石油管线系统的复杂性和几何特征的多样性使得传统的建筑信息建模方法难以满足现代化管理需求，基于RGB-D图像和LiDAR点云数据融合的技术凭借其在语义信息和几何精度上的互补性，为复杂场景下的石油管线BIM建模提供了新的解决方案。文章提出了一种基于多源数据融合的建模方法，通过深度学习模型优化RGB-D图像的语义分割，并结合点云数据实现空间几何信息的高精度对齐和特征提取，以生成具有完整语义和精确几何结构的三维BIM模型。实验采用典型石油计转站场景，评估了融合方法在几何误差、语义覆盖率和建模效率等方面的性能，结果表明，多源数据融合方法显著优于单一数据源的传统方法，能够更精确地表达管线系统的复杂拓扑结构并提升建模效率，为石油管线的精细化管理和全生命周期应用提供了数据支持与技术保障。