[논문]Scan-to-BIM 자동화 기술을 활용한 건축물 단위의 BIM 모델 생성 - 강원소방학교 BIM 모델링 실증을 중심으로 -

박준우; 김재홍; 김소현; 이지민; 최창순; 정광복; 이재욱

doi:10.13161/kibim.2021.11.4.053

Scan-to-BIM 자동화 기술을 활용한 건축물 단위의 BIM 모델 생성 - 강원소방학교 BIM 모델링 실증을 중심으로 -
BIM Model Generation at Building Level using Automated Scan-to-BIM Process - Focused on Demonstration of BIM Modeling for Gangwon Fire Service Academy - 원문보기

Journal of KIBIM = 한국BIM학회논문집, v.11 no.4, 2021년, pp.53 - 62

박준우 (딥러닝 건축연구소, 세종대학교 건축공학과) , 김재홍 (세종대학교 건축공학과) , 김소현 (딥러닝 건축연구소, 세종대학교 건축공학과) , 이지민 (딥러닝 건축연구소, 세종대학교 건축공학과) , 최창순 (딥러닝 건축연구소, 세종대학교 건축공학과) , 정광복 (딥러닝 건축연구소, 세종대학교 건축공학과) , 이재욱 (딥러닝 건축연구소, 세종대학교 건축공학과)

Abstract ▼ AI-Helper

The successful implementation of Scan-to-BIM automation depends on the entire process from scanning of buildings, including indoor facilities and furniture, to generating BIM models. However, the conventional Scan-to-BIM process requires a lot of time, manpower, and cost for the manual generation of BIM models including indoor objects. To solve this problem, this study applied a Scan-to-BIM automation process using a deep learning model and parametric algorithm to an existing building, Kangwon Fire Service Academy. To improve the accuracy of the BIM model, after object data was extracted from the scan data, the data was corrected according to actual object-specific conditions. As a result, the accuracy of the BIM model created by the proposed Scan-to-BIM automation process was 91% compared to the actual area of the construction drawings. In addition, it was confirmed that the BIM objects were automatically generated for 10 object classes.

주제어

표/그림 (25)

그림 Figure 1. Automated Scan-to-BIM process
표 Table 1. Overview of target building
그림 Figure 2. Scan data(L) and segmentation result(R)
그림 Figure 3. S3DIS learning data(L) and scan data of Gangwon fire service academy(R)
그림 Figure 4. Result of data preprocessing
그림 Figure 5. Log of learning results
그림 Figure 6. Before(L) and after(R) data preprocessing
표 Table 2. Loss value and classification accuracy by data
표 Table 3. Input value for each class
그림 Figure 7. DBSCAN results
그림 Figure 8. Result of creating bounding box by space
그림 Figure 9. Coordinate change after semantic segmentation
그림 Figure 10. Process of applying spatial relationship for each room
그림 Figure 11. Box-shifting result
그림 Figure 12. Excel output data: Object information
그림 Figure 13. Automatic creation of BIM model based on parametric algorithm
그림 Figure 14. Data extrcat
그림 Figure 15. Object data output result for each room
그림 Figure 16. Wall object creation process
그림 Figure 17. Enter the height of the wall object(L) and the result of joining between the wall objects
그림 Figure 18. Create dependent object
그림 Figure 19. Recognize host object(L) and create dependent object(R)
그림 Figure 21. Developed Dynamo algorithm
그림 Figure 20. The process of creating a space-occupying object
그림 Figure 22. Scan data and generated BIM model

참고문헌 (13)

Armeni I., Sax S., Zamir A. R., Savarese S. (2017). Joint 2d-3d-semantic data for indoor scene understanding, arXiv preprint arXiv:1702.01105.
Banfi F., Fai S., Brumana R. (2017). BIM automation: advanced modeling generative process for complex structures. In 26th International CIPA Symposium on Digital Workflows for Heritage Conservation, 9-16. Copernicus GmbH.
Cheng Y. J., Qiu W. G., Duan D. Y. (2019). Automatic creation of as-is building information model from single-track railway tunnel point clouds. Automation in Construction, 106, 102911.

상세보기
Huber D., Akinci B., Oliver A. A., Anil E., Okorn B. E., Xiong X. (2011). Methods for automatically modeling and representing as-built building information models. In Proceedings of the NSF CMMI Research Innovation Conference, 856558.
Jung J., Hong S., Jeong S., Kim S., Cho H., Hong S., Heo J. (2014). Productive modeling for development of as-built BIM of existing indoor structures. Automation in Construction, 42, pp. 68-77.

상세보기
Ma L., Sacks R., Kattel U., Bloch T. (2018). 3D object classification using geometric features and pairwise relationships. Computer Aided Civil and Infrastructure Engineering, 33(2), pp. 152-164.

상세보기
Mill, T., Alt A., Liias R. (2013). Combined 3D building surveying techniques-terrestrial laser scanning (TLS) and total station surveying for BIM data management purposes. Journal of Civil Engineering and Management, 19, pp. 23-32.
Patraucean V., Armeni I., Nahangi M., Yeung J., Brilakis I., Haas C. (2015). State of research in automatic as-built modelling. Advanced Engineering Informatics, 29 (2), pp. 162-171.

상세보기
Qi C. R., Su H., Mo K., Guibas L. J. (2017). PoinNet: Deep learning on point sets for 3d classification and segmentation. In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 652-660.
Thomson C., Boehm J. (2015). Automatic geometry generation from point clouds for BIM. Remote Sensing, 7(9), pp. 11753-11775.

상세보기
Volk R., Stengel J., Schultmann F. (2014). Building Information Modeling (BIM) for existing buildings-Literature review and future needs. Automation in construction, 38, pp. 109-127.

상세보기
Xu J., Ding L., Love P. E. (2017). Digital reproduction of historical building ornamental components: From 3D scanning to 3D printing. Automation in Construction, 76, pp. 85-96.

상세보기
Yang L., Cheng J. C., Wang Q. (2020). Semi-automated generation of parametric BIM for steel structures based on terrestrial laser scanning data. Automation in Construction, 112, 103037.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format