无图逆向建模落地广州骑楼的三道本地化工序 | 艾三维技术

2026/10/26

结论先说：卡的不是扫描设备，也不是AI提取工具，是三道合肥没有、广州绕不开的本地化工序——连片骑楼的单栋边界切分、装饰性构件的人工核校清单、高架遮挡下的多源点云基准统一。结构骨架交给AI已经够用，骑楼模型的交付质量仍然取决于人怎么“切”和怎么“校”。
艾三维-骑楼逆向建模1

一、合肥42栋跑通的是什么？
艾三维-骑楼逆向建模2

庐阳区完成的是42栋老旧住宅连同地下管线的无图逆向建模，解决的是原图纸缺失条件下改造前期靠人工丈量的难题。值得拆的不是“42栋”这个量级，是工序分工：扫描、语义分割、构件拟合、人工核校被拆开，各管一段。

二、广州骑楼为什么不能直接套？
艾三维-骑楼逆向建模3

广州现存传统骑楼街26.5公里、涉及3800多栋，图纸缺失程度不比合肥轻。但骑楼构件逻辑不是正交的：一楼退让形成贯通廊道，二楼以上悬挑于街面，廊柱、檐口、山花连成灰空间边界。点云扫过去，廊道顶棚与二层楼板距离极近，自动拟合时墙体和楼板的归属容易串。

三、第一道工序：连片骑楼先切单栋
艾三维-骑楼逆向建模4

合肥老住宅可按栋独立处理。骑楼街往往连片，相邻楼栋之间没有明显物理断点，单栋模型的边界得靠产权线或结构缝人工切。少了这一步，AI输出的构件会跨楼栋粘连。广州近期规划明确提出以北京路、上下九、一德路、恩宁路、人民南路为重点构建“全天候骑楼步行通道”，连片改造的节奏只会加快，切分规则必须前置。

四、第二道工序：装饰构件不能全靠自动提取
艾三维-骑楼逆向建模5

合肥的目标是支撑老旧小区改造，精度够用即可。广州骑楼绕不开灰塑排水口、琉璃窗框、山花线脚。EdgeWise在广州旧改项目实测，三栋楼的结构建模从人工近一周压到三人一天半，自动提取的构件带几何参数和属性；但装饰构件准确率掉得快，必须留人工逐件核校，按结构鉴定和风貌修缮两种用途做分级交付。

五、第三道工序：多源点云先统一基准
艾三维-骑楼逆向建模6

骑楼街不少段落被高架覆盖，人民路一带是典型。地面站扫廊道内部，车载扫连续立面，无人机补屋顶。多源点云配准后，廊柱垂直度和悬挑板水平度能否在同一坐标框架对齐，决定构件拟合基准可不可靠。合肥以地面站为主的流程，到广州要先统一基准，否则墙柱交接处出现错台，后面的人工核校全要返工。

六、复制经验，补的是工序不是工具
艾三维-骑楼逆向建模7

合肥回答的是“无图也能建”。广州骑楼要回答的是另一道题：无图建出来的模型，修缮的人敢不敢用。艾三维在这类项目里的落点也在这三道工序上——EdgeWise跑结构骨架，骑楼构件类型接进构件库做语义映射，按用途分级交付，不把“一模到底”压成“一模全精”。

〈〉

无图逆向建模落地广州骑楼的三道本地化工序 | 艾三维技术

点云或照片建三维模型

无人机扫描铁路之后，点云到BIM的“最后一公里”怎么打通