做毕设的一点总结。（树洞而已，可能有误）

目标

(资料图)

完成已有点云文件的逆向建模、点云信息的提取、建筑材料的智能数配以及材料信息的赋予。

进度

BIM-3D已有，在完成BIM-4D。

一些要点

点云文件格式

痛苦点之一

已有点云为.rcp格式，只支持AutodeskRecap平台，为了减小建模的数据量（考虑到可能要手动建模，必须对点云做裁剪），使用CloudCompare软件。

点云编辑平台参考：https://zhuanlan.zhihu.com/p/425232727

首先在AutodeskRecap上实现.rcp->.e57

再在CloudCompare上输入.e57进行裁剪，输出的.e57再逆向转换回.rcp，导入revit平台。

点云逆向建模

与Scan-to-BIM紧密相关，由点云的语义得到三维实体模型；

（上述三维实体模型不见得是BIM模型，实际上点云直接对接到BIM的平台较少）

着重参考两篇文献：Bosché, F.;Guillemet, A.;Turkan, Y.;Haas, C.T.;Haas, R..Tracking the built status of MEP works: Assessing the value of a Scan-vs-BIM system(Article)[J].Journal of Computing in Civil Engineering,2014,Vol.28(4): 1-13.

Pingbo Tang;Daniel Huber;Burcu Akinci;Robert Lipman.Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques(Article)[J].Automation in Construction,2010,Vol.19(7): 829-843.

关于“逆向建模”，重在实现Scan-vs-BIM，即获取现场点云模型与设计的BIM模型之间的差异，可作为评估施工效率的指标之一。

逆向建模的方法一般是输入点云的语义信息，通过机器学习输出三维模型。（并非直接输出模型，而从语义中预测平面，识别建筑构件）

目前实践发现的影响因素：输入的点云格式可能不兼容（已有点云没有语义）、机器学习的框架不确定、从输出的预测结果到实体三维模型方法不确定...

因此此次Scan-to-BIM考虑手动建模，仅利用点云的几何信息。（不然做不完了）

建筑材料智能数配

由建筑材料的智能识别衍生而来，参考文献（主要从这一篇的引用文献中找）：

袁亮.基于三维激光点云自动识别建筑材料的研究[D].重庆大学,2020.

材料的自动识别可从点云和图像两条路入手，本论文坚定选择点云。（考虑整个论文的整体性）

输入点云语义中的x y z r g b等信息，通过matlab程序输出反射率、HSV、表面粗糙度三个特征（上述参考文献有原码），再做一个有监督的机器学习，作者自己使用扫描设备准备数据集，80%训练集+20%测试集，最后实现建筑材料自动识别。

本论文无需识别，针对特定建筑材料（本论文选择水磨石地面砖）（已知原材料），需要“输入点云语义，输出原材料配比”。

需攻克重点

①已有点云仅有intensity x y z，缺少关键的r g b，因此无法使用。

---->可下载公开数据集WHU-TLS数据集

---->3s.whu.edu.cn/ybs/en/benchmark.htm

②该数据集需要裁剪为0.5m*0.5m*0.5m

---->WHU-TLS Heritage Building中有历史建筑点云，契合本论文，可截取包含屋顶瓦片的点云空间

---->该数据集为las格式，理论上可直接对接matlab，使用LASlib做裁剪再输出HSV特征值

③从输入特征值到输出原材料配比

---->简易版有监督学习？（数据集不够用）（ptsd）

---->做成线性回归模型？（能否回归）

④麻烦

---->LASlib的使用（未知）

---->matlab使用（估计较小）

---->机器学习or回归模型（痛苦）

⑤if everything goes smooth...

借一下三维激光扫描设备去现场自己准备点云数据，针对水磨石地板砖，输出一套原材料配比。（