Comparative analysis of the effectiveness of methods for evaluating completed construction work using a point cloud

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The large-scale use of digital capabilities of laser scanning technology at the stages of the life cycle of a construction facility is limited by a number of reasons, among which it is possible to note the lack of technological methods for processing laser scanning results with the subsequent transformation of the resulting point cloud into a digital executive model. The article considers the foreign and domestic experience of practical use of point clouds at the stage of construction of a construction object, with the possibility of verifying the volume of completed work based on a digital information model. Based on the results of a comparative analysis using the example of the load-bearing skeleton of a building made in the executive and design information models, a general disadvantage of known methods for creating and determining the volume of work performed based on point clouds was identified. The article proposes a solution that eliminates the discovered flaw. The advantages of the proposed method are shown, in comparison with the known ones, using the example of determining the volume of a monolithic reinforced concrete wall of a civil building. A discrepancy was revealed in the assessment of the completed volumes of the structure obtained using various methods. The proposed method of calculating volumes using a point cloud makes it possible to increase the transparency of management at the stages of the life cycle of a construction facility, ensures a more rational distribution of material and labor resources, improves the quality of construction control, as well as the reliability of executive documentation. 

Авторлар туралы

N. Isupov

Ural Federal University named after the First President of Russia B.N. Yeltsin

Email: isupovn98@gmail.com
ORCID iD: 0000-0002-4301-3202

N. Fomin

Ural Federal University named after the First President of Russia B.N. Yeltsin

Email: ni.fomin@urfu.ru
ORCID iD: 0000-0002-7095-7161

Әдебиет тізімі

  1. Bariczova G., Erdelyi J., Honti R., Tomek L. Wall Structure Geometry Verification Using TLS Data and BIM Model // Applied Sciences. 2021. Vol. 11. Iss. 24. P. 1–20. https://doi.org/10.3390/app112411804.
  2. Могучев С.Б. Строительный контроль с использованием облака точек и информационной модели здания // Инженерный вестник Дона. 2022. № 6. С. 580–589. EDN: AORUME.
  3. Young-Jin Cha, Wooram Choi, Büyüköztürk O. Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks // Computer-Aided Civil and Infrastructure Engineering. 2017. Vol. 32. Iss. 5. P. 361–378. https://doi.org/10.1111/mice.12263.
  4. Гиря Л.В., Трофимов Г.П. Обследование памятников архитектуры с использованием современных технологий трехмерного сканирования // Вестник Томского государственного архитектурностроительного университета. 2022. Т. 24. № 6. С. 35–43. https://doi.org/10.31675/1607-1859-2022-24-6-35-43. EDN: KYKCUL.
  5. Молоков П.В. Создание трехмерных моделей объектов историко-культурного наследия с использованием наземного лазерного сканирования и аэрофотосъемки // Экология. Экономика. Информатика. Серия: геоинформационные технологии и космический мониторинг. 2024. Т. 2. № 9. С. 55–63. https://doi.org/10.23885/2500-123X-2024-2-9-55-63. EDN: YBEUUA.
  6. Sharif M., Rausch C., Ndiongue S., Haas C., Walbridge S. Using 3D Scanning for Accurate Estimation of Termination Points for Dimensional Quality Assurance in Pipe Spool Fabrication // International Journal of Industrialized Construction. 2021. Vol. 2. Iss. 1. P. 54–69. https://doi.org/10.29173/ijic253.
  7. Курбанов О.А. Оценка перспектив применения наземного 3D-лазерного сканирования при строительно-монтажных работах нежилых зданий // Интернаука. 2024. № 20-1. С. 17–23. EDN: IDKEQL.
  8. Al-Fugara A., Al-Adamat R., Al Haddad M., Al–Shawabkeh Y., El-Khalili M., Obaidat D. Using of Laser Scanning and Dense Stereo Matching for 3D Documentation and Virtual Reconstruction of the Ancient Sama Monastery/Jordan // International Journal of Remote Sensing Applications. 2016. Vol. 6. P. 19–29. https://doi.org/10.14355/ijrsa.2016.06.003.
  9. Castellazi G., DʼAltri A.M., Bitelli G., Selvaggi I., Lambertini A. From Laser Scanning to Finite Element Analysis of Complex Buildings by Using a Semi-Automatic Procedure // Sensors. 2015. Vol. 15. Iss. 8. P. 18360–18380. https://doi.org/10.3390/s150818360.
  10. Fan Xie, Xiao Pan, Yang T.Y., Ernewein B., Minghao Li, Robinson D. A Novel Computer Vision and Point Cloud-Based Approach for Accurate Structural Analysis of a Tall Irregular Timber Structure // Structures. 2024. Vol. 70. P. 1–12. https://doi.org/10.1016/j.istruc.2024.107697.
  11. Justo A., Lamas D., Sanchez-Rodriguez A., Soilan M., Riveiro B. Generating IFC-Compliant Models and Structural Graphs of Truss Bridges from Dense Point Clouds // Automation in Construction. 2023. Vol. 149. P. 1–15. https://doi.org/10.1016/j.autcon.2023.104786.
  12. Yunping Fang, Mitoulis S.-A., Boddice D., Jialiang Yu, Ninic J. Scan-To-BIM-To-Sim: Automated Reconstruction of Digital and Simulation Models from Point Clouds with Applications On Bridges // Results in Engineering. 2025. Vol. 25. P. 1–21. https://doi.org/10.1016/j.rineng.2025.104289.
  13. Jingdao Chen, Yong K. Cho, Jun Ueda Sampled-Point Network for Classification of Deformed Building Element Point Clouds // IEEE International Conference on Robotics and Automation (ICRA). 2018. P. 2164–2169. https://doi.org/10.1109/ICRA.2018.8461095.
  14. Jingdao Chen, Yong K. Cho Point-to-point Comparison Method for Automated Scan-vs-BIM Deviation Detection // Proceedings of 17th International Conference on Computing in Civil and Building Engineering. 2018. P. 1–9.
  15. Богданов А.Н., Алешутин И.А. Наземное лазерное сканирование в строительстве и BIMтехнологиях // Известия Казанского государственного архитектурно-строительного университета. 2018. № 4. С. 326–332. EDN: VQTQVG.
  16. Вареник К.А., Вареник А.С., Храмов Д.Д., Чамеев А.С. Создание цифровой информационной модели Георгиевского собора Юрьева монастыря на основе результатов лазерного сканирования и фотограмметрии // Перспективы науки. 2023. № 4. С. 80–86. EDN: AIMLVR.
  17. Мелин М.А., Бреус Н.Л. Преимущества цифрового документооборота при подготовке и ведении исполнительной документации // Вестник Евразийской науки. 2022. Т. 14. № 3. С. 1–11. EDN: XSJWWX.
  18. Фёдоров В.С., Тюменцев А.И. Геоинформационное и дистанционное обеспечение маркшейдерских съемок карьеров малой и средней глубины на базе беспилотных летательных аппаратов (на примере районов Иркутской области) // Проблемы разработки месторождений углеводородных и рудных полезных ископаемых. 2023. Т. 2. С. 87–92. EDN: NFIUKG.
  19. Soomin Lee, Jung Yeoul Bae, Sharafat A., Jongwon Seo Waste Lime Earthwork Management Using Drone and BIM Technology for Construction Projects: The Case Study of Urban Development Project // KSCE Journal of Civil Engineering. 2024. Vol. 28. Iss. 2. P. 517–531. https://doi.org/10.1007/s12205-023-1245-z.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML


Creative Commons License
Бұл мақала лицензия бойынша қолжетімді Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».