CN112950764A - 基于平面套图的三维建模方法及三维建模装置 - Google Patents

Abstract

本发明提供一种基于平面套图的三维建模方法及三维建模装置，所述方法包括以下步骤：获取平面套图，所述平面套图包含至少两层平面图纸信息的二维平面图；对所述平面套图进行分割以得到多个子图，所述子图包括单层平面图纸中处于不同位置的构件图元；解析所述子图的楼层信息，形成楼层信息集合；确定每个所述子图与所述楼层信息的匹配关系；利用预先建立的识别模型分别对所有所述子图进行识别，并输出识别结果；所述识别结果包括每个所述子图中包含的不同类型的图层；基于所述匹配关系和所述识别结果，建立所述平面套图的三维模型。

Description

基于平面套图的三维建模方法及三维建模装置

技术领域

本发明涉及三维建模技术领域，特别涉及一种二维图纸的三维建模方法、装置、计算机设备及存储介质。

背景技术

建筑工程中需要通过计算机辅助将CAD图纸转化为三维模型。在现有的转化过程中，生成的三维模型在准确度和效果上不尽人意，主要表现在以下两方面。首先，三维模型中的很多具体参数需要人工参与设置，因此对操作人员的业务水平要求较高。当操作人员出现错误或遗漏时，会直接影响三维模型的准确度。另一方面，一个建筑工程项目往往包含很多张平面图纸，根据多张平面图纸进行三维建模，容易出现不同楼层在同样位置处的构件不匹配、干扰因素较多等问题，同时建模效率较低。

因此，如何基于多张二维图纸对建筑工程进行准确、高效地进行三维建模，成为本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种较高的准确度和效率的三维建模方案，以解决现有技术中存在的上述问题。

为实现上述目的，本发明提供一种基于平面套图的三维建模方法，包括以下步骤：

获取平面套图，平面套图包含至少两层平面图纸信息的二维平面图；

对平面套图进行分割以得到多个子图，子图包括单层平面图纸中处于不同位置的构件图元；

解析子图的楼层信息，形成楼层信息集合；

确定每个子图与楼层信息的匹配关系；

利用预先建立的识别模型分别对所有子图进行识别，并输出识别结果；识别结果包括每个子图中包含的不同类型的图层；

基于匹配关系和识别结果，建立平面套图的三维模型。

根据本发明提供的基于平面套图的三维建模方法，基于匹配关系和识别结果，建立平面套图的三维模型的步骤包括：

基于匹配关系和识别结果，建立平面套图的所有楼层的同一类型构件的三维模型。

根据本发明提供的基于平面套图的三维建模方法，对平面套图进行分割以得到多个子图的步骤包括：

根据平面套图中包含的边框信息，将平面套图划分为多个第一子图；其中，位于每个边框内部的图形分别对应一个第一子图；

根据第一子图中包含的轴网信息，将每个第一子图划分为一个或多个第二子图；其中每个独立的轴网对应一个第二子图。

根据本发明提供的基于平面套图的三维建模方法，解析子图的楼层信息，形成楼层信息集合的步骤包括：

获取每个第一子图中的楼层信息表；楼层信息表包括第一子图中对应楼层的楼层名称、层高和底标高；

对所有楼层信息表进行对比整合，得到包含所有楼层的楼层信息集合。

根据本发明提供的基于平面套图的三维建模方法，确定每个子图与楼层信息的匹配关系的步骤包括：

获取第一子图中包含的图纸名称；

将图纸名称中包含的标高信息与楼层信息集合进行对比，以确定第一子图以及对应的第二子图相匹配的楼层信息。

根据本发明提供的基于平面套图的三维建模方法，第一子图中的楼层信息表以及第一子图中包含的图纸名称是通过语义解析方法或大数据识别方法获取的。

根据本发明提供的基于平面套图的三维建模方法，获取每个第一子图中的楼层信息表的步骤包括：

将第一子图输入基于大数据训练的楼层表提取模型，以输出位于第一子图的预设位置处的楼层信息表。

根据本发明提供的基于平面套图的三维建模方法，利用预先建立的识别模型分别对所有子图进行识别，并输出识别结果的步骤包括：

将每个第二子图输入识别模型，以输出第二子图中包含的目标类型的目标构件图层和轴网图层。

根据本发明提供的基于平面套图的三维建模方法，识别模型通过以下步骤训练得到：

构造识别模型的函数表达式；

获取多个训练样本子图，样本子图中包括多个标注了构件图层归属的训练构件图元；

将训练样本子图作为输入，将归属于预设构件图层的训练构件图元作为输出训练识别模型，以确定函数表达式中的重权系数。

根据本发明提供的基于平面套图的三维建模方法，基于匹配关系和识别结果，建立平面套图的三维模型的步骤包括：

获取所有第二子图中包含的同一类型构件的目标构件图层；

根据目标构件图层所在的第二子图确定目标构件图层的楼层信息；

根据轴网图层确定位于不同楼层的目标构件图层之间的位置关系；

根据确定了位置关系的多个目标构件图层生成三维模型。

根据本发明提供的基于平面套图的三维建模方法，根据轴网图层确定位于不同楼层的目标构件图层之间的位置关系的步骤包括：

从轴网图层中选取基准轴网图层；

将其它轴网图层与基准轴网图层重叠，根据两者之间的交点重合情况确定不同的第二子图之间的位置关系；

根据不同的第二子图之间的位置关系，确定不同的目标构件图层之间的位置关系。

根据本发明提供的基于平面套图的三维建模方法，方法还包括：

对平面套图中包含的设计总说明的文字内容进行解析，获取与工程算量相关的设置项；

基于设置项对三维模型进行工程算量。

为实现上述目的，本发明还提供一种基于平面套图的三维建模装置，包括：

套图获取模块，适用于获取平面套图，平面套图包含至少两层平面图纸信息的二维平面图；

分割模块，适用于对平面套图进行分割以得到多个子图，子图包括单层平面图纸中处于不同位置的构件图元；

楼层信息模块，适用于解析子图的楼层信息，形成楼层信息集合；

楼层匹配模块，适用于确定每个子图与楼层信息的匹配关系；

图层识别模块，适用于利用预先建立的识别模型分别对所有子图进行识别，并输出识别结果；识别结果包括每个子图中包含的不同类型的图层；

三维建模模块，适用于基于匹配关系和识别结果，建立平面套图的三维模型。

为实现上述目的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

为实现上述目的，本发明还提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

本发明提供的基于平面套图的三维建模方法及三维建模装置，可以针对包含两层及两层以上的建筑体平面套图准确、快速地建立三维建模。本发明首先对建筑体的平面套图分各位多个子图以提高分辨率，然后识别子图中的楼层信息表以确定整个建筑图包含的楼层信息，并且将每个子图与对应的楼层信息进行匹配，这样可以明确不同子图中的图元所在的楼层位置，为保证生成的三维模型中不同构件处于准确位置提供了基础。进一步，本发明利用训练好的识别模型识别每张子图中的不同图层，这些不同图层分别包括不同类型的构件图层以及轴网图层，有效提高构件的识别效率及识别准确度。最后，本发明根据楼层信息的匹配关系和图层识别结果进行三维建模，可以避免不必要的重复劳动，保证三维模型创建的高效性和准确性。

附图说明

图1为本发明的三维建模方法实施例一的流程图；

图2为本发明实施例一的楼层信息表的示意图；

图3为本发明实施例一的建立平面套图的三维模型的示意性流程图；

图4为本发明的三维建模装置实施例1的程序模块示意图；

图5为本发明的三维建模装置实施例1的硬件结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

请参阅图1，本实施例提供一种基于平面套图的三维建模方法，包括以下步骤：

S100:获取平面套图，平面套图包含至少两层平面图纸信息的二维平面图。

平面套图指的是一个建筑单体中包含的多张二维平面图，该建筑单体可以为多种建筑物类型，例如一栋楼宇、多栋楼宇、一个建筑群等。本实施例中的多张二维平面图至少包括两层平面图纸信息，例如一个建筑单体的其中两层，或者是只有两层的单体建筑平面图纸。本实施例将实施对象确定为包含两层以上平面图纸信息的平面套图，是因为本实施例能够基于多个楼层的平面图纸同时建立三维模型，无需针对每一楼层单独建模，因此楼层越多越能提现本实施例的建模效率。

S200:对平面套图进行分割以得到多个子图，子图包括单层平面图纸中处于不同位置的构件图元。

可以理解，每一个平面套图的文件中可以通过边框划分为多个子图。以一栋楼宇的平面套图为例，套图中可能根据不同的楼层分别划分了不同的子图，不同的子图之间通过矩形边框限定范围。例如，子图1包括楼宇中1-3层的平面图形，子图2包括楼宇中4-5层的平面图形，子图2包括楼宇中6-8层的平面图形，等等。

本实施例将根据边框信息对平面套图划分后得到的子图成为第一子图。这里的边框信息可以是由水平线和竖直线包围而成的矩形边框，位于每个矩形边框内部的图形分别对应一个第一子图。例如某平面套图中包括3个矩形边框，就可以根据边框将该平面套图划分为三个第一子图，分别为第一子图01、第一子图02和第一子图03。

另外为了示意清楚，每个第一子图中还可能包含多个图形区域。例如当第一子图中涉及多个类型的构件时，分别通过多个独立的图形区域表示每一类型构件对应的平面结构图。在这种情况下，通常每个独立的图形区域中包含一个对应的轴网信息，用于表示构件在平面中所处的不同位置。因此，本实施例可以进一步根据轴网信息对第一子图进一步划分，得到多个第二子图，其中每个第二子图对应一个独立轴网所在的图形区域。以上文中的第一子图01为例，假设公包含三个具有独立轴网的图形区域，那么就可以将第一子图01进一步划分为三个第二子图，分别为第二子图011、第二子图012和第二子图013。需要说明的是，当一个第一子图中只包含一个轴网对应的一个图形区域时，其分割后的到的第二子图与第一子图相同。

S300:解析子图的楼层信息，形成楼层信息集合。

具有多个楼层的建筑平面图中通常包含楼层信息表，用于表征每一楼层的楼层编码、楼层名称、层高以及底标高，如图2所示。本步骤用于从每个第一子图中提取楼层信息表，并将多个楼层信息表进行对比整合，以得到反应整个建筑单体的楼层信息的楼层信息集合。

其中，从第一子图中提取楼层信息表可以基于语义解析方法或者是经过训练的提取模型实现。其中，语义解析方法可以基于现有的文字识别方法实现，例如ORC识别方法。提取模型可以选择现有的任意神经网络模型，通过大量的记录了楼层信息表标签的平面图纸对提取模型进行训练，从而使该提取模型对于输入的任何平面图纸，可以提取出其中包含的楼层信息表。进一步，本实施例将提取出的楼层信息表为结构化数据，从而供后续进程调用。

可以理解，每张第一子图中包含的楼层信息表可以是相同的，也可以是不同的。因此本实施例对于提取到的多个楼层信息表进行对比整合，以得到包含所有楼层信息的楼层信息集合。具体的，当多个楼层信息表中均为相同的楼层信息时，保留其中一张楼层信息表中的楼层信息即可；当多个楼层信息表之间存在相同的楼层信息和不同的楼层信息时，保留其中一份相同的楼层信息，并将所有不同的楼层信息连同相同的楼层信息共同行程楼层信息集合。例如，从第一子图01中提取到楼层信息表01，从第二子图02中提取到楼层信息表02。假设楼层信息表01中包含第1-3层的楼层信息，楼层信息表02中包含第2-5层的楼层信息，那么经过对比整合，根据楼层信息表01和楼层信息表02可以得到包含了第1-5层楼层信息的楼层信息集合。

S400:确定每个子图与楼层信息的匹配关系。

本步骤中的匹配关系指的是每个第二子图所属的楼层信息，该匹配关系可以通过识别图纸名称来确定。第二子图中的图纸名称也可以通过语义解析方法或者是经过训练的名称识别模型实现。其中，语义解析方法可以基于现有的文字识别方法实现，例如ORC识别方法。名称识别模型可以选择现有的任意神经网络模型，通过大量的记录了名称标签的平面图纸对提取模型进行训练，从而使该提取模型对于输入的任何平面图纸，可以提取出在图纸预设位置处的图纸名称。

如前，楼层信息中包含楼层编码、楼层名称、层高以及底标高等信息。同时本领域技术人员理解，图纸名称中本身已包含了该图纸对应的标高信息，因此根据图纸名称中的标高信息与楼层信息中的底标高进行对比，可以确定每个图纸名称对应的楼层信息，相应的可以确定每个子图与楼层信息之间的匹配关系。

需要说明的是，对于第二子图和对应的第一子图相同的情况(即第二子图即为第一子图本身)，图纸名称可以直接从图纸的固定位置(例如右下角)处识别；对于第二子图与对应的第一子图不相同的情况，第二子图中不一定包含图纸名称，此时可以根据第二子图所对应的第一子图确定图纸名称。

S500:利用预先建立的图层识别模型分别对所有子图进行识别，并输出识别结果；识别结果包括每个子图中包含的不同类型的图层。

本步骤中要识别的子图包括所有的第二子图以及所有无法进一步分割为第二子图的第一子图。本实施例中的图层识别模型是利用现有的任意神经网络模型训练而成的、能够基于输入的任意平面图输出该平面图中包含的某种类型的构件图层或轴网图层的机器学习模型。本实施例中构件图层的种类可以基于构件种类而定，例如剪力墙构件、柱构件、梁构件等，本实施例对此不做限制。

在一个示例中，图层识别模型可以通过以下步骤训练得到：

训练步骤1:构造识别模型的函数表达式。例如y＝A1w1+A2w2+……Anwn，其中y表示识别模型的识别结果，w1、w2、……wn分别表示输入的平面图中的n个影响因子，A1、A2、……An分别表示每个影响因子的权重系数。

训练步骤2:获取多个训练样本子图，样本子图中包括多个标注了构件图层归属的训练构件图元。例如要从训练样本子图中识别类型为灯具的构件图元，其中这些灯具构件图元已经预先进行了标记。

训练步骤3:将训练样本子图作为输入，将归属于预设构件图层的训练构件图元作为输出训练识别模型，以确定函数表达式中的权重系数。在上述识别类型为灯具的示例中，可以将识别模型输出的灯具构件图元与预先标记的灯具构件图元进行对比，通过不断调整权重系数的数值，使得识别模型输出的灯具构件图元与预先标记的灯具构件图元相接近。

通过上述步骤，图层识别模型可以基于输入的任意子图，准确输出该子图中包含的特定类型的构件图层或者轴网图层。

S600:基于匹配关系和识别结果，建立平面套图的三维模型。

如前所述，匹配关系指的是每个子图与楼层信息之间的对应关系，识别结果包括每个第二子图中包含的特定类型的构件和轴网。在获得匹配关系和识别结果的基础上，本实施例可以对目标楼层中具有目标类型的构件进行建模，并通过轴网信息保证每个构件位于平面楼层的正确位置中。特别的，本实施例可以直接建立平面套图的所有楼层的同一类型构件的三维模型，从而避免重复多次对不同楼层中的构件进行建模，有效提高建模效率。

图3示出了本发明实施例一的建立平面套图的三维模型的示意性流程图。如图3所示，步骤S600包括：

S610:获取所有所述第二子图中包含的同一类型构件的目标构件图层。

假设平面套图中包括k个第二子图，分别为第二子图1、第二子图2、……剪力墙图层第二子图k，目标构件为剪力墙，那么需要分别从每个第二子图中获取剪力墙图层，包括剪力墙图层1、剪力墙图层2、……剪力墙图层k。

S620:根据所述目标构件图层所在的第二子图确定所述目标构件图层的楼层信息。

根据步骤S400确定的第二子图与楼层信息之间的匹配关系，确定每个目标构件图层对应的楼层信息。例如剪力墙图层1对应第1楼层信息、剪力墙图层2对应第2楼层信息、……剪力墙图层k对应第k楼层信息。

S630:根据所述轴网图层确定位于不同楼层的所述目标构件图层之间的位置关系。

轴网图层可以用于确定目标构件图层在平面楼层中的相对位置关系。由于每个第二子图中均可以识别处对应的轴网图层，因此通过每个目标构件图层对应的轴网图层确定各自的平面位置关系。例如剪力墙图层1通过对应的轴网图层1确定在第1楼层中的平面位置关系、剪力墙图层2通过对应的轴网图层2确定在第2楼层中的平面位置关系、……剪力墙图层k通过对应的轴网图层k确定在第k楼层中的平面位置关系。

进一步，本实施例可以从多个第二子图对应的轴网图层中选择一个基准轴网图层，例如将第1楼层对应的轴网图层作为基准轴网图层，根据其它所述轴网图层与基准轴网图层之间的相对位置关系确定目标构件图层之间的位置关系。假设其它所述轴网图层与基准轴网图层之间完全重合，同时每个目标构件图层在每个对应的轴网图层中的平面位置坐标均相同，那么可以确定不同楼层之间的相应目标构件之间在XOY平面上是重合的。如果其它所述轴网图层与基准轴网图层之间存在相对距离d，同时每个目标构件图层在每个对应的轴网图层中的平面位置坐标均相同，那么可以确定不同楼层之间的相应目标构件之间在XOY平面上存在相对距离d。通过确定基准轴网图层，可以准确定位每个目标构件的平面位置。

S640:根据确定了位置关系的多个所述目标构件图层生成所述三维模型。

在确定了每一个目标构件图层在对应楼层中的位置关系的基础上，生成所有目标构件图层在每个对应楼层的对应位置处的三维模型。例如，同时生成第1-k楼层中的所有剪力墙三维构件，其中每个剪力墙三维构件在对应楼层中的位置通过对应的轴网图层确定。

通过上述步骤，本实施例可以同时生成一个建筑单体在多个楼层中的同一目标构件，有效提高平面套图的三维建模效率。

本领域技术人员理解，一个完整的建筑类平面套图中通常还会包括设计总说明部分。设计总说明是关于工程整体设计参数的一段文字说明，其中包含了影响工程算量的各个设置项的具体数值。在一个示例中，本实施例还包括对平面套图中包含的设计总说明的文字内容进行解析的步骤，从而获取与工程算量相关的设置项，并基于获取到的设置项对生成的三维模型进行工程算量。对设计总说明的解析可以通过现有的任意文字识别方法实现，例如ORC识别。进一步，从解析后的设计总说明中提取包含预设关键字的多个设置项，从而可以根据提取到的设置项进行后续工程算量。因此，本实施例不仅能够准确、快速地建立三维模型，还可以对三维模型自动进行工程算量，从而有效缩短工期，提高建筑项目的施工效率。

请继续参阅图4，示出了一种基于平面套图的三维建模装置，在本实施例中，三维建模装置40可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述三维建模方法。本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述三维建模装置40在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：

套图获取模块41，适用于获取平面套图，平面套图包含至少两层平面图纸信息的二维平面图；

分割模块42，适用于对平面套图进行分割以得到多个子图，子图包括单层平面图纸中处于不同位置的构件图元；

楼层信息模块43，适用于解析子图的楼层信息，形成楼层信息集合；

楼层匹配模块44，适用于确定每个子图与楼层信息的匹配关系；

图层识别模块45，适用于利用预先建立的识别模型分别对所有子图进行识别，并输出识别结果；识别结果包括每个子图中包含的不同类型的图层；

三维建模模块46，适用于基于匹配关系和识别结果，建立平面套图的三维模型。

本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备50至少包括但不限于：可通过系统总线相互通信连接的存储器51、处理器52，如图5所示。需要指出的是，图5仅示出了具有组件51-52的计算机设备50，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器51(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器51可以是计算机设备50的内部存储单元，例如该计算机设备50的硬盘或内存。在另一些实施例中，存储器51也可以是计算机设备50的外部存储设备，例如该计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器51还可以既包括计算机设备50的内部存储单元也包括其外部存储设备。本实施例中，存储器51通常用于存储安装于计算机设备50的操作系统和各类应用软件，例如实施例一的三维建模装置40的程序代码等。此外，存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器52在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制计算机设备50的总体操作。本实施例中，处理器52用于运行存储器51中存储的程序代码或者处理数据，例如运行三维建模装置40，以实现实施例一的三维建模方法。

本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储三维建模装置40，被处理器执行时实现实施例一的三维建模方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

本技术领域的普通技术人员可以理解，实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (15)

1.一种基于平面套图的三维建模方法，其特征在于，包括以下步骤：

获取平面套图，所述平面套图包含至少两层平面图纸信息的二维平面图；

对所述平面套图进行分割以得到多个子图，所述子图包括单层平面图纸中处于不同位置的构件图元；

解析所述子图的楼层信息，形成楼层信息集合；

确定每个所述子图与所述楼层信息的匹配关系；

利用预先建立的识别模型分别对所有所述子图进行识别，并输出识别结果；所述识别结果包括每个所述子图中包含的不同类型的图层；

基于所述匹配关系和所述识别结果，建立所述平面套图的三维模型。

2.根据权利要求1所述的基于平面套图的三维建模方法，其特征在于，所述基于所述匹配关系和所述识别结果，建立所述平面套图的三维模型的步骤包括：

基于所述匹配关系和所述识别结果，建立所述平面套图的所有楼层的同一类型构件的三维模型。

3.根据权利要求2所述的基于平面套图的三维建模方法，其特征在于，所述对所述平面套图进行分割以得到多个子图的步骤包括：

根据所述平面套图中包含的边框信息，将所述平面套图划分为多个第一子图；其中，位于每个边框内部的图形分别对应一个所述第一子图；

根据所述第一子图中包含的轴网信息，将每个第一子图划分为一个或多个第二子图；其中每个独立的轴网对应一个所述第二子图。

4.根据权利要求3所述的基于平面套图的三维建模方法，其特征在于，所述解析所述子图的楼层信息，形成楼层信息集合的步骤包括：

获取每个所述第一子图中的楼层信息表；所述楼层信息表包括所述第一子图中对应楼层的楼层名称、层高和底标高；

对所有楼层信息表进行对比整合，得到包含所有楼层的楼层信息集合。

5.根据权利要求4所述的基于平面套图的三维建模方法，其特征在于，所述确定每个子图与所述楼层信息的匹配关系的步骤包括：

获取第一子图中包含的图纸名称；

将所述图纸名称中包含的标高信息与所述楼层信息集合进行对比，以确定所述第一子图以及对应的第二子图相匹配的楼层信息。

6.根据权利要求5所述的基于平面套图的三维建模方法，其特征在于，所述第一子图中的楼层信息表以及所述第一子图中包含的图纸名称是通过语义解析方法或大数据识别方法获取的。

7.根据权利要求6所述的基于平面套图的三维建模方法，其特征在于，所述获取每个所述第一子图中的楼层信息表的步骤包括：

将所述第一子图输入基于大数据训练的楼层表提取模型，以输出位于所述第一子图的预设位置处的楼层信息表。

8.根据权利要求3-7中任一项所述的基于平面套图的三维建模方法，其特征在于，所述利用预先建立的识别模型分别对所有所述子图进行识别，并输出识别结果的步骤包括：

将每个所述第二子图输入所述识别模型，以输出所述第二子图中包含的目标类型的目标构件图层和轴网图层。

9.根据权利要求8所述的基于平面套图的三维建模方法，其特征在于，所述识别模型通过以下步骤训练得到：

构造所述识别模型的函数表达式；

获取多个训练样本子图，所述样本子图中包括多个标注了构件图层归属的训练构件图元；

将所述训练样本子图作为输入，将归属于预设构件图层的训练构件图元作为输出训练所述识别模型，以确定所述函数表达式中的重权系数。

10.根据权利要求7所述的基于平面套图的三维建模方法，其特征在于，所述基于所述匹配关系和所述识别结果，建立所述平面套图的三维模型的步骤包括：

获取所有所述第二子图中包含的同一类型构件的目标构件图层；

根据所述目标构件图层所在的第二子图确定所述目标构件图层的楼层信息；

根据所述轴网图层确定位于不同楼层的所述目标构件图层之间的位置关系；

根据确定了位置关系的多个所述目标构件图层生成所述三维模型。

11.根据权利要求10所述的基于平面套图的三维建模方法，其特征在于，所述根据所述轴网图层确定位于不同楼层的所述目标构件图层之间的位置关系的步骤包括：

从所述轴网图层中选取基准轴网图层；

将其它所述轴网图层与所述基准轴网图层重叠，根据两者之间的交点重合情况确定不同的所述第二子图之间的位置关系；

根据不同的所述第二子图之间的位置关系，确定不同的所述目标构件图层之间的位置关系。

12.根据权利要求1所述的基于平面套图的三维建模方法，其特征在于，所述方法还包括：

对所述平面套图中包含的设计总说明的文字内容进行解析，获取与工程算量相关的设置项；

基于所述设置项对所述三维模型进行工程算量。

13.一种基于平面套图的三维建模装置，其特征在于，包括：

套图获取模块，适用于获取平面套图，所述平面套图包含至少两层平面图纸信息的二维平面图；

分割模块，适用于对所述平面套图进行分割以得到多个子图，所述子图包括单层平面图纸中处于不同位置的构件图元；

楼层信息模块，适用于解析所述子图的楼层信息，形成楼层信息集合；

楼层匹配模块，适用于确定每个所述子图与所述楼层信息的匹配关系；

图层识别模块，适用于利用预先建立的识别模型分别对所有所述子图进行识别，并输出识别结果；所述识别结果包括每个所述子图中包含的不同类型的图层；

三维建模模块，适用于基于所述匹配关系和所述识别结果，建立所述平面套图的三维模型。

14.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至12任一项所述方法的步骤。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至12任一项所述方法的步骤。

Images