CN114510771A - 建筑曲面的模具生成方法、装置、设备及计算机可读介质 - Google Patents
建筑曲面的模具生成方法、装置、设备及计算机可读介质 Download PDFInfo
- Publication number
- CN114510771A CN114510771A CN202210358991.5A CN202210358991A CN114510771A CN 114510771 A CN114510771 A CN 114510771A CN 202210358991 A CN202210358991 A CN 202210358991A CN 114510771 A CN114510771 A CN 114510771A
- Authority
- CN
- China
- Prior art keywords
- target
- panel
- clustering
- value
- shape
- 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.)
- Granted
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及一种建筑曲面的模具生成方法、装置、设备及计算机可读介质。该方法包括:获取待处理的建筑曲面的原始面板和形体阈值参数,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;按照形体阈值参数将建筑曲面划分为多个子曲面;基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。本申请通过先进行连续性初步优化(粗分类),再进行离散性精细迭代聚类优化(细分类),提高了算法迭代效率,解决了现有幕墙优化技术流程复杂、处理效率低的技术问题。
Description
技术领域
本申请涉及建筑幕墙的计算机辅助设计技术领域,尤其涉及一种建筑曲面的模具生成方法、装置、设备及计算机可读介质。
背景技术
在实际建筑设计项目中,具有复杂的自由曲面形态的建筑逐渐成为不可或缺的一部分。这也提出一个巨大的挑战:复杂曲面的标准化。其关键的问题在于,在满足设计意图且面板布局和表面平滑度达到所需的美学质量的同时,通过对面板的模具的控制与分配,降低制造模具和面板的成本。
目前,相关技术中,现有幕墙优化技术主要由奥地利Evolute GmbH公司掌握,该方法流程复杂且高度依赖专业人员操作,主要不足是该方法运算时间长、效率低,多针对设计后的最终复杂曲面直接优化,不可避免地会因为设计上的细小区别而增加大量的建造成本。
针对现有幕墙优化技术流程复杂、处理效率低的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供了一种建筑曲面的模具生成方法、装置、设备及计算机可读介质,以解决现有幕墙优化技术流程复杂、处理效率低的技术问题。
根据本申请实施例的一个方面,本申请提供了一种建筑曲面的模具生成方法,包括:
获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;
按照形体阈值参数将建筑曲面划分为多个子曲面;
基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;
确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。
可选地,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板包括:
创建输出面板集合,并将每个子曲面上的每个原始面板转换为平板,其中,平板与原始面板的拟合度大于或等于目标阈值;
逐一选取每个原始面板对应的目标平板,并确定当前原始面板的目标平板与相邻平板之间的第一缝隙值、第一倾角值以及目标平板中心点与当前原始面板中心点的第一偏移值;
将第一缝隙值、第一倾角值以及第一偏移值代入目标损失函数,得到目标平板与对应的当前原始面板之间的第一形体误差值;
在第一形体误差值小于或等于形体阈值参数中的误差阈值的情况下,将目标平板添加到输出面板集合中,以将目标平板作为当前原始面板对应的目标面板。
可选地,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板还包括:
在第一形体误差值大于误差阈值的情况下,将当前原始面板转换为目标单曲面,其中,目标单曲面与当前原始面板的拟合度大于或等于目标阈值;
确定目标单曲面与相邻单曲面之间的第二缝隙值、第二倾角值以及目标单曲面中心点与当前原始面板中心点的第二偏移值;
将第二缝隙值、第二倾角值以及第二偏移值代入目标损失函数,得到目标单曲面与对应的当前原始面板之间的第二形体误差值;
在第二形体误差值小于或等于误差阈值的情况下,将目标单曲面添加到输出面板集合中,以将目标单曲面作为当前原始面板对应的目标面板。
可选地,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板还包括:
在第二形体误差值大于误差阈值的情况下,将当前原始面板转换为目标双曲面,其中,目标双曲面与当前原始面板的拟合度大于或等于目标阈值;
确定目标双曲面与相邻双曲面之间的第三缝隙值、第三倾角值以及目标双曲面中心点与当前原始面板中心点的第三偏移值;
将第三缝隙值、第三倾角值以及第三偏移值代入目标损失函数,得到目标双曲面与对应的当前原始面板之间的第三形体误差值;
在第三形体误差值小于或等于误差阈值的情况下,将目标双曲面添加到输出面板集合中,以将目标双曲面作为当前原始面板对应的目标面板。
可选地,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板还包括:
在第三形体误差值大于误差阈值的情况下,将原始面板作为目标面板添加到输出面板集合中。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具包括:
将所有平板类型的目标面板展开并平铺至同一平面,以进行对齐,其中,在平面中,所有目标面板的中心点重合,所有目标面板按照中心点至目标角点的向量进行对齐,目标角点为所述目标面板上距离中心点最远的角点;
对齐后,确定每个目标面板的特征系数,其中,特征系数包括十二维平板特征系数和/或五维平板特征系数,十二维平板特征系数包括目标面板的四个角点向量的三维坐标值,五维平板特征系数包括四个角点向量的长度和目标夹角的角度,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第一预选向量和第二预选向量之间的夹角;
按照特征系数对平板类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具还包括:
将所有单曲面类型的目标面板的中心点对齐,并在中心点对齐后,旋转目标面板,直至目标面板的直线轴对齐;
对齐后,确定每个目标面板的特征系数,其中,特征系数包括六维单曲面特征系数,六维单曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度以及目标面板所在单曲面基准圆的半径值,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第三预选向量和第四预选向量之间的夹角;
按照特征系数对单曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具还包括:
提取所有双曲面类型的目标面板;
确定每个目标面板的特征系数,其中,特征系数包括十维双曲面特征系数,十维双曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度、目标面板所在双曲面所属圆环的内径、圆环的剖面半径、目标面板所在双曲面的圆心角、目标面板所在圆环的剖面圆心角以及所述目标面板在所属双曲面上的位置类型,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第五预选向量和第六预选向量之间的夹角;
按照特征系数对双曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具之后,所述方法还包括:
确定原始面板与对应的模具之间的第四形体误差值;
在第四形体误差值大于形体阈值参数中的误差阈值的情况下,继续基于目标聚类结果进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至原始面板与对应的模具之间的形体误差值小于或等于误差阈值的情况下,将根据当前聚类结果生成的模具作为原始面板最终的模具。
根据本申请实施例的另一方面,本申请提供了一种建筑曲面的模具生成装置,包括:
获取模块,用于获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;
分割模块,用于按照形体阈值参数将建筑曲面划分为多个子曲面;
分类模块,用于基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;
聚类模块,用于确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。
根据本申请实施例的另一方面,本申请提供了一种电子设备,包括存储器、处理器、通信接口及通信总线,存储器中存储有可在处理器上运行的计算机程序,存储器、处理器通过通信总线和通信接口进行通信,处理器执行计算机程序时实现上述方法的步骤。
根据本申请实施例的另一方面,本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,程序代码使处理器执行上述的方法。
本申请实施例提供的上述技术方案与相关技术相比具有如下优点:
本申请技术方案为获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;按照形体阈值参数将建筑曲面划分为多个子曲面;基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。本申请通过先进行连续性初步优化(粗分类),再进行离散性精细迭代聚类优化(细分类),提高了算法迭代效率,解决了现有幕墙优化技术流程复杂、处理效率低的技术问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一种可选的建筑曲面的UV网格划分及模具示意图;
图2为一种可选的建筑曲面的面板种类示意图;
图3为一种可选的建筑曲面的面板的形态特征参数示意图;
图4为根据本申请实施例提供的一种可选的建筑曲面的模具生成方法硬件环境示意图;
图5为根据本申请实施例提供的一种可选的建筑曲面的模具生成方法流程示意图;
图6为根据本申请实施例提供的一种可选的建筑曲面的UV划分示意图;
图7为根据本申请实施例提供的一种可选的建筑曲面的粗分类流程示意图;
图8为根据本申请实施例提供的一种可选的平板位置标准化处理示意图;
图9为根据本申请实施例提供的一种可选的平板形态特征量化示意图;
图10为根据本申请实施例提供的另一种可选的平板形态特征量化示意图;
图11为根据本申请实施例提供的另一种可选的误差平方和、样本轮廓系数示意图;
图12为根据本申请实施例提供的一种可选的最佳聚类数目对应的面板聚类示意图;
图13为根据本申请实施例提供的另一种可选的最佳聚类数目对应的面板聚类示意图;
图14为根据本申请实施例提供的一种可选的单曲面形态特征量化示意图;
图15为根据本申请实施例提供的一种可选的双曲面形态特征量化示意图;
图16为根据本申请实施例提供的一种可选的建筑曲面的模具生成装置框图;
图17为本申请实施例提供的一种可选的电子设备结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
首先对本申请实施例中出现的名词进行说明:
1.面板:假设曲面F是待优化的复杂曲面,我们优化的目标是找到面板P的集合P={P1,...,Pn},使得面板P的集合能很好的拟合曲面F,并且满足相应的形体系数阈值。
2.模具:面板P通常由模具M制造,我们称集合M={M1,...,Mm}(模具数量≤面板数量)为模具的集合。为了确定使用哪个模具生成哪个面板,我们定义了一个面板-模具的分配函数,以确定每块面板对应的模具序号。
3.UV网格:UV网格是曲面在横纵方向划分的曲线,U表示在横向坐标上的划分曲线,V标识在纵向坐标上的划分曲线,如图1。
4.原始网格曲面:原始网格曲面是UV网格在原始形态曲面上划分出的原始面板,形态系数误差=0。
5.面板种类:如图2,从左到右依次为平板、单曲面板以及双曲面板。
5.1平板:平面(plane),是指面上任意两点的连线整个落在此面上,一种二维零曲率广延,这样一种面,它与同它相似的面的任何交线是一条直线。
5.2单曲面:单曲面(single curved surface),一种直线面,单曲面的连续两素线彼此平行或相交,位于同一平面内,因而是可展曲面。所以,单曲面又称为可展直线面。工程上常见的有柱面、锥面及切线曲面。
5.3双曲面:双曲面(double curved surface),双曲面是指双曲线绕其对称轴旋转而生成的曲面。双曲面是一种二次曲面,分为单叶双曲面、双叶双曲面和旋转双曲面。
6.形态特征参数:如图3。
6.1边界偏移值d:我们将某一面板四边的中点与原曲线网格四边的中点的距离的平均值作为该面板的边界偏移值。用以衡量某面板经优化后与原始网格曲面的偏移程度,也可以用来衡量相邻量面板间的缝隙大小。
6.2倾角值k:倾角表示两相邻面板于邻边中点法向量的夹角。用以衡量两面板之间的转折程度,倾角越小,则该相邻面板的连续性越好。
6.3中心点偏移值t:表示优化后面板的中心点与原始网格曲面中心点的距离,用以衡量优化后面板中心位置的偏移程度。
6.4误差损失函数:用面板间的缝隙值d,倾角值k与中心点偏移值t的加权平均值之和表示单一面板与原始网格曲面间的误差。
为了解决背景技术中提及的问题,根据本申请实施例的一方面,提供了一种建筑曲面的模具生成方法的实施例。
可选地,在本申请实施例中,上述建筑曲面的模具生成方法可以应用于如图4所示的由终端401和服务器403所构成的硬件环境中。如图4所示,服务器403通过网络与终端401进行连接,可用于为终端或终端上安装的客户端提供服务(如分类服务、聚类服务、形态特征参数计算服务等),可在服务器上或独立于服务器设置数据库405,用于为服务器403提供数据存储服务,上述网络包括但不限于:广域网、城域网或局域网,终端401包括但不限于PC、手机、平板电脑等。
本申请实施例中的一种建筑曲面的模具生成方法可以由服务器403来执行,还可以是由服务器403和终端401共同执行,如图5所示,该方法可以包括以下步骤:
步骤S502,获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;
步骤S504,按照形体阈值参数将建筑曲面划分为多个子曲面;
步骤S506,基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;
步骤S508,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。
通过上述步骤S502至S508,本申请通过先进行连续性初步优化(粗分类),再进行离散性精细迭代聚类优化(细分类),提高了算法迭代效率,解决了现有幕墙优化技术流程复杂、处理效率低的技术问题。
在步骤S502中,用户需要输入的建筑曲面的原始面板包括建筑形体的自由曲面(如Nurbs曲面或Mesh网格);形体阈值参数包括:面板间容许最大缝隙值、面板间容许最大倾角值、面板中心容许最大偏移值;目标细分面板数量区间(或UV划分区间)等。
在步骤S504中,按照形体阈值参数将建筑曲面划分为多个子曲面包括:根据用户输入的建筑形体的自由曲面以及细分面板数量区间(或UV划分区间),按最小划分数量将复杂曲面划分成若干子曲面。若干子曲面为原复杂曲面的切分,若干子曲面能完美拟合复杂曲面形体,如图6所示。
在步骤S206中,基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板包括:
步骤1,创建输出面板集合,并将每个子曲面上的每个原始面板转换为平板,其中,平板与原始面板的拟合度大于或等于目标阈值;
步骤2,逐一选取每个原始面板对应的目标平板,并确定当前原始面板的目标平板与相邻平板之间的第一缝隙值、第一倾角值以及目标平板中心点与当前原始面板中心点的第一偏移值;
步骤3,将第一缝隙值、第一倾角值以及第一偏移值代入目标损失函数,得到目标平板与对应的当前原始面板之间的第一形体误差值;
步骤4,在第一形体误差值小于或等于形体阈值参数中的误差阈值的情况下,将目标平板添加到输出面板集合中,以将目标平板作为当前原始面板对应的目标面板。
步骤5,在第一形体误差值大于误差阈值的情况下,将当前原始面板转换为目标单曲面,其中,目标单曲面与当前原始面板的拟合度大于或等于目标阈值;
步骤6,确定目标单曲面与相邻单曲面之间的第二缝隙值、第二倾角值以及目标单曲面中心点与当前原始面板中心点的第二偏移值;
步骤7,将第二缝隙值、第二倾角值以及第二偏移值代入目标损失函数,得到目标单曲面与对应的当前原始面板之间的第二形体误差值;
步骤8,在第二形体误差值小于或等于误差阈值的情况下,将目标单曲面添加到输出面板集合中,以将目标单曲面作为当前原始面板对应的目标面板。
步骤9,在第二形体误差值大于误差阈值的情况下,将当前原始面板转换为目标双曲面,其中,目标双曲面与当前原始面板的拟合度大于或等于目标阈值;
步骤10,确定目标双曲面与相邻双曲面之间的第三缝隙值、第三倾角值以及目标双曲面中心点与当前原始面板中心点的第三偏移值;
步骤11,将第三缝隙值、第三倾角值以及第三偏移值代入目标损失函数,得到目标双曲面与对应的当前原始面板之间的第三形体误差值;
步骤12,在第三形体误差值小于或等于误差阈值的情况下,将目标双曲面添加到输出面板集合中,以将目标双曲面作为当前原始面板对应的目标面板。
步骤13,在第三形体误差值大于误差阈值的情况下,将原始面板作为目标面板添加到输出面板集合中。
本申请实施例中,可以对建筑曲面的原始面板进行粗分类,即分类为平板、单曲面上的面板、双曲面上的面板以及与以上三种都不相同的定制面板。其中,对建筑曲面的原始面板进行粗分类具体如图7所示,可以按照平板、单曲面、双曲面,最后是定制曲面的顺序进行连续性初步分类,目的是确定待处理的建筑曲面的每一块原始面板所属的目标面板的类型。
本申请实施例中,可以先创建一个输出面板集合,用于存储建筑曲面的每一块原始面板对应的目标面板。输出面板初始化为空集。
本申请实施例中,可以将所有子曲面内的每一个原始面板转换为最拟合其形态的平板。逐一选取每个原始面板对应的目标平板,并计算当前原始面板的目标平板与相邻平板的第一缝隙值、第一倾角值,并计算该目标面板中心点与原始面板中心点的第一偏移值,再将第一缝隙值、第一倾角值以及第一偏移值代入目标损失函数,得到目标平板与对应的原始面板之间的第一形体误差值。该目标损失函数为:
若第一形体误差值小于或等于形体阈值参数中的误差阈值,说明当前目标平板已经达到用户要求,则可将目标平板添加到输出面板集合中,以将目标平板作为原始面板对应的目标面板。
本申请实施例中,若第一形体误差值大于误差阈值,则说明目标平板不满足用户需求,需要进一步寻找最适合当前原始面板对应的目标面板。因此,可以将当前原始面板转换为最拟合其形态的目标单曲面,并计算该目标单曲面与相邻单曲面的第二缝隙值、第二倾角值,并计算该目标单曲面中心点与原始面板中心点的第二偏移值,再将第二缝隙值、第二倾角值以及第二偏移值代入目标损失函数,得到目标单曲面与对应的当前原始面板之间的第二形体误差值。
若第二形体误差值小于或等于形体阈值参数中的误差阈值,说明当前目标单曲面已经达到用户要求,则可将目标单曲面添加到输出面板集合中,以将目标单曲面作为当前原始面板对应的目标面板。
本申请实施例中,若第二形体误差值大于误差阈值,则说明目标单曲面不满足用户需求,需要进一步寻找最适合当前原始面板对应的目标面板。因此,可以将当前原始面板转换为最拟合其形态的目标双曲面,并计算该目标双曲面与相邻双曲面的第三缝隙值、第三倾角值,并计算该目标双曲面中心点与原始面板中心点的第三偏移值,再将第三缝隙值、第三倾角值以及第三偏移值代入目标损失函数,得到目标双曲面与对应的当前原始面板之间的第三形体误差值。
若第三形体误差值小于或等于形体阈值参数中的误差阈值,说明当前目标双曲面已经达到用户要求,则可将目标双曲面添加到输出面板集合中,以将目标双曲面作为当前原始面板对应的目标面板。
本申请实施例中,若第三形体误差值大于误差阈值,说明目标双曲面仍然不满足用户需求,因此可以直接将当前原始面板添加到输出面板集合中,以将当前原始面板作为定制面板。上述目标阈值、误差阈值等参数可以根据实际情况设置,还可以根据试验数据进行设置等。
上面介绍了对建筑曲面的粗分类,下面介绍基于粗分类后的精确分类。精确分类的目的是找出同一类中形态系数相似的若干面板,并通过聚类得到该类的模具,从而可以生产这一类面板时,使用同一规格的模具来替代该类的所有面板。下面分别基于平板、单曲面以及双曲面对精确分类从而找出每一类的模具的方法进行说明。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具包括:
步骤1,将所有平板类型的目标面板展开并平铺至同一平面,以进行对齐,其中,在平面中,所有目标面板的中心点重合,所有目标面板按照中心点至目标角点的向量进行对齐,目标角点为所述目标面板上距离中心点最远的角点;
步骤2,对齐后,确定每个目标面板的特征系数,其中,特征系数包括十二维平板特征系数和/或五维平板特征系数,十二维平板特征系数包括目标面板的四个角点向量的三维坐标值,五维平板特征系数包括四个角点向量的长度和目标夹角的角度,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第一预选向量和第二预选向量之间的夹角;
步骤3,按照特征系数对平板类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
本申请实施例中,先进行平板位置标准化处理,如图8所示,从左到右依次为平板展开、中心点对齐、中心点至目标角点的向量对齐。
本申请实施例中,接着对平板的形态特征进行量化,即确定每个目标面板的特征系数。平板的形态特征的量化可以通过十二维平板特征系数和/或五维平板特征系数来量化。其中,十二维平板特征系数如图9所示,可以提取平板中心点到四个角点的向量,将四个向量的三维数值(x,y,z)拼接,将拼接后的12维特征(x1,x2,x3,x4,y1,y2,y3,y4,z1,z2,z3,z4)作为该平板的特征系数。五维平板特征系数如图10所示,可以提取平板中心点到四个角点的向量,并将向量按照向量长度值有大到小排序,将四个向量的长度值与向量1和向量3的夹角数值组成5维特征(length1, length2, length3, length4, angle),经过归一化后作为该平板的特征系数。
本申请实施例中,最后通过聚类对平板类型的面板进行精确分类,并从多次聚类的结果中找出最佳的聚类结果作为该类面板的模具。以向量长度+夹角描述为例,输入K-means聚类算法进行聚类迭代,聚类数k值分别为1-20,得到20次聚类结果。分别统计每次聚类的误差平方和(SSE),与样本轮廓系数(Silhouette Coefficient),通过手肘法和/或样本轮廓系数找出最佳聚类数目K,如图11所示,最佳聚类k对应的聚类结果如图12和13所示。将聚类数目K对应的聚类结果作为该类面板的模具。
手肘法的思想是,随着聚类数k的增大,样本划分会更加精细,每个簇的聚合程度会逐渐提高,那么误差平方和SSE自然会逐渐变小。当k小于真实聚类数时,由于k的增大会大幅增加每个簇的聚合程度,故SSE的下降幅度会很大,而当k到达真实聚类数时,再增加k所得到的聚合程度回报会迅速变小,所以SSE的下降幅度会骤减,然后随着k值的继续增大而趋于平缓,也就是说SSE和k的关系图是一个手肘的形状,而这个肘部对应的k值就是数据的真实聚类数。当使得样本轮廓系数最大的聚类数目k就是最佳的聚类数目。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具还包括:
步骤1,将所有单曲面类型的目标面板的中心点对齐,并在中心点对齐后,旋转目标面板,直至目标面板的直线轴对齐;
步骤2,对齐后,确定每个目标面板的特征系数,其中,特征系数包括六维单曲面特征系数,六维单曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度以及目标面板所在单曲面基准圆的半径值,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第三预选向量和第四预选向量之间的夹角;
步骤3,按照特征系数对单曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
本申请实施例中,先进行单曲面板位置标准化处理,在原三维空间中每一片待优化的单曲面板都有不同的三维坐标,位置标准化操作首先将其中心点对齐,然后再将每一片面板按其直线轴对齐。
本申请实施例中,接着对单曲面的形态特征进行量化,即确定每个目标面板的特征系数。单曲面的形态特征的量化可以通过六维单曲面特征系数来量化,如图14所示,可以提取单曲面面板中心点到四个角点的向量,可以将向量按照向量长度值从大到小排序,将四个向量的长度值与向量1和向量3的夹角数值,与其单曲面基准圆的半径值一起组成六维特征(length1, length2, length3, length4, angle,length5),经过归一化后作为该单曲面的特征系数。
本申请实施例中,最后通过聚类对单曲面类型的面板进行精确分类,并从多次聚类的结果中找出最佳的聚类结果作为该类面板的模具。以向量长度+夹角描述为例,输入K-means聚类算法进行聚类迭代,聚类数k值分别为1-20,得到20次聚类结果,即上述第一阈值可以为20。分别统计每次聚类的误差平方和(SSE),与样本轮廓系数(SilhouetteCoefficient),通过手肘法和/或样本轮廓系数找出最佳聚类数目K,将聚类数目K对应的聚类结果作为该类面板的模具。随着聚类数k的增大,样本划分会更加精细,每个簇的聚合程度会逐渐提高,那么误差平方和SSE自然会逐渐变小。当k小于真实聚类数时,由于k的增大会大幅增加每个簇的聚合程度,故SSE的下降幅度会很大,而当k到达真实聚类数时,再增加k所得到的聚合程度回报会迅速变小,所以SSE的下降幅度会骤减,然后随着k值的继续增大而趋于平缓,也就是说SSE和k的关系图是一个手肘的形状,而这个肘部对应的k值就是数据的真实聚类数。当使得样本轮廓系数最大的聚类数目k就是最佳的聚类数目。上述第二阈值可以选取SSE在手肘转折位置处的下降幅度,也可以根据实际情况进行设置。
可选地,确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具还包括:
步骤1,提取所有双曲面类型的目标面板;
步骤2,确定每个目标面板的特征系数,其中,特征系数包括十维双曲面特征系数,十维双曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度、目标面板所在双曲面所属圆环的内径、圆环的剖面半径、目标面板所在双曲面的圆心角、目标面板所在圆环的剖面圆心角以及所述目标面板在所属双曲面上的位置类型,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第五预选向量和第六预选向量之间的夹角;
步骤3,按照特征系数对双曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
本申请实施例中,先对双曲面的形态特征进行量化,即确定每个目标面板的特征系数。双曲面的形态特征的量化可以通过十维单曲面特征系数来量化,如图15所示,可以提取平板中心点到四个角点的向量,并将向量按照向量长度值有大到小排序,将四个向量的长度值与向量1和向量3的夹角数值(length1, length2, length3, length4, angle)构成十维特征中的前五维。双曲面(圆环面)所属圆环的内径r1,剖面半径r2,以及该双曲面对应圆心与剖面圆心的角度,该双曲面所属圆环位置类型(内壁/外壁)L,组成剩下的五维向量。即双曲面的形态系数可以用(length1, length2, length3, length4, angle,r1,r2,,L)共十维向量表示,经过归一化后作为该单曲面的特征系数。
本申请实施例中,最后通过聚类对双曲面类型的面板进行精确分类,并从多次聚类的结果中找出最佳的聚类结果作为该类面板的模具。以向量长度+夹角描述为例,输入K-means聚类算法进行聚类迭代,聚类数k值分别为1-20,得到20次聚类结果。分别统计每次聚类的误差平方和(SSE),与样本轮廓系数(Silhouette Coefficient),通过手肘法和/或样本轮廓系数找出最佳聚类数目K,将聚类数目K对应的聚类结果作为该类面板的模具。
本申请实施例中,还可以通过定量验算与迭代来进一步提升模具生成的精确度。
可选地,基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具之后,所述方法还包括:
步骤1,确定原始面板与对应的模具之间的第四形体误差值;
步骤2,在第四形体误差值大于形体阈值参数中的误差阈值的情况下,继续基于目标聚类结果进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至原始面板与对应的模具之间的形体误差值小于或等于误差阈值的情况下,将根据当前聚类结果生成的模具作为原始面板最终的模具。
本申请技术方案中,可以定量地计算上述步骤中得出的模具和对应原始面板之间的第四形体误差值。若最大的误差满足用户输入的误差阈值,则分别将平板,单曲面,双曲面此次以K为聚类数聚类结果输出,若其中某类面板的形体系数误差不满足误差阈值,则对该类型面板的聚类数K执行K=K+1的操作。增加聚类数值(细分精度)以减小形体系数上的误差。直到满足形体系数误差阈值为止。
本申请实施例中,还可以以平板面板的生产成本作为单位1,根据单曲面板,单曲面板模具,双曲面板,双曲面模具,定制曲面与定制曲面模具的相对生产成本,统计出该复杂曲面模具与面板的生产总成本,与形体系数一起作为优化复杂曲面优化前后的比较特征。
根据本申请实施例的又一方面,如图16所示,提供了一种建筑曲面的模具生成装置,包括:
获取模块1601,用于获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;
分割模块1603,用于按照形体阈值参数将建筑曲面划分为多个子曲面;
分类模块1605,用于基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;
聚类模块1607,用于确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。
需要说明的是,该实施例中的获取模块1601可以用于执行本申请实施例中的步骤S502,该实施例中的分割模块1603可以用于执行本申请实施例中的步骤S504,该实施例中的分类模块1605可以用于执行本申请实施例中的步骤S506,该实施例中的聚类模块1607可以用于执行本申请实施例中的步骤S508。
此处需要说明的是,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在如图1所示的硬件环境中,可以通过软件实现,也可以通过硬件实现。
可选地,该分类模块,具体用于:
创建输出面板集合,并将每个子曲面上的每个原始面板转换为平板,其中,平板与原始面板的拟合度大于或等于目标阈值;
逐一选取每个原始面板对应的目标平板,并确定当前原始面板的目标平板与相邻平板之间的第一缝隙值、第一倾角值以及目标平板中心点与当前原始面板中心点的第一偏移值;
将第一缝隙值、第一倾角值以及第一偏移值代入目标损失函数,得到目标平板与对应的当前原始面板之间的第一形体误差值;
在第一形体误差值小于或等于形体阈值参数中的误差阈值的情况下,将目标平板添加到输出面板集合中,以将目标平板作为当前原始面板对应的目标面板。
可选地,该分类模块,具体用于:
在第一形体误差值大于误差阈值的情况下,将当前原始面板转换为目标单曲面,其中,目标单曲面与当前原始面板的拟合度大于或等于目标阈值;
确定目标单曲面与相邻单曲面之间的第二缝隙值、第二倾角值以及目标单曲面中心点与当前原始面板中心点的第二偏移值;
将第二缝隙值、第二倾角值以及第二偏移值代入目标损失函数,得到目标单曲面与对应的当前原始面板之间的第二形体误差值;
在第二形体误差值小于或等于误差阈值的情况下,将目标单曲面添加到输出面板集合中,以将目标单曲面作为当前原始面板对应的目标面板。
可选地,该分类模块,具体用于:
在第二形体误差值大于误差阈值的情况下,将当前原始面板转换为目标双曲面,其中,目标双曲面与当前原始面板的拟合度大于或等于目标阈值;
确定目标双曲面与相邻双曲面之间的第三缝隙值、第三倾角值以及目标双曲面中心点与当前原始面板中心点的第三偏移值;
将第三缝隙值、第三倾角值以及第三偏移值代入目标损失函数,得到目标双曲面与对应的当前原始面板之间的第三形体误差值;
在第三形体误差值小于或等于误差阈值的情况下,将目标双曲面添加到输出面板集合中,以将目标双曲面作为当前原始面板对应的目标面板。
可选地,该分类模块,具体用于:
在第三形体误差值大于误差阈值的情况下,将原始面板作为目标面板添加到输出面板集合中。
可选地,该聚类模块,具体用于:
将所有平板类型的目标面板展开并平铺至同一平面,以进行对齐,其中,在平面中,所有目标面板的中心点重合,所有目标面板按照中心点至目标角点的向量进行对齐,目标角点为所述目标面板上距离中心点最远的角点;
对齐后,确定每个目标面板的特征系数,其中,特征系数包括十二维平板特征系数和/或五维平板特征系数,十二维平板特征系数包括目标面板的四个角点向量的三维坐标值,五维平板特征系数包括四个角点向量的长度和目标夹角的角度,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第一预选向量和第二预选向量之间的夹角;
按照特征系数对平板类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,该聚类模块,具体用于:
将所有单曲面类型的目标面板的中心点对齐,并在中心点对齐后,旋转目标面板,直至目标面板的直线轴对齐;
对齐后,确定每个目标面板的特征系数,其中,特征系数包括六维单曲面特征系数,六维单曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度以及目标面板所在单曲面基准圆的半径值,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第三预选向量和第四预选向量之间的夹角;
按照特征系数对单曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,该聚类模块,具体用于:
提取所有双曲面类型的目标面板;
确定每个目标面板的特征系数,其中,特征系数包括十维双曲面特征系数,十维双曲面特征系数包括目标面板的四个角点向量的长度、目标夹角的角度、目标面板所在双曲面所属圆环的内径、圆环的剖面半径、目标面板所在双曲面的圆心角、目标面板所在圆环的剖面圆心角以及所述目标面板在所属双曲面上的位置类型,角点向量为目标面板的中心点至目标面板上的角点的向量,目标夹角为四个角点向量中第五预选向量和第六预选向量之间的夹角;
按照特征系数对双曲面类型的目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据目标聚类结果生成目标面板的模具,其中,目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,目标聚类结果的聚类数目对应的样本轮廓系数最大。
可选地,该聚类模块,还用于:
确定原始面板与对应的模具之间的第四形体误差值;
在第四形体误差值大于形体阈值参数中的误差阈值的情况下,继续基于目标聚类结果进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至原始面板与对应的模具之间的形体误差值小于或等于误差阈值的情况下,将根据当前聚类结果生成的模具作为原始面板最终的模具。
根据本申请实施例的另一方面,本申请提供了一种电子设备,如图17所示,包括存储器1701、处理器1703、通信接口1705及通信总线1707,存储器1701中存储有可在处理器1703上运行的计算机程序,存储器1701、处理器1703通过通信接口1705和通信总线1707进行通信,处理器1703执行计算机程序时实现上述方法的步骤。
上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(Peripheral Component Interconnect,简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
根据本申请实施例的又一方面还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述任一实施例的步骤。
可选地,在本申请实施例中,计算机可读介质被设置为存储用于所述处理器执行以下步骤的程序代码:
获取待处理的建筑曲面的原始面板和形体阈值参数,其中,建筑曲面用于表示目标建筑的形体,形体阈值参数用于确定覆盖在建筑曲面上的面板的形体变化范围;
按照形体阈值参数将建筑曲面划分为多个子曲面;
基于形体阈值参数,为每个子曲面上的每个原始面板确定与原始面板的形体误差最小的目标面板;
确定每个目标面板的形体系数,并基于形体系数对相同类型的目标面板进行聚类,得到目标面板对应的模具。
可选地,本实施例中的具体示例可以参考上述实施例中所描述的示例,本实施例在此不再赘述。
本申请实施例在具体实现时,可以参阅上述各个实施例,具有相应的技术效果。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits,ASIC)、数字信号处理器(Digital Signal Processing,DSP)、数字信号处理设备(DSP Device,DSPD)、可编程逻辑设备(Programmable LogicDevice,PLD)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种建筑曲面的模具生成方法,其特征在于,包括:
获取待处理的建筑曲面的原始面板和形体阈值参数,其中,所述建筑曲面用于表示目标建筑的形体,所述形体阈值参数用于确定覆盖在所述建筑曲面上的面板的形体变化范围;
按照所述形体阈值参数将所述建筑曲面划分为多个子曲面;
基于所述形体阈值参数,为每个所述子曲面上的每个所述原始面板确定与所述原始面板的形体误差最小的目标面板;
确定每个所述目标面板的形体系数,并基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具。
2.根据权利要求1所述的方法,其特征在于,为每个所述子曲面上的每个原始面板确定与所述原始面板的形体误差最小的目标面板包括:
创建输出面板集合,并将每个所述子曲面上的每个所述原始面板转换为平板,其中,所述平板与所述原始面板的拟合度大于或等于目标阈值;
逐一选取每个所述原始面板对应的目标平板,并确定当前原始面板的所述目标平板与相邻平板之间的第一缝隙值、第一倾角值以及所述目标平板中心点与所述当前原始面板中心点的第一偏移值;
将所述第一缝隙值、所述第一倾角值以及所述第一偏移值代入目标损失函数,得到所述目标平板与对应的所述当前原始面板之间的第一形体误差值;
在所述第一形体误差值小于或等于所述形体阈值参数中的误差阈值的情况下,将所述目标平板添加到所述输出面板集合中,以将所述目标平板作为所述当前原始面板对应的所述目标面板。
3.根据权利要求2所述的方法,其特征在于,为每个所述子曲面上的每个原始面板确定与所述原始面板的形体误差最小的目标面板还包括:
在所述第一形体误差值大于所述误差阈值的情况下,将所述当前原始面板转换为目标单曲面,其中,所述目标单曲面与所述当前原始面板的拟合度大于或等于所述目标阈值;
确定所述目标单曲面与相邻单曲面之间的第二缝隙值、第二倾角值以及所述目标单曲面中心点与所述当前原始面板中心点的第二偏移值;
将所述第二缝隙值、所述第二倾角值以及所述第二偏移值代入所述目标损失函数,得到所述目标单曲面与对应的所述当前原始面板之间的第二形体误差值;
在所述第二形体误差值小于或等于所述误差阈值的情况下,将所述目标单曲面添加到所述输出面板集合中,以将所述目标单曲面作为所述当前原始面板对应的所述目标面板。
4.根据权利要求3所述的方法,其特征在于,为每个所述子曲面上的每个原始面板确定与所述原始面板的形体误差最小的目标面板还包括:
在所述第二形体误差值大于所述误差阈值的情况下,将所述当前原始面板转换为目标双曲面,其中,所述目标双曲面与所述当前原始面板的拟合度大于或等于所述目标阈值;
确定所述目标双曲面与相邻双曲面之间的第三缝隙值、第三倾角值以及所述目标双曲面中心点与所述当前原始面板中心点的第三偏移值;
将所述第三缝隙值、所述第三倾角值以及所述第三偏移值代入所述目标损失函数,得到所述目标双曲面与对应的所述当前原始面板之间的第三形体误差值;
在所述第三形体误差值小于或等于所述误差阈值的情况下,将所述目标双曲面添加到所述输出面板集合中,以将所述目标双曲面作为所述当前原始面板对应的所述目标面板。
5.根据权利要求4所述的方法,其特征在于,为每个所述子曲面上的每个原始面板确定与所述原始面板的形体误差最小的目标面板还包括:
在所述第三形体误差值大于所述误差阈值的情况下,将所述当前原始面板作为所述目标面板添加到所述输出面板集合中。
6.根据权利要求1所述的方法,其特征在于,确定每个所述目标面板的形体系数,并基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具包括:
将所有平板类型的所述目标面板展开并平铺至同一平面,以进行对齐,其中,在所述平面中,所有所述目标面板的中心点重合,所有所述目标面板按照中心点至目标角点的向量进行对齐,所述目标角点为所述目标面板上距离所述中心点最远的角点;
对齐后,确定每个所述目标面板的特征系数,其中,所述特征系数包括十二维平板特征系数和/或五维平板特征系数,所述十二维平板特征系数包括所述目标面板的四个角点向量的三维坐标值,所述五维平板特征系数包括四个角点向量的长度和目标夹角的角度,所述角点向量为所述目标面板的中心点至所述目标面板上的角点的向量,所述目标夹角为所述四个角点向量中第一预选向量和第二预选向量之间的夹角;
按照所述特征系数对所述平板类型的所述目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至所述聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据所述目标聚类结果生成所述目标面板的所述模具,其中,所述目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,所述目标聚类结果的聚类数目对应的样本轮廓系数最大。
7.根据权利要求1所述的方法,其特征在于,确定每个所述目标面板的形体系数,并基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具还包括:
将所有单曲面类型的所述目标面板的中心点对齐,并在所述中心点对齐后,旋转所述目标面板,直至所述目标面板的直线轴对齐;
对齐后,确定每个所述目标面板的特征系数,其中,所述特征系数包括六维单曲面特征系数,所述六维单曲面特征系数包括所述目标面板的四个角点向量的长度、目标夹角的角度以及所述目标面板所在单曲面基准圆的半径值,所述角点向量为所述目标面板的中心点至所述目标面板上的角点的向量,所述目标夹角为所述四个角点向量中第三预选向量和第四预选向量之间的夹角;
按照所述特征系数对所述单曲面类型的所述目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至所述聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据所述目标聚类结果生成所述目标面板的所述模具,其中,所述目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,所述目标聚类结果的聚类数目对应的样本轮廓系数最大。
8.根据权利要求1所述的方法,其特征在于,确定每个所述目标面板的形体系数,并基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具还包括:
提取所有双曲面类型的所述目标面板;
确定每个所述目标面板的特征系数,其中,所述特征系数包括十维双曲面特征系数,所述十维双曲面特征系数包括所述目标面板的四个角点向量的长度、目标夹角的角度、所述目标面板所在双曲面所属圆环的内径、所述圆环的剖面半径、所述目标面板所在双曲面的圆心角、所述目标面板所在圆环的剖面圆心角以及所述目标面板在所属双曲面上的位置类型,所述角点向量为所述目标面板的中心点至所述目标面板上的角点的向量,所述目标夹角为所述四个角点向量中第五预选向量和第六预选向量之间的夹角;
按照所述特征系数对所述双曲面类型的所述目标面板进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至所述聚类数目达到第一阈值时,从多次迭代聚类的聚类结果中选择出目标聚类结果,并根据所述目标聚类结果生成所述目标面板的所述模具,其中,所述目标聚类结果的误差平方和的下降速率小于或等于第二阈值,和/或,所述目标聚类结果的聚类数目对应的样本轮廓系数最大。
9.根据权利要求6至8任一所述的方法,其特征在于,基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具之后,所述方法还包括:
确定所述原始面板与对应的所述模具之间的第四形体误差值;
在所述第四形体误差值大于所述形体阈值参数中的误差阈值的情况下,继续基于所述目标聚类结果进行迭代聚类,在迭代聚类的过程中逐渐增大聚类数目,直至所述原始面板与对应的所述模具之间的形体误差值小于或等于所述误差阈值的情况下,将根据当前聚类结果生成的模具作为所述原始面板最终的模具。
10.一种建筑曲面的模具生成装置,其特征在于,包括:
获取模块,用于获取待处理的建筑曲面的原始面板和形体阈值参数,其中,所述建筑曲面用于表示目标建筑的形体,所述形体阈值参数用于确定覆盖在所述建筑曲面上的面板的形体变化范围;
分割模块,用于按照所述形体阈值参数将所述建筑曲面划分为多个子曲面;
分类模块,用于基于所述形体阈值参数,为每个所述子曲面上的每个所述原始面板确定与所述原始面板的形体误差最小的目标面板;
聚类模块,用于确定每个所述目标面板的形体系数,并基于所述形体系数对相同类型的所述目标面板进行聚类,得到所述目标面板对应的模具。
11.一种电子设备,包括存储器、处理器、通信接口及通信总线,所述存储器中存储有可在所述处理器上运行的计算机程序,所述存储器、所述处理器通过所述通信总线和所述通信接口进行通信,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至9任一项所述的方法的步骤。
12.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1至9任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210358991.5A CN114510771B (zh) | 2022-04-07 | 2022-04-07 | 建筑曲面的模具生成方法、装置、设备及计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210358991.5A CN114510771B (zh) | 2022-04-07 | 2022-04-07 | 建筑曲面的模具生成方法、装置、设备及计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114510771A true CN114510771A (zh) | 2022-05-17 |
CN114510771B CN114510771B (zh) | 2022-07-08 |
Family
ID=81555079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210358991.5A Active CN114510771B (zh) | 2022-04-07 | 2022-04-07 | 建筑曲面的模具生成方法、装置、设备及计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114510771B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309124A (zh) * | 2023-02-15 | 2023-06-23 | 霖鼎光学(江苏)有限公司 | 一种光学曲面模具的修正方法、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110164323A1 (en) * | 2007-08-03 | 2011-07-07 | DXO LABS a corporation | Optical system provided with a device for augmenting its depth of field |
CN102538739A (zh) * | 2010-12-09 | 2012-07-04 | 万科企业股份有限公司 | 建筑表面平整度检测方法 |
US20150051875A1 (en) * | 2012-02-02 | 2015-02-19 | Gehry Technologies, Inc. | Computer process for determining best-fitting materials for constructing architectural surfaces |
CN108614943A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 一种曲面建筑表皮的优化方法 |
CN110826130A (zh) * | 2019-10-31 | 2020-02-21 | 上海宝冶集团有限公司 | Bim建模在异形曲面结构形体设计建造中的使用方法 |
CN111008423A (zh) * | 2019-12-04 | 2020-04-14 | 中南建筑设计院股份有限公司 | 一种双曲面幕墙的优化设计方法 |
WO2021232467A1 (zh) * | 2020-05-19 | 2021-11-25 | 北京数字绿土科技有限公司 | 点云单木分割方法、装置、设备及计算机可读介质 |
-
2022
- 2022-04-07 CN CN202210358991.5A patent/CN114510771B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110164323A1 (en) * | 2007-08-03 | 2011-07-07 | DXO LABS a corporation | Optical system provided with a device for augmenting its depth of field |
CN102538739A (zh) * | 2010-12-09 | 2012-07-04 | 万科企业股份有限公司 | 建筑表面平整度检测方法 |
US20150051875A1 (en) * | 2012-02-02 | 2015-02-19 | Gehry Technologies, Inc. | Computer process for determining best-fitting materials for constructing architectural surfaces |
CN108614943A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 一种曲面建筑表皮的优化方法 |
CN110826130A (zh) * | 2019-10-31 | 2020-02-21 | 上海宝冶集团有限公司 | Bim建模在异形曲面结构形体设计建造中的使用方法 |
CN111008423A (zh) * | 2019-12-04 | 2020-04-14 | 中南建筑设计院股份有限公司 | 一种双曲面幕墙的优化设计方法 |
WO2021232467A1 (zh) * | 2020-05-19 | 2021-11-25 | 北京数字绿土科技有限公司 | 点云单木分割方法、装置、设备及计算机可读介质 |
Non-Patent Citations (3)
Title |
---|
SAI KIT FAN等: "<Draping Curves on Surfaces for Quad-Meshing of Architectural Surfaces>", 《COMPUTER-AIDED DESIGN & APPLICATIONS》 * |
孙澄宇等: "掌控曲面表皮建造中的平面拟合", 《城市建筑》 * |
王兴: "多曲面(复杂)形体建筑施工图设计方法初探――以某酒庄别墅施工图设计项目为例", 《工程建设与设计》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309124A (zh) * | 2023-02-15 | 2023-06-23 | 霖鼎光学(江苏)有限公司 | 一种光学曲面模具的修正方法、电子设备及存储介质 |
CN116309124B (zh) * | 2023-02-15 | 2023-10-20 | 霖鼎光学(江苏)有限公司 | 一种光学曲面模具的修正方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114510771B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shephard et al. | Automatic three‐dimensional mesh generation by the finite octree technique | |
CN114510771B (zh) | 建筑曲面的模具生成方法、装置、设备及计算机可读介质 | |
CN110458187B (zh) | 一种恶意代码家族聚类方法和系统 | |
Dyer et al. | Delaunay mesh construction | |
Oeuvray et al. | BOOSTERS: A derivative-free algorithm based on radial basis functions | |
CN113297650B (zh) | 一种基于bim技术的单元式玻璃幕墙施工方法及系统 | |
CN116051734B (zh) | 基于三维激光扫描及实景三维建模的工程量快速统计方法 | |
CN113240037A (zh) | 目标区域的确定方法、装置、设备及存储介质 | |
CN112380601A (zh) | 一种增材制造建造方向优化方法及系统 | |
CN110598243B (zh) | 一种基于机械产品历史数据的虚拟样本扩容方法 | |
CN109345571B (zh) | 一种基于扩展高斯图像的点云配准方法 | |
CN113537324B (zh) | 基于薄几何平面样条插值的户型空间匹配方法及装置 | |
Ji et al. | Computer 3D vision-aided full-3D optimization of a centrifugal impeller | |
US8022949B2 (en) | System and method for generating curvature adapted isosurface based on delaunay triangulation | |
CN116305420B (zh) | 一种公路养护数字孪生体构建方法、系统、设备及介质 | |
CN110543819B (zh) | 3d打印的三角网格单孔洞分类识别与修复方法及系统 | |
US9152743B2 (en) | Computer process for determining best-fitting materials for constructing architectural surfaces | |
CN114357593B (zh) | 曲面建筑的三角表皮面板模板化方法及装置 | |
Kong et al. | An improved method for nurbs free-form surface based on discrete stationary wavelet transform | |
Hormann | From scattered samples to smooth surfaces | |
Hermann et al. | Application of computational geometry in coordinate measurement | |
CN117011128B (zh) | 一种基于区域分解的三维模型自动配准方法及设备 | |
Song et al. | Automatic detection of tangential discontinuities in point cloud data | |
CN115311335B (zh) | 确定户型图相似性的方法和系统、电子设备和存储介质 | |
Zhao et al. | Geometry-adaptive generation algorithm and boundary match method for initial hexahedral element mesh |
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 |