向量中匹配度最高的構(gòu)件對，視為匹配構(gòu)件，其中如果有重復(fù)匹配的構(gòu)件則取其相似度高的視為匹配，其相似度低的則取其相似度較低于目前相似度的構(gòu)件對，視為匹配構(gòu)件對，以此迭代。其中不匹配的構(gòu)件則視為新增/刪除的構(gòu)件，即

其中，={1,2,3,···,m}為相匹配的構(gòu)件集；={1,2,3,···,a}為新增的構(gòu)件集；={1,2,3,···,d}為刪除的構(gòu)件集；m為一對匹配的構(gòu)件；a和d為單個的構(gòu)件。

完成了模型構(gòu)件的匹配，需要對比匹配構(gòu)件之間的屬性信息。BIM模型的屬性信息結(jié)構(gòu)圖如圖12所示，其展示了模型及構(gòu)件的屬性信息的構(gòu)成，每一個構(gòu)件包括有若干個屬性類，每一個屬性類又包括有若干個屬性名，而其屬性名對應(yīng)唯一的屬性值。屬性信息的變化主要體現(xiàn)在屬性值的變化，所以屬性信息的對比過程從構(gòu)件的屬性類的匹配開始，接下來匹配屬性名稱，最后對屬性值進行對比。

圖12 模型及其構(gòu)件的屬性組成

在屬性信息的比較中，首先將所有構(gòu)件的所有屬性類和屬性處理成樹狀圖，接下來在匹配的樹之間進行根結(jié)點的子節(jié)點匹配，也就是屬性類的匹配。對于未匹配的屬性類節(jié)點視為新增/刪除的節(jié)點，其子節(jié)點也視為新增/刪除的節(jié)點。對于匹配的屬性類節(jié)點，繼續(xù)進行其子節(jié)點屬性名稱的匹配，未匹配的屬性節(jié)點視為新增/刪除的屬性。對于匹配的屬性名稱節(jié)點，繼續(xù)比較其唯一的子節(jié)點——屬性值。屬性信息的比較結(jié)果為兩個相匹配構(gòu)件之間的屬性變化差異。

2.5 計算復(fù)雜度

3 對比結(jié)果可視化

完成了整個BIM模型對比的方法后，為了驗證該方法在忽略構(gòu)件ID的表現(xiàn)，本文通過Revit建模軟件修改了BIM模型，測試整個方法，并且通過小紅磚平臺[9]和WebGL將對比結(jié)果三維可視化[19-20]。該BIM模型為某高級住所模型，修改前模型大小為9.27 M，構(gòu)件數(shù)量為606。修改后模型大小為9.92 M，構(gòu)件數(shù)量為614。構(gòu)件類型數(shù)量都為9。2個模型構(gòu)造形狀分布時間分別為931 s，985 s。模型對比時間為53.04 s。識別準(zhǔn)確度為603/614，其中未識別構(gòu)件為分布集中且密集的圍欄小構(gòu)件，其形狀相同，位置相近，導(dǎo)致識別錯誤。

對比結(jié)果如圖13所示，黃色的構(gòu)件表示修改的構(gòu)件，紅色的構(gòu)件為刪除的構(gòu)件，綠色的構(gòu)件為新增的構(gòu)件。

圖13 模型窗戶重新放置并修改

本文在將模型正面的所有窗戶全部刪除之后在原來窗戶的地方放置了同樣的窗戶，增加了部分改變：①調(diào)整四層所有窗的位置，偏移大小小于值；②將三層2個長窗翻轉(zhuǎn)了朝向；③修改了二層3個窗戶的尺寸(2個方向增加了10%)；④中間3個小窗戶大幅修改了尺寸(>50%)。

圖13中所有窗戶均改變了ID，通過圖中對比結(jié)果可以看出，除了大幅修改尺寸的窗戶之外，其余窗戶皆被視為修改的窗戶(為黃色)，而大幅修改的窗戶被視為新增/刪除的構(gòu)件。

為了檢測本文方法在對比屬性信息變化時的效果，修改了沙發(fā)構(gòu)件的若干屬性信息，并利用本文的方法進行對比。如圖14所示，得出了2個版本的沙發(fā)的屬性信息比較結(jié)果，紅色的為刪除的屬性、黃色的為修改的屬性、綠色的為新增的屬性。

三維可視化的方式不僅展示了模型對比的結(jié)果，而且著重突出了模型之間的差異，很大程度上方便了相關(guān)人員查看模型的變化情況。

圖14 模型俯視圖及屬性變化

4 總結(jié)與展望

本文針對BIM模型更替頻繁，模型對比困難且對比結(jié)果不直觀，模型對比嚴重依賴于構(gòu)件ID等現(xiàn)狀，提出了基于形狀分布和位置配準(zhǔn)的BIM模型對比方法。該方法提取構(gòu)件形狀分布，并結(jié)合位置信息進行構(gòu)件匹配，最終得到構(gòu)件匹配結(jié)果，并對比模型之間的差異。本文方法實現(xiàn)了BIM模型的自動化對比，使模型對比更加快速，對比結(jié)果更加準(zhǔn)確；基于形狀分布和位置信息的匹配方法完全消除了構(gòu)件ID變化對模型對比的影響，使模型對比不再依賴構(gòu)件ID；基于WebGL的結(jié)果可視化展示，可直觀展示模型版本之間改動的構(gòu)件及其屬性，方便相關(guān)各專業(yè)人員協(xié)同合作以及施工管理等?；谛螤罘植嫉姆椒蔀橄嗨茦?gòu)件推薦和構(gòu)件聚類等研究提供構(gòu)件形狀分布特征，對BIM領(lǐng)域的發(fā)展具有較深的意義和廣泛的應(yīng)用前景。

[1] National Institute of Building Science. National BIM Standard-United States version 3[EB/OL]. (2015-07-22) [2019-09-14]. https://www.nationalbimstandard.org/ building SMART-alliance-Releases-NBIMS-US-Version-3.

[2] 李鐵純, 王佳, 周小平. 基于BIM的建筑設(shè)備運維管理平臺研究[J]. 暖通空調(diào), 2017, 47(6): 29-32, 127. LI T C, WANG J, ZHOU X P. Operation and maintenance management platform of construction equipment based on BIM[J]. Journal of HV&AC, 2017, 47(6): 29-32, 127 (in Chinese).

[3] 張恩浦, 王佳, 張穎琮, 等. 基于BIM的消防產(chǎn)品庫平臺構(gòu)建及研究[J]. 消防科學(xué)與技術(shù), 2019, 38(4): 583-586. ZHANG E P, WANG J, ZHANG Y C, et al. Construction and research of fire product library platform based on BIM[J]. Fire Science and Technology, 2019, 38(4): 583-586 (in Chinese).

[4] 姜韶華, 吳崢, 王娜, 等. OpenBIM綜述及其工程應(yīng)用[J]. 圖學(xué)學(xué)報, 2018, 39(6): 1139-1147. JIANG S H, WU Z, WANG N, et al. Review of OpenBIM and its engineering application[J]. Journal of Graphics, 2018, 39(6): 1139-1147 (in Chinese).

[5] LIPMAN R, PALMER M, PALACIOS S. Assessment of conformance and interoperability testing methods used for construction industry product models[J]. Automation in Construction, 2011, 20(4): 418-428.

[6] GHANG L, JONGSUNG W, SUNGIL H, et al. Metrics for quantifying the similarities and differences between IFC files[J]. Journal of Computing in Civil Engineering, 2011, 25(2): 172-181.

[7] XIN S, YU-SHEN L, GE G, et al. IFCdiff: a content-based automatic comparison approach for IFC files[J]. Automation in Construction, 2018, 86: 53-68.

[8] 廣聯(lián)達. BIMFACE-模型對比[EB/OL]. (2018-03-18) [2019-10-13]. https://bimface.com/developer-guide/868. GLODON. BIMFACE-Model comparison[EB/OL]. (2018-03-18) [2019-10-13]. https://bimface.com/ developer-guide/868 (in Chinese).

[9] 盈嘉互聯(lián). 模型對比[EB/OL]. (2019-05-10) [2019-12-13]. https: //www.bos.xyz/. Boswinner. Model Comparison[EB/OL]. (2019-05-10) [2019-10-13]. https://www.bos.xyz/(in Chinese).

[10] AUTODESK. 比較模型兩個版本的步驟[EB/OL]. (2016-09-17) [2019-10-13]. http://help.autodesk.com/ view/NAV/2020/CHS/?guid=GUID-AFAF164A-834F-4BF8-BE20-733A98B56459. AUTODESK. Steps to compare two versions of a model[EB/OL]. (2016-09-17) [2019-10-13]. http://help. autodesk.com/view/NAV/2020/CHS/?guid=GUID-AFAF164A-834F-4BF8-BE20-733A98B56459 (in Chinese).

[11] ZHOU X P, ZHAO J C, WANG J, et al. Towards product-level parallel computing of large-scale building information modeling data using graph theory[J]. Building and Environment, 2019, 169: 106558.

[12] 黃楠鑫, 王佳, 李智, 等. 基于IFC的室內(nèi)地圖模型構(gòu)建研究[J]. 圖學(xué)學(xué)報, 2019, 40(1): 186-192. HUANG N X, WANG J, LI Z, et al. Research on the Construction of Indoor Map Model Based on IFC[J]. Journal of Graphics, 2019, 40(1): 186-192 (in Chinese).

[13] OSADA R, FUNKHOUSER T, CHAZELLE B, et al. Matching 3D models with shape distributions[C]// Proceedings International Conference on Shape Modeling and Applications. NewYork: IEEE Press, 2001: 154-166.

[14] 廖列法, 黎晨, 孟祥茂. 基于歐氏空間相似度的云模型協(xié)同過濾算法[J]. 計算機工程與科學(xué), 2015, 37(10): 1977-1982. LIAO LF, LI C, MENG X M. A cloud model based collaborative filtering recommendation algorithm using Euclidean distance similarity measurement[J]. Computer Engineering and Science, 2015, 37(10): 1977-1982 (in Chinese).

[15] BENESTY J, CHEN J, HUANG Y, et al. “Pearson correlation coefficient” noise reduction in speech processing[M]. Heidelberg: Springer, 2009: 1-4.

[16] CAMPBELL D, PETERSSON L. An adaptive data representation for robust point-set registration and merging[C]//International Conference on Computer Vision. Santiago. New York: IEEE, 2015: 4292-4300.

[17] WEI G, RUSS T. FilterReg: robust and efficient probabilistic point-Set registration using Gaussian filter and twist parameterization[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2019: 11095-11104.

[18] JIAN B, VEMURI B C. Robust point set registration using gaussian mixture models[J]. IEEE transactions on pattern analysis and machine intelligence, 2010, 33(8): 1633-1645.

[19] ZHOU X P, WANG J, GUO M, et al. Cross-platform online visualization system for open BIM based on WebGL[J]. Multimedia Tools and Applications, 2019, 78(20): 28575-28590.

[20] ZHOU X, ZHAO J C, WANG J, et al. OutDet: an algorithm for extracting the outer surfaces of building information models for integration with geographic information systems[J]. International Journal of Geographical Information Science, 2019, 33(7): 1444-1470.

Comparison method of BIM models based on component shape distribution and registration position

WANG Jia1,2, WU Lei1, ZHOU Xiao-ping1,2, SONG Bing-yu3, LI Liang-hui4

(1. School of Electrical and Information Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044, China; 2.Beijing Key Laboratory of Intelligent Processing for Building Big Data, Beijing University of Civil Engineering and Architecture, Beijing 102616, China; 3. BIM Winner (Beijing) Technologies Co. Ltd., Beijing 100041, China; 4. Beijing Capital Development Expressway Construction Management Co. LTD, Beijing 101117, China)

Various versions of BIM models will appear in different stages of the entire life cycle of a building, and the differences among these models can provide support for the decision-making in the construction and operation of the building.Most BIM model comparisons are based on visual inspection, manual counting, and selective inspection of attributes.Although some scholars and relevant institutions have studied some methods of automatic comparison of BIM models, most of them rely on the ID of components in the model, and the results of comparison cannot be directly reflected in specific components and attributes.Aimed at these problems, a comparison method of BIM models was proposed based on shape distribution and registration position,extracting features from components for component matching and compareing BIM models on the component level. Firstly, shape distribution of the components was constructed based on their geometric information to calculate the similarity between the shape distribution of components of similar types. Secondly, the positions of the components were matched and the similarity between the positions was calculated. Then two similarity degrees were combined to match components and the differences between matched components were compared. Finally, the difference between models was obtained, and WebGL was used for visual presentation. This method disregards the influence of the changes of component ID on model comparison, capable of working out the differences among models on the component level.

building information modeling;model comparison;ignore component ID;shape distribution;components matching;visual presentation

TP 391

10.11996/JG.j.2095-302X.2020030480

A

2095-302X(2020)03-0480-10

2019-11-01；

2020-01-20

國家自然科學(xué)基金項目(71601013)；北京市自然科學(xué)基金項目(4202017)；北京市青年拔尖人才培育項目(CIT&TCD201904050)；北京建筑大學(xué)青年英才項目

王 佳(1969-)，女，北京人，教授，博士，碩士生導(dǎo)師。主要研究方向為BIM技術(shù)、建筑消防等。E-mail：wangjia@bucea.edu.cn

周小平(1985-)，男，福建壽寧人，副教授，博士。主要研究方向為大數(shù)據(jù)、機器學(xué)習(xí)和建筑信息模型。E-mail：lukefchou@gmail.com