CN112507431A - 基于bim模型的智能审图方法、装置及存储介质 - Google Patents
基于bim模型的智能审图方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112507431A CN112507431A CN202011402533.4A CN202011402533A CN112507431A CN 112507431 A CN112507431 A CN 112507431A CN 202011402533 A CN202011402533 A CN 202011402533A CN 112507431 A CN112507431 A CN 112507431A
- Authority
- CN
- China
- Prior art keywords
- information
- component
- model
- attribute information
- standard
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000011161 development Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims description 8
- 238000012552 review Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于BIM模型的智能审图方法、装置及存储介质，属于计算机技术领域，该方法包括：获取基于预设的构件库创建的目标BIM模型，构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；提取目标BIM模型中各个构件的属性信息；使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准；其中，公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和样本构件信息对应的异常标签信息；可以解决人工审图的效率和准确率较低的问题；可以提高审图效率和审图模型计算属性信息是否符合条文标准的准确性。
Description
技术领域
本申请涉及一种基于BIM模型的智能审图方法、装置及存储介质，属于计算机技术领域。
背景技术
在建筑行业需要对诸如建筑，结构，暖通，给排水，电气，智能化，园林等多个专业的图纸进行审核。
目前的审核方式往往通过人工对二维图纸进行审核，效率低下、且准确性不高。
发明内容
本申请提供了一种基于BIM模型的智能审图方法、装置及存储介质，可以解决人工审图的效率和准确率较低的问题。本申请提供如下技术方案：
第一方面，提供了一种基于BIM模型的智能审图方法，所述方法包括：
获取基于预设的构件库创建的目标BIM模型，所述构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；
提取所述目标BIM模型中各个构件的属性信息；
使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准；
其中，所述公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和所述样本构件信息对应的异常标签信息。
可选地，所述方法还包括：
使用所述BIM模型开发工具生成本地构件；
将所述本地构件增加至所述构件库，得到更新后的构件库，所述更新后的构件库用于供本地或其它设备后续创建BIM模型。
可选地，所述构件库中的每个构件包括：构件名称信息、构件图形信息、构件属性信息和来源信息。
可选地，所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准之前，还包括：
获取预先录入至数据库中的所述条文标准；
对所述条文标准进行识别，得到所述条文标准涉及的相关参数和限制条件；
按照所述限制条件和所述相关参数建立初始模型；
使用所述多组训练数据对所述初始模型进行训练，得到所述审图模型。
可选地，所述属性信息包括以下几种中的至少一种：尺寸信息、材质信息、位置信息和连接信息。
可选地，每个属性信息对应至少一种审图模型；所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准，包括：
在所述属性信息对应的审图模型的计算结果均指示所述属性信息符合所述条文标准时，确定所述目标BIM模型符合所述条文标准。
可选地，所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准之后，还包括：
在所述属性信息不符合所述条文标准时，输出异常信息；所述异常信息用于指示不符合所述条文标准的原因。
第二方面，提供了一种基于BIM模型的智能审图装置，所述装置包括：
模型获取模块，用于获取基于预设的构件库创建的目标BIM模型，所述构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；
信息提取模块，用于提取所述目标BIM模型中各个构件的属性信息；
智能审图模块，用于使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准；
其中，所述公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和所述样本构件信息对应的异常标签信息。
第三方面，提供一种基于BIM模型的智能审图装置，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的基于BIM模型的智能审图方法。
第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的基于BIM模型的智能审图方法。
本申请的有益效果在于：通过获取基于预设的构件库创建的目标BIM模型，构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；提取目标BIM模型中各个构件的属性信息；使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准；其中，公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和样本构件信息对应的异常标签信息；可以解决人工审图的效率和准确率较低的问题；由于可以实现自动审图，因此，可以提高审图效率。同时，通过对审图模型进行训练，可以提高审图模型计算属性信息是否符合条文标准的准确性。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，并可依照说明书的内容予以实施，以下以本申请的较佳实施例并配合附图详细说明如后。
附图说明
图1是本申请一个实施例提供的基于BIM模型的智能审图方法的流程图；
图2是本申请一个实施例提供的基于BIM模型的智能审图装置的框图；
图3是本申请一个实施例提供的基于BIM模型的智能审图装置的框图。
具体实施方式
下面结合附图和实施例，对本申请的具体实施方式作进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
可选地，本申请以各个步骤的执行主体为电子设备为例进行说明，该电子设备具有计算能力，比如：计算机、平板电脑、手机、服务器等，本实施例不对电子设备的类型作限定。
图1是本申请一个实施例提供的基于BIM模型的智能审图方法的流程图。该方法至少包括以下几个步骤：
步骤101，获取基于预设的构件库创建的目标BIM模型，该构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件。
可选地，电子设备中的构件库可以是从后台服务器获取的；或者是，本地保存的，本实施例不对构件库的来源作限定。
构件库中的每个构件包括：构件名称信息、构件图形信息、构件属性信息和来源信息。
其中，构件名称信息用于指示构件名称；不同构件的名称相同或不同。
构件图形信息可以为二维图形或者三维图形，该构件图形的尺寸固定或可变，本实施例不对构件图形信息的实现方式作限定。每个构件的构件图形信息不同。
构件属性信息用于指示单个构件的属性，该属性包括但不限于：尺寸和/或材质等。
来源信息用于指示构件来源于BIM模型开发工具的原始构件(或称标准构件)，还是来源于用户自定义的构件。
示意性地，构件库中每个构件的信息参考下表一所示：
表一：
| 字段 | 描述 |
| 构件名称信息 | 名称 |
| 构件图片信息 | 重名或者个性化构件区分依据 |
| 构件属性信息 | 如长、宽、高、弧度、厚度等 |
| 来源信息 | 区分标准构件或自定义构件 |
可选地，BIM模型开发工具可以为revit工具，当然，也可以是其它用于开发BIM模型的工具，本实施例不对BIM模型开发工具的类型作限定。
可选地，目标BIM模型可以是在电子设备中创建的；或者，也可以是其它设备发送的，本实施例不对目标BIM模型的来源作限定。
步骤102，提取目标BIM模型中各个构件的属性信息。
目标BIM模型中各个构件的属性信息用于指示对应构件的属性和与该构件相关联的其它构件的属性，该属性信息包括以下几种中的至少一种：尺寸信息、材质信息、位置信息和连接信息。
由于目标BIM模型是使用构件创建的，因此，电子设备可以读取到目标BIM模型中各个构件的属性信息。
步骤103，使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准。
其中，公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和样本构件信息对应的异常标签信息。
样本构件信息是不符合条文标准的构件的属性信息。
可选地，使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准之前，还包括：获取预先录入至数据库中的条文标准；对条文标准进行识别，得到条文标准涉及的相关参数和限制条件；按照限制条件和相关参数建立初始模型；使用多组训练数据对初始模型进行训练，得到审图模型。
可选地，条文标准在数据库中的存储方式包括：文字部分正常保存，图片部分以流形式保存；并记录文字部分和图片部分与对应条文标准之间的关系。
可选地，在对条文标准进行识别时，可以使用神经网络模型进行识别，比如：通过光学字符识别(Optical Character Recognition，OCR)技术进行文本识别；或者，使用卷积循环神经网络(convolutional recurrent neural network，CRNN)进行文本识别，本实施例不对条文标准的识别方式作限定。
在一个示例中，每个属性信息对应至少一种审图模型；使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准，包括：在属性信息对应的审图模型的计算结果均指示属性信息符合条文标准时，确定目标BIM模型符合条文标准。在存在一个属性信息对应的审图模型的计算结果指示属性信息不符合条文标准时，确定目标BIM模型不符合条文标准。
可选地，使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准之后，还包括：在属性信息不符合条文标准时，输出异常信息；异常信息用于指示不符合条文标准的原因。
比如：异常信息包括不符合的条文标准和不符合程度。
可选地，电子设备还可以对构件库进行更新。此时，电子设备还可以使用BIM模型开发工具生成本地构件；将本地构件增加至构件库，得到更新后的构件库，更新后的构件库用于供本地或其它设备后续创建BIM模型。
可选地，电子设备可以将更新后的构件库发送至后台服务器，以使后台服务器发送至其它设备。
综上所述，本实施例提供的基于BIM模型的智能审图方法，通过获取基于预设的构件库创建的目标BIM模型，构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；提取目标BIM模型中各个构件的属性信息；使用预设的公式库中与属性信息对应的审图模型，计算属性信息是否符合条文标准；其中，公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和样本构件信息对应的异常标签信息；可以解决人工审图的效率和准确率较低的问题；由于可以实现自动审图，因此，可以提高审图效率。同时，通过对审图模型进行训练，可以提高审图模型计算属性信息是否符合条文标准的准确性。
图2是本申请一个实施例提供的基于BIM模型的智能审图装置的框图。该装置至少包括以下几个模块：模型获取模块210、信息提取模块220和智能审图模块230。
模型获取模块210，用于获取基于预设的构件库创建的目标BIM模型，所述构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；
信息提取模块220，用于提取所述目标BIM模型中各个构件的属性信息；
智能审图模块230，用于使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准；
其中，所述公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和所述样本构件信息对应的异常标签信息。
相关细节参考上述方法实施例。
需要说明的是：上述实施例中提供的基于BIM模型的智能审图装置在进行基于BIM模型的智能审图时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将基于BIM模型的智能审图装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于BIM模型的智能审图装置与基于BIM模型的智能审图方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图3是本申请一个实施例提供的基于BIM模型的智能审图装置的框图。该装置至少包括处理器301和存储器302。
处理器301可以包括一个或多个处理核心，比如：4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器301还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的基于BIM模型的智能审图方法。
在一些实施例中，基于BIM模型的智能审图装置还可选包括有：外围设备接口和至少一个外围设备。处理器301、存储器302和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地，外围设备包括但不限于：射频电路、触摸显示屏、音频电路、和电源等。
当然，基于BIM模型的智能审图装置还可以包括更少或更多的组件，本实施例对此不作限定。
可选地，本申请还提供有一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序由处理器加载并执行以实现上述方法实施例的基于BIM模型的智能审图方法。
可选地，本申请还提供有一种计算机产品，该计算机产品包括计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序由处理器加载并执行以实现上述方法实施例的基于BIM模型的智能审图方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于BIM模型的智能审图方法，其特征在于，所述方法包括：
获取基于预设的构件库创建的目标BIM模型，所述构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；
提取所述目标BIM模型中各个构件的属性信息；
使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准；
其中，所述公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和所述样本构件信息对应的异常标签信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
使用所述BIM模型开发工具生成本地构件；
将所述本地构件增加至所述构件库，得到更新后的构件库，所述更新后的构件库用于供本地或其它设备后续创建BIM模型。
3.根据权利要求1所述的方法，其特征在于，所述构件库中的每个构件包括：构件名称信息、构件图形信息、构件属性信息和来源信息。
4.根据权利要求1所述的方法，其特征在于，所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准之前，还包括：
获取预先录入至数据库中的所述条文标准；
对所述条文标准进行识别，得到所述条文标准涉及的相关参数和限制条件；
按照所述限制条件和所述相关参数建立初始模型；
使用所述多组训练数据对所述初始模型进行训练，得到所述审图模型。
5.根据权利要求1所述的方法，其特征在于，所述属性信息包括以下几种中的至少一种：尺寸信息、材质信息、位置信息和连接信息。
6.根据权利要求1所述的方法，其特征在于，每个属性信息对应至少一种审图模型；所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准，包括：
在所述属性信息对应的审图模型的计算结果均指示所述属性信息符合所述条文标准时，确定所述目标BIM模型符合所述条文标准。
7.根据权利要求1所述的方法，其特征在于，所述使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准之后，还包括：
在所述属性信息不符合所述条文标准时，输出异常信息；所述异常信息用于指示不符合所述条文标准的原因。
8.一种基于BIM模型的智能审图装置，其特征在于，所述装置包括：
模型获取模块，用于获取基于预设的构件库创建的目标BIM模型，所述构件库包括BIM模型开发工具中的原始构件和用户创建的自定义构件；
信息提取模块，用于提取所述目标BIM模型中各个构件的属性信息；
智能审图模块，用于使用预设的公式库中与所述属性信息对应的审图模型，计算所述属性信息是否符合条文标准；
其中，所述公式库中的各个审图模型是将条文标准数据化后，基于数据化后的条文标准建立；并使用多组训练数据训练得到的；每组训练数据包括样本构件信息和所述样本构件信息对应的异常标签信息。
9.一种基于BIM模型的智能审图装置，其特征在于，所述装置包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现如权利要求1至7任一项所述的基于BIM模型的智能审图方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序被处理器执行时用于实现如权利要求1至7任一项所述的基于BIM模型的智能审图方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011402533.4A CN112507431A (zh) | 2020-12-04 | 2020-12-04 | 基于bim模型的智能审图方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011402533.4A CN112507431A (zh) | 2020-12-04 | 2020-12-04 | 基于bim模型的智能审图方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112507431A true CN112507431A (zh) | 2021-03-16 |
Family
ID=74968398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011402533.4A Pending CN112507431A (zh) | 2020-12-04 | 2020-12-04 | 基于bim模型的智能审图方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112507431A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592886A (zh) * | 2021-07-28 | 2021-11-02 | 金地（集团）股份有限公司 | 建筑图纸的审图方法、装置、电子设备及介质 |
| CN114373055A (zh) * | 2022-01-08 | 2022-04-19 | 北京建工集团有限责任公司 | 基于bim的三维图像生成方法、装置、电子设备及介质 |
| CN114936835A (zh) * | 2022-04-26 | 2022-08-23 | 东南大学 | 一种基于bim的合规性自动审查方法及系统 |
| CN115097974A (zh) * | 2022-07-06 | 2022-09-23 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107967574A (zh) * | 2017-12-21 | 2018-04-27 | 深圳拎得清软件有限公司 | 基于bim的数字化审图方法及其系统 |
| CN108416123A (zh) * | 2018-02-13 | 2018-08-17 | 西安理工大学 | 一种面向设计规范审查的ifc数据模型构建方法 |
| CN110000305A (zh) * | 2018-11-05 | 2019-07-12 | 中铁九局集团第二工程有限公司 | 一种基于bim钢筋无图化加工方法 |
| CN110378206A (zh) * | 2019-06-10 | 2019-10-25 | 万翼科技有限公司 | 一种智能审图系统及方法 |
| CN111931592A (zh) * | 2020-07-16 | 2020-11-13 | 苏州科达科技股份有限公司 | 对象识别方法、装置及存储介质 |
-
2020
- 2020-12-04 CN CN202011402533.4A patent/CN112507431A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107967574A (zh) * | 2017-12-21 | 2018-04-27 | 深圳拎得清软件有限公司 | 基于bim的数字化审图方法及其系统 |
| CN108416123A (zh) * | 2018-02-13 | 2018-08-17 | 西安理工大学 | 一种面向设计规范审查的ifc数据模型构建方法 |
| CN110000305A (zh) * | 2018-11-05 | 2019-07-12 | 中铁九局集团第二工程有限公司 | 一种基于bim钢筋无图化加工方法 |
| CN110378206A (zh) * | 2019-06-10 | 2019-10-25 | 万翼科技有限公司 | 一种智能审图系统及方法 |
| CN111931592A (zh) * | 2020-07-16 | 2020-11-13 | 苏州科达科技股份有限公司 | 对象识别方法、装置及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 穆磊等: "基于BIM和知识图谱的消防智能审图研究", 《消防科学与技术》, vol. 39, no. 12, pages 1765 - 1768 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592886A (zh) * | 2021-07-28 | 2021-11-02 | 金地（集团）股份有限公司 | 建筑图纸的审图方法、装置、电子设备及介质 |
| CN113592886B (zh) * | 2021-07-28 | 2024-03-19 | 金地（集团）股份有限公司 | 建筑图纸的审图方法、装置、电子设备及介质 |
| CN114373055A (zh) * | 2022-01-08 | 2022-04-19 | 北京建工集团有限责任公司 | 基于bim的三维图像生成方法、装置、电子设备及介质 |
| CN114936835A (zh) * | 2022-04-26 | 2022-08-23 | 东南大学 | 一种基于bim的合规性自动审查方法及系统 |
| CN115097974A (zh) * | 2022-07-06 | 2022-09-23 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
| CN115097974B (zh) * | 2022-07-06 | 2024-05-31 | 成都建工第四建筑工程有限公司 | 一种bim模型智能辅助会审系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112507431A (zh) | 基于bim模型的智能审图方法、装置及存储介质 | |
| EP4044115A1 (en) | Image processing method and apparatus based on artificial intelligence, and device and storage medium | |
| CN112241565A (zh) | 建模方法及相关装置 | |
| CN112752158B (zh) | 一种视频展示的方法、装置、电子设备及存储介质 | |
| CN110968712B (zh) | Bim族模型获取的方法、装置及系统 | |
| CN111062854A (zh) | 检测水印的方法、装置、终端及存储介质 | |
| CN111061933A (zh) | 图片样本库构建方法、装置、可读存储介质及终端设备 | |
| CN113205047A (zh) | 药名识别方法、装置、计算机设备和存储介质 | |
| CN112001331B (zh) | 图像识别方法、装置、设备及存储介质 | |
| CN115100673A (zh) | 一种电子图纸的识别方法、装置、电子设备及存储介质 | |
| CN115795593A (zh) | 基于bim的市政管线工程监理方法、系统、介质及设备 | |
| CN109918717B (zh) | 基于bim软件的bim构件生成方法、装置以及存储装置 | |
| CN107391533A (zh) | 生成图形数据库查询结果的方法及装置 | |
| CN114048539A (zh) | Cad文件解析与规则判断方法及相关装置 | |
| CN112100493B (zh) | 文档排序方法、装置、设备及存储介质 | |
| CN113269155A (zh) | 端到端的人脸识别方法、装置、设备及存储介质 | |
| CN110334327B (zh) | 面积信息的自动生成方法、装置以及存储装置 | |
| CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
| CN113742804B (zh) | 家具布局图生成方法、装置、设备及存储介质 | |
| CN114331198A (zh) | 工单分配方法、设备及存储介质 | |
| CN114595330A (zh) | 产业链构建方法、设备及存储介质 | |
| CN113610512A (zh) | 电子签章生成方法、装置、设备及存储介质 | |
| CN112084364A (zh) | 对象分析方法、局部图像搜索方法、设备及存储介质 | |
| CN111859985A (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
| CN116385652B (zh) | 一种参数化几何多线程离散方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210316 |
|
| RJ01 | Rejection of invention patent application after publication |