BIM-Constrained Optimization for Accurate Localization and Deviation Correction in Construction Monitoring

要約

建設監視のための拡張現実（AR）アプリケーションは、建築要素を視覚化するためにリアルタイムの環境追跡に依存しています。
ただし、建設現場は、特徴のない表面、動的な変化、およびドリフトの蓄積による従来の追跡方法に大きな課題を提示し、デジタルモデルと物理的世界の間の誤りにつながります。
このペーパーでは、これらの課題に対処するために、BIMにアウェアドリフト補正方法を提案しています。
SLAMベースのローカリゼーションのみに依存する代わりに、「AS BUILT」検出された平面を、現実世界の環境から並べ、BIMの「ASPLANNED」アーキテクチャプレーンと並べます。
私たちの方法は、堅牢な平面マッチングを実行し、最適化技術を使用してスラム（S）とBIM（B）のオリジンフレーム間の変換（TF）を計算し、時間の経過とともにドリフトを最小限に抑えます。
BIMを以前の構造知識として組み込むことにより、騒々しい建設環境での長期的な局在化と強化されたAR視覚化精度を達成することができます。
この方法は、現実世界の実験を通じて評価され、ドリフト誘導エラーの大幅な減少と最適化されたアライメントの一貫性を示します。
平均して、当社のシステムは、ユーザーによる初期のマニュアルアライメントと比較して、角度偏差が52.24％の削減と、一致した壁の距離エラーで60.8％の減少を達成します。

要約(オリジナル)

Augmented reality (AR) applications for construction monitoring rely on real-time environmental tracking to visualize architectural elements. However, construction sites present significant challenges for traditional tracking methods due to featureless surfaces, dynamic changes, and drift accumulation, leading to misalignment between digital models and the physical world. This paper proposes a BIM-aware drift correction method to address these challenges. Instead of relying solely on SLAM-based localization, we align “as-built’ detected planes from the real-world environment with “as-planned’ architectural planes in BIM. Our method performs robust plane matching and computes a transformation (TF) between SLAM (S) and BIM (B) origin frames using optimization techniques, minimizing drift over time. By incorporating BIM as prior structural knowledge, we can achieve improved long-term localization and enhanced AR visualization accuracy in noisy construction environments. The method is evaluated through real-world experiments, showing significant reductions in drift-induced errors and optimized alignment consistency. On average, our system achieves a reduction of 52.24% in angular deviations and a reduction of 60.8% in the distance error of the matched walls compared to the initial manual alignment by the user.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google