王孟钧， 邱 琦， 王 骞

(1. 中南大学 土木工程学院，湖南 长沙 410075；2. 新加坡国立大学 设计与环境学院，新加坡 117566)

建设工程是一个集成了大量劳动力、材料、设备和过程的综合体，具有高度的动态性和复杂性。建筑业需要信息技术来加强自动化和数字化以提高生产力，而信息技术应用的一个重要前提是高效、准确地获取建设工程信息。建筑信息模型(Building Information Modeling，BIM)自20世纪70年代引入以来，其依托计算机生成的模型来模拟项目的规划、设计、施工和运营阶段，以互操作和可重用方式生成、存储、交换和共享建筑信息，逐渐成为推动工程建设信息化发展的重要手段[1]。然而，现阶段建设工程BIM应用主要集中于设计阶段，施工阶段和运维阶段的BIM应用深度不足，尤其是运维阶段的BIM应用尚未起步[2]。究其原因，BIM模型在工程建设全寿命周期出现的模型交付障碍、模型“失真”是阻碍BIM价值发挥的重要因素。

三维点云为BIM信息的更新、模型重建提供了有效手段。点云是三维坐标系中的一组点，用以表达物体的外表面并生成反映物体实时状态的三维模型。近年来，随着点云数据采集技术的日趋成熟，BIM与点云广泛地集成应用在建设工程全寿命周期，如用于施工阶段的进度、几何质量监测和运营维护阶段的三维建筑模型重建等。本研究旨在借助CiteSpace软件，对BIM与点云集成研究的重要成果进行可视化分析，探究BIM与点云集成知识基础、研究热点和前沿趋势，为BIM与点云集成的未来研究提供理论参考，促进BIM与点云在建设工程全寿命周期的深化应用，提升工程建设信息化水平。

1 数据来源与研究方法

1.1 数据来源

本研究选取Web of Science(WOS)核心数据库作为数据采集平台，以“BIM and point cloud”“BIM and laser scan”为搜索词对相关论文进行检索，时间跨度设定为2000年1月―2020年8月，总计选取227篇期刊和会议论文作为数据样本。WOS数据库由美 国 Thomson Reuters开发，充分涵盖了目前最重要、最具影响力的学术研究成果，被广泛应用于综述类文章的数据采集，能够权威地展现当前的研究现状[3]。WOS中提取出的数据样本信息主要包括标题、作者、关键词、摘要、参考文献、期刊、年份等，通过将以上信息导入CiteSpace软件，即可进行统计分析和可视化分析。

1.2 研究方法

本研究采取定量和定性相结合的方法，在对样本文献进行科学计量和可视化的基础上，结合对文献的泛读和精读，对计量结果作出定性分析，保证分析结果的科学合理性。文献计量学是对文献进行定量分析的科学，其于1969年由英国情报学家Alan Pritchard提出，被广泛应用于期刊或研究机构的影响力评价、学术热点追踪、前沿识别等领域[4]。词频分析是文献计量学中常用的一种方法，通过统计文献和关键词被引用的频次及关键词的突现变化，识别某一研究领域的知识基础、研究热点和前沿发展方向。

2 样本数据基础分析

2.1 时间分布

基于收集的数据样本，对年发文量进行统计，统计结果如图1所示。结果表明，BIM与点云集成研究的第一篇文献出自2010年，文献统计的实际时间跨度为2010―2020年。在过去十年间，该主题的研究成果数量整体呈现增长趋势，虽然2016年的发文量相较于2015年有所减少，但近五年来年发文量均有20余篇，可见BIM与点云在建设工程的集成应用已成为热门的研究课题。随着对智慧城市、智慧工程认知的加深，未来BIM与点云集成研究的影响范围将会不断扩大，研究的深度和广度也会不断提升。

图1 2010―2020年间BIM与点云集成研究的年发文量

2.2 重要载文期刊分析

对样本数据做期刊/会议来源统计，旨在识别BIM与点云集成研究的主流发文期刊和所属学科领域，并通过发文期刊的级别来判别数据样本的质量，以保证可视化分析的准确性。选取载文量大于5的期刊，在WOS网站查询期刊的科睿唯安JCR分区和所属学科领域，统计结果如表1所示。总体来看，载文量大于5的期刊覆盖了52.42%的样本数据，且大多数期刊(8/9)位列JCR一区(Q1)或二区(Q2)，所属学科领域涉及工程(Construction/Engineering/Building)、遥感(Remote Sensing)、影像科学和摄影技术(Imaging Science & Photographic Technology)以及计算机科学(Computer Science)，表明BIM与点云集成研究的跨学科属性。此外，载文量最多的期刊为《Automation in Construction》，过去十年间共发表BIM与点云集成研究论文52篇，占总样本量的22.90%，远超其他期刊。统计结果表明，数据样本的质量可靠，后续可视化分析能够较为准确地呈现BIM与点云集成研究的热点和前沿。

表1 重要载文期刊统计(载文量>5)

3 BIM与点云集成研究的知识基础、研究热点与前沿趋势

3.1 知识基础识别

引用量通常被用作衡量论文质量的关键指标，文献的引用量越大，表示文献的质量越高，且高被引的早期奠基性文献往往是一个研究主题的知识基础[5]。对样本数据进行文献共被引分析，识别BIM与点云集成研究的高被引文献，探究BIM与点云集成研究的知识基础。软件设置中，时间跨度为2010―2020年，时间分区为1年，节点类型为“Cited Reference”，选取各时间分区内被引频率最高的前50篇文献进行共引分析，生成包括314个节点和947条连线的共引网络，可视化被引频次排名前十的节点如图2所示，进一步列举以上高被引节点信息如表2所示。由表可见，高被引文献大多数(6/10)发表于《Automation in Construction》期刊，表明该期刊不仅发表了数量最多的关于BIM与点云集成研究的论文，同时发表的论文也是所选时期最具影响力的。

图2 BIM与点云集成研究的文献共被引网络

表2 BIM与点云集成研究的前10篇高被引文献

精读以上高被引文献发现，BIM与点云集成研究的知识基础主要分为两大类：综述类和集成应用类。2010―2016年间BIM与点云集成研究尚处于起步阶段，学者们跨学科领域对与BIM和点云相关的研究进行了综述，旨在探究BIM与点云集成的可行性、局限性以及研究方向；同时，也有不少学者对BIM与点云集成应用的领域进行了探索，旨在提升工程管理的自动化水平。

3.1.1 综述类知识基础

综述类文献包括4篇。Tang等[6]对利用激光扫描生成的三维点云自动创建竣工建筑信息模型(as-built BIM，即反映建筑建成状况的BIM模型)的已有技术进行了总结，主要包括用于几何建模、对象识别和对象关系建模的土木工程和计算机学科中开发的技术，并指出了已有技术与自动化建模需求的差距。Volk等[7]对已建建筑的BIM应用现状和研究进展进行了概述，其指出BIM在已建建筑中的应用较少，主要原因在于数据获取和已建建筑BIM模型的重建工作量大、BIM中储存信息的更新困难以及已建建筑中出现的不确定性数据、对象和关系在BIM模型中处理困难等，而BIM如何适应已建建筑的管理需求以及BIM重建、数据更新等过程的自动化是未来研究的挑战和机遇。Patraucean等[8]以竣工建筑信息模型的自动化建模为对象，以几何建模为重点，分析、总结了计算机视觉、几何处理和土木工程等学科领域的相关研究成果，并对不同学科技术对自动竣工BIM模型建模的贡献作了对比。Thomson等[9]提出了从三维点云自动生成BIM模型的工作流程以及对模型质量进行评价的指标，其指出复杂环境下基于点云的自动化BIM模型重建仍面临诸多挑战。

3.1.2 集成应用类知识基础

有关BIM与点云集成应用的文献有6篇，涉及自动化竣工BIM重建、工程进度管理和几何尺寸监测两大方向。

(1)基于点云的自动化竣工BIM重建

Xiong等[10]提出利用点云数据自动重建语义丰富的BIM模型的方法，即自动识别和建模建筑室内环境中的主要可见结构组件，如墙、天花板等，以规避人工重建过程中劳动强度大、易出错等问题。Jung等[11]提出了一种适用于复杂室内环境竣工BIM模型重建的半自动方法，该方法基于平面是建筑物中最常见几何形状的事实，通过平面提取和室内设施的边界识别自动生成建筑室内环境的架构，并基于此手动绘制竣工BIM模型，提高了建模的效率。Wang等[12]开发了一套从杂乱点云数据中自动提取建筑物几何图形的方法，该方法通过数据下采样、建筑物边缘检测以及建筑构件的分类等环节，最后将单个构件可视化为多边形，以实现可持续应用。Ochmann等[13]提出了从室内点云重建参数化BIM模型的方法，该方法采取体积表示法，并引入建筑构件的上下文信息(如墙的连接关系)等，克服了传统建模方法只关注局部表面重建的局限。

(2)集成BIM与点云的工程进度监测和几何尺寸检测

Kim等[14]开发了一种结合使用建筑4D BIM模型和点云数据进行自动化施工进度测量的方法，该方法通过循环开展将建筑物某一时间段的三维点云模型与设计阶段BIM模型进行对比、将点云数据与BIM中的信息进行匹配，以及对设计阶段BIM模型进行修正三个环节，实现对施工进度的有效测量。Bosche等[15]提出了一种利用激光扫描和建筑三维CAD模型自动追踪在建建筑三维状态的方法，通过点云数据自动识别建筑的3D CAD模型，并基于此自动计算建筑的几何尺寸，以支持在建建筑的进度控制和几何尺寸控制。

3.2 研究热点分析

关键词作为研究论文主题和思想的高度反映，对学术研究具有重大的参考价值，借助高频关键词共现图谱能够直观呈现BIM与点云集成研究的热点。软件设置中，将节点类型设置为Keywords，选取各时间分区内出现频率最高的前50个关键词进行分析，生成包括241个节点和778条连线的研究热点图谱，可视化出现频次排名前20的热点术语如图3所示，统计各热点术语出现的频次如表3，其中，“building information model”和“bim”合并统计为“BIM”。

图3 BIM与点云集成的研究热点网络图谱

由图3、表3可得，“BIM”和“点云(point cloud)”作为两大集成对象，被引频次位居前两位，其次，重建(reconstruction)、模型(model)、激光扫描(laser scanning)等18个热点术语位居其后，各热点术语的出现频次均在10及以上。通过对以上热点术语进行深入分析，发现BIM与点云集成的研究热点主要集中于数据采集、数据处理和集成应用三个方面。

表3 BIM与点云集成研究的高频关键词

3.2.1 数据采集

数据收集是BIM与点云集成应用的基础。三维点云数据可以通过不同的传感器和技术获取，如激光扫描(Laser Scanning/Laser Scanner)[6,10,16]、摄影测量(Photogrammetry)[17,18]、图片(Image)[19～21]等，其中，激光扫描也称为光探测和测距(LiDAR)，通过发射激光束并检测目标反射的信号来测量与目标的距离；摄影测量是运用摄影机测量目标物的形状、大小和空间位置的技术；图片可通过相机获取，如RGB-D相机，其通过RGB相机获取图像，并通过深度传感器获取每个像素的深度信息，最后生成彩色的点云数据。不同的数据获取技术具有不同的适用性，以激光扫描仪为例，地面激光扫描仪多应用于测量需要生成高精度数据的建筑物和民用基础设施，机载激光扫描仪主要用于获取城市规模的地形数据，而移动式激光扫描仪多用于3D城市地图绘制[22]。如何根据数据需求，采用多种数据采集技术获取数据、解决不同数据之间的传输、合并接口问题，也是学者们不断探究的方向，如Previtali等[23]开发了集成地面激光扫描仪、摄影测量和移动制图系统等多源数据来生成建筑信息模型的方法；Amano等[24]探讨了将激光扫描技术与高光谱成像技术进行集成的可行性和优势。

经文献分析发现，不论采用何种数据采集方式，现有数据采集过程都是基于现场工程师的经验完成，少有进行数据采集前的扫描规划。不同建筑元素或应用场景，通常有不同数据质量需求(数据密度、数据精度和覆盖率等)，如墙体往往只需要少量的点来表达，而复杂管道建模则需要较为密集的点。缺乏合理的扫描规划，可能会导致数据采集不充分而无法用于其预期的用途，或因采集的数据过多而耗费更多的时间和精力，并对数据处理设备提出更高的要求。因此，未来研究可针对特定的应用场景，调研点云数据的质量需求，建立数据质量需求与扫描设备参数之间的量化关系，制定合理的数据采集计划。

3.2.2 数据处理

点云数据是一组表达建筑物表面几何特征的三维空间点，需要经过一系列数据处理，如配准(Registration)[25,26]、分割(Segmentation)[16,19,27]、分类(Classification)[28,29]、识别(Recognition)[30,31]等，方可形成包含丰富几何信息和语义信息的BIM模型。为了完全覆盖一个复杂的建筑物，通常需要从多个位置采集点云数据，把所有位置获取的数据合并到同一个参考系中的过程即为配准。配准完成后，需要对点云数据进行分割和分类，如进行平面模型拟合、边缘检测等，将具有相似特征的点归类到同质区域。对象识别则是将分割的区域标记为不同的对象，如判别分割后的平面点云数据段是属于建筑物中的墙、地面或天花板。以上配准、分割、归类和对象识别等数据处理环节大多依据信息(特征)提取(Extraction)的结果，如点云局部法线特征的提取，用以识别表面的曲率变化。鉴于建筑物结构的复杂性和点云数据的密集性，以手动方式执行上述数据处理过程难以保证数据处理的效率和精度，因此，跨领域的开发多种数据处理算法、技术，实现数据处理的自动化，是目前的研究热点。

进一步分析发现，点云数据处理和数据采集通常是两个独立的过程，从施工现场采集到数据后，需要到办公场所的计算机设备进行数据处理。过程的分散会导致现场工程师无法及时地从点云数据中获取施工活动的相关信息，妨碍了数据的有效使用，尤其影响施工进度监测和质量检测等对数据时效要求高的工作。此外，现有研究通常只针对数据处理的某一环节展开，暂未有研究对实时、快速的点云数据处理进行系统的分析和设计。因此，未来研究可考虑将数据采集技术、数据处理技术和可视化技术集成，探究点云数据的实时传输、快速处理和可视化呈现，促进点云数据在施工中的应用。

3.2.3 BIM与点云集成应用

BIM与点云集成应用于工程建设的多阶段，在建造(Building)、施工(Construction)阶段，点云数据能够三维可视化施工现场及在建建筑某一时间段的真实状况，用于进度监测[14,18,31]、质量管理[15,32]、安全管理[17,33]等，以辅助决策；运营维护阶段，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与点云集成应用的一个重要领域[6,13,20]。重建的BIM模型可用于协助已建建筑的翻新改造[34]、开展建筑物性能分析[21]等，改善大多数已建建筑没有BIM模型或设计阶段BIM模型与实际建成状况不符的问题，提升工程运营阶段的信息化水平。此外，在集成应用过程中，探究BIM与点云集成应用的框架(Framework)[35,36]，评估重建模型的质量(Quality)[37]等也是当前的研究热点。

点云作为逆向建模的一种成果体现，与BIM正向建模技术的集成应用也是重要的研究方向，相关研究主要包括两方面：一是通过逆向建模方式构建建筑的竣工信息模型或“原样(as-is)”模型，并基于构建的模型进行项目的改扩建设计与规划，如Volk等[34]开发了集成建筑信息获取、三维重建、对象识别、建筑物清单生成和项目规划优化等功能的ResourceApp系统，对已建建筑物进行数字记录、分析、重建和存储，并利用生成的建筑重构模型，借助资源约束下多模式项目调度问题的求解算法，对项目进行改扩建规划；二是采用“扫描-vs-BIM”的方法，将建筑物在设计阶段的BIM模型与点云数据进行对比，开展项目的进度监测、几何尺寸检测。进度监测通常是将点云数据与包含施工进度计划的4D BIM模型进行比较，即将实际进度与计划进度进行比较，以评估进度的提前或滞后[14,18,31]；几何尺寸检测则是将设计阶段的BIM模型与点云数据进行对比，并识别两者之间的尺寸差异[32]。因此，“扫描-vs-BIM”方法的关键是将点云数据与BIM模型进行对齐以及从点云数据进行对象识别。

进一步分析发现，BIM与点云集成应用的研究多集中于施工现场管理和运营维护管理两方面，少有涉及工程建设的其他方面，如3D打印构件的质量检测等。随着装配式建筑和3D打印技术的兴起，预制构件和3D打印构件的质量问题备受关注。因此，未来研究可扩宽BIM与点云集成应用的领域，调研不同类型预制构件及3D打印构件的质量需求，探究BIM与点云集成应用于其质量检测的可行性和实施方案。

3.3 前沿趋势探析

关键词突现分析能够识别在短时间内出现频次急剧增加的关键词，以辅助探析BIM与点云集成研究的前沿。在CiteSpace软件中，选择“突现主题(Burst Terms)”作为主题类型，得到BIM与点云集成研究的突现词，为突出前沿性，选取首次突现时间在近五年的关键词列入表4，其中，突现强度表示频次增加的急剧性，突现强度越大，频次变化幅度越大。

表4 BIM与点云集成研究的前沿关键词

由表4可得，近五年来，BIM与点云集成研究的突现词共有7个，主要集中于数据采集和数据处理两大方向，光探测和测距(LiDAR)与图片(Image)是近年来工程领域的主流点云数据获取方式，而特征提取(Feature Extraction)是点云数据处理各环节的基础。不断地探寻自动化as-built BIM模型生成(Generation)的技术，提高重建模型的精度(Accuracy)，更好地实现建筑物的三维可视化(Visualization)，是未来BIM与点云集成研究的重要方向。

此外，关键词突现分析只能基于目前已有的文献来识别研究前沿，无法探及现阶段的研究空白领域。进一步对样本文献进行分析，发现现阶段 BIM 与点云集成的研究主要集中于数据层面或技术层面，少有研究 BIM 与点云应用过程中的管理问题，虽有研究探究将 BIM 与点云集成应用于工程进度管理、质量管理和安全管理，作为决策的依据，但未涉及具体管理组织、流程的改变，也未对决策效率的提升进行评估和量化。同时，BIM 与点云集成对提升 BIM 在工程项目全寿命周期的应用深度和建设工程BIM 能力的作用，也尚未有研究探及。

4 结 论

基于WOS核心数据库的227篇样本数据，运用CiteSpace软件进行可视化分析，探究BIM与点云集成研究的现状，得出如下结论：

(1)数据的时空分析结果表明，BIM与点云在建设工程中的集成应用已成为热门的研究话题。BIM与点云集成研究的主流载文期刊主要分布在工程、遥感和计算机科学等领域，表明了该研究主题的跨学科属性。

(2)不少学者对BIM与点云集成的局限性、可行性和集成应用领域进行了探究，形成了该研究主题的重要知识基础。BIM与点云集成研究的热点主要分为数据收集、数据处理和集成应用三大方向，数据收集方面，采取多种类数据采集方式，解决数据之间的接口问题是重要研究热点；数据处理方面，跨学科地开发自动化配准、分割、分类和对象识别技术是研究热点；BIM与点云集成应用于工程全寿命周期，竣工信息模型重建技术开发、集成应用框架构建和模型质量评估均是重要研究热点。

(3)BIM与点云集成研究的前沿集中于数据采集和数据处理方向，包括数据获取方式、特征提取、三维模型生成、模型精度评估以及三维可视化功能的实现等。此外，BIM 与点云集成的研究在管理层面存在研究空白，信息技术引入对管理效率影响的量化评估、集成点云数据对建设工程 BIM 能力提升的影响，均是现有研究未探及的领域。而数据采集阶段扫描计划的制定，数据采集技术、数据处理技术和可视化技术的集成以及BIM与点云集成应用于预制构件和3D打印构件的质量检测均是未来可深入探究的研究点。