3D Point Cloud Data-based Deep Learning for Enrichment of BIM Interoperability

Abstract

BIM 소프트웨어간 데이터 호환성에 대한 문제는 현재 다양한 분야에서 BIM을 활용하는데 있어 필수적이다. 이를 해결하기 위해 활용되고 있는 IFC 데이터는 BIM 소프트웨어 간 데이터 교환 시 여전히 오류 및 누락이 발생하여 IFC 엔터티와 BIM 객체간의 매핑이 잘 되지 않는 시멘틱 무결성이 보장되지 않는 문제가 존재한다. 이 연구에서는 시멘틱 무결성을 위해 IFC 데이터에서 잘못 분류된 개체를 감지하고 업데이트하는 수단으로 3D 포인트 클라우드 기반 BIM 개체 분류를 제시하고 IFC 파일 내에서 기둥에 대한 정보를 슬래브로 업데이트 시키는 과정을 진행한다. 특히 IFC 엔티티 예측을 위해 IFC 데이터에서 추출 및 변환된 포인트 클라우드 데이터 세트를 사용하여 특정 공간 패턴을 학습하도록 분류모델을 설계하였다. 5개의 IFC 엔터티(IfcBeam, IfcColumn, IfcSlab, IfcWall, IfcStair) 분류에 대해 0.84의 정확도를 달성했다. 그런 다음 각 개별 IFC 객체에 할당된 ID를 사용하여 IFC 파일에 대한 업데이트를 수행하여 전체 과정의 자동화 가능성을 확인하였습니다. 따라서 이러한 접근법이 IFC 데이터의 자동화된 업데이트 과정의 가능성을 확인함으로써 BIM 정보 무결성 및 상호운용성을 개선하기 위한 기초적인 역할을 할 수 있다.|Successfully mapping IFC entities to BIM objects may enhance the semantic integrity of information and interoperability of BIM products in direct ways. In practice, however semantic integrity, which maps IFC entities to BIM objects, is not reliably maintained due to inaccuracies and omissions in the IFC data used for data exchange between BIM software. This paper presents a 3D point cloud-based BIM entity classification as a method for ensuring the semantic integrity of IFC data and then proceeds to update information about columns into slabs within IFC files. Specifically, for the prediction of IFC entities, the classification model is designed to learn the spatial patterns hidden in point cloud datasets, which are extracted and converted from IFC data. Five IFC elements were classified with an accuracy of 0.84, including IfcBeam, IfcColumn, IfcSlab, IfcWall, and IfcStair. Then using the IDs that are allocated to each IFC object, updates were performed to the IFC file. Consequently, this method can be crucial in enhancing BIM information integrity and interoperability by revealing the potential for an automatic updating process of IFC data.