CN111914328B - 一种基于人工智能的建筑平面辅助设计方法及系统 - Google Patents
一种基于人工智能的建筑平面辅助设计方法及系统 Download PDFInfo
- Publication number
- CN111914328B CN111914328B CN202010761794.9A CN202010761794A CN111914328B CN 111914328 B CN111914328 B CN 111914328B CN 202010761794 A CN202010761794 A CN 202010761794A CN 111914328 B CN111914328 B CN 111914328B
- Authority
- CN
- China
- Prior art keywords
- building
- plane
- design
- artificial intelligence
- aided design
- 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.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 24
- 238000013136 deep learning model Methods 0.000 claims abstract description 23
- 238000010586 diagram Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims abstract description 4
- 238000012986 modification Methods 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种基于人工智能的建筑平面辅助设计方法及系统,所述方法包括以下步骤:1)获取设计条件,基于所述设计条件采用一经训练的建筑平面深度学习模型获得设计图纸;2)获取对所述设计图纸的评价信息,根据所述评价信息判断是否修改所述建筑平面深度学习模型,若是,则修改所述建筑平面深度学习模型后返回步骤1),若否,则以所述设计图纸作为最终图纸;所述建筑平面深度学习模型训练时采用的样本图库的构建过程包括:获取现有建筑设计图,经归一化处理后,提取获得平面轮廓图和平面空间分布图,以一对所述平面轮廓图和平面空间分布图作为一个样本构建所述样本图库。与现有技术相比,本发明具有有效提高设计效率等优点。
Description
技术领域
本发明涉及一种建筑平面设计方法,尤其是涉及一种基于人工智能的建筑平面辅助设计方法及系统。
背景技术
随着城市发展建设需求日益加剧,设计制图工作量不断加大,大众建筑师们开始关注并寄希望于计算机逻辑算法来辅助自己日常海量的计算、推演等工作,但一直未能找到理想的突破口。建筑设计尤其是养老建筑的设计目前基本上还在沿用传统的建筑设计方法,从场地设计到建筑平面设计还存在着许多效率低下的过程,尤其是在养老建筑设计需求量较大的当今社会。现有也有一些应用优化算法的建筑设计方法,如井上等人通过算法来设计最优化的集合住宅的室内配置;神山等人通过算法来设计最优化的2层住宅的室内配置;Caldas等人、樋山等人以建筑物的环境性能为评价指标,通过算法来处理窗户设计问题;马郡等人通过人工智能来观察并控制大学校园和便利店内的空调和照明,实现零能源大厦。但现有技术对养老建筑的建筑设计的精度有还待提高。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种有效提高设计效率的基于人工智能的建筑平面辅助设计方法及系统。
本发明的目的可以通过以下技术方案来实现:
一种基于人工智能的建筑平面辅助设计方法,该方法包括以下步骤:
1)获取设计条件,基于所述设计条件采用一经训练的建筑平面深度学习模型获得设计图纸;
2)获取对所述设计图纸的评价信息,根据所述评价信息判断是否修改所述建筑平面深度学习模型,若是,则修改所述建筑平面深度学习模型后返回步骤1),若否,则以所述设计图纸作为最终图纸;
所述建筑平面深度学习模型训练时采用的样本图库的构建过程包括:获取现有建筑设计图,经归一化处理后,提取获得平面轮廓图和平面空间分布图,以一对所述平面轮廓图和平面空间分布图作为一个样本构建所述样本图库。
进一步地,所述归一化处理包括图片缩放处理和方向调整。
进一步地,以1:100的缩尺对所述现有建筑设计图进行统一处理。
进一步地,经归一化处理后的建筑设计图的大小为1024mm×1024mm。
进一步地,所述方向调整指将北方方向统一在图中的上方向。
进一步地,所述平面轮廓图中的轮廓为建筑基地内建筑垂直覆盖的土地外轮廓。
进一步地,所述平面空间分布图基于建筑空间功能和实体类型对现有建筑设计图进行分割,并以不同颜色填充不同分割空间。
进一步地,对所述建筑平面深度学习模型的修改包括对样本图库构建方式的修改和学习参数的修改。
进一步地,所述评价信息包括设计图纸中功能排布是否合理的评价信息。
进一步地,所述设计条件包括待设计建筑平面轮廓。
进一步地,所述设计条件还包括待设计的地块区位图、地形图、地块位置(经纬度)、地块控规图则、地块周边建筑、道路、交通图等。
本发明还提供一种基于人工智能的建筑平面辅助设计系统,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用所述计算机程序执行上述所述方法的步骤。
与现有技术相比,本发明可实现在获得规划图纸时快速生成对应的建筑平面图,具有如下有益效果:
1、本发明采用经训练的建筑平面深度学习模型进行建筑平面辅助设计,能快速获得符合设计要求的设计结果,提高设计效率。
2、本发明结合评价信息对模型输出结果进行修订,设计结果更加合理有效。
3、本发明基于建筑平面轮廓和空间功能分类构建样本图库,能获得更准确的建筑平面深度学习模型,从而有效提高设计精度。
附图说明
图1为本发明辅助设计方法的流程示意图;
图2为本发明中一个样本的示意图;
图3为应用本发明的一个设计案例示意图,其中,(a)为输入的设计条件,(b)为输出的最终设计图纸。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示,本实施例提供一种基于人工智能的建筑平面辅助设计方法,应用于养老设施建筑的建筑平面辅助设计,该方法包括以下步骤:1)获取设计条件,包括待设计建筑平面轮廓等,基于所述设计条件采用一经训练的建筑平面深度学习模型获得设计图纸;2)获取对所述设计图纸的评价信息,根据所述评价信息判断是否修改所述建筑平面深度学习模型,若是,则修改所述建筑平面深度学习模型后返回步骤1),若否,则以所述设计图纸作为最终图纸。
所述建筑平面深度学习模型的构建及训练过程包括:
创建样本图库,获取现有建筑设计图,经归一化处理后,提取获得平面轮廓图和平面空间分布图,以一对所述平面轮廓图和平面空间分布图作为一个样本构建所述样本图库,如图2所示,其中,平面轮廓图中的轮廓为建筑基地内建筑垂直覆盖的土地外轮廓,包括其内部的室外连廊以及中庭,平面空间分布图基于建筑空间功能和实体类型对现有建筑设计图进行分割,并以不同颜色填充不同分割空间;
学习样本图,构建建筑平面深度学习模型,将大量转化过的样本图给人工智能模型进行学习;
深层学习,基于图像识别技术,人工智能通过反复信息处理的深层学习,提高设计的精度。
样本需要统一每个建筑物的不同信息,因此需要对设计图进行预处理,转化为固定大小的图片,包括:以1:100的缩尺对所述现有建筑设计图进行统一处理,即使是规模不同的建筑物,也能够原样学习各空间的大小;将北方方向统一在图中的上方向,能够将建筑物潜在的方向上的特性纳入到学习中。在进行样本图学习时,对于多层建筑,以样本图的左上角为原点,制作成各层的坐标位置与原点相同。然后从一楼的图纸开始按顺序学习,可以维持楼梯等垂直方向的学习。图纸以1024mm×1024mm的大小统一,进行对人工智能的输入和输出的图面全部以JPEG形式统一。
本实施例中,基于建筑空间功能和实体类型进行的空间分割着色处理策略如表1所示。
在获得由模型输出的设计图纸后,需要对设计图纸进行评价,根据养老建筑设计规范判断其功能排布是否合理,若不合理,则可进行进一步修订。对所述建筑平面深度学习模型的修改包括对样本图库构建方式的修改(如修改现有建筑设计图、修改空间分割方式等)和学习参数的修改。
以如图3(a)所示的设计条件为输入,经训练的建筑平面深度学习模型获得的结果如图3(b)所示。
实施例2
本实施例提供一种基于人工智能的建筑平面辅助设计系统,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器调用所述计算机程序执行上述实施例1方法的步骤,基于该设计系统,可实现在接收到具有一定设计条件的规划图纸时,快速生成对应的建筑平面图。此处设计条件可包括待设计的地块区位图、地形图、地块位置(经纬度)、地块控规图则、地块周边建筑、道路和/或交通图等,以实现更准确、精度更高的设计效果。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于人工智能的建筑平面辅助设计方法,其特征在于,该方法包括以下步骤:
1)获取设计条件,基于所述设计条件采用一经训练的建筑平面深度学习模型获得设计图纸;
2)获取对所述设计图纸的评价信息,根据所述评价信息判断是否修改所述建筑平面深度学习模型,若是,则修改所述建筑平面深度学习模型后返回步骤1),若否,则以所述设计图纸作为最终图纸;
所述建筑平面深度学习模型训练时采用的样本图库的构建过程包括:获取现有建筑设计图,经归一化处理后,提取获得平面轮廓图和平面空间分布图,以一对所述平面轮廓图和平面空间分布图作为一个样本构建所述样本图库;
对所述现有建筑设计图进行预处理,转化为固定大小的图片,以使样本统一每个建筑物的不同信息,包括:以1:100的缩尺对所述现有建筑设计图进行统一处理,即使是规模不同的建筑物,也能够原样学习各空间的大小;将北方方向统一在图中的上方向,能够将建筑物潜在的方向上的特性纳入到学习中。
2.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述归一化处理包括图片缩放处理和方向调整。
3.根据权利要求2所述的基于人工智能的建筑平面辅助设计方法,其特征在于,以1:100的缩尺对所述现有建筑设计图进行统一处理。
4.根据权利要求2所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述方向调整指将北方方向统一在图中的上方向。
5.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述平面轮廓图中的轮廓为建筑基地内建筑垂直覆盖的土地外轮廓。
6.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述平面空间分布图基于建筑空间功能和实体类型对现有建筑设计图进行分割,并以不同颜色填充不同分割空间。
7.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,对所述建筑平面深度学习模型的修改包括对样本图库构建方式的修改和学习参数的修改。
8.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述评价信息包括设计图纸中功能排布是否合理的评价信息。
9.根据权利要求1所述的基于人工智能的建筑平面辅助设计方法,其特征在于,所述设计条件包括待设计建筑平面轮廓。
10.一种基于人工智能的建筑平面辅助设计系统,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器调用所述计算机程序执行如权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761794.9A CN111914328B (zh) | 2020-07-31 | 2020-07-31 | 一种基于人工智能的建筑平面辅助设计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010761794.9A CN111914328B (zh) | 2020-07-31 | 2020-07-31 | 一种基于人工智能的建筑平面辅助设计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111914328A CN111914328A (zh) | 2020-11-10 |
CN111914328B true CN111914328B (zh) | 2023-11-17 |
Family
ID=73287489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010761794.9A Active CN111914328B (zh) | 2020-07-31 | 2020-07-31 | 一种基于人工智能的建筑平面辅助设计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111914328B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113190896B (zh) * | 2021-04-07 | 2023-01-17 | 北京都市霍普建筑设计有限公司 | 一种工业建筑空间的设计系统 |
CN113282999B (zh) * | 2021-06-25 | 2023-12-22 | 广东都市建筑规划设计有限公司 | 一种电气照明图纸自动修改生成方法、装置及计算机设备 |
CN114661931B (zh) * | 2022-03-24 | 2023-04-14 | 平煤神马建工集团有限公司 | 一种基于标签的建筑辅助设计方法及系统 |
CN115712943B (zh) * | 2022-11-24 | 2024-01-30 | 中国建筑设计研究院有限公司 | 一种基于图像识别的乡村住宅户型平面生成方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101695591B1 (ko) * | 2016-03-03 | 2017-01-23 | 정근창 | 공간상의 모델의 위치를 특정하는 프로그램 라이브러리를 이용한 토목지식 기반의 설계방법 |
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
JP2019200721A (ja) * | 2018-05-18 | 2019-11-21 | 株式会社竹中工務店 | 設計支援装置及び設計支援モデル学習装置 |
WO2020151089A1 (zh) * | 2019-01-25 | 2020-07-30 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
-
2020
- 2020-07-31 CN CN202010761794.9A patent/CN111914328B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101695591B1 (ko) * | 2016-03-03 | 2017-01-23 | 정근창 | 공간상의 모델의 위치를 특정하는 프로그램 라이브러리를 이용한 토목지식 기반의 설계방법 |
JP2019200721A (ja) * | 2018-05-18 | 2019-11-21 | 株式会社竹中工務店 | 設計支援装置及び設計支援モデル学習装置 |
CN109446992A (zh) * | 2018-10-30 | 2019-03-08 | 苏州中科天启遥感科技有限公司 | 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备 |
WO2020151089A1 (zh) * | 2019-01-25 | 2020-07-30 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
Non-Patent Citations (4)
Title |
---|
BIM模型智能检查工具研究与应用;张荷花;顾明;;土木建筑工程信息技术(02);全文 * |
基于建筑图纸的三维重建技术研究进展;蒋健明;周迪斌;胡斌;解利军;;杭州师范大学学报(自然科学版)(04);全文 * |
基于深度学习的高分辨率遥感影像解译技术研究;杨少敏;张戬;高雅;;江苏科技信息(04);全文 * |
结合DeepLabv3架构的多源数据建筑物提取方法;杨乐;王慧;李烁;于翔舟;沈大川;田苗;;测绘与空间地理信息(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111914328A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111914328B (zh) | 一种基于人工智能的建筑平面辅助设计方法及系统 | |
Wei et al. | Superpixel hierarchy | |
CN106372402B (zh) | 一种大数据环境下模糊区域卷积神经网络的并行化方法 | |
CN108320323B (zh) | 一种建筑物三维建模方法及装置 | |
CN109798903A (zh) | 一种从地图数据中获取道路信息的方法及装置 | |
CN110532961B (zh) | 一种基于多尺度注意机制网络模型的语义交通信号灯检测方法 | |
CN114092697B (zh) | 注意力融合全局和局部深度特征的建筑立面语义分割方法 | |
CN112784869B (zh) | 一种基于注意力感知与对抗学习的细粒度图像识别方法 | |
CN113343858B (zh) | 路网地理位置识别方法、装置、电子设备及存储介质 | |
WO2020061648A1 (en) | Apparatus and method for three-dimensional object recognition | |
Guo et al. | Study on landscape architecture model design based on big data intelligence | |
CN113034511A (zh) | 基于高分辨率遥感影像与深度学习的乡村建筑识别算法 | |
CN116628903A (zh) | 一种城市风场环境监测传感器最优布置方法 | |
CN110909656B (zh) | 一种雷达与摄像机融合的行人检测方法和系统 | |
CN106446514A (zh) | 一种基于模糊理论和神经网络的测井相识别方法 | |
Mao et al. | A dataset and ensemble model for glass façade segmentation in oblique aerial images | |
CN117171288B (zh) | 一种栅格地图解析方法、装置、设备和介质 | |
CN116246076B (zh) | 一种传统民居院落肌理特征识别应用方法和系统 | |
CN115273645B (zh) | 一种室内面要素自动聚类的地图制图方法 | |
CN111639672A (zh) | 一种基于多数投票的深度学习城市功能区分类方法 | |
CN114423125A (zh) | 一种基于场景的环境灯控制方法及系统 | |
Lan et al. | A Fast Planner Detection Method in LiDAR Point Clouds Using GPU-based RANSAC. | |
Song et al. | 3D hough transform algorithm for ground surface extraction from LiDAR point clouds | |
Hu et al. | Research on 3D GIS Data Modeling System Based on Computer Big Data Technology | |
CN118298184B (zh) | 一种基于层级式误差修正的高分辨率遥感语义分割方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |