既有綜述比較｜SLAM 點雲圖鑑

本研究的工作論點（working thesis）是：判斷 SLAM 是否適用於營建工程，應看它產出的點雲能否支撐工程任務，而不只看軌跡精度。若既有綜述已提出同樣的論點，投稿時就不能把它寫成新觀點。因此在撰寫技術章節之前，先以固定欄位比對相近的綜述，檢驗新穎性（novelty），再判斷原定位是否成立。

比對對象共 22 篇綜述。矩陣的「查核程度」沿用擷取紀錄：已讀全文 3 篇、已讀部分章節 6 篇、僅讀摘要 13 篇。2026-09-26 已補讀其中 10 篇的全文（原先只讀摘要的 4 篇與只讀部分章節的 6 篇），下方判定依補讀結果更新；矩陣欄位尚待依全文重新產生。證據庫的全文複核紀錄另顯示，矩陣中其餘標為僅讀摘要的綜述，除一篇無法取得全文外也已讀過全文，但尚未依本頁的比對問題逐篇判讀。另有四篇非綜述研究直接影響新穎性判斷（營建工地的 LiDAR SLAM 評估、SLAM 地圖評估框架、BIM 輔助定位、Scan-vs-BIM 的點雲品質需求），在下方判定中引用，但不列入矩陣 (Feng et al., 2025; Hu et al., 2025; Zhang et al., 2026; Rebolj et al., 2017)。

重疊矩陣

欄位依研究任務書 5.3 節設定：時間與檢索、問題定位、技術範圍、分類架構、比較深度、品質與不確定性、工地證據、可重現資產、與本研究重疊、查核程度。寬畫面以表格呈現（可橫向捲動，表頭與首欄固定）；窄畫面改為卡片，「與本研究重疊」直接顯示，其餘欄位收合。

中文內容是查證紀錄英文擷取的翻譯，意義以原文為準；「欄位內容」可切換為擷取原文，方便撰寫英文稿時逐字對照。重疊等級取自擷取紀錄開頭的判讀用語；原文未寫明等級者標為「未標示等級」，不另行推估。

既有綜述重疊矩陣：列為綜述，欄為任務書 5.3 節的比對欄位；「未查證」表示擷取時未讀到該內容，不代表該綜述未處理此議題
綜述	時間與檢索檢索到何時？如何選文？有無經典文獻路徑？	問題定位重點是導航、建圖、量測、點雲處理，還是工程決策？	技術範圍包含哪些感測、估計架構與表示？	分類架構分類維度是否互斥、可重複使用？	比較深度是摘要列舉、定性表格、同條件實驗，還是任務證據綜整？	品質與不確定性是否區分軌跡、幾何、工程任務與參考量測？	工地證據是否辨識真實工地、已完工建築、模擬與跨場景限制？	可重現資產是否有文獻庫、評估規範、資料或程式？	與本研究重疊哪些內容已做？哪些仍有可證明的延伸空間？	查核程度書目、摘要或全文？對應章節在哪裡？
Li et al., 2026aKSCE Journal of Civil EngineeringA structured review of SLAM generation in the AEC industry: Technical framework, site-specific challenges, and adaptive strategies全文營建機器人定位與 SLAM	PRISMA；Web of Science 與 Scopus；2014-01-01 至 2025-04-23；報告布林檢索式；1029 筆紀錄，移除 214 筆重複，保留 304 篇（Sec. 2.1-2.2）。2014 年以前無經典文獻路徑。	AEC 機器人的 SLAM 地圖與軌跡如何生成，以及為何在工地失效；情境包括導航、檢測與進度監測。	感測器（LiDAR、相機、IMU、無線電）、點雲、視覺與語意特徵、LO/VO/VIO/LIO 與 IMU 預積分、位姿圖、因子圖、光束法平差、稀疏/稠密/語意/拓撲地圖。已讀章節中唯一提到的隱式神經方法為 HI-SLAM。	五模組生成流程，加上四個挑戰面向（平台限制、機制層、環境物理因素、任務與環境錯配）。	定性表格	已讀全文中未明確區分軌跡、地圖幾何、任務成果與參考量測；品質以定性方式討論（如粒度過粗、漂移、與 BIM 不對齊）。	引用工地研究，但未依驗證環境分類證據，也未報告工地數量。	已讀內容中未見釋出的文獻資料庫、編碼表或評估規範。	高高度重疊：題名層級的定位（AEC 中的 SLAM）、流程拆解，以及「SLAM 輸出與施工任務需求錯配」的論點。延伸空間量化且分層的品質框架（軌跡、地圖幾何、任務），並編碼參考量測的不確定性；依驗證環境建立證據地圖；從經典到當代的技術脈絡，含地圖表示與神經或高斯地圖；報告檢核清單。	全文章節定位Sec. 1; Sec. 2.1-2.2; Sec. 4.5 Table 7; Sec. 5.1; Sec. 5.3 Table 9; Sec. 6; Sec. 7 已讀範圍（8 項） Abstract Sec. 1 Sec. 2 Methodology (2.1-2.3) Sec. 3 Bibliometric results incl. Tables 1-2 Sec. 4.1-4.5 incl. Tables 3-7 Sec. 5.1-5.3 incl. Tables 8-9 Sec. 6 Sec. 7
Yarovoi & Cho, 2024Automation in ConstructionReview of simultaneous localization and mapping (SLAM) for construction robotics applications全文營建機器人定位與 SLAM	已讀全文中未見檢索協定、資料庫、時間範圍或納入準則；屬敘事型綜述，共 76 篇參考文獻（依 Crossref 參考文獻數）。	營建自主機器人的定位與建圖，著重導航，以及讓操作者了解 SLAM 的失效模式；僅簡短提及離線 SLAM 適合測量地圖或竣工 BIM。	粒子濾波、EKF/UKF、因子圖（g2o、GTSAM、iSAM2）；相機、RGB-D、LiDAR、IMU；ORB-SLAM 系列、DSO/LDSO、LOAM、V-LOAM、Loam-Livox、LeGO-LOAM、LIO-SAM、ART-SLAM、Wildcat、TVL-SLAM。已讀內容未討論稠密、神經或高斯地圖表示，也未討論 FAST-LIO2 或 KISS-ICP 類方法。	三個屬性：計算時機（線上或離線）、感測融合方式、感測器類型（Sec. 2）；限制分為漂移、退化、快速運動三類（Sec. 3）。	同條件實驗	區分軌跡誤差（RMSE、STD）與地圖指標（相對於以真值位姿生成之參考點雲的平均最近鄰距離）。無獨立幾何參考（如 TLS）、無任務層指標，也未討論參考量測的不確定性。	使用於營建工地錄製的 Hilti 2022 序列；以定性方式討論營建特有的感測劣化；未依驗證環境為文獻編碼。	使用公開資料集；論文資料可向作者索取；未報告釋出的程式碼、參數檔或評估規範。	未標示等級重疊於營建 SLAM 的挑戰、偏好 LiDAR-慣性系統的論點，以及在軌跡誤差旁一併報告地圖指標的做法。延伸空間無系統性檢索；無工程任務適用性框架；未處理獨立參考量測或不確定性；演算法涵蓋範圍窄；地圖表示的分類僅止於特徵地圖與佔據地圖。	全文章節定位Sec. 2; Sec. 3.4; Sec. 5 Tables 2-4; Sec. 6; Data availability 已讀範圍（10 項） Highlights Abstract Sec. 1 Introduction Sec. 2 SLAM background Sec. 3 SLAM limitations (3.1-3.4) Sec. 4 SLAM algorithms Sec. 5 Experiments and results incl. Tables 1-4 Sec. 6 Conclusions Data availability Reference list
Otero et al., 2020Automation in ConstructionMobile indoor mapping technologies: A review全文行動測繪與實景擷取	非系統性；自述為文獻與平台規格的雙重回顧；未報告資料庫或日期。	為營建與建築用途挑選市售室內行動建圖設備。	市售手持、背包與推車系統；LiDAR、RGB-D、TLS 感測器；無演算法層內容。	物理配置 × 建圖感測器。	定性表格	精度取自規格表；未區分軌跡、幾何、任務或參考量測。	無。	無。	低至中低至中度（僅設備脈絡）。延伸空間演算法層分類、獨立驗證、任務適用性、證據編碼。	全文章節定位Sec. 1; Sec. 3.1-3.5; Sec. 4 已讀範圍（6 項） Highlights Abstract Sec. 1 Sec. 2.1-2.3 Sec. 3.1-3.5 incl. Tables 1-6 Sec. 4
Chen et al., 2026Automation in ConstructionLocalization and navigation of construction robots: A human-centric review部分全文營建機器人定位與 SLAM	Scopus 與 WoS，2005-2025（至 2025-12-31），英文期刊與會議論文；不重複紀錄為期刊 2712 筆、會議 3448 筆；全文篩選 581+428 篇；保留 153+82 篇；滾雪球法增加 46 篇；最終 281 篇（Sec. 2）。	機器人定位與導航（L&N）及人因，而非產出供量測使用的點雲。	人工標記、射頻、光學式定位、SLAM（2D LiDAR、LIO-SAM、ORB-SLAM）、BIM 輔助定位路線、導航地圖（度量、拓撲、混合）、路徑規劃與控制。	依賴基礎設施、免基礎設施與混合三類定位；四種 BIM 輔助路線；差異類型；導航地圖類型。	定性表格	Table 2 將報告的定位精度與真值來源、環境並列，部分區分了參考量測與結果；已讀章節未評估地圖幾何與任務成果。	Table 2 區分實驗室與真實工地部署；指出多數研究屬探索性質。	詮釋資料與分析結果可向作者索取（Data availability）。	中中度：營建中的 SLAM 與 BIM 先驗定位、BIM 與現況差異、報告的部署精度。延伸空間SLAM 點雲的幾何保真度、地圖層指標、獨立參考量測與任務層驗證、LiDAR-慣性建圖與地圖表示的技術脈絡。	部分全文章節定位Sec. 2; Sec. 4.2.1; Sec. 4.2.2; Sec. 4.4.3 Table 2; Sec. 5.1; Sec. 7.1; Sec. 8 已讀範圍（13 項） Highlights Abstract Sec. 1 Sec. 2 Review methodology Sec. 3 Overview Sec. 4 intro Sec. 4.2 intro, 4.2.1 SLAM-based, 4.2.2 BIM-based Sec. 4.4.1-4.4.3 incl. Table 2 Sec. 5 intro Sec. 5.1 Environment mapping Sec. 7.1-7.3 Sec. 8 Data availability
Di Stefano et al., 2021Geomatics, Natural Hazards and RiskMobile 3D scan LiDAR: a literature review部分全文行動測繪與實景擷取	Scopus、WoS、ScienceDirect、Google Scholar、CiteSeerX；2010-2020（另含 2021 年初文章）；關鍵字檢索；89 篇；每篇由兩位作者閱讀（Sec. 4）。	MLS 在各測繪領域的表現與適用性。	人員攜行、輪式、船載、雪橇與空載 MLS；GNSS/IMU 定位與 SLAM 定位；已讀章節無演算法層分析。	五個應用領域 × 平台類型。	摘要列舉	彙整相對於 TLS 或測量參考的精度；討論誤差類型（漂移、雙層表面）以及公差與成圖比例尺的關係；未區分軌跡與地圖。	領域層級（都市、地下、文化資產）；未編碼施工階段工地。	無。	中在依應用而定的精度與參考比較上中度重疊。延伸空間營建任務專屬性、SLAM 演算法脈絡、標準化誤差指標與對齊方式揭露。	部分全文章節定位Sec. 4; Sec. 5.2.1; Sec. 5.2.3; Sec. 6.3; Sec. 6.4; Sec. 7 已讀範圍（6 項） Abstract Sec. 2 Sec. 4 Sec. 5.1-5.3 (text; Tables 1-10 not rendered) Sec. 6.1-6.4 Sec. 7
Chen & Luo, 2026Automation in ConstructionIndoor scan-to-BIM workflows: Progress, challenges, and future directions (2014–2024)部分全文點雲下游應用與品質需求	PRISMA；僅 Web of Science；2014 至 2024 年 7 月；關鍵字組與研究領域見 Table 2；109 篇（Sec. 2）。	由點雲生成室內空間的竣工 BIM；營運維護的資訊需求。	資料擷取與前處理（簡述）、分割、辨識、參數化建模；已讀章節未分析 SLAM 建圖（留給其他綜述）。	實作路徑與關鍵步驟；模型成果面向（自動化程度、效率、精度、粒度）。	定性表格	記錄各研究的精度指標與評估對象不一致；已讀章節未區分擷取軌跡、點雲幾何與參考量測不確定性。	Table A.6 列出案例（部分為工地），但未分類驗證環境。	未使用資料（Data availability）。	低至中低至中度：同樣主張指標不一致妨礙比較，但位於 BIM 模型階段。延伸空間上游的 SLAM 點雲形成、軌跡誤差到幾何誤差的傳遞，以及用於 Scan-to-BIM 之 SLAM 點雲的報告標準。	部分全文章節定位Sec. 2.2-2.3; Sec. 5.1; Sec. 6; Sec. 7.3-7.4; Table A.7 已讀範圍（11 項） Highlights Abstract Sec. 1 incl. Table 1 Sec. 2.1-2.3 incl. Table 2 Sec. 5.1 Sec. 6 Sec. 7.3 Sec. 7.4 Sec. 8 Appendix Tables A.6-A.7 Data availability
Luo et al., 2026Automation in ConstructionIndoor scan-to-BIM automation: From mobile perception to 3D building modelling部分全文點雲下游應用與品質需求	Sec. 3.1（驗證者已讀）：為出版統計自專門資料庫（如 Web of Science、IEEE Xplore）取得文獻，分析於 2025 年 3 月進行；列表整理刊登至少五篇 Scan-to-BIM 文章的期刊（Table 1）。Sec. 3.1 未報告檢索式、時間範圍、篩選數量或納入準則。	端到端的室內 Scan-to-BIM 自動化，以行動 LiDAR 建圖作為感知階段。	頭盔、背包、手持、輪式與四足 MLS；機械式與固態 LiDAR、深度相機；投影式、特徵式（LOAM 系列、幾何特徵、全域描述子）與深度學習式建圖；分割；構件建模；資料集與指標。	四模組流程（設備、擷取與對齊、語意理解、構件建模）；建圖方法三分類。	定性表格	區分建圖指標（RTE、RRE）、BIM 幾何、完整度、語意與精簡度指標；呼籲發展任務導向指標；已讀章節未處理參考量測不確定性或 SLAM 點雲的幾何指標。	指出資料集多樣性有限（辦公、住宅）；已讀章節未明確編碼施工中工地的證據。	資料可向作者索取；未釋出資料庫或評估規範。	高概念上高度重疊：任務導向評估，以及把 LiDAR SLAM 視為 BIM 的上游；在施工階段工地、隧道與非 BIM 任務上重疊較低。延伸空間銜接軌跡與任務成果的 SLAM 點雲品質層；施工階段與地下工程證據；非 BIM 任務（公差檢核、體積、偏差）；獨立參考量測與不確定性；神經與高斯地圖表示。	部分全文章節定位Sec. 1.3; Sec. 3.3; Sec. 4.1 Table 5; Sec. 4.2.5; Sec. 5.2; Sec. 6 已讀範圍（13 項） Highlights Abstract Sec. 1.3 Existing surveys Sec. 1.4 Contributions Sec. 2.1-2.2 Sec. 3.2 incl. Table 2 Sec. 3.3.1-3.3.4 incl. Table 3 Sec. 4.1 incl. Table 5 Sec. 4.2.1-4.2.5 Sec. 5.1-5.5 Sec. 6 Data availability selected reference entries [32]-[36], [40]
Aryan et al., 2021Automation in ConstructionPlanning for terrestrial laser scanning in construction: A review部分全文點雲下游應用與品質需求	自述為系統性回顧（Sec. 1.2），但 Sec. 1-2 與 Sec. 7 開頭（驗證者已讀）未見資料庫、檢索式、時間範圍或篩選數量；結論提及近十年 13 篇重點研究，其中 8 篇在近五年（Sec. 7）。Sec. 3-6 未讀。	在時間限制內最佳化 TLS 測站位置，以達到資料品質要求。	TLS；完整度、LOA/LOD、可配準性；基於模型與不基於模型的規劃（後者與 SLAM 的下一最佳視點相關）。	品質準則分級；P4S 的輸入、限制條件與最佳化演算法。	定性表格	區分完整度、點位精度、解析度與配準；強調 LOA 需要獨立的控制量測。	未查證（Sec. 4 未讀）。	未見。	中品質準則上中度重疊；SLAM 技術上重疊低。延伸空間把品質分級轉用到連續軌跡的 SLAM 擷取，其中可配準性轉為漂移與迴圈一致性。	部分全文章節定位Sec. 1.2; Sec. 2.1-2.3; Sec. 7 已讀範圍（5 項） Highlights Abstract Sec. 1.2 Sec. 2.1-2.3 incl. Table 1 Sec. 7.1-7.5
Wang & Kim, 2019Advanced Engineering InformaticsApplications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018部分全文點雲下游應用與品質需求	2004 至 2018 年 7 月；人工檢索選定期刊與會議，並以 Google Scholar 與 Scopus 關鍵字檢索；197 篇（Sec. 2）。	點雲在營建中的應用，以及資料擷取與處理應如何滿足應用需求。	雷射掃描、攝影測量、影片；品質參數（精度、空間解析度、覆蓋率）；掃描規劃；語意豐富化；視覺化平台。	應用分為三維重建、幾何品質檢查與其他應用。	摘要列舉	以精度、解析度與覆蓋率定義品質，並以定性方式連結應用需求；已讀章節未處理軌跡誤差或 SLAM 特有的誤差來源。	未查證（應用章節 3.x 未讀）。	已讀章節未報告。	論點層重疊論點層重疊：此文已提出以應用為導向的點雲品質。延伸空間SLAM 特有的誤差形成（校正、同步、去畸變、漂移、迴圈閉合）及其對任務成果的傳遞；依任務的量化證據綜整。	部分全文章節定位Sec. 2; Sec. 4.1.1; Sec. 4.1.2; Sec. 5.1; Sec. 6 已讀範圍（6 項） Abstract Sec. 2 Literature search incl. Table 1 Sec. 4 intro Sec. 4.1.1-4.1.2 Sec. 5.1 Sec. 6
Ghadimzadeh Alamdari et al., 2025SensorsA Review of Simultaneous Localization and Mapping for the Robotic-Based Nondestructive Evaluation of Infrastructures僅摘要MDPI營建機器人定位與 SLAM	未查證	封閉且無 GPS 條件下，用於基礎設施機器人非破壞檢測的 SLAM（摘要）。	視覺、LiDAR 與融合式 SLAM；以基準測試比較 11 個開源系統（摘要）。	依感測融合類型與年代（摘要）。	同條件實驗	未查證（摘要僅提及精度與計算資源）。	自行蒐集的資料集加上一個測試資料集（摘要）；環境細節未查證。	未查證	中至高中至高度：建成基礎設施的 SLAM 基準比較。延伸空間未查證，須待全文閱讀。	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (OpenAlex)
Zeng et al., 2024Developments in the Built EnvironmentAutonomous mobile construction robots in built environment: A comprehensive review僅摘要營建機器人定位與 SLAM（本頁歸類）	摘要以外未查證（184 篇、近 15 年）。	行動營建機器人及其關鍵技術（摘要）。	未查證	應用、通用技術與專用技術（目錄）。	摘要列舉	未查證	摘要指出多數研究在實驗室進行。	未查證	低低（平台層級）。延伸空間未查證	僅摘要章節定位abstract; outline 已讀範圍（2 項） Abstract Section outline (headings only)
Anwar & Azhar, 2026Smart and Sustainable Built EnvironmentA systematic review on the application of reality capture in the construction industry僅摘要行動測繪與實景擷取（本頁歸類）	PRISMA；Scopus 與 WoS；2019-2023 年期刊論文（摘要）。	實景擷取在營建中的應用（摘要）。	雷射掃描、攝影測量、影片擷取（摘要）。	未查證	摘要列舉	未查證	未查證	未查證	低至中低至中度。延伸空間未查證	僅摘要章節定位abstract 已讀範圍（1 項） Structured abstract (OpenAlex)
Elhashash et al., 2022SensorsA Review of Mobile Mapping Systems: From Sensors to Applications僅摘要MDPI行動測繪與實景擷取（本頁歸類）	未查證	一般行動建圖系統（摘要）。	感測器、平台、市售 MMS、處理流程（摘要）。	未查證	摘要列舉	未查證	未查證	未查證	低低。延伸空間未查證	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (OpenAlex)
Rao et al., 2022Automation in ConstructionReal-time monitoring of construction sites: Sensors, methods, and applications僅摘要行動測繪與實景擷取（本頁歸類）	未查證	營建工地即時監測（摘要）。	建圖感測器、定位與通訊感測器、平台；場景理解、定位、追蹤（目錄）。	感測器、方法、應用；混合語意豐富度框架（Highlights）。	摘要列舉	未查證	未查證	未查證	未知未知；可能在建圖感測器上中度重疊。延伸空間未查證	僅摘要章節定位abstract; highlights; outline 已讀範圍（3 項） Highlights Abstract Section outline (headings only)
Adán et al., 2019Remote SensingAutonomous Mobile Scanning Systems for the Digitization of Buildings: A Review僅摘要MDPI行動測繪與實景擷取（本頁歸類）	未查證	用於建物數位化的自主掃描（摘要）。	未查證	未查證	定性表格	未查證（摘要提及評估）。	未查證	未查證	低至中低至中度。延伸空間未查證	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (OpenAlex)
Puente et al., 2013MeasurementReview of mobile mapping and surveying technologies僅摘要行動測繪與實景擷取	未查證	市售行動地面雷射掃描系統的表現（摘要）。	定位、掃描與影像裝置；廠商規格（摘要）。	建圖級與測量級（摘要）。	定性表格	規格層級；摘要未顯示有獨立驗證。	未查證	未查證	低低。延伸空間以 SLAM 在無 GNSS 條件下擷取的做法晚於此綜述。編者註此句與本站其他已查證紀錄不符：以彈簧安裝的 2D 雷射加 IMU 進行三維 SLAM 行動建圖的 Zebedee 於 2012 年 6 月上線，早於本綜述（2013 年 3 月上線）。本綜述是否涵蓋 SLAM 式系統，僅讀摘要無法判斷。 (Bosse et al., 2012)	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (complete on publisher page; verifier re-read)
Zhou et al., 2026Automation in ConstructionDeep learning for 3D point cloud processing in construction: PRISMA-based systematic review (2016–2025)僅摘要點雲下游應用與品質需求（本頁歸類）	PRISMA 2020；Scopus 與 WoS；2016-2025；94 篇期刊論文（摘要）。	營建點雲處理的深度學習與交付成果就緒度（摘要）。	分割、分類、重建與補全；點 MLP、圖與核、體素稀疏 CNN、Transformer 等模型家族（目錄）。	任務導向分類，連結目標、任務、流程位置、資料集來源與交付成果就緒度（摘要）。	定性表格	未查證（僅讀摘要；不能斷言未涉及）。	未查證	未查證	低至中低至中度：在處理階段同樣以任務與交付成果為導向。延伸空間上游的點雲形成品質；待全文閱讀確認。	僅摘要章節定位abstract; highlights; outline 已讀範圍（3 項） Highlights Abstract Section outline (headings only)
Mirzaei et al., 2022Advanced Engineering Informatics3D point cloud data processing with machine learning for construction and infrastructure applications: A comprehensive review僅摘要點雲下游應用與品質需求（本頁歸類）	未查證（Sec. 2 未讀）。	以機器學習處理營建與基礎設施點雲（摘要）。	分類與分群方法；營建、設施管理、測量領域的應用（目錄）。	方法類型 × 應用領域（目錄）。	摘要列舉	未查證	未查證	未查證	低低。延伸空間未查證	僅摘要章節定位abstract; outline 已讀範圍（2 項） Abstract Section outline (headings only)
Xu & Stilla, 2021IEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingToward Building and Civil Infrastructure Reconstruction From Point Clouds: A Review on Data and Key Techniques僅摘要點雲下游應用與品質需求（本頁歸類）	未查證	由點雲重建建物與土木基礎設施（摘要）。	雷射掃描與立體匹配的資料擷取；處理技術（摘要）。	未查證	摘要列舉	未查證	未查證	未查證	低至中低至中度。延伸空間未查證	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (OpenAlex)
Pătrăucean et al., 2015Advanced Engineering InformaticsState of research in automatic as-built modelling僅摘要點雲下游應用與品質需求	未查證	自動竣工幾何建模（摘要）。	未查證	未查證	摘要列舉	未查證	未查證	未查證	低低。延伸空間未查證	僅摘要章節定位abstract 已讀範圍（1 項） Abstract
Tang et al., 2010Automation in ConstructionAutomatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques僅摘要點雲下游應用與品質需求	未查證	由雷射掃描自動建立竣工 BIM（摘要）。	幾何建模、物件辨識、關係建模；知識表示（摘要）。	三項核心作業（摘要）。	摘要列舉	摘要指出文中概述了績效評估指標；細節未查證。	未查證	未查證	低低（屬下游，早於 SLAM 時期）。編者註「早於 SLAM 時期」一語不精確：SLAM 的機率式表述與以三維雷射掃描建圖的 6D SLAM 在 2010 年前都已發表。此處宜理解為早於以 SLAM 行動掃描擷取營建點雲的普及時期（推論）。 (Durrant-Whyte & Bailey, 2006; Nüchter et al., 2007) 延伸空間依摘要，上游的 SLAM 擷取不在其範圍內。編者註此為依摘要的判讀：本綜述僅讀摘要，不能據以斷言全文未涉及 SLAM 或行動擷取。	僅摘要章節定位abstract 已讀範圍（1 項） Abstract
Zhang et al., 2024aThe Photogrammetric Record3D LiDAR SLAM: A survey僅摘要通用 LiDAR SLAM 技術（本頁歸類）	未查證	通用 3D LiDAR SLAM（摘要）。	純 LiDAR 與多感測融合 SLAM、資料集、指標、商用方案（摘要）。	未查證	摘要列舉	未查證（摘要提及評估指標）。	未查證	未查證	中技術脈絡上中度重疊；營建任務適用性上重疊低。延伸空間營建任務適用性與參考量測不確定性（待全文閱讀後確認）。	僅摘要章節定位abstract 已讀範圍（1 項） Abstract (OpenAlex)
有已查證內容	11 / 22	22 / 22	19 / 22	16 / 22	22 / 22	11 / 22	9 / 22	9 / 22	22 / 22	不適用

Li et al., 2026a：A structured review of SLAM generation in the AEC industry: Technical framework, site-specific challenges, and adaptive strategies
Li et al., 2026aKSCE Journal of Civil EngineeringA structured review of SLAM generation in the AEC industry: Technical framework, site-specific challenges, and adaptive strategies全文營建機器人定位與 SLAM
與本研究重疊
高
高度重疊：題名層級的定位（AEC 中的 SLAM）、流程拆解，以及「SLAM 輸出與施工任務需求錯配」的論點。
延伸空間量化且分層的品質框架（軌跡、地圖幾何、任務），並編碼參考量測的不確定性；依驗證環境建立證據地圖；從經典到當代的技術脈絡，含地圖表示與神經或高斯地圖；報告檢核清單。
其餘 9 個比對欄位
時間與檢索
PRISMA；Web of Science 與 Scopus；2014-01-01 至 2025-04-23；報告布林檢索式；1029 筆紀錄，移除 214 筆重複，保留 304 篇（Sec. 2.1-2.2）。2014 年以前無經典文獻路徑。
問題定位
AEC 機器人的 SLAM 地圖與軌跡如何生成，以及為何在工地失效；情境包括導航、檢測與進度監測。
技術範圍
感測器（LiDAR、相機、IMU、無線電）、點雲、視覺與語意特徵、LO/VO/VIO/LIO 與 IMU 預積分、位姿圖、因子圖、光束法平差、稀疏/稠密/語意/拓撲地圖。已讀章節中唯一提到的隱式神經方法為 HI-SLAM。
分類架構
五模組生成流程，加上四個挑戰面向（平台限制、機制層、環境物理因素、任務與環境錯配）。
比較深度
定性表格
品質與不確定性
已讀全文中未明確區分軌跡、地圖幾何、任務成果與參考量測；品質以定性方式討論（如粒度過粗、漂移、與 BIM 不對齊）。
工地證據
引用工地研究，但未依驗證環境分類證據，也未報告工地數量。
可重現資產
已讀內容中未見釋出的文獻資料庫、編碼表或評估規範。
查核程度
全文
章節定位Sec. 1; Sec. 2.1-2.2; Sec. 4.5 Table 7; Sec. 5.1; Sec. 5.3 Table 9; Sec. 6; Sec. 7
已讀範圍（8 項）
Abstract
Sec. 1
Sec. 2 Methodology (2.1-2.3)
Sec. 3 Bibliometric results incl. Tables 1-2
Sec. 4.1-4.5 incl. Tables 3-7
Sec. 5.1-5.3 incl. Tables 8-9
Sec. 6
Sec. 7
Yarovoi & Cho, 2024：Review of simultaneous localization and mapping (SLAM) for construction robotics applications
Yarovoi & Cho, 2024Automation in ConstructionReview of simultaneous localization and mapping (SLAM) for construction robotics applications全文營建機器人定位與 SLAM
與本研究重疊
未標示等級
重疊於營建 SLAM 的挑戰、偏好 LiDAR-慣性系統的論點，以及在軌跡誤差旁一併報告地圖指標的做法。
延伸空間無系統性檢索；無工程任務適用性框架；未處理獨立參考量測或不確定性；演算法涵蓋範圍窄；地圖表示的分類僅止於特徵地圖與佔據地圖。
其餘 9 個比對欄位
時間與檢索
已讀全文中未見檢索協定、資料庫、時間範圍或納入準則；屬敘事型綜述，共 76 篇參考文獻（依 Crossref 參考文獻數）。
問題定位
營建自主機器人的定位與建圖，著重導航，以及讓操作者了解 SLAM 的失效模式；僅簡短提及離線 SLAM 適合測量地圖或竣工 BIM。
技術範圍
粒子濾波、EKF/UKF、因子圖（g2o、GTSAM、iSAM2）；相機、RGB-D、LiDAR、IMU；ORB-SLAM 系列、DSO/LDSO、LOAM、V-LOAM、Loam-Livox、LeGO-LOAM、LIO-SAM、ART-SLAM、Wildcat、TVL-SLAM。已讀內容未討論稠密、神經或高斯地圖表示，也未討論 FAST-LIO2 或 KISS-ICP 類方法。
分類架構
三個屬性：計算時機（線上或離線）、感測融合方式、感測器類型（Sec. 2）；限制分為漂移、退化、快速運動三類（Sec. 3）。
比較深度
同條件實驗
品質與不確定性
區分軌跡誤差（RMSE、STD）與地圖指標（相對於以真值位姿生成之參考點雲的平均最近鄰距離）。無獨立幾何參考（如 TLS）、無任務層指標，也未討論參考量測的不確定性。
工地證據
使用於營建工地錄製的 Hilti 2022 序列；以定性方式討論營建特有的感測劣化；未依驗證環境為文獻編碼。
可重現資產
使用公開資料集；論文資料可向作者索取；未報告釋出的程式碼、參數檔或評估規範。
查核程度
全文
章節定位Sec. 2; Sec. 3.4; Sec. 5 Tables 2-4; Sec. 6; Data availability
已讀範圍（10 項）
Highlights
Abstract
Sec. 1 Introduction
Sec. 2 SLAM background
Sec. 3 SLAM limitations (3.1-3.4)
Sec. 4 SLAM algorithms
Sec. 5 Experiments and results incl. Tables 1-4
Sec. 6 Conclusions
Data availability
Reference list
Otero et al., 2020：Mobile indoor mapping technologies: A review
Otero et al., 2020Automation in ConstructionMobile indoor mapping technologies: A review全文行動測繪與實景擷取
與本研究重疊
低至中
低至中度（僅設備脈絡）。
延伸空間演算法層分類、獨立驗證、任務適用性、證據編碼。
其餘 9 個比對欄位
時間與檢索
非系統性；自述為文獻與平台規格的雙重回顧；未報告資料庫或日期。
問題定位
為營建與建築用途挑選市售室內行動建圖設備。
技術範圍
市售手持、背包與推車系統；LiDAR、RGB-D、TLS 感測器；無演算法層內容。
分類架構
物理配置 × 建圖感測器。
比較深度
定性表格
品質與不確定性
精度取自規格表；未區分軌跡、幾何、任務或參考量測。
工地證據
無。
可重現資產
無。
查核程度
全文
章節定位Sec. 1; Sec. 3.1-3.5; Sec. 4
已讀範圍（6 項）
Highlights
Abstract
Sec. 1
Sec. 2.1-2.3
Sec. 3.1-3.5 incl. Tables 1-6
Sec. 4
Chen et al., 2026：Localization and navigation of construction robots: A human-centric review
Chen et al., 2026Automation in ConstructionLocalization and navigation of construction robots: A human-centric review部分全文營建機器人定位與 SLAM
與本研究重疊
中
中度：營建中的 SLAM 與 BIM 先驗定位、BIM 與現況差異、報告的部署精度。
延伸空間SLAM 點雲的幾何保真度、地圖層指標、獨立參考量測與任務層驗證、LiDAR-慣性建圖與地圖表示的技術脈絡。
其餘 9 個比對欄位
時間與檢索
Scopus 與 WoS，2005-2025（至 2025-12-31），英文期刊與會議論文；不重複紀錄為期刊 2712 筆、會議 3448 筆；全文篩選 581+428 篇；保留 153+82 篇；滾雪球法增加 46 篇；最終 281 篇（Sec. 2）。
問題定位
機器人定位與導航（L&N）及人因，而非產出供量測使用的點雲。
技術範圍
人工標記、射頻、光學式定位、SLAM（2D LiDAR、LIO-SAM、ORB-SLAM）、BIM 輔助定位路線、導航地圖（度量、拓撲、混合）、路徑規劃與控制。
分類架構
依賴基礎設施、免基礎設施與混合三類定位；四種 BIM 輔助路線；差異類型；導航地圖類型。
比較深度
定性表格
品質與不確定性
Table 2 將報告的定位精度與真值來源、環境並列，部分區分了參考量測與結果；已讀章節未評估地圖幾何與任務成果。
工地證據
Table 2 區分實驗室與真實工地部署；指出多數研究屬探索性質。
可重現資產
詮釋資料與分析結果可向作者索取（Data availability）。
查核程度
部分全文
章節定位Sec. 2; Sec. 4.2.1; Sec. 4.2.2; Sec. 4.4.3 Table 2; Sec. 5.1; Sec. 7.1; Sec. 8
已讀範圍（13 項）
Highlights
Abstract
Sec. 1
Sec. 2 Review methodology
Sec. 3 Overview
Sec. 4 intro
Sec. 4.2 intro, 4.2.1 SLAM-based, 4.2.2 BIM-based
Sec. 4.4.1-4.4.3 incl. Table 2
Sec. 5 intro
Sec. 5.1 Environment mapping
Sec. 7.1-7.3
Sec. 8
Data availability
Di Stefano et al., 2021：Mobile 3D scan LiDAR: a literature review
Di Stefano et al., 2021Geomatics, Natural Hazards and RiskMobile 3D scan LiDAR: a literature review部分全文行動測繪與實景擷取
與本研究重疊
中
在依應用而定的精度與參考比較上中度重疊。
延伸空間營建任務專屬性、SLAM 演算法脈絡、標準化誤差指標與對齊方式揭露。
其餘 9 個比對欄位
時間與檢索
Scopus、WoS、ScienceDirect、Google Scholar、CiteSeerX；2010-2020（另含 2021 年初文章）；關鍵字檢索；89 篇；每篇由兩位作者閱讀（Sec. 4）。
問題定位
MLS 在各測繪領域的表現與適用性。
技術範圍
人員攜行、輪式、船載、雪橇與空載 MLS；GNSS/IMU 定位與 SLAM 定位；已讀章節無演算法層分析。
分類架構
五個應用領域 × 平台類型。
比較深度
摘要列舉
品質與不確定性
彙整相對於 TLS 或測量參考的精度；討論誤差類型（漂移、雙層表面）以及公差與成圖比例尺的關係；未區分軌跡與地圖。
工地證據
領域層級（都市、地下、文化資產）；未編碼施工階段工地。
可重現資產
無。
查核程度
部分全文
章節定位Sec. 4; Sec. 5.2.1; Sec. 5.2.3; Sec. 6.3; Sec. 6.4; Sec. 7
已讀範圍（6 項）
Abstract
Sec. 2
Sec. 4
Sec. 5.1-5.3 (text; Tables 1-10 not rendered)
Sec. 6.1-6.4
Sec. 7
Chen & Luo, 2026：Indoor scan-to-BIM workflows: Progress, challenges, and future directions (2014–2024)
Chen & Luo, 2026Automation in ConstructionIndoor scan-to-BIM workflows: Progress, challenges, and future directions (2014–2024)部分全文點雲下游應用與品質需求
與本研究重疊
低至中
低至中度：同樣主張指標不一致妨礙比較，但位於 BIM 模型階段。
延伸空間上游的 SLAM 點雲形成、軌跡誤差到幾何誤差的傳遞，以及用於 Scan-to-BIM 之 SLAM 點雲的報告標準。
其餘 9 個比對欄位
時間與檢索
PRISMA；僅 Web of Science；2014 至 2024 年 7 月；關鍵字組與研究領域見 Table 2；109 篇（Sec. 2）。
問題定位
由點雲生成室內空間的竣工 BIM；營運維護的資訊需求。
技術範圍
資料擷取與前處理（簡述）、分割、辨識、參數化建模；已讀章節未分析 SLAM 建圖（留給其他綜述）。
分類架構
實作路徑與關鍵步驟；模型成果面向（自動化程度、效率、精度、粒度）。
比較深度
定性表格
品質與不確定性
記錄各研究的精度指標與評估對象不一致；已讀章節未區分擷取軌跡、點雲幾何與參考量測不確定性。
工地證據
Table A.6 列出案例（部分為工地），但未分類驗證環境。
可重現資產
未使用資料（Data availability）。
查核程度
部分全文
章節定位Sec. 2.2-2.3; Sec. 5.1; Sec. 6; Sec. 7.3-7.4; Table A.7
已讀範圍（11 項）
Highlights
Abstract
Sec. 1 incl. Table 1
Sec. 2.1-2.3 incl. Table 2
Sec. 5.1
Sec. 6
Sec. 7.3
Sec. 7.4
Sec. 8
Appendix Tables A.6-A.7
Data availability
Luo et al., 2026：Indoor scan-to-BIM automation: From mobile perception to 3D building modelling
Luo et al., 2026Automation in ConstructionIndoor scan-to-BIM automation: From mobile perception to 3D building modelling部分全文點雲下游應用與品質需求
與本研究重疊
高
概念上高度重疊：任務導向評估，以及把 LiDAR SLAM 視為 BIM 的上游；在施工階段工地、隧道與非 BIM 任務上重疊較低。
延伸空間銜接軌跡與任務成果的 SLAM 點雲品質層；施工階段與地下工程證據；非 BIM 任務（公差檢核、體積、偏差）；獨立參考量測與不確定性；神經與高斯地圖表示。
其餘 9 個比對欄位
時間與檢索
Sec. 3.1（驗證者已讀）：為出版統計自專門資料庫（如 Web of Science、IEEE Xplore）取得文獻，分析於 2025 年 3 月進行；列表整理刊登至少五篇 Scan-to-BIM 文章的期刊（Table 1）。Sec. 3.1 未報告檢索式、時間範圍、篩選數量或納入準則。
問題定位
端到端的室內 Scan-to-BIM 自動化，以行動 LiDAR 建圖作為感知階段。
技術範圍
頭盔、背包、手持、輪式與四足 MLS；機械式與固態 LiDAR、深度相機；投影式、特徵式（LOAM 系列、幾何特徵、全域描述子）與深度學習式建圖；分割；構件建模；資料集與指標。
分類架構
四模組流程（設備、擷取與對齊、語意理解、構件建模）；建圖方法三分類。
比較深度
定性表格
品質與不確定性
區分建圖指標（RTE、RRE）、BIM 幾何、完整度、語意與精簡度指標；呼籲發展任務導向指標；已讀章節未處理參考量測不確定性或 SLAM 點雲的幾何指標。
工地證據
指出資料集多樣性有限（辦公、住宅）；已讀章節未明確編碼施工中工地的證據。
可重現資產
資料可向作者索取；未釋出資料庫或評估規範。
查核程度
部分全文
章節定位Sec. 1.3; Sec. 3.3; Sec. 4.1 Table 5; Sec. 4.2.5; Sec. 5.2; Sec. 6
已讀範圍（13 項）
Highlights
Abstract
Sec. 1.3 Existing surveys
Sec. 1.4 Contributions
Sec. 2.1-2.2
Sec. 3.2 incl. Table 2
Sec. 3.3.1-3.3.4 incl. Table 3
Sec. 4.1 incl. Table 5
Sec. 4.2.1-4.2.5
Sec. 5.1-5.5
Sec. 6
Data availability
selected reference entries [32]-[36], [40]
Aryan et al., 2021：Planning for terrestrial laser scanning in construction: A review
Aryan et al., 2021Automation in ConstructionPlanning for terrestrial laser scanning in construction: A review部分全文點雲下游應用與品質需求
與本研究重疊
中
品質準則上中度重疊；SLAM 技術上重疊低。
延伸空間把品質分級轉用到連續軌跡的 SLAM 擷取，其中可配準性轉為漂移與迴圈一致性。
其餘 9 個比對欄位
時間與檢索
自述為系統性回顧（Sec. 1.2），但 Sec. 1-2 與 Sec. 7 開頭（驗證者已讀）未見資料庫、檢索式、時間範圍或篩選數量；結論提及近十年 13 篇重點研究，其中 8 篇在近五年（Sec. 7）。Sec. 3-6 未讀。
問題定位
在時間限制內最佳化 TLS 測站位置，以達到資料品質要求。
技術範圍
TLS；完整度、LOA/LOD、可配準性；基於模型與不基於模型的規劃（後者與 SLAM 的下一最佳視點相關）。
分類架構
品質準則分級；P4S 的輸入、限制條件與最佳化演算法。
比較深度
定性表格
品質與不確定性
區分完整度、點位精度、解析度與配準；強調 LOA 需要獨立的控制量測。
工地證據
未查證（Sec. 4 未讀）。
可重現資產
未見。
查核程度
部分全文
章節定位Sec. 1.2; Sec. 2.1-2.3; Sec. 7
已讀範圍（5 項）
Highlights
Abstract
Sec. 1.2
Sec. 2.1-2.3 incl. Table 1
Sec. 7.1-7.5
Wang & Kim, 2019：Applications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018
Wang & Kim, 2019Advanced Engineering InformaticsApplications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018部分全文點雲下游應用與品質需求
與本研究重疊
論點層重疊
論點層重疊：此文已提出以應用為導向的點雲品質。
延伸空間SLAM 特有的誤差形成（校正、同步、去畸變、漂移、迴圈閉合）及其對任務成果的傳遞；依任務的量化證據綜整。
其餘 9 個比對欄位
時間與檢索
2004 至 2018 年 7 月；人工檢索選定期刊與會議，並以 Google Scholar 與 Scopus 關鍵字檢索；197 篇（Sec. 2）。
問題定位
點雲在營建中的應用，以及資料擷取與處理應如何滿足應用需求。
技術範圍
雷射掃描、攝影測量、影片；品質參數（精度、空間解析度、覆蓋率）；掃描規劃；語意豐富化；視覺化平台。
分類架構
應用分為三維重建、幾何品質檢查與其他應用。
比較深度
摘要列舉
品質與不確定性
以精度、解析度與覆蓋率定義品質，並以定性方式連結應用需求；已讀章節未處理軌跡誤差或 SLAM 特有的誤差來源。
工地證據
未查證（應用章節 3.x 未讀）。
可重現資產
已讀章節未報告。
查核程度
部分全文
章節定位Sec. 2; Sec. 4.1.1; Sec. 4.1.2; Sec. 5.1; Sec. 6
已讀範圍（6 項）
Abstract
Sec. 2 Literature search incl. Table 1
Sec. 4 intro
Sec. 4.1.1-4.1.2
Sec. 5.1
Sec. 6
Ghadimzadeh Alamdari et al., 2025：A Review of Simultaneous Localization and Mapping for the Robotic-Based Nondestructive Evaluation of Infrastructures
Ghadimzadeh Alamdari et al., 2025SensorsA Review of Simultaneous Localization and Mapping for the Robotic-Based Nondestructive Evaluation of Infrastructures僅摘要MDPI營建機器人定位與 SLAM
與本研究重疊
中至高
中至高度：建成基礎設施的 SLAM 基準比較。
延伸空間未查證，須待全文閱讀。
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
封閉且無 GPS 條件下，用於基礎設施機器人非破壞檢測的 SLAM（摘要）。
技術範圍
視覺、LiDAR 與融合式 SLAM；以基準測試比較 11 個開源系統（摘要）。
分類架構
依感測融合類型與年代（摘要）。
比較深度
同條件實驗
品質與不確定性
未查證（摘要僅提及精度與計算資源）。
工地證據
自行蒐集的資料集加上一個測試資料集（摘要）；環境細節未查證。
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (OpenAlex)
Zeng et al., 2024：Autonomous mobile construction robots in built environment: A comprehensive review
Zeng et al., 2024Developments in the Built EnvironmentAutonomous mobile construction robots in built environment: A comprehensive review僅摘要營建機器人定位與 SLAM（本頁歸類）
與本研究重疊
低
低（平台層級）。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
摘要以外未查證（184 篇、近 15 年）。
問題定位
行動營建機器人及其關鍵技術（摘要）。
技術範圍
未查證
分類架構
應用、通用技術與專用技術（目錄）。
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
摘要指出多數研究在實驗室進行。
可重現資產
未查證
查核程度
僅摘要
章節定位abstract; outline
已讀範圍（2 項）
Abstract
Section outline (headings only)
Anwar & Azhar, 2026：A systematic review on the application of reality capture in the construction industry
Anwar & Azhar, 2026Smart and Sustainable Built EnvironmentA systematic review on the application of reality capture in the construction industry僅摘要行動測繪與實景擷取（本頁歸類）
與本研究重疊
低至中
低至中度。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
PRISMA；Scopus 與 WoS；2019-2023 年期刊論文（摘要）。
問題定位
實景擷取在營建中的應用（摘要）。
技術範圍
雷射掃描、攝影測量、影片擷取（摘要）。
分類架構
未查證
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Structured abstract (OpenAlex)
Elhashash et al., 2022：A Review of Mobile Mapping Systems: From Sensors to Applications
Elhashash et al., 2022SensorsA Review of Mobile Mapping Systems: From Sensors to Applications僅摘要MDPI行動測繪與實景擷取（本頁歸類）
與本研究重疊
低
低。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
一般行動建圖系統（摘要）。
技術範圍
感測器、平台、市售 MMS、處理流程（摘要）。
分類架構
未查證
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (OpenAlex)
Rao et al., 2022：Real-time monitoring of construction sites: Sensors, methods, and applications
Rao et al., 2022Automation in ConstructionReal-time monitoring of construction sites: Sensors, methods, and applications僅摘要行動測繪與實景擷取（本頁歸類）
與本研究重疊
未知
未知；可能在建圖感測器上中度重疊。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
營建工地即時監測（摘要）。
技術範圍
建圖感測器、定位與通訊感測器、平台；場景理解、定位、追蹤（目錄）。
分類架構
感測器、方法、應用；混合語意豐富度框架（Highlights）。
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract; highlights; outline
已讀範圍（3 項）
Highlights
Abstract
Section outline (headings only)
Adán et al., 2019：Autonomous Mobile Scanning Systems for the Digitization of Buildings: A Review
Adán et al., 2019Remote SensingAutonomous Mobile Scanning Systems for the Digitization of Buildings: A Review僅摘要MDPI行動測繪與實景擷取（本頁歸類）
與本研究重疊
低至中
低至中度。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
用於建物數位化的自主掃描（摘要）。
技術範圍
未查證
分類架構
未查證
比較深度
定性表格
品質與不確定性
未查證（摘要提及評估）。
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (OpenAlex)
Puente et al., 2013：Review of mobile mapping and surveying technologies
Puente et al., 2013MeasurementReview of mobile mapping and surveying technologies僅摘要行動測繪與實景擷取
與本研究重疊
低
低。
延伸空間以 SLAM 在無 GNSS 條件下擷取的做法晚於此綜述。
編者註此句與本站其他已查證紀錄不符：以彈簧安裝的 2D 雷射加 IMU 進行三維 SLAM 行動建圖的 Zebedee 於 2012 年 6 月上線，早於本綜述（2013 年 3 月上線）。本綜述是否涵蓋 SLAM 式系統，僅讀摘要無法判斷。 (Bosse et al., 2012)
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
市售行動地面雷射掃描系統的表現（摘要）。
技術範圍
定位、掃描與影像裝置；廠商規格（摘要）。
分類架構
建圖級與測量級（摘要）。
比較深度
定性表格
品質與不確定性
規格層級；摘要未顯示有獨立驗證。
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (complete on publisher page; verifier re-read)
Zhou et al., 2026：Deep learning for 3D point cloud processing in construction: PRISMA-based systematic review (2016–2025)
Zhou et al., 2026Automation in ConstructionDeep learning for 3D point cloud processing in construction: PRISMA-based systematic review (2016–2025)僅摘要點雲下游應用與品質需求（本頁歸類）
與本研究重疊
低至中
低至中度：在處理階段同樣以任務與交付成果為導向。
延伸空間上游的點雲形成品質；待全文閱讀確認。
其餘 9 個比對欄位
時間與檢索
PRISMA 2020；Scopus 與 WoS；2016-2025；94 篇期刊論文（摘要）。
問題定位
營建點雲處理的深度學習與交付成果就緒度（摘要）。
技術範圍
分割、分類、重建與補全；點 MLP、圖與核、體素稀疏 CNN、Transformer 等模型家族（目錄）。
分類架構
任務導向分類，連結目標、任務、流程位置、資料集來源與交付成果就緒度（摘要）。
比較深度
定性表格
品質與不確定性
未查證（僅讀摘要；不能斷言未涉及）。
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract; highlights; outline
已讀範圍（3 項）
Highlights
Abstract
Section outline (headings only)
Mirzaei et al., 2022：3D point cloud data processing with machine learning for construction and infrastructure applications: A comprehensive review
Mirzaei et al., 2022Advanced Engineering Informatics3D point cloud data processing with machine learning for construction and infrastructure applications: A comprehensive review僅摘要點雲下游應用與品質需求（本頁歸類）
與本研究重疊
低
低。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證（Sec. 2 未讀）。
問題定位
以機器學習處理營建與基礎設施點雲（摘要）。
技術範圍
分類與分群方法；營建、設施管理、測量領域的應用（目錄）。
分類架構
方法類型 × 應用領域（目錄）。
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract; outline
已讀範圍（2 項）
Abstract
Section outline (headings only)
Xu & Stilla, 2021：Toward Building and Civil Infrastructure Reconstruction From Point Clouds: A Review on Data and Key Techniques
Xu & Stilla, 2021IEEE Journal of Selected Topics in Applied Earth Observations and Remote SensingToward Building and Civil Infrastructure Reconstruction From Point Clouds: A Review on Data and Key Techniques僅摘要點雲下游應用與品質需求（本頁歸類）
與本研究重疊
低至中
低至中度。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
由點雲重建建物與土木基礎設施（摘要）。
技術範圍
雷射掃描與立體匹配的資料擷取；處理技術（摘要）。
分類架構
未查證
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (OpenAlex)
Pătrăucean et al., 2015：State of research in automatic as-built modelling
Pătrăucean et al., 2015Advanced Engineering InformaticsState of research in automatic as-built modelling僅摘要點雲下游應用與品質需求
與本研究重疊
低
低。
延伸空間未查證
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
自動竣工幾何建模（摘要）。
技術範圍
未查證
分類架構
未查證
比較深度
摘要列舉
品質與不確定性
未查證
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract
Tang et al., 2010：Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques
Tang et al., 2010Automation in ConstructionAutomatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques僅摘要點雲下游應用與品質需求
與本研究重疊
低
低（屬下游，早於 SLAM 時期）。
編者註「早於 SLAM 時期」一語不精確：SLAM 的機率式表述與以三維雷射掃描建圖的 6D SLAM 在 2010 年前都已發表。此處宜理解為早於以 SLAM 行動掃描擷取營建點雲的普及時期（推論）。 (Durrant-Whyte & Bailey, 2006; Nüchter et al., 2007)
延伸空間依摘要，上游的 SLAM 擷取不在其範圍內。
編者註此為依摘要的判讀：本綜述僅讀摘要，不能據以斷言全文未涉及 SLAM 或行動擷取。
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
由雷射掃描自動建立竣工 BIM（摘要）。
技術範圍
幾何建模、物件辨識、關係建模；知識表示（摘要）。
分類架構
三項核心作業（摘要）。
比較深度
摘要列舉
品質與不確定性
摘要指出文中概述了績效評估指標；細節未查證。
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract
Zhang et al., 2024a：3D LiDAR SLAM: A survey
Zhang et al., 2024aThe Photogrammetric Record3D LiDAR SLAM: A survey僅摘要通用 LiDAR SLAM 技術（本頁歸類）
與本研究重疊
中
技術脈絡上中度重疊；營建任務適用性上重疊低。
延伸空間營建任務適用性與參考量測不確定性（待全文閱讀後確認）。
其餘 9 個比對欄位
時間與檢索
未查證
問題定位
通用 3D LiDAR SLAM（摘要）。
技術範圍
純 LiDAR 與多感測融合 SLAM、資料集、指標、商用方案（摘要）。
分類架構
未查證
比較深度
摘要列舉
品質與不確定性
未查證（摘要提及評估指標）。
工地證據
未查證
可重現資產
未查證
查核程度
僅摘要
章節定位abstract
已讀範圍（1 項）
Abstract (OpenAlex)

判定：需要收斂

結論：原定位需要收斂，不需要改向。「以任務導向的品質與驗證架構作為主要貢獻」的方向仍可成立，但必須縮小到既有綜述尚未做到的部分。以下依序說明哪些已被涵蓋、哪些仍可辯護，以及判斷的信心限制。

工作論點作為一般原則並不新

「點雲品質應依應用界定」與「以下游任務評估」，在營建文獻中都已有明確前例：

Wang 與 Kim 主張所需點雲品質應依特定應用事先界定，並指出極少研究處理此問題 (Wang & Kim, 2019, Sec. 4.1.1)；研究缺口一節也指出資訊需求與所需資料品質的關係多以定性方式處理，應建立量化關係 (Wang & Kim, 2019, Sec. 5.1)。
Rebolj 等人以 Scan-vs-BIM 構件能否被正確辨識為依據，推導四級構件所需的最小局部密度與覆蓋率準則 (Rebolj et al., 2017, Sec. 3, Table 2)。準則由 108 組模擬點雲推導；驗證用的攝影測量與錄影測量點雲也由模擬 BIM 的影像生成，只有 Kinect 2 掃描取自一處真實建物局部；整項研究也未涉及 SLAM 軌跡誤差 (Rebolj et al., 2017, Sec. 4)。
Di Stefano 等人的結論指出，各領域的精度與解析度需求差異很大，規格應依預期用途事先設定，並建議以地面真值驗證 (Di Stefano et al., 2021, Sec. 7)。
Luo 等人列出 Scan-to-BIM 對行動 LiDAR 地圖的五項需求：全域幾何一致、足夠且均勻的密度、雜亂空間的完整性、長軌跡低漂移、多樓層連續 (Luo et al., 2026, Sec. 3.3)。他們也主張，模型可能在幾何與語意指標上表現良好，卻仍不是好用的 BIM，因此提出以數量計算精度、碰撞檢查成功率等任務成果評估 (Luo et al., 2026, Sec. 4.2.5)。
Li 等人以「任務與環境錯配」描述 SLAM 輸出與施工需求的落差，例如地圖粒度過粗，無法滿足吊裝與定位任務的精度要求 (Li et al., 2026a, Sec. 5.3, Table 9)。

「除了軌跡，也要評估地圖」同樣已有做法。Yarovoi 與 Cho 在 Hilti 2022 營建工地手持序列上，於軌跡誤差之外報告累積點雲相對於參考點雲的平均最近鄰距離，參考點雲以真值位姿生成 (Yarovoi & Cho, 2024, Sec. 5, Table 3)（推論：比較的是同一批掃描以估計位姿與真值位姿累積的結果，反映位姿誤差造成的地圖誤差，而不是相對於獨立量測的表面精度）；MapEval 以高精度掃描器建立的參考地圖評估 SLAM 點雲地圖，提出兩項指標分別衡量全域幾何精度與局部一致性 (Hu et al., 2025, Sec. III, Sec. IV-A)；Feng 等人表示以五項空間結構指標定量與定性評估地圖 (Feng et al., 2025, Sec. 5.1)，但全文正文與表 1 至 4 都未見這些指標的數值，地圖品質只以高程著色的三視圖呈現 (Feng et al., 2025, Sec. 5.1, Figs. 13, 16)。

仍可辯護的空間

可辯護的新意在於整合：把分散的前例組成專門針對 SLAM 點雲的三層證據框架（three-layer evidence framework），分別檢視軌跡、點雲幾何與工程任務，並逐筆記錄證據。2026-09-26 全文複核後，這個空間再縮小：Di Stefano 等人的五張精度表已逐篇列出行動雷射掃描的場域、系統、參考量測（reference measurement）來源、點雲評估方式（例如 ICP 對齊、雲對雲距離）與精度數值 (Di Stefano et al., 2021, Sec. 5.2, Tables 2, 4, 6, 8, 10)，因此「逐篇列出參考來源與評估方式」不能寫成本研究的新做法。

仍可辯護的是這些表格沒有的欄位與連結：參考量測的不確定性；把對齊方式（剛體、含尺度或以控制點對齊）與比較指標分開記錄，Di Stefano 等人的表格把兩者放在同一欄；指標層級，即軌跡、點雲幾何或工程任務；驗證環境（validation environment）分級，即模擬、已完工建築、施工中工地或地下工程；以及把 SLAM 特有誤差連到任務成果。

這些標記各有文獻上的理由。Aryan 等人指出，評估 LOA（level of accuracy，精度等級）需要精度約高一個數量級的感測器提供控制資料，而且只能涵蓋有限點位 (Aryan et al., 2021, Sec. 2.2)。Di Stefano 等人彙整的建成與都市環境精度，多以 ICP（iterative closest point，迭代最近點）對齊後，與 TLS（terrestrial laser scanning，地面雷射掃描）點雲或人工量測點比較距離 (Di Stefano et al., 2021, Sec. 5.2.1)；MapEval 也先以點到平面 ICP 將 SLAM 點雲對齊參考地圖，再計算指標 (Hu et al., 2025, Sec. III-A2)。在驗證環境方面，BIM-Loc 在真實資料上以真值軌跡計算的 ATE（absolute trajectory error，絕對軌跡誤差），只來自已完工辦公建物；施工中工地沒有真值軌跡，只以 MME（mean map entropy，平均地圖熵）、scan-to-BIM 距離、以同一 BIM 為參考的 Wasserstein 距離，以及影像疊合呈現一致性 (Zhang et al., 2026, Sec. 4 metrics, Sec. 4.2.3-4.2.4)；差異偵測的量化結果（F1）則只來自模擬，真實工地的差異偵測只以定性圖示呈現 (Zhang et al., 2026, Sec. 4.1.4, Table 2; Sec. 4.2.4, Fig. 17)。

推論信心：判定為高，縮小後的新意為中等偏高

2026-09-26 已讀完 10 篇相鄰綜述的全文，連同先前讀完的三篇，矩陣中共 13 篇讀過全文。在這 13 篇中，未見同時記錄參考量測不確定性、對齊方式、指標層級、營建場域與任務成果的逐筆證據編碼，也沒有一篇把指標層級當成編碼欄位。最接近的是 Di Stefano 等人的精度表（參考來源與評估方式，行動雷射掃描，跨測繪領域；林業表另以胸徑與樹高等任務量報告） (Di Stefano et al., 2021, Tables 2, 4, 6, 8, 10)；其次是 Chen 等人的 Table 2，只到定位精度，所列真值中有一筆是公開資料集、一筆是另一種里程計 (Chen et al., 2026, Sec. 4.4.3, Table 2)；Chen 與 Luo 的附錄表則位於 BIM 模型層級 (Chen & Luo, 2026, Tables A.6-A.7)。

因此「需要收斂」的判定信心提高為高，原先「受未讀章節限制」的條件已解除；對縮小後的新意，信心為中等偏高。仍有的限制是：矩陣中其餘 9 篇尚未依本頁的比對問題逐篇判讀（依摘要判讀的重疊為低或低至中；證據庫紀錄顯示其中 8 篇已讀全文，1 篇無法取得全文）、數篇候選綜述只讀部分章節或只做篩選、系統性資料庫檢索尚未執行。稿件只能寫成「在我們檢視的綜述中未見」，並註明檢視範圍。

候選貢獻逐項判定

研究任務書 15 節列出五項候選貢獻。下表列出每項最接近的既有工作與判定；最後一欄是縮小後的可辯護內容，仍須等證據矩陣完成才能確認。

候選貢獻判定表：每項候選貢獻最接近的既有工作、判定與本研究須新增的內容（表格可水平捲動）
候選貢獻	最接近的既有工作	判定	本研究須新增的內容
1. 多軸技術分類與演進架構	Li 等人依感測輸入、特徵擷取、狀態估計、後端最佳化與地圖建構五個生成模組分類 (Li et al., 2026a, Sec. 4)；Luo 等人將建圖方法分為投影式、特徵式（含 LOAM 系列）與深度學習式 (Luo et al., 2026, Sec. 3.3)。	需收斂	差異須落在本研究特有的軸：時間模型、去畸變、先驗角色、地圖表示與可匯出幾何，並連接經典元件到近期系統的技術節點。
2. 可追溯的證據矩陣	Di Stefano 等人的精度表逐篇列出參考來源、點雲評估方式與精度 (Di Stefano et al., 2021, Sec. 5.2, Tables 2, 4, 6, 8, 10)（2026-09-26 全文複核新確認）；Chen 等人 Table 2 並列定位精度、真值來源與環境 (Chen et al., 2026, Sec. 4.4.3, Table 2)；Chen 與 Luo 在附錄逐篇整理評估位置、評估對象與指標 (Chen & Luo, 2026, Tables A.6-A.7)。	可辯護	範圍比先前縮小：逐篇列出參考來源與評估方式已有前例。可新增的是參考量測不確定性、對齊方式與比較指標分開、指標層級、營建場域分級、任務成果與未報告內容，並回到原始文獻核對，避免次級引用失真。
3. 工程任務導向的適用性框架	Wang 與 Kim (Wang & Kim, 2019, Sec. 4.1.1, Sec. 5.1)；Rebolj 等人 (Rebolj et al., 2017, Sec. 3, Table 2)；Aryan 等人的品質準則分級 (Aryan et al., 2021, Sec. 2)；Luo 等人的任務導向評估 (Luo et al., 2026, Sec. 4.2.5)。Luo 等人也已定性說明軌跡不穩、漂移與迴圈閉合失敗如何影響 BIM 重建，並列出模型層級門檻，但兩者之間沒有量值連結 (Luo et al., 2026, Sec. 3.2, 3.3, 4.2.1-4.2.2)；Di Stefano 等人列出漂移與重影的成因，並把精度對應到圖面比例 (Di Stefano et al., 2021, Sec. 6.4)。	需收斂	新意限定為以證據量值把 SLAM 特有的誤差來源（校正、同步、去畸變、漂移、迴圈與全域修正、BIM 先驗遮蔽）連到各任務門檻，並標出沒有證據的路徑；不是提出任務導向本身，也不能宣稱首先指出漂移會影響 BIM 重建。
4. 最低報告與驗證建議	Chen 與 Luo 指出生成 BIM 的自動化程度、效率與精度缺乏標準量化指標體系，比較只能停留在定性 (Chen & Luo, 2026, Sec. 6, Sec. 7.4)，並建議標準評估體系應指定實驗案例、計時範圍、量化指標與模型粒度 (Chen & Luo, 2026, Sec. 7.5)；Luo 等人呼籲建立標準化的評估指標與基準資料集 (Luo et al., 2026, Sec. 5.2)；Aryan 等人提出比較掃描規劃方法的一組準則 (Aryan et al., 2021, Sec. 1.2, Table 2)。	可辯護	須引用上述前例，並說明本研究針對上游的 SLAM 點雲，而不是 BIM 模型或 TLS 掃描規劃；報告項目涵蓋參考量測與其不確定性、對齊方式、指標層級與驗證環境。在全文複核的範圍內，上述前例都不是針對 SLAM 點雲的最低報告清單。
5. 經證據支持的研究議程	已讀全文的綜述多設有研究缺口或未來方向的討論，例如 Wang 與 Kim 的研究缺口 (Wang & Kim, 2019, Sec. 5.1)、Luo 等人對標準化指標與基準資料集的呼籲 (Luo et al., 2026, Sec. 5.2)；Li 等人則強調多感測融合、語意建圖、協同 SLAM 與支援 BIM 互通的資料標準化 (Li et al., 2026a, Sec. 6-7)。	已屬常見	只有以證據矩陣支撐、能指出既有研究與未解限制的缺口才具新意。

次級引用失真：證據矩陣必須回到原文

Chen 等人的 Table 2 將 Feng 等人的 LIO-SAM 部署描述為 292 m × 142 m 的真實工地，並以全測站關鍵節點融合輪速里程計、IMU 與 LiDAR 作為真值 (Chen et al., 2026, Sec. 4.4.3, Table 2)。對照 Feng 等人原文，兩者的精度數值一致：在真實醫院工地資料上，十種開源方法皆以預設參數執行，LIO-SAM 的 APE（absolute pose error，絕對位姿誤差）RMSE 為 2.26 m (Feng et al., 2025, Sec. 5.1, Sec. 5.3, Table 4)。但 292 m × 142 m 是依施工圖轉 BIM 建立的模擬標準層尺寸，真實工地 APE 所用真值軌跡的取得方式，查證時在全文中未見說明 (Feng et al., 2025, Sec. 3.2.2, Sec. 3.3)。

標題混淆風險

暫定標題 SLAM-Based Point Clouds for Construction: A Review 與兩篇最接近的綜述共享主題詞：Yarovoi 與 Cho 的題名含 SLAM、construction 與 review (Yarovoi & Cho, 2024)，Li 等人的題名含 SLAM、AEC 與 review (Li et al., 2026a)。point cloud 與 construction 又同時出現在三篇營建點雲綜述的題名中 (Wang & Kim, 2019; Mirzaei et al., 2022; Zhou et al., 2026)。暫定標題與這些綜述的差別，只在 SLAM 與 point clouds 的組合；但這個組合並非獨有，已見於兩篇原始研究的題名 (Sammartano & Spanò, 2018; Qin et al., 2025)，而且暫定標題沒有表明本文的核心在品質與任務適用性。

英文候選標題：字數、範圍暗示與辨識度（表格可水平捲動）
候選標題	字數	範圍暗示	與近似題名的辨識度
SLAM-Based Point Clouds for Construction: A Review	7	目前的暫定標題；範圍最寬，未表明品質或任務角度。	低：與兩篇主題詞最相近的綜述共享 SLAM 與 review（前者另含 construction，後者為 AEC）；point cloud 與 construction 同見於三篇營建點雲綜述的題名；SLAM-based 與 point clouds 也同見於一篇行動測繪研究的題名（原始研究）。 (Yarovoi & Cho, 2024; Li et al., 2026a; Wang & Kim, 2019; Mirzaei et al., 2022; Zhou et al., 2026; Sammartano & Spanò, 2018)
SLAM Point Cloud Quality for Construction: A Review	8	聚焦點雲品質；工程任務只隱含在 for Construction。	中低：quality 不在上述綜述的題名中；但 point cloud quality 與 construction 同見於一篇 Scan-vs-BIM 研究的題名，SLAM 與 point cloud quality 同見於一篇地鐵隧道檢測研究的題名（刊於 Smart Construction），SLAM 與 quality 也同見於一篇地下監測研究的題名（三者皆為原始研究，非綜述）。 (Rebolj et al., 2017; Qin et al., 2025; Fahle et al., 2022)
Fitness of SLAM Point Clouds for Construction Tasks: A Review	10	聚焦任務適用性，對應三層框架的第三層；保留 A Review。	中高：本站已查證文獻的題名中未見 fitness 一詞。暫定首選（推論）：對收斂後範圍的描述較準確，長度也適中；但任務導向本身已有前例，正文須說明新意在於把 SLAM 特有誤差連到任務門檻。
SLAM Point Clouds for Construction: Quality, Validation, and Task Fitness	10	同時承諾品質、驗證與任務三面向，最貼近收斂後的定位。	中高：Quality 與 Task Fitness 的組合未見於已查證題名；但 SLAM-based、point clouds 與 validation 同見於一篇行動測繪研究的題名，且本題名未含 review。 (Sammartano & Spanò, 2018)Validation 須由完成的證據矩陣支撐。
From Trajectory to Task: A Review of SLAM Point Clouds in Construction	12	以軌跡到任務的三層主軸為題。	中高：主軸用詞不同於既有綜述；但「From … to …」句式常見，本站已查證文獻中至少五篇題名使用，其中兩篇是本頁矩陣中的綜述；且前半句未點明主題。 (Luo et al., 2026; Elhashash et al., 2022)

字數以空白分隔計算：連字號複合詞算一個字，冠詞與介系詞計入。辨識度只比較題名用詞，比對對象為本站已查證文獻的題名，不代表內容差異。

全文複核（2026-09-26）

先前只讀摘要的四篇與只讀部分章節的六篇，已讀完全文。四篇原本只讀摘要的相鄰綜述都沒有評估 SLAM 點雲的地圖幾何品質：非破壞檢測綜述的基準只比較軌跡誤差與計算資源 (Ghadimzadeh Alamdari et al., 2025, Sec. 7.1-7.2)；3D LiDAR SLAM 綜述只彙整 KITTI 的相對位姿誤差 (Zhang et al., 2024a, Sec. 4.2-4.3, Tables 8-9)；工地即時監測綜述未量化 SLAM 或行動點雲的誤差 (Rao et al., 2022, Sec. 2.3.6, 3.2.5, 5.1)；營建點雲深度學習綜述主張以交付成果與容許差評估，但處理的是點雲形成之後的階段 (Zhou et al., 2026, Sec. 6.5, 7)。補讀的六篇中，Di Stefano 等人的精度表使候選貢獻 2 的範圍再縮小（見上方「仍可辯護的空間」）；Luo 等人與 Di Stefano 等人對漂移、迴圈閉合與重影的定性說明，使候選貢獻 3 限定為以量值連到任務門檻；Chen 與 Luo 的標準評估體系建議與 Aryan 等人的方法比較準則，成為候選貢獻 4 必須引用的前例。各項判定標籤未變。

證據缺口仍有的閱讀缺口

矩陣中其餘 9 篇仍標為「僅摘要」的綜述（可在矩陣中篩選），依摘要判讀的重疊等級為低或低至中。證據庫的全文複核紀錄顯示，其中除一篇無法取得全文外都已讀過全文，但尚未依本頁的比對問題逐篇判讀；判讀完成前，稿件不能描述它們未涵蓋哪些內容。
矩陣各欄仍是擷取紀錄的內容，補讀的十篇尚待依全文重寫後重新產生；判定以本頁文字為準。
7 篇候選綜述已完成身分查證。其中一篇已收錄於本站，為地下環境 SLAM 綜述，以 1 m 門檻計算地圖偏差比例，屬探勘任務而非營建任務 (Ebadi et al., 2024, Sec. IV-B, IV-C)；其餘 6 篇待納入，暫不在本站引用，其中與新穎性判斷有關的一篇提出無獨立參考為主的地圖一致性指標，另有數篇經篩選與本研究的問題無關。

篩選與擷取由 AI 代理完成，並經第二個 AI 代理獨立查證；本次全文複核也由 AI 代理執行，尚未經人工複核。

資料來源與建置方式

矩陣由 研究資料/分析程式/build_review_overlap.py 自 C11a 群組（營建領域綜述）的已查證擷取紀錄產生：納入查證結論為 confirmed 或 corrected、且含重疊欄位的 22 篇綜述；補充檔中歸入 C11a 的兩筆為 PRISMA 報告規範，不含重疊欄位，因此未列入。查證日期為 2026-09-25。

每筆中文翻譯都保存所依據的英文原文；查證紀錄的英文一旦變動，建置即中止，避免顯示過期翻譯。「主題脈絡」中標示「本頁歸類」者，是建置本頁時依問題定位所做的分類，其餘依 C11a 的群組綜整。新穎性判定依 C11a 的新穎性評估改寫，屬研究者推論；其中的章節定位已與各文獻的已讀範圍核對，一處無法由已讀範圍支持的定位已改用已讀章節。2026-09-26 依十篇綜述的全文複核修訂判定、信心與閱讀缺口，逐篇依據記錄於研究文件 研究資料/分析結果/01_scope_and_novelty.md 第 12 節。

重疊矩陣

Li et al., 2026a：A structured review of SLAM generation in the AEC industry: Technical framework, site-specific challenges, and adaptive strategies

Yarovoi & Cho, 2024：Review of simultaneous localization and mapping (SLAM) for construction robotics applications

Otero et al., 2020：Mobile indoor mapping technologies: A review

Chen et al., 2026：Localization and navigation of construction robots: A human-centric review

Di Stefano et al., 2021：Mobile 3D scan LiDAR: a literature review

Chen & Luo, 2026：Indoor scan-to-BIM workflows: Progress, challenges, and future directions (2014–2024)

Luo et al., 2026：Indoor scan-to-BIM automation: From mobile perception to 3D building modelling

Aryan et al., 2021：Planning for terrestrial laser scanning in construction: A review

Wang & Kim, 2019：Applications of 3D point cloud data in the construction industry: A fifteen-year review from 2004 to 2018

Ghadimzadeh Alamdari et al., 2025：A Review of Simultaneous Localization and Mapping for the Robotic-Based Nondestructive Evaluation of Infrastructures

Zeng et al., 2024：Autonomous mobile construction robots in built environment: A comprehensive review

Anwar & Azhar, 2026：A systematic review on the application of reality capture in the construction industry

Elhashash et al., 2022：A Review of Mobile Mapping Systems: From Sensors to Applications

Rao et al., 2022：Real-time monitoring of construction sites: Sensors, methods, and applications

Adán et al., 2019：Autonomous Mobile Scanning Systems for the Digitization of Buildings: A Review

Puente et al., 2013：Review of mobile mapping and surveying technologies

Zhou et al., 2026：Deep learning for 3D point cloud processing in construction: PRISMA-based systematic review (2016–2025)

Mirzaei et al., 2022：3D point cloud data processing with machine learning for construction and infrastructure applications: A comprehensive review

Xu & Stilla, 2021：Toward Building and Civil Infrastructure Reconstruction From Point Clouds: A Review on Data and Key Techniques

Pătrăucean et al., 2015：State of research in automatic as-built modelling

Tang et al., 2010：Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques

Zhang et al., 2024a：3D LiDAR SLAM: A survey