CN113377880B - 一种基于bim的建筑模型自动匹配方法及系统 - Google Patents
一种基于bim的建筑模型自动匹配方法及系统 Download PDFInfo
- Publication number
- CN113377880B CN113377880B CN202110525216.XA CN202110525216A CN113377880B CN 113377880 B CN113377880 B CN 113377880B CN 202110525216 A CN202110525216 A CN 202110525216A CN 113377880 B CN113377880 B CN 113377880B
- Authority
- CN
- China
- Prior art keywords
- model
- block
- information
- obtaining
- building
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013145 classification model Methods 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000003062 neural network model Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于BIM的建筑模型自动匹配方法及系统，获得BIM历史模型数据库；获得第一建筑的第一区块集合；获得所述第一区块集合中各个区块的属性信息；根据所述各个区块的属性信息，获得第一区块分类列表；获得所述第一区块分类列表的第一类别信息；将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；根据所述基础模型，构建所述第一建筑模型。解决了现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题。
Description
技术领域
本发明涉及建筑模型匹配的相关领域，尤其涉及一种基于BIM的建筑模型自动匹配方法及系统。
背景技术
建筑项目主要通过建筑设计→工程加工生产一现场安装等流程，通过上述建立项目的流程比较节约时间。但是这种设计方法存在许多弊端，包括存在设计不合理、建筑使用者参与度低等问题。随着人工智能技术的不断发展，同时BIM技术的应用能够提高设计过程的信息化，同时其可视化的特点能够让设计表达更加直观，让非专业的建筑使用者更加直观地选择自己所希望的设计方案。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题。
发明内容
本申请实施例通过提供一种基于BIM的建筑模型自动匹配方法及系统，解决了现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题，达到智能化对已有建筑模型进行匹配，提高匹配精度，提高建模效率的技术效果。
鉴于上述问题，提出了本申请实施例提供一种基于BIM的建筑模型自动匹配方法及系统。
第一方面，本申请实施例提供了一种基于BIM的建筑模型自动匹配方法，所述方法包括：获得BIM历史模型数据库；获得第一建筑的第一区块集合；获得所述第一区块集合中各个区块的属性信息；根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；获得所述第一区块分类列表的第一类别信息；将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。
另一方面，本申请还提供了一种基于BIM的建筑模型自动匹配系统，所述系统包括：第一获得单元，所述第一获得单元用于获得BIM历史模型数据库；第二获得单元，所述第二获得单元用于获得第一建筑的第一区块集合；第三获得单元，所述第三获得单元用于获得所述第一区块集合中各个区块的属性信息；第四获得单元，所述第四获得单元用于根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；第五获得单元，所述第五获得单元用于获得所述第一区块分类列表的第一类别信息；第一输入单元，所述第一输入单元用于将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；第六获得单元，所述第六获得单元用于根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；第一构建单元，所述第一构建单元用于根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。
第三方面，本发明提供了一种基于BIM的建筑模型自动匹配系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一建筑的区块集合，对所述区块属性信息进行分析，获得第一区块分类列表，获得所述第一区块分类列表的第一类别信息，将所述第一类别信息和BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得各基础模型对应的类别属性，根据所述类别属性对所述第一区块集合进行模型匹配，获得所述第一区块集合中对应的基础模型，根据所述基础模型，构建第一建筑模型。达到智能化对已有建筑模型进行匹配，提高匹配精度，提高建模效率的技术效果。
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，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于BIM的建筑模型自动匹配方法的流程示意图；
图2为本申请实施例一种基于BIM的建筑模型自动匹配系统的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一输入单元16，第六获得单元17，第一构建单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
本申请实施例通过提供一种基于BIM的建筑模型自动匹配方法及系统，解决了现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题，达到智能化对已有建筑模型进行匹配，提高匹配精度，提高建模效率的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
建筑项目主要通过建筑设计→工程加工生产一现场安装等流程，通过上述建立项目的流程比较节约时间。但是这种设计方法存在许多弊端，包括存在设计不合理、建筑使用者参与度低等问题。随着人工智能技术的不断发展，同时BIM技术的应用能够提高设计过程的信息化，同时其可视化的特点能够让设计表达更加直观，让非专业的建筑使用者更加直观地选择自己所希望的设计方案。但现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于BIM的建筑模型自动匹配方法，所述方法包括：获得BIM历史模型数据库；获得第一建筑的第一区块集合；获得所述第一区块集合中各个区块的属性信息；根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；获得所述第一区块分类列表的第一类别信息；将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于BIM的建筑模型自动匹配方法，其中，所述方法包括：
步骤S100：获得BIM历史模型数据库；
具体而言，所述BIM历史模型数据库为通过收集基于建筑设计的BIM模型构建的，其中，BlM的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象（如空间、运动行为）的状态信息。借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。通过收集历史构建的BIM模型，构建BIM历史模型数据库。
步骤S200：获得第一建筑的第一区块集合；
具体而言，所述第一区块的集合为通过某种既定的规则或者原则对所述第一建筑进行区块划分后的区块集合。即根据所述第一建筑信息中的最小单位对所述第一建筑进行区块化的拆分，其中，所述拆分的结果是设定的最小化的区块的拆分结果，获得第一建筑的第一区块的集合。
步骤S300：获得所述第一区块集合中各个区块的属性信息；
步骤S400：根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；
具体而言，所述属性信息为所述第一区块集合中规则的进一步的细化，即对所述第一区块集合中的最小的区块进行分类汇总，所述分类汇总的依据结果为所述属性信息，举例而言，所述属性信息可以是功能规则，所述功能规则可以是承重功能，根据所述承重功能对所述第一区块集合进行区块的分类汇总，获得所述第一区块的分类列表。
步骤S500：获得所述第一区块分类列表的第一类别信息；
步骤S600：将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；
具体而言，所述第一类别信息为所述第一区块分类列表中的类别中的一种，将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，通过所述模型分类模型获得所述BIM历史模型数据库中的各基础模型对应的类别属性。
进一步而言，所述将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性，本申请实施例步骤S600还包括：
步骤S610：将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型中，所述模型分类模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息和用来标识各基础模型对应的类别属性的标识信息；
步骤S620：获得所述模型分类模型中的输出信息，其中，所述输出信息包括所述BIM历史模型数据库中的各基础模型对应的类别属性。
具体而言，所述模型分类模型为机器学习中的神经网络模型，神经网络(NeuralNetworks，NN)是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络（Artificial NeuralNetworks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入神经网络模型，则获得所述BIM历史模型数据库中的各基础模型对应的类别属性。
更进一步而言，所述训练的过程还包括监督学习的过程，每一组监督数据均包括所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息和用来标识各基础模型对应的类别属性的标识信息，将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入到神经网络模型中，根据用来标识数据生成结果的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的所述BIM历史模型数据库中的各基础模型对应的类别属性，为后续进行准确的模型匹配、构建夯实了基础。
步骤S700：根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；
步骤S800：根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。
具体而言，通过所述基础模型对应的类别属性，对所述第一区块集合中的各个区块进行一对一的模型匹配，获得第一匹配结果，其中，所述第一匹配结果包括所述BIM历史模型数据库中与所述第一区块集合中所有区块对应的基础模型，通过所述匹配的基础模型，进行模型处理，完成所述第一建筑模型的构建。
进一步而言，所述获得第一建筑的第一区块集合，本申请实施例步骤S200还包括：
步骤S210：获得第一建筑的结构信息；
步骤S220：获得所述第一建筑的属性信息；
步骤S230：根据所述第一建筑的结构信息和属性信息，对所述第一建筑进行区块划分，获得所述第一建筑的第一区块集合。
具体而言，依据所述第一建筑结构和属性进行第一建筑的区块划分，所述建筑结构是指所述建筑能被拆分成区块的最小的结构，举例而言，当所述第一建筑为一间房屋时，所述结构可以分为墙体结构、顶棚结构、门、窗等，所述属性信息为对所述结构的进一步地拆分，当所述结构为墙体结构时，所述属性信息对所述墙体结构进一步的拆分形成的区块为承重墙区块、非承重墙区块、隔墙、填充墙、幕墙等根据所述区块划分结果获得第一建筑的第一区块的集合。
进一步而言，所述根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型，本申请实施例步骤S700还包括：
步骤S710：获得第一基础模型，所述第一基础模型属于所述BIM历史模型数据库中的模型；
步骤S720：获得所述第一基础模型的第一类别属性；
步骤S730：根据所述第一类别信息，获得所述第一区块的第二类别属性，其中，所述第一区块为所述第一区块集合中的区块；
步骤S740：判断所述第一类别属性是否与所述第二类别属性相同；
步骤S750：如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度；
步骤S760：根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配。
具体而言，获得所述BIM历史模型数据库中的第一基础模型，根据上述分类结果，获得所述第一基础模型的第一类别属性信息，根据所述第一区块的第一类别的信息，获得所述第一区块的第二类别的属性，判断所述第一基础模型与所述第一区块的类别属性是否相同，当所述第一区块与所述第一基础模型的类别属性不一致时，此时不对所述第一基础模型与所述第一区块进行匹配，当所述第一区块与所述第一基础模型的类别属性一致时，对所述第一区块与所述第一基础模型的相关度进行判断，当所述相关度满足一预先设定的相关度阈值时，则将所述第一基础模型与所述第一区块进行匹配，其中，所述的相关度阈值可以为直接设定的相关度参数，也可以是根据第一区块与所述基础模型的匹配结果获得的相关度最高的结果。
进一步的，所述如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度，本申请实施例步骤S750还包括：
步骤S751：获得所述第一基础模型的第一参数信息；
步骤S752：获得所述第一区块的第二参数信息；
步骤S753：获得所述第一参数信息与所述第二参数信息的重合度信息；
步骤S754：获得所述第一参数信息对所述第二参数信息的覆盖率信息；
步骤S755：获得预定覆盖率阈值；
步骤S756：当所述第一参数信息对所述第二参数信息的覆盖率信息达到所述预定覆盖率阈值时，根据所述覆盖率和所述重合度信息获得所述第一基础模型与所述第一区块的相关度。
具体而言，当所述第一区块与所述第一模型具有第一相关度时，将所述第一模型进行调用，获得第一基础模型的第一参数信息，其中，所述第一参数为所述第一基础模型的进行设定的重要数据，获得所述第一区块的实际参数，判断所述第一区块的第一参数与所述第一区块的第二参数的重合度，其中，所述重合度指参数的数据的重合度，获得所述第一参数对所述第二参数的覆盖率，所述覆盖率是指参数种类的覆盖率，当所述第一参数对所述第二参数的覆盖率达到预定的覆盖率阈值时，此时根据所述覆盖率和所述重合度信息获得所述第一基础模型与所述第一区块的相关度，当所述第一参数对所述第二参数的覆盖率不能达到预定的覆盖率阈值时，此时放弃所述第一区块与所述第一模型的匹配。举例而言，当所述第一基础模型的第一参数信息为长20cm、高60cm、厚5cm，所述第一区块的第二参数为长10cm、高50cm，此时，所述第一基础模型与所述第一区块都有长、高两种参数，此时重合度较高；第一参数的长20cm，覆盖了所述第二参数的长10cm，第一参数的高为60cm，第二参数的高50cm，此时表明所述第一参数对于第二参数100%覆盖。
进一步而言，所述根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配，本申请实施例步骤S760还包括：
步骤S761：获得预定相关度阈值；
步骤S762：判断所述相关度是否在所述预定相关度阈值之内；
步骤S730：如果所述相关度在所述预定相关度阈值之内，将所述第一基础模型与所述第一区块进行匹配。
具体而言，所述相关度阈值可以为直接设定的相关度参数阈值，也可以是根据第一区块与所述基础模型的匹配结果获得的相关度最高的结果获得的阈值，判断所述第一基础模型与所述第一区块的相关度是否可以满足所述预定相关度阈值，当所述相关度可满足所述预定相关度阈值时，表明此时的第一基础模型与所述第一区块的匹配度较高，进一步而言，所述第一基础模型与所述第一区块具有较高的相似度，所述第一基础模型有作为第一区块的底层模型的潜质，可以对所述第一区块与所述第一基础模型进行进一步的匹配。
进一步而言，本申请实施例还包括：
步骤S740：获得所述第一建筑的建筑特征信息；
步骤S750：根据所述建筑特征信息，获得所述第二类别属性的重要等级；
步骤S760：根据所述重要等级，确定所述预定相关度阈值。
具体而言，所述建筑特征为所述第一建筑的标志性位置或者是需求方进行特殊要求的建筑特征，举例而言，当所述第一建筑为拜占廷式建筑时，此时所述建筑特征为圆顶，此时所述圆顶的重要等级为1级，即特别重要，当所述重要度等级为特别重要时，此时所述相关度阈值要设定的非常高，根据所述类别属性的重要程度，可以调整所述第一建筑的不同位置的相关度阈值，以达到进行快速、准确的进行建筑模型匹配构建的技术效果。
综上所述，本申请实施例所提供的一种基于BIM的建筑模型自动匹配方法及系统具有如下技术效果：
1、由于采用了获得第一建筑的区块集合，对所述区块属性信息进行分析，获得第一区块分类列表，获得所述第一区块分类列表的第一类别信息，将所述第一类别信息和BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得各基础模型对应的类别属性，根据所述类别属性对所述第一区块集合进行模型匹配，获得所述第一区块集合中对应的基础模型，根据所述基础模型，构建第一建筑模型。达到智能化对已有建筑模型进行匹配，提高匹配精度，提高建模效率的技术效果。
2、由于采用了通过对所述神经网络模型的监督学习的方式，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确的所述BIM历史模型数据库中的各基础模型对应的类别属性，为后续进行准确的模型匹配、构建夯实了基础。
3、由于采用了根据所述类别属性的重要程度，调整所述第一建筑的不同位置的相关度阈值的方式，以达到进行快速、准确的进行建筑模型匹配构建的技术效果。
实施例二
基于与前述实施例中一种基于BIM的建筑模型自动匹配方法同样发明构思，本发明还提供了一种基于BIM的建筑模型自动匹配系统，如图2所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于获得BIM历史模型数据库；
第二获得单元12，所述第二获得单元12用于获得第一建筑的第一区块集合；
第三获得单元13，所述第三获得单元13用于获得所述第一区块集合中各个区块的属性信息；
第四获得单元14，所述第四获得单元14用于根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；
第五获得单元15，所述第五获得单元15用于获得所述第一区块分类列表的第一类别信息；
第一输入单元16，所述第一输入单元16用于将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；
第六获得单元17，所述第六获得单元17用于根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；
第一构建单元18，所述第一构建单元18用于根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。
进一步的，所述系统还包括：
第二输入单元，所述第二输入单元用于将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型中，所述模型分类模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息和用来标识各基础模型对应的类别属性的标识信息；
第七获得单元，所述第七获得单元用于获得所述模型分类模型中的输出信息，其中，所述输出信息包括所述BIM历史模型数据库中的各基础模型对应的类别属性。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于获得第一建筑的结构信息；
第九获得单元，所述第九获得单元用于获得所述第一建筑的属性信息；
第十获得单元，所述第十获得单元用于根据所述第一建筑的结构信息和属性信息，对所述第一建筑进行区块划分，获得所述第一建筑的第一区块集合。
进一步的，所述系统还包括：
第十一获得单元，所述第十一获得单元用于获得第一基础模型，所述第一基础模型属于所述BIM历史模型数据库中的模型；
第十二获得单元，所述第十二获得单元用于获得所述第一基础模型的第一类别属性；
第十三获得单元，所述第十三获得单元用于根据所述第一类别信息，获得所述第一区块的第二类别属性，其中，所述第一区块为所述第一区块集合中的区块；
第一判断单元是，所述第一判断单元用于判断所述第一类别属性是否与所述第二类别属性相同；
第十四获得单元，所述第十四获得单元用于如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度；
第一确定单元，所述第一确定单元用于根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配。
进一步的，所述系统还包括：
第十五获得单元，所述第十五获得单元用于获得所述第一基础模型的第一参数信息；
第十六获得单元，所述第十六获得单元用于获得所述第一区块的第二参数信息；
第十七获得单元，所述第十七获得单元用于获得所述第一参数信息与所述第二参数信息的重合度信息；
第十八获得单元，所述第十八获得单元用于获得所述第一参数信息对所述第二参数信息的覆盖率信息；
第十九获得单元，所述第十九获得单元用于获得预定覆盖率阈值；
第二十获得单元，所述第二十获得单元用于当所述第一参数信息对所述第二参数信息的覆盖率信息达到所述预定覆盖率阈值时，根据所述覆盖率和所述重合度信息获得所述第一基础模型与所述第一区块的相关度。
进一步的，所述系统还包括：
第二十一获得单元，所述第二十一获得单元用于获得预定相关度阈值；
第二判断单元，所述第二判断单元用于判断所述相关度是否在所述预定相关度阈值之内；
第一匹配单元，所述第一匹配单元用于如果所述相关度在所述预定相关度阈值之内，将所述第一基础模型与所述第一区块进行匹配。
进一步的，所述系统还包括：
第二十二获得单元，所述第二十二获得单元用于获得所述第一建筑的建筑特征信息；
第二十三获得单元，所述第二十三获得单元用于根据所述建筑特征信息，获得所述第二类别属性的重要等级；
第二确定单元，所述第二确定单元用于根据所述重要等级，确定所述预定相关度阈值。
前述图1实施例一中的一种基于BIM的建筑模型自动匹配方法的各种变化方式和具体实例同样适用于本实施例的一种基于BIM的建筑模型自动匹配系统，通过前述对一种基于BIM的建筑模型自动匹配方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于BIM的建筑模型自动匹配系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种基于BIM的建筑模型自动匹配方法的发明构思，本发明还提供一种基于BIM的建筑模型自动匹配系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于BIM的建筑模型自动匹配方法的任一方法的步骤。
其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种基于BIM的建筑模型自动匹配方法，所述方法包括：获得BIM历史模型数据库；获得第一建筑的第一区块集合；获得所述第一区块集合中各个区块的属性信息；根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；获得所述第一区块分类列表的第一类别信息；将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；根据所述第一区块集合中各区块对应的所述基础模型，构建所述第一建筑模型。解决了现有技术中建筑模型的设计不够智能化，存在对于已有的建筑模型的匹配精度低导致建模效率低的技术问题，达到智能化对已有建筑模型进行匹配，提高匹配精度，提高建模效率的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（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。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于BIM的建筑模型自动匹配方法，其中，所述方法包括：
获得BIM历史模型数据库；
获得第一建筑的第一区块集合；
获得所述第一区块集合中各个区块的属性信息；
根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；
获得所述第一区块分类列表的第一类别信息；
将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；
根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型，包括：
获得第一基础模型，所述第一基础模型属于所述BIM历史模型数据库中的模型；
获得所述第一基础模型的第一类别属性；
根据所述第一类别信息，获得所述第一区块的第二类别属性，其中，所述第一区块为所述第一区块集合中的区块；
判断所述第一类别属性是否与所述第二类别属性相同；
如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度；
根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配，获得所述第一区块集合中各区块对应的所述基础模型；
根据所述第一区块集合中各区块对应的所述基础模型，构建第一建筑模型。
2.如权利要求1所述的方法，其中，所述将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性，包括：
将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型中，所述模型分类模型通过多组训练数据训练获得，所述多组训练数据中的每一组训练数据均包括：所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息和用来标识各基础模型对应的类别属性的标识信息；
获得所述模型分类模型中的输出信息，其中，所述输出信息包括所述BIM历史模型数据库中的各基础模型对应的类别属性。
3.如权利要求1所述的方法，其中，所述获得第一建筑的第一区块集合，包括：
获得第一建筑的结构信息；
获得所述第一建筑的属性信息；
根据所述第一建筑的结构信息和属性信息，对所述第一建筑进行区块划分，获得所述第一建筑的第一区块集合。
4.如权利要求1所述的方法，其中，所述如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度，包括：
获得所述第一基础模型的第一参数信息；
获得所述第一区块的第二参数信息；
获得所述第一参数信息与所述第二参数信息的重合度信息；
获得所述第一参数信息对所述第二参数信息的覆盖率信息；
获得预定覆盖率阈值；
当所述第一参数信息对所述第二参数信息的覆盖率信息达到所述预定覆盖率阈值时，根据所述覆盖率和所述重合度信息获得所述第一基础模型与所述第一区块的相关度。
5.如权利要求1所述的方法，其中，所述根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配，包括：
获得预定相关度阈值；
判断所述相关度是否在所述预定相关度阈值之内；
如果所述相关度在所述预定相关度阈值之内，将所述第一基础模型与所述第一区块进行匹配。
6.如权利要求5所述的方法，其中，所述获得预定相关度阈值，包括：
获得所述第一建筑的建筑特征信息；
根据所述建筑特征信息，获得所述第二类别属性的重要等级；
根据所述重要等级，确定所述预定相关度阈值。
7.一种基于BIM的建筑模型自动匹配系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得BIM历史模型数据库；
第二获得单元，所述第二获得单元用于获得第一建筑的第一区块集合；
第三获得单元，所述第三获得单元用于获得所述第一区块集合中各个区块的属性信息；
第四获得单元，所述第四获得单元用于根据所述各个区块的属性信息，对所述第一区块集合按照所述属性信息进行区块分类，获得第一区块分类列表；
第五获得单元，所述第五获得单元用于获得所述第一区块分类列表的第一类别信息；
第一输入单元，所述第一输入单元用于将所述第一类别信息和所述BIM历史模型数据库中的各基础模型信息输入模型分类模型，获得所述BIM历史模型数据库中的各基础模型对应的类别属性；
所述第一输入单元还包括：
第十一获得单元，所述第十一获得单元用于获得第一基础模型，所述第一基础模型属于所述BIM历史模型数据库中的模型；
第十二获得单元，所述第十二获得单元用于获得所述第一基础模型的第一类别属性；
第十三获得单元，所述第十三获得单元用于根据所述第一类别信息，获得所述第一区块的第二类别属性，其中，所述第一区块为所述第一区块集合中的区块；
第一判断单元是，所述第一判断单元用于判断所述第一类别属性是否与所述第二类别属性相同；
第十四获得单元，所述第十四获得单元用于如果所述第一类别属性与所述第二类别属性相同，获得所述第一基础模型与所述第一区块的相关度；
第一确定单元，所述第一确定单元用于根据所述相关度，确定是否将所述第一基础模型与所述第一区块进行匹配；
第六获得单元，所述第六获得单元用于根据所述BIM历史模型数据库中的各基础模型对应的类别属性，对所述第一区块集合进行模型匹配，获得所述第一区块集合中各区块对应的所述基础模型；
第一构建单元，所述第一构建单元用于根据所述第一区块集合中各区块对应的所述基础模型，构建第一建筑模型。
8.一种基于BIM的建筑模型自动匹配系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110525216.XA CN113377880B (zh) | 2021-05-14 | 2021-05-14 | 一种基于bim的建筑模型自动匹配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110525216.XA CN113377880B (zh) | 2021-05-14 | 2021-05-14 | 一种基于bim的建筑模型自动匹配方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113377880A CN113377880A (zh) | 2021-09-10 |
| CN113377880B true CN113377880B (zh) | 2024-01-16 |
Family
ID=77570972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110525216.XA Active CN113377880B (zh) | 2021-05-14 | 2021-05-14 | 一种基于bim的建筑模型自动匹配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113377880B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643148B (zh) * | 2021-10-14 | 2022-01-04 | 南通峰帆运动用品有限公司 | 一种钢管制造设备的全周期管理方法及系统 |
| CN115510543B (zh) * | 2022-10-14 | 2023-08-15 | 苏州苏明装饰股份有限公司 | 一种基于bim的箱体模块化幕墙设计方法及系统 |
| CN115795631B (zh) * | 2023-02-01 | 2023-04-28 | 中外建华诚工程技术集团有限公司 | 一种获取建筑项目bim模型的方法、电子设备及存储介质 |
| CN116029009B (zh) * | 2023-03-29 | 2023-07-14 | 北京中昌工程咨询有限公司 | 一种基于bim技术的建筑智能出图方法和系统 |
| CN116109042B (zh) * | 2023-04-12 | 2023-07-28 | 青岛荣泰新型房屋工程有限公司 | 一种基于bim技术的工程实施可视化管理系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3432172A1 (en) * | 2017-07-20 | 2019-01-23 | Bricsys NV | Predicting user desirability of a constructional connection in a building information model |
| CN111737797A (zh) * | 2020-06-12 | 2020-10-02 | 广州市第三建筑装修有限公司 | 基于bim的装配式现场装饰反馈方法、装置、设备及介质 |
| CN112083898A (zh) * | 2020-08-26 | 2020-12-15 | 广州市纬纶国际建筑设计有限公司 | 建筑设计图纸打印方法、装置、计算机设备以及存储介质 |
| KR20210043160A (ko) * | 2019-10-11 | 2021-04-21 | 연세대학교 산학협력단 | 딥러닝 알고리즘을 이용한 건축 정보 모델의 객체 유형 정보 인식 장치 및 방법 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140279939A1 (en) * | 2013-03-15 | 2014-09-18 | Iti - Innovative Technology Inc. | Method for propagating information between a building information model and a specification document |
| US11074374B2 (en) * | 2017-03-22 | 2021-07-27 | Katerra, Inc. | Method and apparatus for checking constructability of a building information model |
| EP3460685A1 (en) * | 2017-09-12 | 2019-03-27 | Bricsys NV | Improved semantic classification of an entity in a building information model |
| US11468206B2 (en) * | 2018-08-20 | 2022-10-11 | Sri International | Machine learning system for building renderings and building information modeling data |
-
2021
- 2021-05-14 CN CN202110525216.XA patent/CN113377880B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3432172A1 (en) * | 2017-07-20 | 2019-01-23 | Bricsys NV | Predicting user desirability of a constructional connection in a building information model |
| KR20210043160A (ko) * | 2019-10-11 | 2021-04-21 | 연세대학교 산학협력단 | 딥러닝 알고리즘을 이용한 건축 정보 모델의 객체 유형 정보 인식 장치 및 방법 |
| CN111737797A (zh) * | 2020-06-12 | 2020-10-02 | 广州市第三建筑装修有限公司 | 基于bim的装配式现场装饰反馈方法、装置、设备及介质 |
| CN112083898A (zh) * | 2020-08-26 | 2020-12-15 | 广州市纬纶国际建筑设计有限公司 | 建筑设计图纸打印方法、装置、计算机设备以及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于BIM的工程量统计实践――以句容市人民医院项目应用为例;樊建慧;蒋琴华;林凡舟;;土木建筑工程信息技术(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113377880A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113377880B (zh) | 一种基于bim的建筑模型自动匹配方法及系统 | |
| CN110570111A (zh) | 企业风险预测方法、模型训练方法、装置及设备 | |
| CN111967696B (zh) | 基于神经网络的电动汽车充电需求预测方法、系统及装置 | |
| CN111494964B (zh) | 虚拟物品的推荐方法、模型的训练方法、装置及存储介质 | |
| US12066299B2 (en) | Method, device and system for perceiving multi-site roadbed network and terminal | |
| CN117094535B (zh) | 基于人工智能的能源补给管理方法及系统 | |
| CN112633074B (zh) | 行人信息的检测方法和装置、存储介质及电子设备 | |
| CN113344552A (zh) | 一种基于工程造价的多项目联合管理方法及系统 | |
| Kim et al. | Short-term electric load forecasting using data mining technique | |
| CN116720438A (zh) | 基于多源矿山数据的数字孪生矿山生产系统及构建方法 | |
| CN116539994A (zh) | 基于多源时间序列数据的变电站主设备运行状态检测方法 | |
| DE102023207516A1 (de) | Systeme und Verfahren zur Experten-geführten Halbüberwachung mit Contrastive Loss für Maschinenlernmodelle | |
| CN111932302A (zh) | 一种区域中业务站点数量的确定方法、装置、设备及系统 | |
| CN111340975A (zh) | 异常数据特征提取方法、装置、设备及存储介质 | |
| CN112686690B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| Panda et al. | An effect of machine learning techniques in electrical load forecasting and optimization of renewable energy sources | |
| CN113253709A (zh) | 一种适用于轨道交通车辆健康诊断方法及装置 | |
| CN107203916B (zh) | 一种用户信用模型建立方法及装置 | |
| CN116776859A (zh) | 基于智慧工厂的订单文本分析方法及系统 | |
| CN114115150B (zh) | 基于数据的热泵系统在线建模方法及装置 | |
| Безкоровайний et al. | Mathematical models of a multi-criteria problem of reengineering topological structures of ecological monitoring networks | |
| CN114463994A (zh) | 基于混沌与强化学习的交通流预测的并行方法 | |
| CN113822441A (zh) | 决策模型训练方法、装置、终端设备及存储介质 | |
| CN114331349A (zh) | 一种基于物联网技术的科研项目管理方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |