Scan-to-BIM for As-built Roads: Automatic Road Digital Twinning from Semantically Labeled Point Cloud Data

为已建成的道路创建几何数字孪生体（gDT）仍然面临许多挑战，例如自动化水平和精度较低、资产类型和形状有限以及依赖工程经验。提出了一种新颖的基于语义标记点云数据（PCD）的扫描到建筑信息模型（scan-to-BIM）框架，用于自动创建道路gDT，考虑了六种资产类型：道路表面、道路侧面（坡度）、道路车道（标线）、道路标志、道路灯光和护栏。该框架首先将语义PCD分割成空间独立的实例或部分，然后提取其代表性几何信息的分段多边形轮廓，并使用新的数据结构将其存储在JavaScript对象表示法（JSON）文件中。最后，使用相应的转换算法从JSON文件创建原始gDT。该方法在六个总长度为1,200米的真实道路段上实现了1.46厘米的平均距离误差和6.29米/秒的处理速度。

提出了一种基于语义点云数据的自动道路几何数字孪生模型（gDT）创建方法，以解决现有方法中自动化水平和精度低、资产类型和形状有限、依赖工程经验等问题。

该方法首先将语义点云数据分割成空间独立的实例或部分，然后提取它们的截面多边形轮廓作为它们的代表几何信息，最后使用相应的转换算法从JSON文件中创建原始gDT。

论文在六个真实道路段上进行了实验，总长度为1,200米，平均距离误差为1.46厘米，处理速度为6.29米/秒。该方法的亮点包括提出了新的数据结构，使用了语义标签的点云数据，实现了自动化道路gDT的创建。

当前在这个领域中，还有一些相关的研究被进行，如《基于深度学习的道路建模方法》、《道路数字孪生模型的自动化创建方法》等。