鑑於國內營造業缺工嚴重、技術工逐漸老年化、工安環保要求及施工品質日益提高,本所已於110年度研究案「結合建築資訊建模(BIM)、辨識技術與人工智慧(AI)技術於建築物預鑄工法應用」(以下簡稱本計畫)中,研發應用BIM、辨識技術與人工智慧等技術於建築物預鑄工程之管理技術,可顯著提升判斷預鑄構件是否正確安裝及判定預鑄工程進度之效率。
近年來為照顧弱勢及青年族群的居住需求,政府預定於113年前直接興建12萬戶社會住宅,及包租代管8萬戶,致使社會住宅等建築物之興建數量大幅成長,然面對營造業缺工、技術工老年化及工安環保要求逐漸提高的問題,部份社會住宅等建築工程開始思考導入預鑄工法之可行性。預鑄工法先於預鑄廠完成構件預製,再於工地現場進行構件吊掛與組裝,不僅可大量減少工人需求、減少假設工程及施工廢料、工安事故發生機率、工期,亦可提高工程品質穩定度,採用預鑄工法興建社會住宅等建築物將為未來新建建築工程之推動重點。
近年來,國內BIM的使用逐步提高,再加上人工智慧與辨視技術(如RFID無線射頻辨識、影像辨視、QRCode)應用已然成熟,因此本計畫以社會住宅等建築預鑄工程為標的,開發以工地現場影像重建成工地現況點雲模型技術,再開發及應用辨識技術與人工智慧等技術,藉由比對建築物BIM模型與工地現況點雲模型,協助判斷預鑄構件是否正確安裝及判定預鑄工程進度,可有效協助提升工程管理效率,並減緩目前建築工程耗時及人力密集之問題。
本研究應用BIM模型從不同角度渲染(Rendering)影像並自動標記影像中之構件做為其地面真相(Ground Truth) ,並利用運動恢復結構(Structure from Motion, SfM)重建點雲模型,藉以獲得每張相片之攝影角度與空間資訊,再透過轉換矩陣(Transformation Matrix)將BIM模型與點雲模型進行對齊貼合,並從重建點雲所存取之相機角度與參數自動對齊BIM模型,再將對齊完整之模型及矯正後之相機角度匯入開源軟體Blender中,再利用Python及其軟體所擁有之函式庫將每個BIM構件根據不同種類部位自動分割並給予不同色彩,最後應用該軟體依據三維模型渲染不同角度二維影像之功能,模擬不同相機之角度與位置,及渲染模擬不同位置及角度之BIM模型二維圖片,此時每張渲染圖片中應能包含BIM構件,再利用簡單的線性迭代集群SLIC(Simple Linear Iterative Clustering)即能將影像中之構件進行自動切割,自動標記出所需之所有構件,即能做為地面真相給予深度學習模型利用。本研究針對SLIC自動分割BIM模型之渲染圖片,並利用演算法自動切割每張圖片為一百個區域,並且選定特定臨界點即能自動切割作為地面真實之構件。
本研究提出一套結合建築資訊模型、人工智慧辨識技術應用於預鑄工法之安裝進度分析系統,並由詳細討論各階段之技術開發細節,主要包括蒐集影像資料、BIM模型資料蒐集、資料標註、點雲模型演算法建立、4D BIM模型架構建立、結合模型、建立虛擬視覺模型、影像定位演算法、反投影演算法、場域測試及深度學習模型訓練。其中在蒐集影像資料中,建立360影像資料蒐集準則,並開發快速、穩定、有效資料蒐集之方法。在BIM模型資料蒐集中,應用人工智慧辨識方法分析預鑄工法之工程進度、BIM模型所應具備之條件及排程資訊等,並針對人工智慧所需之資料標註,提出一自動化標註方法以加強整體效率。在點雲模型演算中,透過已蒐集之影像資料建立點雲模型。在4D BIM模型架構建立中,提出透過應用IFC模型的輸出方式,由Synchro導入模型,最後再透過Blender呈現。在建立虛擬視覺模型中結合BIM及點雲模型,呈現整體進度。結合之虛擬視覺模型則可以開始進行影像定位及應用反投影演算法將各別BIM模型構件分離。最後解說深度學習模型如何透過由前述方法所擷取之深度、法向量等相關資訊作為輸入,分析各構件是否安裝並比對工程進度。
綜上,本研究透過BIM及人工智慧辨識之應用,設計一預鑄工程管控流程,並開發相關技術,包括開發出不同演算法及分析架構,最後由深度學習模型判斷預鑄構件是否正確安裝及判定預鑄工程進度,經分析本研究分析成果可達99%準確度。本研究開發之技術可有效協助提升工程管理效率,減緩目前建築工程耗時及人力密集之問題。
圖 經由超像素分割比對BIM模型渲染之虛擬影像及真實影像