基于 BIM 约束的优化用于建筑监测中的精确定位与偏差校正
机器人学
2025-10-09 v2 计算机视觉与模式识别
摘要
建筑监测的增强现实（AR）应用依赖实时环境跟踪以实现建筑元素的可视化。然而，建筑工地为传统跟踪方法带来了显著挑战，由于无特征表面、动态变更以及漂移累积，导致数字模型与物理世界错位。本文提出一种 BIM 感知的漂移校正方法以应对这些挑战。我们不依赖仅靠 SLAM 进行定位，而是将来自真实环境中检测到的“现状”平面与 BIM 中的“计划”建筑平面对齐。该方法通过优化技术实现稳健的平面匹配，并计算 SLAM（S）与 BIM（B）原点坐标系之间的变换（TF），以最小化随时间漂移。通过将 BIM 作为先验结构知识纳入，能够实现更长期的定位精度并在嘈杂的建筑环境中提升 AR 可视化精度。该方法通过实际实验评估，显示在漂移导致的误差方面显著降低，且对齐一致性得到优化。平均而言，本系统在角度偏差上实现了 52.24% 的降低，在匹配墙面的距离误差上实现了 60.8% 的降低，相对于用户手动对齐的初始结果。
引用
@article{arxiv.2504.17693,
title = {BIM-Constrained Optimization for Accurate Localization and Deviation Correction in Construction Monitoring},
author = {Asier Bikandi-Noya and Muhammad Shaheer and Hriday Bavle and Jayan Jevanesan and Holger Voos and Jose Luis Sanchez-Lopez},
journal= {arXiv preprint arXiv:2504.17693},
year = {2025}
}