Сверка факт↔BIM компьютерным зрением: как поймать отставание и брак стройки до бетона, а не на сдаче 

Бетононасос гудит, перекрытие пятнадцатого этажа залито. В Excel-отчете прораба стоит стопроцентная готовность армирования и опалубки. Спустя месяц на этаж заходят смежники тянуть вентиляцию и выясняют, что несущая шахта смещена на 400 миллиметров. Ошибка накопилась этажами ниже из-за кривой геометрии. Демонтаж. Переделка несущего узла. Минус миллионы рублей. Минус месяц графика. Классика.

Существует красивый миф: покупаете модную подписку, запускаете дрон над котлованом, льете данные в облако, и магия ИИ сама показывает, где строители накосячили против проекта. Рынок перегрет сказками про автоматический строительный контроль. Реальность жестче. В MoranaLabs мы делаем industrial AI, ставим тяжелые edge-вычисления и реалтайм на железо клиента. Я регулярно вижу, как ванильные нейросети ломаются о строительную пыль и суровую физику.

Настоящий контроль строительства: компьютерное зрение, BIM-модель и реалтайм-сверка работают только через боль, грязные данные и серверы прямо в бытовке.

Точность до сантиметра: пайплайн, который не врет

Сравнение облака точек с BIM-моделью — это не просто наложить две 3D-картинки друг на друга. Процесс разбит на три жестких этапа: сбор геометрии, регистрация скана в координатной сетке проекта и детекция расхождений. И на каждом шаге вас ждут грабли.

Самая частая причина провала — слепая вера в алгоритмы сшивки вроде ICP (Iterative Closest Point). На стройплощадке всегда хаос. В кадре строительные леса, рабочие, брошенные паллеты, бытовки, брезент. Скормите сырой скан стандартному ICP — и ваше облако улетит в сторону на пару метров. Алгоритм радостно зацепится за временные опоры, которых отродясь не было в BIM.

Смещение. Ложный брак. Истерика стройконтроля.

Поэтому до любой сверки нужна агрессивная семантическая сегментация. Нейросеть обязана вырезать из сырого массива весь «шум», оставив только несущие конструкции, перекрытия и арматуру. Иначе привязка к координатам поплывет.

import open3d as o3d
import numpy as np

def prepare_point_cloud_for_bim_registration(pcd, segmentation_model):
    # 1. Инференс: детектируем временные конструкции, людей, мусор
    labels = segmentation_model.predict(np.asarray(pcd.points))
    
    # 2. Хардкор-фильтр: оставляем строго статику (бетон, арматура, кладка)
    static_mask = (labels == CLASS_CONCRETE) | (labels == CLASS_REBAR)
    clean_pcd = pcd.select_by_index(np.where(static_mask)[0])
    
    # 3. Вычищаем статистические выбросы (взвесь строительной пыли в воздухе)
    clean_pcd, _ = clean_pcd.remove_statistical_outlier(nb_neighbors=25, std_ratio=1.5)
    
    return clean_pcd

Вторая проблема — дрейф привязки. Если сканировать этаж длинным коридором без замыкания петли (loop closure) и опорных марок, к концу секции накопится ошибка в 5-10 сантиметров. Компьютерное зрение начнет орать, что вся стена уехала, хотя дело в кривой траектории сканирования.

Дешевый процент готовности против лазерных миллиметров

Еще одно заблуждение — сканировать нужно только лазером (TLS). Лазерный сканер дает субмиллиметровую точность, но стоит как крыло самолета, требует маркшейдера и времени. Использовать его каждый день для оценки процента заливки — это палить бюджет из огнемета.

Умный пайплайн комбинирует источники. Инженер с камерой на каске просто идет по этажу — ИИ сам парсит видео, строит грубое облако и считает процент готовности перегородок. А лазер выкатывают только перед заливкой монолита в критических зонах.

Жизнь после Autodesk: on-premise и закрытые контуры

К 2026 году на российских стройках легального западного софта не останется. Эпоха Autodesk ушла. Девелоперы массово переезжают на Renga, Model Studio CS и нативный IFC. Но главная боль не в форматах, а в паранойе безопасности.

Ни один адекватный генеральный подрядчик не отдаст 3D-модель объекта и коммерческую смету в стороннее SaaS-облако. Это коммерческая тайна, а для инфраструктуры — объекты КИИ. Отправка данных наружу — уголовное дело.

Значит, облако отпадает. Мы ставим edge-сервер с GPU прямо в штабе строительства, в пыльной бытовке. Файлы IFC льются по локальной сети. Парсер разбирает геометрию локально. Нейросеть крутится на месте. Интеграция с IFC после ухода вендоров — отдельный вид пытки: каждая программа экспортирует полигоны со своими причудами. Алгоритм сверки обязан уметь жрать кривые нормали и вывернутые наизнанку поверхности, иначе система встанет в первый же день.

Инженер в петле: почему ИИ не подпишет акт

Никакая нейронка не имеет права подписывать акт скрытых работ. Закон суров: за несущую способность отвечает человек с подписью. Верить алгоритму на слово нельзя.

Компьютерное зрение здесь работает как штурман, а не автопилот. Оно подсвечивает аномалии: красным — перерасход бетона, желтым — шаг хомутов арматуры 300 мм вместо проектных 200 мм. Дальше в петлю (human-in-the-loop) вступает живой инженер. Он смотрит на экран, видит подсвеченный узел и принимает решение.

• Что автоматизируется на 100%: отсутствие стен, окон, проемов, коробов вентиляции. Сдвиг крупной опалубки. Оценка объема вывезенного грунта. Это рутина, которую ИИ щелкает моментально.
• Что требует идеальных условий: шаг арматуры и класс вязки узлов. Если армокаркас собран в три слоя, внутрь оптическая камера не заглянет физически. Снимать нужно строго на этапе послойной сборки.
• Слепое пятно для зрения: марка бетона, скрытые раковины внутри монолита. CV работает со светом, а не с ультразвуком.

Ручная сверка лазерного скана с моделью раньше выжигала недели жизни целого отдела. Сейчас на edge-сервере это занимает минуты. Экономика предотвращенного брака бьет все аргументы скептиков. Один вовремя замеченный сдвиг несущей колонны до заливки бетона окупает и железо, и софт на год вперед.

Перестаньте верить отчетам, написанным на коленке. Если у вас есть проблемная площадка — поднимайте on-prem контур. Развернем пилотную сверку факт↔BIM на вашем железе и покажем, где зарыты реальные отклонения.