建設工程BIM與點云集成研究前沿可視化分析
——基于Web of Science 核心數據庫

王孟鈞， 邱 琦， 王 騫

(1. 中南大學 土木工程學院，湖南 長沙 410075；2. 新加坡國立大學 設計與環境學院，新加坡 117566)

建設工程是一個集成了大量勞動力、材料、設備和過程的綜合體，具有高度的動態性和復雜性。建筑業需要信息技術來加強自動化和數字化以提高生產力，而信息技術應用的一個重要前提是高效、準確地獲取建設工程信息。建筑信息模型(Building Information Modeling，BIM)自20世紀70年代引入以來，其依托計算機生成的模型來模擬項目的規劃、設計、施工和運營階段，以互操作和可重用方式生成、存儲、交換和共享建筑信息，逐漸成為推動工程建設信息化發展的重要手段[1]。然而，現階段建設工程BIM應用主要集中于設計階段，施工階段和運維階段的BIM應用深度不足，尤其是運維階段的BIM應用尚未起步[2]。究其原因，BIM模型在工程建設全壽命周期出現的模型交付障礙、模型“失真”是阻礙BIM價值發揮的重要因素。

三維點云為BIM信息的更新、模型重建提供了有效手段。點云是三維坐標系中的一組點，用以表達物體的外表面并生成反映物體實時狀態的三維模型。近年來，隨著點云數據采集技術的日趨成熟，BIM與點云廣泛地集成應用在建設工程全壽命周期，如用于施工階段的進度、幾何質量監測和運營維護階段的三維建筑模型重建等。本研究旨在借助CiteSpace軟件，對BIM與點云集成研究的重要成果進行可視化分析，探究BIM與點云集成知識基礎、研究熱點和前沿趨勢，為BIM與點云集成的未來研究提供理論參考，促進BIM與點云在建設工程全壽命周期的深化應用，提升工程建設信息化水平。

1 數據來源與研究方法

1.1 數據來源

本研究選取Web of Science(WOS)核心數據庫作為數據采集平臺，以“BIM and point cloud”“BIM and laser scan”為搜索詞對相關論文進行檢索，時間跨度設定為2000年1月―2020年8月，總計選取227篇期刊和會議論文作為數據樣本。WOS數據庫由美 國 Thomson Reuters開發，充分涵蓋了目前最重要、最具影響力的學術研究成果，被廣泛應用于綜述類文章的數據采集，能夠權威地展現當前的研究現狀[3]。WOS中提取出的數據樣本信息主要包括標題、作者、關鍵詞、摘要、參考文獻、期刊、年份等，通過將以上信息導入CiteSpace軟件，即可進行統計分析和可視化分析。

1.2 研究方法

本研究采取定量和定性相結合的方法，在對樣本文獻進行科學計量和可視化的基礎上，結合對文獻的泛讀和精讀，對計量結果作出定性分析，保證分析結果的科學合理性。文獻計量學是對文獻進行定量分析的科學，其于1969年由英國情報學家Alan Pritchard提出，被廣泛應用于期刊或研究機構的影響力評價、學術熱點追蹤、前沿識別等領域[4]。詞頻分析是文獻計量學中常用的一種方法，通過統計文獻和關鍵詞被引用的頻次及關鍵詞的突現變化，識別某一研究領域的知識基礎、研究熱點和前沿發展方向。

2 樣本數據基礎分析

2.1 時間分布

基于收集的數據樣本，對年發文量進行統計，統計結果如圖1所示。結果表明，BIM與點云集成研究的第一篇文獻出自2010年，文獻統計的實際時間跨度為2010―2020年。在過去十年間，該主題的研究成果數量整體呈現增長趨勢，雖然2016年的發文量相較于2015年有所減少，但近五年來年發文量均有20余篇，可見BIM與點云在建設工程的集成應用已成為熱門的研究課題。隨著對智慧城市、智慧工程認知的加深，未來BIM與點云集成研究的影響范圍將會不斷擴大，研究的深度和廣度也會不斷提升。

圖1 2010―2020年間BIM與點云集成研究的年發文量

2.2 重要載文期刊分析

對樣本數據做期刊/會議來源統計，旨在識別BIM與點云集成研究的主流發文期刊和所屬學科領域，并通過發文期刊的級別來判別數據樣本的質量，以保證可視化分析的準確性。選取載文量大于5的期刊，在WOS網站查詢期刊的科睿唯安JCR分區和所屬學科領域，統計結果如表1所示。總體來看，載文量大于5的期刊覆蓋了52.42%的樣本數據，且大多數期刊(8/9)位列JCR一區(Q1)或二區(Q2)，所屬學科領域涉及工程(Construction/Engineering/Building)、遙感(Remote Sensing)、影像科學和攝影技術(Imaging Science & Photographic Technology)以及計算機科學(Computer Science)，表明BIM與點云集成研究的跨學科屬性。此外，載文量最多的期刊為《Automation in Construction》，過去十年間共發表BIM與點云集成研究論文52篇，占總樣本量的22.90%，遠超其他期刊。統計結果表明，數據樣本的質量可靠，后續可視化分析能夠較為準確地呈現BIM與點云集成研究的熱點和前沿。

表1 重要載文期刊統計(載文量>5)

3 BIM與點云集成研究的知識基礎、研究熱點與前沿趨勢

3.1 知識基礎識別

引用量通常被用作衡量論文質量的關鍵指標，文獻的引用量越大，表示文獻的質量越高，且高被引的早期奠基性文獻往往是一個研究主題的知識基礎[5]。對樣本數據進行文獻共被引分析，識別BIM與點云集成研究的高被引文獻，探究BIM與點云集成研究的知識基礎。軟件設置中，時間跨度為2010―2020年，時間分區為1年，節點類型為“Cited Reference”，選取各時間分區內被引頻率最高的前50篇文獻進行共引分析，生成包括314個節點和947條連線的共引網絡，可視化被引頻次排名前十的節點如圖2所示，進一步列舉以上高被引節點信息如表2所示。由表可見，高被引文獻大多數(6/10)發表于《Automation in Construction》期刊，表明該期刊不僅發表了數量最多的關于BIM與點云集成研究的論文，同時發表的論文也是所選時期最具影響力的。

圖2 BIM與點云集成研究的文獻共被引網絡

表2 BIM與點云集成研究的前10篇高被引文獻

精讀以上高被引文獻發現，BIM與點云集成研究的知識基礎主要分為兩大類：綜述類和集成應用類。2010―2016年間BIM與點云集成研究尚處于起步階段，學者們跨學科領域對與BIM和點云相關的研究進行了綜述，旨在探究BIM與點云集成的可行性、局限性以及研究方向；同時，也有不少學者對BIM與點云集成應用的領域進行了探索，旨在提升工程管理的自動化水平。

3.1.1 綜述類知識基礎

綜述類文獻包括4篇。Tang等[6]對利用激光掃描生成的三維點云自動創建竣工建筑信息模型(as-built BIM，即反映建筑建成狀況的BIM模型)的已有技術進行了總結，主要包括用于幾何建模、對象識別和對象關系建模的土木工程和計算機學科中開發的技術，并指出了已有技術與自動化建模需求的差距。Volk等[7]對已建建筑的BIM應用現狀和研究進展進行了概述，其指出BIM在已建建筑中的應用較少，主要原因在于數據獲取和已建建筑BIM模型的重建工作量大、BIM中儲存信息的更新困難以及已建建筑中出現的不確定性數據、對象和關系在BIM模型中處理困難等，而BIM如何適應已建建筑的管理需求以及BIM重建、數據更新等過程的自動化是未來研究的挑戰和機遇。Patraucean等[8]以竣工建筑信息模型的自動化建模為對象，以幾何建模為重點，分析、總結了計算機視覺、幾何處理和土木工程等學科領域的相關研究成果，并對不同學科技術對自動竣工BIM模型建模的貢獻作了對比。Thomson等[9]提出了從三維點云自動生成BIM模型的工作流程以及對模型質量進行評價的指標，其指出復雜環境下基于點云的自動化BIM模型重建仍面臨諸多挑戰。

3.1.2 集成應用類知識基礎

有關BIM與點云集成應用的文獻有6篇，涉及自動化竣工BIM重建、工程進度管理和幾何尺寸監測兩大方向。

(1)基于點云的自動化竣工BIM重建

Xiong等[10]提出利用點云數據自動重建語義豐富的BIM模型的方法，即自動識別和建模建筑室內環境中的主要可見結構組件，如墻、天花板等，以規避人工重建過程中勞動強度大、易出錯等問題。Jung等[11]提出了一種適用于復雜室內環境竣工BIM模型重建的半自動方法，該方法基于平面是建筑物中最常見幾何形狀的事實，通過平面提取和室內設施的邊界識別自動生成建筑室內環境的架構，并基于此手動繪制竣工BIM模型，提高了建模的效率。Wang等[12]開發了一套從雜亂點云數據中自動提取建筑物幾何圖形的方法，該方法通過數據下采樣、建筑物邊緣檢測以及建筑構件的分類等環節，最后將單個構件可視化為多邊形，以實現可持續應用。Ochmann等[13]提出了從室內點云重建參數化BIM模型的方法，該方法采取體積表示法，并引入建筑構件的上下文信息(如墻的連接關系)等，克服了傳統建模方法只關注局部表面重建的局限。

(2)集成BIM與點云的工程進度監測和幾何尺寸檢測

Kim等[14]開發了一種結合使用建筑4D BIM模型和點云數據進行自動化施工進度測量的方法，該方法通過循環開展將建筑物某一時間段的三維點云模型與設計階段BIM模型進行對比、將點云數據與BIM中的信息進行匹配，以及對設計階段BIM模型進行修正三個環節，實現對施工進度的有效測量。Bosche等[15]提出了一種利用激光掃描和建筑三維CAD模型自動追蹤在建建筑三維狀態的方法，通過點云數據自動識別建筑的3D CAD模型，并基于此自動計算建筑的幾何尺寸，以支持在建建筑的進度控制和幾何尺寸控制。

3.2 研究熱點分析

關鍵詞作為研究論文主題和思想的高度反映，對學術研究具有重大的參考價值，借助高頻關鍵詞共現圖譜能夠直觀呈現BIM與點云集成研究的熱點。軟件設置中，將節點類型設置為Keywords，選取各時間分區內出現頻率最高的前50個關鍵詞進行分析，生成包括241個節點和778條連線的研究熱點圖譜，可視化出現頻次排名前20的熱點術語如圖3所示，統計各熱點術語出現的頻次如表3，其中，“building information model”和“bim”合并統計為“BIM”。

圖3 BIM與點云集成的研究熱點網絡圖譜

由圖3、表3可得，“BIM”和“點云(point cloud)”作為兩大集成對象，被引頻次位居前兩位，其次，重建(reconstruction)、模型(model)、激光掃描(laser scanning)等18個熱點術語位居其后，各熱點術語的出現頻次均在10及以上。通過對以上熱點術語進行深入分析，發現BIM與點云集成的研究熱點主要集中于數據采集、數據處理和集成應用三個方面。

表3 BIM與點云集成研究的高頻關鍵詞

3.2.1 數據采集

數據收集是BIM與點云集成應用的基礎。三維點云數據可以通過不同的傳感器和技術獲取，如激光掃描(Laser Scanning/Laser Scanner)[6,10,16]、攝影測量(Photogrammetry)[17,18]、圖片(Image)[19～21]等，其中，激光掃描也稱為光探測和測距(LiDAR)，通過發射激光束并檢測目標反射的信號來測量與目標的距離；攝影測量是運用攝影機測量目標物的形狀、大小和空間位置的技術；圖片可通過相機獲取，如RGB-D相機，其通過RGB相機獲取圖像，并通過深度傳感器獲取每個像素的深度信息，最后生成彩色的點云數據。不同的數據獲取技術具有不同的適用性，以激光掃描儀為例，地面激光掃描儀多應用于測量需要生成高精度數據的建筑物和民用基礎設施，機載激光掃描儀主要用于獲取城市規模的地形數據，而移動式激光掃描儀多用于3D城市地圖繪制[22]。如何根據數據需求，采用多種數據采集技術獲取數據、解決不同數據之間的傳輸、合并接口問題，也是學者們不斷探究的方向，如Previtali等[23]開發了集成地面激光掃描儀、攝影測量和移動制圖系統等多源數據來生成建筑信息模型的方法；Amano等[24]探討了將激光掃描技術與高光譜成像技術進行集成的可行性和優勢。

經文獻分析發現，不論采用何種數據采集方式，現有數據采集過程都是基于現場工程師的經驗完成，少有進行數據采集前的掃描規劃。不同建筑元素或應用場景，通常有不同數據質量需求(數據密度、數據精度和覆蓋率等)，如墻體往往只需要少量的點來表達，而復雜管道建模則需要較為密集的點。缺乏合理的掃描規劃，可能會導致數據采集不充分而無法用于其預期的用途，或因采集的數據過多而耗費更多的時間和精力，并對數據處理設備提出更高的要求。因此，未來研究可針對特定的應用場景，調研點云數據的質量需求，建立數據質量需求與掃描設備參數之間的量化關系，制定合理的數據采集計劃。

3.2.2 數據處理

點云數據是一組表達建筑物表面幾何特征的三維空間點，需要經過一系列數據處理，如配準(Registration)[25,26]、分割(Segmentation)[16,19,27]、分類(Classification)[28,29]、識別(Recognition)[30,31]等，方可形成包含豐富幾何信息和語義信息的BIM模型。為了完全覆蓋一個復雜的建筑物，通常需要從多個位置采集點云數據，把所有位置獲取的數據合并到同一個參考系中的過程即為配準。配準完成后，需要對點云數據進行分割和分類，如進行平面模型擬合、邊緣檢測等，將具有相似特征的點歸類到同質區域。對象識別則是將分割的區域標記為不同的對象，如判別分割后的平面點云數據段是屬于建筑物中的墻、地面或天花板。以上配準、分割、歸類和對象識別等數據處理環節大多依據信息(特征)提取(Extraction)的結果，如點云局部法線特征的提取，用以識別表面的曲率變化。鑒于建筑物結構的復雜性和點云數據的密集性，以手動方式執行上述數據處理過程難以保證數據處理的效率和精度，因此，跨領域的開發多種數據處理算法、技術，實現數據處理的自動化，是目前的研究熱點。

進一步分析發現，點云數據處理和數據采集通常是兩個獨立的過程，從施工現場采集到數據后，需要到辦公場所的計算機設備進行數據處理。過程的分散會導致現場工程師無法及時地從點云數據中獲取施工活動的相關信息，妨礙了數據的有效使用，尤其影響施工進度監測和質量檢測等對數據時效要求高的工作。此外，現有研究通常只針對數據處理的某一環節展開，暫未有研究對實時、快速的點云數據處理進行系統的分析和設計。因此，未來研究可考慮將數據采集技術、數據處理技術和可視化技術集成，探究點云數據的實時傳輸、快速處理和可視化呈現，促進點云數據在施工中的應用。

3.2.3 BIM與點云集成應用

BIM與點云集成應用于工程建設的多階段，在建造(Building)、施工(Construction)階段，點云數據能夠三維可視化施工現場及在建建筑某一時間段的真實狀況，用于進度監測[14,18,31]、質量管理[15,32]、安全管理[17,33]等，以輔助決策；運營維護階段，已建建筑(Existing Building)的3D模型(Model/Building Model)重建(Reconstruction)、竣工建筑信息模型(as-built BIM)重建是BIM與點云集成應用的一個重要領域[6,13,20]。重建的BIM模型可用于協助已建建筑的翻新改造[34]、開展建筑物性能分析[21]等，改善大多數已建建筑沒有BIM模型或設計階段BIM模型與實際建成狀況不符的問題，提升工程運營階段的信息化水平。此外，在集成應用過程中，探究BIM與點云集成應用的框架(Framework)[35,36]，評估重建模型的質量(Quality)[37]等也是當前的研究熱點。

點云作為逆向建模的一種成果體現，與BIM正向建模技術的集成應用也是重要的研究方向，相關研究主要包括兩方面：一是通過逆向建模方式構建建筑的竣工信息模型或“原樣(as-is)”模型，并基于構建的模型進行項目的改擴建設計與規劃，如Volk等[34]開發了集成建筑信息獲取、三維重建、對象識別、建筑物清單生成和項目規劃優化等功能的ResourceApp系統，對已建建筑物進行數字記錄、分析、重建和存儲，并利用生成的建筑重構模型，借助資源約束下多模式項目調度問題的求解算法，對項目進行改擴建規劃；二是采用“掃描-vs-BIM”的方法，將建筑物在設計階段的BIM模型與點云數據進行對比，開展項目的進度監測、幾何尺寸檢測。進度監測通常是將點云數據與包含施工進度計劃的4D BIM模型進行比較，即將實際進度與計劃進度進行比較，以評估進度的提前或滯后[14,18,31]；幾何尺寸檢測則是將設計階段的BIM模型與點云數據進行對比，并識別兩者之間的尺寸差異[32]。因此，“掃描-vs-BIM”方法的關鍵是將點云數據與BIM模型進行對齊以及從點云數據進行對象識別。

進一步分析發現，BIM與點云集成應用的研究多集中于施工現場管理和運營維護管理兩方面，少有涉及工程建設的其他方面，如3D打印構件的質量檢測等。隨著裝配式建筑和3D打印技術的興起，預制構件和3D打印構件的質量問題備受關注。因此，未來研究可擴寬BIM與點云集成應用的領域，調研不同類型預制構件及3D打印構件的質量需求，探究BIM與點云集成應用于其質量檢測的可行性和實施方案。

3.3 前沿趨勢探析

關鍵詞突現分析能夠識別在短時間內出現頻次急劇增加的關鍵詞，以輔助探析BIM與點云集成研究的前沿。在CiteSpace軟件中，選擇“突現主題(Burst Terms)”作為主題類型，得到BIM與點云集成研究的突現詞，為突出前沿性，選取首次突現時間在近五年的關鍵詞列入表4，其中，突現強度表示頻次增加的急劇性，突現強度越大，頻次變化幅度越大。

表4 BIM與點云集成研究的前沿關鍵詞

由表4可得，近五年來，BIM與點云集成研究的突現詞共有7個，主要集中于數據采集和數據處理兩大方向，光探測和測距(LiDAR)與圖片(Image)是近年來工程領域的主流點云數據獲取方式，而特征提取(Feature Extraction)是點云數據處理各環節的基礎。不斷地探尋自動化as-built BIM模型生成(Generation)的技術，提高重建模型的精度(Accuracy)，更好地實現建筑物的三維可視化(Visualization)，是未來BIM與點云集成研究的重要方向。

此外，關鍵詞突現分析只能基于目前已有的文獻來識別研究前沿，無法探及現階段的研究空白領域。進一步對樣本文獻進行分析，發現現階段 BIM 與點云集成的研究主要集中于數據層面或技術層面，少有研究 BIM 與點云應用過程中的管理問題，雖有研究探究將 BIM 與點云集成應用于工程進度管理、質量管理和安全管理，作為決策的依據，但未涉及具體管理組織、流程的改變，也未對決策效率的提升進行評估和量化。同時，BIM 與點云集成對提升 BIM 在工程項目全壽命周期的應用深度和建設工程BIM 能力的作用，也尚未有研究探及。

4 結 論

基于WOS核心數據庫的227篇樣本數據，運用CiteSpace軟件進行可視化分析，探究BIM與點云集成研究的現狀，得出如下結論：

(1)數據的時空分析結果表明，BIM與點云在建設工程中的集成應用已成為熱門的研究話題。BIM與點云集成研究的主流載文期刊主要分布在工程、遙感和計算機科學等領域，表明了該研究主題的跨學科屬性。

(2)不少學者對BIM與點云集成的局限性、可行性和集成應用領域進行了探究，形成了該研究主題的重要知識基礎。BIM與點云集成研究的熱點主要分為數據收集、數據處理和集成應用三大方向，數據收集方面，采取多種類數據采集方式，解決數據之間的接口問題是重要研究熱點；數據處理方面，跨學科地開發自動化配準、分割、分類和對象識別技術是研究熱點；BIM與點云集成應用于工程全壽命周期，竣工信息模型重建技術開發、集成應用框架構建和模型質量評估均是重要研究熱點。

(3)BIM與點云集成研究的前沿集中于數據采集和數據處理方向，包括數據獲取方式、特征提取、三維模型生成、模型精度評估以及三維可視化功能的實現等。此外，BIM 與點云集成的研究在管理層面存在研究空白，信息技術引入對管理效率影響的量化評估、集成點云數據對建設工程 BIM 能力提升的影響，均是現有研究未探及的領域。而數據采集階段掃描計劃的制定，數據采集技術、數據處理技術和可視化技術的集成以及BIM與點云集成應用于預制構件和3D打印構件的質量檢測均是未來可深入探究的研究點。