从图像到消防安全：基于语义引导的现状BIM重建与既有建筑火灾风险评估图像驱动框架

《Developments in the Built Environment》：From image to fire safety: An image-driven framework for as-is BIM reconstruction and fire risk assessment of existing buildings via semantic guidance

既有建筑火灾风险评估面临“设计BIM”无法反映实际使用状况的挑战。本研究提出了一种创新的图像驱动框架，通过语义引导的高斯溅射技术生成带有丰富语义的点云与渲染图像，进而重建符合IFC标准的BIM模型，并集成火灾相关语义属性，最终用于火灾模拟与定量风险评估，为提升既有建筑BIM模型的适应性、语义丰富度和火灾分析准确性提供了全新范式。

　　

在当今城市环境中，既有建筑是火灾风险的高发地，电气故障、烹饪活动或供暖设备故障都可能引发悲剧。美国消防协会的统计数据显示，2023年仅在美国就有47万起既有建筑火灾，造成3070名平民死亡和147亿美元的直接财产损失。在中国，情况同样严峻。面对这种现实，在火灾发生前对既有建筑进行科学有效的风险评估，已成为减少损失的关键。然而，一个核心难题在于：支撑火灾模拟的理想工具——建筑信息模型（BIM），其现有的模型大多基于设计图纸创建，无法真实反映建筑在使用过程中因改造、功能调整而产生的结构和材料变化。这种“设计”与“现状”的脱节，可能导致火灾模拟结果出现严重偏差，从而影响应急决策的科学性。

为了弥合这一鸿沟，本研究提出并验证了一种从图像到消防安全的全新工作流程。该研究发表在《Developments in the Built Environment》期刊上，其核心目标是仅利用采集的建筑图像数据，自动化地重建能够反映建筑“现状”、且富含火灾相关语义信息的BIM模型，并直接用于火灾动力学模拟与风险评估。研究人员通过案例研究表明，该方法能够生成高保真的几何模型，并成功将材料属性、消防设施等关键语义信息与三维几何空间关联，最终生成可直接导入主流火灾模拟平台的IFC兼容BIM模型，实现了从数据采集到风险定量评估的端到端自动化流程。

核心方法概述

为实现这一目标，研究主要采用了三个关键技术方法：首先，利用语义引导的高斯溅射（Semantic-Guided Gaussian Splatting， S-GS）技术，将采集的真实图像与通过Segment Anything Model（SAM）获取的语义标签结合，生成带有语义信息的3D点云和高质量渲染图像。其次，基于这些语义点云，通过基于切片的重建方法自动提取几何信息，并重建为符合IFC标准的BIM模型构件（如墙、门、窗等）。最后，提出了一种图像到空间的语义映射新范式，在渲染图像上进行建筑材料分类和消防设施检测，再通过像素与3D高斯体素之间的精确对应关系，将识别出的语义属性（如材料燃烧特性、灭火器位置）反向映射并关联到三维几何模型上，进而扩展IFC属性集，形成语义完整的增强BIM模型。

研究结果

3.1. 基于S-GS的IFC兼容BIM模型重建

• •
  生成带有语义标签的点云和渲染图像：研究引入的S-GS方法，以真实图像和通过SAM半自动生成的语义标签作为输入，通过优化包含渲染损失（L_render）和语义一致性损失（L_sem）在内的总损失函数（L_total），最终输出带有语义标签的3D点云和高保真渲染图像。这为后续的几何重建和语义信息提取提供了高质量的数据基础。
• •
  几何信息提取与IFC兼容BIM重建：研究对语义点云按构件类型（如墙、门）进行分割和聚类，并使用基于切片的方法进行几何重建。对于每个构件，沿Z轴以厚度Δz进行切片，利用α-shape算法提取每层切片在X-Y平面的轮廓，最终通过挤出（Extrusion）或扫掠（Sweeping）操作生成三维实体。重建的几何通过IFC实体（如IfcWall, IfcDoor）及其对应的标准属性集（如Pset_WallCommon）进行表达，确保了模型的标准化和互操作性。

3.2. 基于像素-空间映射的语义属性集成

• •
  图像识别与空间映射：在S-GS生成的渲染图像上进行材料分类和物体（消防设施）检测。由于渲染图像中的每个像素都直接对应于3D高斯分布，因此可以通过相机投影矩阵将2D图像中识别出的语义信息精确地映射回3D空间中的对应高斯点，继而关联到由其构成的BIM构件上。这种方法克服了传统点云语义分割在语义表达和几何对应方面的局限性。

3.3. 火灾模拟与风险评估

• •
  IFC语义扩展与模型准备：研究为BIM模型中的构件扩展了火灾相关的属性集，例如为墙体添加材料燃烧等级、热传导系数，为空间添加人员密度、消防设施状态等。这些属性被嵌入到IFC模型中，形成了可直接用于仿真输入的、信息完备的BIM模型。
• •
  案例验证：通过四个实际案例研究，验证了所提框架的可行性与鲁棒性。生成的BIM模型成功导入火灾动力学模拟器（FDS）和人员疏散模拟工具，用于模拟烟雾扩散、温度变化和人员疏散过程，从而实现了对既有建筑火灾风险的定量评估。

结论与意义

本研究成功开发并验证了一个统一的、图像驱动的既有建筑三维重建与火灾风险评估工作流程。其主要贡献在于：

1. 1.
   提出了图像-点云协作新范式：首次将语义引导的高斯溅射（S-GS）技术用于既有建筑的BIM重建，实现了从无序图像到富含语义信息的3D表达的高效生成。
2. 2.
   建立了语义-几何的精确关联：通过创新的像素到空间映射机制，将从图像中识别出的火灾相关语义属性（材料、消防设施）直接与重建的3D几何模型关联，克服了传统方法中语义与几何分离的痛点。
3. 3.
   实现了仿真就绪的BIM生成：最终输出的模型是符合IFC标准的、包含扩展火灾语义属性的BIM模型，能够无缝接入主流的火灾与疏散仿真平台，为自动化、高精度的火灾风险评估提供了可直接使用的数据基础。
4. 4.
   构建并开源了专业数据集：研究建立了来源于实际建筑环境的建筑材料分类数据集和消防设施识别数据集，为相关领域的研究提供了宝贵的资源。

这项研究的意义深远。它极大降低了为大量缺乏BIM模型的既有建筑创建“现状”高精度模型的成本和技术门槛，仅需图像即可完成。更重要的是，它首次系统地将火灾风险评估所需的丰富语义信息自动化地融入重建模型，推动了BIM在运维阶段特别是安全管理中的深度应用，为城市消防安全管理的数字化、智能化转型提供了一种切实可行的技术路径。