CN111178083A - 一种bim和gis的语义匹配方法及装置 - Google Patents
一种bim和gis的语义匹配方法及装置 Download PDFInfo
- Publication number
- CN111178083A CN111178083A CN201911274882.XA CN201911274882A CN111178083A CN 111178083 A CN111178083 A CN 111178083A CN 201911274882 A CN201911274882 A CN 201911274882A CN 111178083 A CN111178083 A CN 111178083A
- Authority
- CN
- China
- Prior art keywords
- text data
- semantic matching
- word vector
- similarity
- bim
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种BIM和GIS的语义匹配方法及装置,通过设置开始符和结束符将所述第一文本数据和第二文本数据中每一个字符串隔开,将所述字符串进行分割得到若干字符,对字符串的若干字符利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的第一词向量和第二词向量,通过对第一词向量和第二词向量进行相似度计算,根据相似度最高的两个词向量对应的文本数据,得到准确的语义匹配结果。相对于现有技术,本发明实现IFC与CityGML定义的实体智能匹配,具有更高的匹配精度和效率。
Description
技术领域
本发明涉及建筑信息处理领域,尤其是涉及一种BIM和GIS的语义匹配方法及装置。
背景技术
由于建筑信息模型(BuildingInformationModel,BIM)能以一种互操作方式和数据重用方式来产生、存储、管理、共享和交换建筑信息数据,所以被广泛地应用在建筑物、工程建设领域。BIM构建的小尺度或室内空间三维模型主要应用于建筑物等工程的全生命周期管理,因而具备了丰富的几何、属性及语义信息。而三维地理信息系统(3DGeographyInformation System,3D GIS)提供了数据制作、管理、分析等功能,主要针对的是大尺度的三维场景建模,其主要面向的是室外大规模三维场景的渲染、空间分析等用途。BIM与GIS的融合一方面可以构建室内外一体化的三维场景,另一方面可以大大减少GIS建模过程中的数据采集、模型制作及语义标注等工作,可以极大地丰富3DGIS的数据来源。因此,BIM与GIS的数据融合受到了越来越多的关注。
工业基础类(Industry Foundation Classes,IFC)是BIM领域最具代表性的数据共享与交换标准之一,其采用文件系统进行数据存储与交换。IFC包含了空间对象的属性、功能等丰富的语义信息,并采用对象化建模方式来表示三维空间对象。而CityGML是3DGIS领域主要的开放式数据存储与交换标准,CityGML涵盖了三维数据模型的几何、语义、拓扑关系等内容,并采用地理标记语言(GeographyMarkup Language,GML)进行描述。由于IFC与CityGML之间具有诸多的相似性,所以二者间的数据融合备受业界关注。
由于IFC和CityGML分别使用了不同的对象几何表达方式和语义,传统的IFC与CityGML数据融合方法一般采用人工方法进行语义匹配。但是,IFC与CityGML定义的实体数量较多,人工语义匹配方法耗时耗力,效率较低。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种自动匹配的BIM和GIS的语义匹配方法及装置,具有更高的匹配精度和效率。所述技术方案如下:
第一方面,本申请实施例提供了一种BIM和GIS的语义匹配方法,包括以下步骤:
获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据;
将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体;
基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量;
根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度;
根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果。
可选的,所述提取对应的实体名称和实体定义作为第一文本数据和第二文本数据的步骤还包括:
在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
可选的,所述获取所述第一文本数据和第二文本数据中每两个实体之间的相似度步骤具体包括:
按照以下公式,计算第一文本数据和第二文本数据中每两个实体之间的相似度:
其中,Sim(i,j)表示实体i和j之间的语义相似度,vi和vj分别表示实体i和j的词向量,|vi|和|vj|分别为词向量vi和vj的模。
第二方面,本申请实施例提供了一种BIM和GIS的语义匹配装置,包括:
文本提取模块,用于获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据;
分割模块,用于将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体;
词向量构建模块,用于基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量;
相似度计算模块,用于根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度;
语义匹配模块,用于根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果;
可选的,所述文本提取模块还包括:
分隔单元,用于在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
可选的,所述相似度计算模块包括:
按照以下公式,计算第一文本数据和第二文本数据中每两个实体之间的相似度:
其中,Sim(i,j)表示实体i和j之间的语义相似度,vi和vj分别表示实体i和j的词向量,|vi|和|vj|分别为词向量vi和vj的模。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上储存有计算机程序,该计算机程序被处理器执行时实现如上述任意一项所述的BIM和GIS的语义匹配方法的步骤。
第四方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的BIM和GIS的语义匹配方法的步骤。
在本申请实施例中,通过设置开始符和结束符将所述第一文本数据和第二文本数据中每一个字符串隔开,将所述字符串进行分割得到若干字符,对字符串的若干字符利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的第一词向量和第二词向量,无需对所述文本数据进行停用词去除、词干提取等人工操作,避免因为不同的操作人员可能采用不同的停用词表或词干提取算法而造成语义匹配结果出现较大差异,进一步提高语义匹配效率,减少人工操作的影响。本申请实施例中通过对第一词向量和第二词向量进行相似度计算,根据相似度最高的两个词向量对应的文本数据,得到准确的语义匹配结果,实现IFC与CityGML定义的实体智能匹配,具有更高的匹配精度和效率。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1为本发明一个示例性的实施例中一种BIM和GIS的语义匹配方法的流程图;
图2为本发明一个示例性的实施例中一种BIM和GIS的语义匹配装置的结构示意图;
图3为本发明一个示例性的实施例中构建词向量的过程示意图;
图4为本发明一个示例性的实施例与现有的语义匹配方法进行语义匹配得到的匹配精度曲线图;
图5为本发明一个示例性的实施例与现有的BIM和GIS的语义匹配方法进行语义匹配得到的召回率曲线图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确,所描述的实施例仅仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中,需要理解的是,术语“第一”、“第二”、“第三”等仅用于区别类似的对象,而不必用于描述特定的顺序或先后次序,也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
此外,在本申请的描述中,除非另有说明,“若干个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
IFC是Building SMART为BIM应用提出的一种开放数据标准,以实现建筑内信息的表达,共享及应用,并已成为了国际标准。目前大部分BIM软件均支持IFC数据格式的导入导出。CityGML是OGC(Open GIS Consortium)提出的为实现三维城市模型信息共享和可视化的国际标准,它定义了城市空间对象的三维几何,拓扑,语义信息。
CityGML是一种用于虚拟三维城市模型数据交换与存储的格式,是用以表达三维城市模板的通用数据模型。它定义了城市和区域中最常见的地表目标的类型及相互关系,并顾及了目标的几何、拓扑、语义、外观等方面的属性,包括专题类型之间的层次、聚合、目标间的关系以及空间属性等。
一般地,进行IFC与CityGML数据融合主要包含语义匹配、几何结构转换、坐标系转换等基本过程。而语义匹配是IFC与CityGML数据融合过程中的主要难点。尽管IFC与CityGML之间具有一定程度的语义相似性,但由于面向的应用领域的不同,二者之间仍然存在“语义鸿沟”,对将来实现全自动化的IFC与CityGML数据融合提出了挑战。
传统的IFC与CityGML数据融合方法一般采用人工方法进行语义匹配。虽然人工语义匹配方法能获得完全正确的语义匹配,但由于IFC与CityGML定义的实体数量较多,导致人工语义匹配方法效率较低,且严重依赖匹配人员的专业知识。
请参阅图1,本发明提供了一种BIM和GIS的语义匹配方法,包括以下步骤:
步骤S1:获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据。
在语义信息上,IFC模型包含大量的建筑细节描述,具体有600多个对建筑实体的定义和300多个对建筑类型的定义,同时还包含各种建筑部件间的语义连接关系。CityGML中应用了5个细节层次(LODs)对建筑物、建筑物部件以及建筑物附属设施由简到繁的表达。而每一个LOD中又有多个特征变量,分别表示了不同的建筑要素模型。IFC和CityGML分别使用了不同的对象几何表达方式和语义,在本申请实施例中,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据,需要说明的是,对于实体名称相同的文本数据,可以在IFC文件的实体名称加上前缀“ifc”,或在CityGML文件加上前缀“citygml”,将两个完全相同的文本数据进行区分。
步骤S2:将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体。
字符串的分割可以按照实际需求设置分割长度,在本申请实施例中,将每一个字符串切分成3个字母组成的字串。
步骤S3:基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量。
哈希算法是把任意长度的输入(又叫做预映射pre-image)通过散列算法变换成固定长度的输出,该输出就是散列值。在本申请实施例中,通过哈希算法将3个字母组成的字串转换为散列值。
步骤S4:根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度。
相似度的计算可以是以第一文本数据中的某个实体为基础,逐个比较该实体与第二文本数据中所有实体的相似度,也可以是以第二文本数据中的某个实体为基础,逐个比较该实体与第一文本数据中所有实体的相似度。
步骤S5:根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果。
在一个例子中,语义匹配结果可以为IFC文件和CityGML文件中经语义匹配得到的两个实体。
语义匹配结果可以由人工根据相似度最高的两个词向量对应的文本数据进行再次确认得到,也可以利用现有技术中常用的语义匹配方法对语义匹配结果进行再次确认。通过对所述语义匹配结果进行最终的确认,可以保证输出结果的准确性。
在本申请实施例中,通过设置开始符和结束符将所述第一文本数据和第二文本数据中每一个字符串隔开,将所述字符串进行分割得到若干字符,对字符串的若干字符利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的第一词向量和第二词向量,无需对所述文本数据进行停用词去除、词干提取等人工操作,避免因为不同的操作人员可能采用不同的停用词表或词干提取算法而造成语义匹配结果出现较大差异,进一步提高语义匹配效率,减少人工操作的影响。本申请实施例中通过对第一词向量和第二词向量进行相似度计算,根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果,实现IFC与CityGML定义的实体智能匹配,具有更高的匹配精度和效率。
在一个示例性的实施例中,所述提取对应的实体名称和实体定义作为第一文本数据和第二文本数据的步骤还包括:
在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
开始符和结束符可以相同也可以不同,在本申请实施例中,开始符和结束符均为“#”。通过设置开始符和结束符保证字符串的完全分隔,便于后续步骤中对字符串的识别处理。
在一个例子中,所述词向量构建过程如图2所示,对于字符串“window”前后设置开始符和结束符“#”,得到“#window#”,对于该字符串分割为3个字母组成的字串,其中字串的字母以上一次分割的最后两位字母和一位新的字母组合而成,基于该字串,利用哈希算法得到各字串的散列值,构建第一词向量Vi和第二词向量Vj。
在一个示例性的实施例中,所述获取所述第一文本数据和第二文本数据中每两个实体之间的相似度步骤具体包括:
按照以下公式,计算第一文本数据和第二文本数据中每两个实体之间的相似度:
其中,Sim(i,j)表示实体i和j之间的语义相似度,vi和vj分别表示实体i和j的词向量,|vi|和|vj|分别为词向量vi和vj的模。
请参阅图3,本发明还提供了一种BIM和GIS的语义匹配装置,包括:
文本提取模块1,用于获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据。
分割模块2,用于将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体。
词向量构建模块3,用于基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量。
相似度计算模块4,用于根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度。
语义匹配模块5,用于根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果。
在一个示例性的实施例中,所述文本提取模块1还包括:
分隔单元,用于在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
在一个示例性的实施例中,所述相似度计算模块4包括:
按照以下公式,计算第一文本数据和第二文本数据中每两个实体之间的相似度:
其中,Sim(i,j)表示实体i和j之间的语义相似度,vj和vj分别表示实体i和j的词向量,|vi|和|vj|分别为词向量vi和vj的模。
本申请实施例提供了一种计算机可读存储介质,其上储存有计算机程序,该计算机程序被处理器执行时实现如上述任意一项所述的BIM和GIS的语义匹配方法的步骤。
本申请可采用在一个或多个其中包含有程序代码的存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机可读储存介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其它数据。计算机的存储介质的例子包括但不限于:相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其它类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其它内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其它光学存储、磁盒式磁带,磁带磁盘存储或其它磁性存储设备或任何其它非传输介质,可用于存储可以被计算设备访问的信息。
本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任意一项所述的BIM和GIS的语义匹配方法的步骤。
如图4-5所示,其为按照现有的IFC与CityGML实体之间的语义匹配方法(即图中RSSMM,stop word removal and word stemming based semantic mapping method)与本申请所述BIM和GIS的语义匹配方法(即图中WHSMM,word hashing method based semanticmapping method)进行IFC与CityGML文件语义匹配的匹配精度和召回率曲线图;可以看到,本专利提出的BIM和GIS的语义匹配方法,大大提高了IFC与CityGML实体之间的语义匹配精度。并且,本申请由于不需要停用词去除及词干提取等过程,可以减少人工操作,因此,可以提高效率。
本发明并不局限于上述实施方式,如果对本发明的各种改动或变形不脱离本发明的精神和范围,倘若这些改动和变形属于本发明的权利要求和等同技术范围之内,则本发明也意图包含这些改动和变形。
Claims (8)
1.一种BIM和GIS的语义匹配方法,其特征在于,包括以下步骤:
获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据;
将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体;
基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量;
根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度;
根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果。
2.根据权利要求1所述的BIM和GIS的语义匹配方法,其特征在于,所述提取对应的实体名称和实体定义作为第一文本数据和第二文本数据的步骤还包括:
在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
4.一种BIM和GIS的语义匹配装置,其特征在于,包括:
文本提取模块,用于获取IFC和CityGML文件,提取所述IFC和CityGML文件中的实体名称和实体定义作为第一文本数据和第二文本数据;
分割模块,用于将所述第一文本数据和第二文本数据中每一个字符串进行分割,获得若干字符;其中,每个字符串分别对应一个实体;
词向量构建模块,用于基于所述字符,利用哈希算法构建所述第一文本数据和所述第二文本数据中各字符串对应的词向量,得到第一词向量和第二词向量;
相似度计算模块,用于根据所述第一词向量与第二词向量,获取所述第一文本数据和第二文本数据中每两个实体之间的相似度;
语义匹配模块,用于根据相似度最高的两个词向量对应的文本数据,得到语义匹配结果。
5.根据权利要求4所述BIM和GIS的语义匹配装置,其特征在于,所述文本提取模块还包括:
分隔单元,用于在所述第一文本数据和第二文本数据中每一个字符串的前后设置开始符和结束符,将每一个字符串分隔开。
7.一种计算机可读存储介质,其上储存有计算机程序,其特征在于:该计算机程序被处理器执行时实现如权利要求1-3任意一项所述的BIM和GIS的语义匹配方法的步骤。
8.一种计算机设备,其特征在于:包括存储器、处理器以及存储在所述存储器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-3中任意一项所述的BIM和GIS的语义匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274882.XA CN111178083A (zh) | 2019-12-12 | 2019-12-12 | 一种bim和gis的语义匹配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911274882.XA CN111178083A (zh) | 2019-12-12 | 2019-12-12 | 一种bim和gis的语义匹配方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111178083A true CN111178083A (zh) | 2020-05-19 |
Family
ID=70651952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911274882.XA Pending CN111178083A (zh) | 2019-12-12 | 2019-12-12 | 一种bim和gis的语义匹配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178083A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132845A (zh) * | 2020-08-13 | 2020-12-25 | 当家移动绿色互联网技术集团有限公司 | 三维模型的单体化方法、装置、电子设备和可读介质 |
CN113568989A (zh) * | 2021-08-02 | 2021-10-29 | 上海建工四建集团有限公司 | 一种ifc子模型提取方法 |
CN114387404A (zh) * | 2022-03-23 | 2022-04-22 | 山东师范大学 | 基于语义映射的bim与gis建筑数据融合方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462503A (zh) * | 2014-12-19 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 确定数据点的相似度的方法 |
CN106326217A (zh) * | 2015-06-15 | 2017-01-11 | 华东师范大学 | 一种基于随机算法的分布式实体匹配方法 |
CN106469144A (zh) * | 2016-08-29 | 2017-03-01 | 东软集团股份有限公司 | 文本相似度计算方法及装置 |
CN108133053A (zh) * | 2018-01-19 | 2018-06-08 | 华东建筑集团股份有限公司 | 一种基于RDF框架的CityGML与IFC类结构语义映射本体的方法 |
CN109117745A (zh) * | 2018-07-23 | 2019-01-01 | 青岛理工大学 | 一种基于建筑信息模型的云端人脸识别与定位方法 |
CN110162750A (zh) * | 2019-01-24 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 文本相似度检测方法、电子设备及计算机可读存储介质 |
CN110222137A (zh) * | 2019-06-11 | 2019-09-10 | 鲁东大学 | 一种基于倾斜摄影与增强现实技术智慧校园系统 |
-
2019
- 2019-12-12 CN CN201911274882.XA patent/CN111178083A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104462503A (zh) * | 2014-12-19 | 2015-03-25 | 中国科学院深圳先进技术研究院 | 确定数据点的相似度的方法 |
CN106326217A (zh) * | 2015-06-15 | 2017-01-11 | 华东师范大学 | 一种基于随机算法的分布式实体匹配方法 |
CN106469144A (zh) * | 2016-08-29 | 2017-03-01 | 东软集团股份有限公司 | 文本相似度计算方法及装置 |
CN108133053A (zh) * | 2018-01-19 | 2018-06-08 | 华东建筑集团股份有限公司 | 一种基于RDF框架的CityGML与IFC类结构语义映射本体的方法 |
CN109117745A (zh) * | 2018-07-23 | 2019-01-01 | 青岛理工大学 | 一种基于建筑信息模型的云端人脸识别与定位方法 |
CN110162750A (zh) * | 2019-01-24 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 文本相似度检测方法、电子设备及计算机可读存储介质 |
CN110222137A (zh) * | 2019-06-11 | 2019-09-10 | 鲁东大学 | 一种基于倾斜摄影与增强现实技术智慧校园系统 |
Non-Patent Citations (1)
Title |
---|
陈明编: "大数据技术概论", vol. 1, 中国铁道出版社, pages: 128 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132845A (zh) * | 2020-08-13 | 2020-12-25 | 当家移动绿色互联网技术集团有限公司 | 三维模型的单体化方法、装置、电子设备和可读介质 |
CN113568989A (zh) * | 2021-08-02 | 2021-10-29 | 上海建工四建集团有限公司 | 一种ifc子模型提取方法 |
CN113568989B (zh) * | 2021-08-02 | 2024-04-19 | 上海建工四建集团有限公司 | 一种ifc子模型提取方法 |
CN114387404A (zh) * | 2022-03-23 | 2022-04-22 | 山东师范大学 | 基于语义映射的bim与gis建筑数据融合方法及系统 |
CN114387404B (zh) * | 2022-03-23 | 2022-06-14 | 山东师范大学 | 基于语义映射的bim与gis建筑数据融合方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104850633B (zh) | 一种基于手绘草图部件分割的三维模型检索系统及方法 | |
CN109816772B (zh) | 一种由cad户型文件快速生成虚拟现实场景的处理方法 | |
CN106250129B (zh) | 基于图元组合模型的矢量化符号动态标绘方法 | |
CN110990467B (zh) | 一种bim模型格式转换方法及转换系统 | |
CN106055717B (zh) | 一种一体化管理地理信息与地图制图数据的方法 | |
Demir et al. | Proceduralization for editing 3d architectural models | |
CN113052023A (zh) | Cad图纸解析方法、装置、设备及存储介质 | |
CN116126809B (zh) | 一种基于国标的建筑信息模型数据存储转换方法 | |
CN111178083A (zh) | 一种bim和gis的语义匹配方法及装置 | |
CN116108059B (zh) | 地理测绘分幅矢量数据单体化方法、装置及电子设备 | |
CN114782530A (zh) | 室内场景下的三维语义地图构建方法、装置、设备及介质 | |
Martinez-Rubi et al. | Using modular 3D digital earth applications based on point clouds for the study of complex sites | |
Zhu et al. | Curvature-variation-inspired sampling for point cloud classification and segmentation | |
CN111340100A (zh) | Bim模型的相似度计算方法 | |
CN114399784A (zh) | 一种基于cad图纸的自动识别方法及装置 | |
US11869127B2 (en) | Image manipulation method and apparatus | |
CN107066926A (zh) | 使用描述符的3d对象定位 | |
CN104778308A (zh) | 飞机结构型材的识别方法和装置 | |
Li et al. | Saliency segmentation and foreground extraction of underwater image based on localization | |
CN114092952A (zh) | 一种基于dxf格式的户型图信息提取与向量化方法及装置 | |
CN103530656B (zh) | 基于隐结构学习的图像摘要生成方法 | |
CN106599248A (zh) | 基于二元要素类映射池技术的空间图形转换方法 | |
CN109145098B (zh) | 基于知识图谱的中华文化元素信息搜索方法 | |
CN106557564A (zh) | 一种对象数据分析方法及装置 | |
CN111949839B (zh) | 数据关联方法、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |