CN115097974B - 一种bim模型智能辅助会审系统及方法 - Google Patents
一种bim模型智能辅助会审系统及方法 Download PDFInfo
- Publication number
- CN115097974B CN115097974B CN202210799552.8A CN202210799552A CN115097974B CN 115097974 B CN115097974 B CN 115097974B CN 202210799552 A CN202210799552 A CN 202210799552A CN 115097974 B CN115097974 B CN 115097974B
- Authority
- CN
- China
- Prior art keywords
- model
- screenshot
- professional
- neural network
- bim
- 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 21
- 238000012552 review Methods 0.000 claims abstract description 25
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 15
- 238000002372 labelling Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect 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
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional, e.g. changing the user viewpoint with respect to the environment or object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种BIM模型智能辅助会审系统及方法,系统包括:提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图,并将模型截图及对应的数字矩阵信息传递给预处理模块;预处理模块设置为从数字矩阵信息中提取空间位置坐标,并根据空间位置坐标为模型截图添加场景定位标签;神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络,根据场景定位标签对模型截图中可能存在的专业问题进行识别和分类,输出并存储识别和分类结果。本发明利用掩码式卷积神经网络对模型截图进行专业问题识别与分类,并输出匹配度最高的识别结果,辅助会审人员对模型进行会审,避免纯人工会审可能存在的遗漏问题,节约人工成本,提高会审效率。
Description
技术领域
本发明涉及建筑信息化应用技术领域,尤其涉及一种BIM模型智能辅助会审系统及方法。
背景技术
施工图会审是施工准备阶段技术管理主要内容之一,认真做好施工图会审,检查图纸是否符合相关条文规定,是否满足施工要求,施工工艺与设计要求是否矛盾,以及各专业之间是否冲突,对于减少施工图中的差错,完善设计,提高工程质量和保证施工顺利进行都有重要意义。因此,施工图会审的深度和全面性将在一定程度上影响工程施工的质量、进度、成本、安全和工程施工的难易程度。只要认真做好了此项工作,图纸中存在的问题一般都可以在图纸会审时被发现并尽早得到处理,从而可以提高施工质量、节约施工成本、缩短施工工期,提高效益。因此,图纸会审是工程施工前的一项必不可少的重要工作。应用BIM技术的三维可视化辅助图纸会审,形象直观。
随着BIM技术软件在建筑工程中的逐步推广,越来越多的施工单位已经开始运用此项技术,它已经成为建筑业信息化的发展趋势。基于BIM的施工图会审可以发现传统二维图纸会审所难以发现的许多问题,传统的施工图会审都是在二维图纸中进行图纸审查,难以发现空间上的问题。但现有BIM模型会审过程中要求审核人员参照CAD图纸、BIM模型,按照固定的顺序对BIM模型进行问题识别、统计、记录、存档。此过程完全依赖BIM技术人员的技术储备以及对图纸和模型的熟悉程度,稍不仔细容易遗漏相关专业问题,并且对于大型建筑来说,不同建筑楼层中同一类型问题较多,导致人工重复工作量大,效率低。另一方面,虽然BIM模型软件提供了碰撞检查等功能,但对于其他会审中关心的专业问题则无能为力。
公开号为CN104217065B的中国专利公开了一种基于BIM技术的图纸会审系统及方法,其缺点在于:只能针对模型中的墙和梁,识别墙梁结构是否存在错位。但BIM模型中实际存在的专业问题并非只有墙梁错位这一种情况,对于其他专业问题,该专利就显得无能为力了。
发明内容
为了解决以上技术问题,本发明提供了一种基于掩码式卷积神经网络的会审问题辅助识别系统及方法,利用神经网络对BIM模型中存在的专业问题进行识别和分类,避免人工会审可能存在的遗漏和效率低下问题。
为了实现上述发明目的,本发明所提供的技术方案包括:
一种BIM模型智能辅助会审系统,包括:提取模块、预处理模块和神经网络模块;
所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图,并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块;
所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标,并根据所述空间位置坐标为所述模型截图添加场景定位标签;
所述神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果。
在一些较优的实施例中,还包括匹配模块;所述匹配模块设置为读取所述识别和分类结果,与会审问题进行匹配并输出匹配结果;所述会审问题为专业问题子集。
在一些较优的实施例中,所述场景定位标签包括空间位置坐标及模型截图在BIM模型中的场景信息。
在一些较优的实施例中,所述MaskRcnn掩码式卷积神经网络的训练方法包括:
采集所述模型截图,对所述模型截图中存在的专业问题进行分类和标注,作为专业问题样本库;
利用所述专业问题样本库对所述MaskRcnn掩码式卷积神经网络进行分类训练。
在一些较优的实施例中,所述空间位置坐标包括所述模型截图以显示屏长宽像素坐标为平面二维坐标系的坐标值。
一种BIM模型智能辅助会审方法,包括:
步骤S1.通过Revit软件提供的SDK和API接口采集模型截图及对应的数字矩阵信息,从所述数字矩阵信息中提取空间位置坐标并为所述模型截图添加场景定位标签;
步骤S2.利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果;
步骤S3.读取所述识别和分类结果,与会审问题进行匹配,输出匹配度高的模型截图和分类信息。
在一些较优的实施例中,步骤S2中MaskRcnn掩码式卷积神经网络的训练方法包括:采集所述模型截图,根据会审问题对所述模型截图中存在的专业问题进行分类标注;
利用标注好的若干模型截图作为训练集对所述MaskRcnn掩码式卷积神经网络进行分类训练。
有益效果
1、根据模型截图的数字矩阵信息建立与空间位置坐标的映射关系,使模型截图也能反映截图所包含的构件在BIM模型中的具体位置,从而能快速的获取截图进行专业问题的识别与分类,避免人工获取和标注截图信息;2、利用掩码式卷积神经网络对模型截图进行专业问题识别与分类,并输出匹配度最高的识别结果,辅助会审人员对模型进行会审,避免纯人工会审可能存在的遗漏问题,节约人工成本,提高会审效率。
附图说明
图1为本发明一种较优实施例中的系统结构示意图;
图2为本发明另一种较优实施例中的系统结构示意图;
图3为本发明一种较优实施例中的方法流程示意图;
图4为本发明一种较优实施例中的匹配结果示意图;
图5为本发明另一种较优实施例中的匹配结果示意图;
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本实施例提供了一种BIM模型智能辅助会审系统,其特征在于,包括:提取模块、预处理模块和神经网络模块;
所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图,并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块;其中,所述SDK和API接口包括iapplication和i command所提供的接口。所述模型截图的采集频率和方式可以由本领域技术人员根据BIM模型的大小、复杂程度和建模质量具体确定。
所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标,并根据所述空间位置坐标为所述模型截图添加场景定位标签;应当理解的是,Revit接口所提供的数字矩阵信息包括模型截图所包含的所有构件的三维坐标信息,而截图本身只能反应二维平面上的坐标信息,因此需要一种方式来完成三维坐标与二维坐标的映射关系建立。在一些较优的实施例中,可以采用直接线性变换算法来建立两者之间的映射关系,此时,所述空间位置坐标包括所述模型截图以显示屏长宽像素坐标为平面二维坐标系的坐标值。通过空间位置坐标的提取,可以减少数字矩阵信息的维度,将其聚焦到截图本身和截图所包含的构件在BIM模型中的具体位置中来,以使神经网络模块能够根据截图进行图像识别,以识别和分类专业问题,并根据截图所在BIM模型中的具体位置来输出截图场景定位信息(如截图是建筑的地下室场景或建筑第二层架空层场景等),方便会审人员准确定位问题所在之处。
所述神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果。
应当理解的是,所述MaskRcnn掩码式卷积神经网络是一种成熟的图像识别分割模型,本发明利用该模型来完成对截图中可能存在的专业问题的识别和分类,在使用前需要对该模型进行适应性的训练,具体包括如下步骤:
采集所述模型截图,对所述模型截图中存在的专业问题进行分类和标注,作为专业问题样本库;其中,所述专业问题是指BIM在建模过程中可能存在的问题,其诱因可能是建模质量,也可能是原始图纸的错误,这样的问题虽然不影响BIM模型的建立,但在实际建筑中可能会引起非常大的问题,例如梁柱存在碰撞、错位现象,后浇带有缝隙,构件尺寸明显不符合常理,等问题。这些问题是BIM模型会审中关注的重点问题,但应当理解的是,所述专业问题是模型中可能存在的问题的总和,而会审问题是会审人员所关注的问题,由于会审重点的不同,因此,会审问题必然不可能包含所有的专业问题,而是专业问题的一个子集。
利用所述专业问题样本库对所述MaskRcnn掩码式卷积神经网络进行分类训练。本发明中卷积神经网络的训练和精度评判均参考本领域的常规技术,在此不作过多描述。
应当理解的是,所述模型截图中存在的专业问题进行分类和标注可以是人工通过标注工具完成。
如图2所示,还包括匹配模块;所述匹配模块设置为读取所述识别和分类结果,与会审问题进行匹配并输出匹配结果。如图4-图5所示,匹配结果包括:专业问题类别、包含专业问题的截图信息和截图反映的构件在BIM模型中的具体位置。在一些较优的实施例中,本领域技术人员可以在匹配前根据会审问题的重点关注区域,在所述识别和分类结果中指定截图所处的区域,例如只匹配地下室部分的截图,来进一步缩小匹配范围,加快匹配速度。
如图3所示,本发明还提供了一种BIM模型智能辅助会审方法,包括步骤:
步骤S1.通过Revit软件提供的SDK和API接口采集模型截图及对应的数字矩阵信息,从所述数字矩阵信息中提取空间位置坐标并为所述模型截图添加场景定位标签;
步骤S2.利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果;
步骤S3.读取所述识别和分类结果,与会审问题进行匹配,输出匹配度高的模型截图和分类信息。
在另一些较优的实施例中,给出了一种MaskRcnn掩码式卷积神经网络的训练方法,包括:采集所述模型截图,根据会审问题对所述模型截图中存在的专业问题进行分类标注;
利用标注好的若干模型截图作为训练集对所述MaskRcnn掩码式卷积神经网络进行分类训练。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种BIM模型智能辅助会审系统,其特征在于,包括:提取模块、预处理模块和神经网络模块;
所述提取模块设置为通过Revit软件提供的SDK和API接口采集模型截图,并将所述模型截图及对应的数字矩阵信息传递给所述预处理模块;
所述预处理模块设置为从所述数字矩阵信息中提取空间位置坐标,并根据所述空间位置坐标为所述模型截图添加场景定位标签;
所述神经网络模块设置为利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果;
所述空间位置坐标包括所述模型截图以显示屏长宽像素坐标为平面二维坐标系的坐标值;
所述专业问题为BIM模型中可能存在的问题的总和;
匹配结果包括:专业问题类别、包含专业问题的截图信息和截图反映的构件在BIM模型中的具体位置。
2.如权利要求1所述的BIM模型智能辅助会审系统,其特征在于:还包括匹配模块;所述匹配模块设置为读取所述识别和分类结果,与会审问题进行匹配并输出匹配结果;所述会审问题为专业问题子集。
3.如权利要求1所述的BIM模型智能辅助会审系统,其特征在于:所述场景定位标签包括空间位置坐标及模型截图在BIM模型中的场景信息。
4.如权利要求1所述的BIM模型智能辅助会审系统,其特征在于,所述MaskRcnn掩码式卷积神经网络的训练方法包括:
采集所述模型截图,对所述模型截图中存在的专业问题进行分类和标注,作为专业问题样本库;
利用所述专业问题样本库对所述MaskRcnn掩码式卷积神经网络进行分类训练。
5.一种BIM模型智能辅助会审方法,其特征在于,包括:
步骤S1.通过Revit软件提供的SDK和API接口采集模型截图及对应的数字矩阵信息,从所述数字矩阵信息中提取空间位置坐标并为所述模型截图添加场景定位标签;
步骤S2.利用训练好的MaskRcnn掩码式卷积神经网络,根据所述场景定位标签对所述模型截图中可能存在的专业问题进行识别和分类,输出并存储所述识别和分类结果;
步骤S3.读取所述识别和分类结果,与会审问题进行匹配,输出匹配度高的模型截图和分类信息;
所述空间位置坐标包括所述模型截图以显示屏长宽像素坐标为平面二维坐标系的坐标值;
所述专业问题为BIM模型中可能存在的问题的总和;
匹配结果包括:专业问题类别、包含专业问题的截图信息和截图反映的构件在BIM模型中的具体位置。
6.如权利要求5所述的BIM模型智能辅助会审方法,其特征在于,步骤S2中MaskRcnn掩码式卷积神经网络的训练方法包括:
采集所述模型截图,根据会审问题对所述模型截图中存在的专业问题进行分类标注;
利用标注好的若干模型截图作为训练集对所述MaskRcnn掩码式卷积神经网络进行分类训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799552.8A CN115097974B (zh) | 2022-07-06 | 2022-07-06 | 一种bim模型智能辅助会审系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799552.8A CN115097974B (zh) | 2022-07-06 | 2022-07-06 | 一种bim模型智能辅助会审系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115097974A CN115097974A (zh) | 2022-09-23 |
CN115097974B true CN115097974B (zh) | 2024-05-31 |
Family
ID=83297776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210799552.8A Active CN115097974B (zh) | 2022-07-06 | 2022-07-06 | 一种bim模型智能辅助会审系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097974B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117494356B (zh) * | 2023-10-31 | 2024-06-18 | 成都建工第九建筑工程有限公司 | 一种基于bim技术的装配式施工方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217065A (zh) * | 2014-07-28 | 2014-12-17 | 成都市第四建筑工程公司 | 一种基于bim技术的图纸会审系统及方法 |
CN108376184A (zh) * | 2018-01-05 | 2018-08-07 | 深圳市市政设计研究院有限公司 | 一种桥梁健康监控的方法及系统 |
CN109376941A (zh) * | 2018-11-03 | 2019-02-22 | 中国建筑上海设计研究院有限公司 | 基于人工神经网络和bim的建筑能耗模拟和优化方法 |
CN111949722A (zh) * | 2020-07-06 | 2020-11-17 | 中煤科工重庆设计研究院(集团)有限公司 | 一种基于Revit的BIM模型轻量化方法及系统 |
CN112182699A (zh) * | 2020-09-17 | 2021-01-05 | 中北大学 | 一种基于revit图元模型的信息提取方法 |
CN112507431A (zh) * | 2020-12-04 | 2021-03-16 | 国泰新点软件股份有限公司 | 基于bim模型的智能审图方法、装置及存储介质 |
CN112613097A (zh) * | 2020-12-15 | 2021-04-06 | 中铁二十四局集团江苏工程有限公司 | 一种基于计算机视觉的bim快速化建模方法 |
CN112749434A (zh) * | 2021-01-12 | 2021-05-04 | 苍穹数码技术股份有限公司 | 施工审查模型处理方法、装置、设备及存储介质 |
-
2022
- 2022-07-06 CN CN202210799552.8A patent/CN115097974B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217065A (zh) * | 2014-07-28 | 2014-12-17 | 成都市第四建筑工程公司 | 一种基于bim技术的图纸会审系统及方法 |
CN108376184A (zh) * | 2018-01-05 | 2018-08-07 | 深圳市市政设计研究院有限公司 | 一种桥梁健康监控的方法及系统 |
CN109376941A (zh) * | 2018-11-03 | 2019-02-22 | 中国建筑上海设计研究院有限公司 | 基于人工神经网络和bim的建筑能耗模拟和优化方法 |
CN111949722A (zh) * | 2020-07-06 | 2020-11-17 | 中煤科工重庆设计研究院(集团)有限公司 | 一种基于Revit的BIM模型轻量化方法及系统 |
CN112182699A (zh) * | 2020-09-17 | 2021-01-05 | 中北大学 | 一种基于revit图元模型的信息提取方法 |
CN112507431A (zh) * | 2020-12-04 | 2021-03-16 | 国泰新点软件股份有限公司 | 基于bim模型的智能审图方法、装置及存储介质 |
CN112613097A (zh) * | 2020-12-15 | 2021-04-06 | 中铁二十四局集团江苏工程有限公司 | 一种基于计算机视觉的bim快速化建模方法 |
CN112749434A (zh) * | 2021-01-12 | 2021-05-04 | 苍穹数码技术股份有限公司 | 施工审查模型处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115097974A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101357B (zh) | 一种rpa机器人智能元素定位拾取方法及系统 | |
CN110176078B (zh) | 一种训练集数据的标注方法及装置 | |
US7146030B2 (en) | System and methods for extracting semantics from images | |
CN112016638B (zh) | 一种钢筋簇的识别方法、装置、设备及存储介质 | |
CN110378206B (zh) | 一种智能审图系统及方法 | |
CN110838105A (zh) | 一种业务流程模型图像识别与再构方法 | |
CN112989452B (zh) | 一种cad给排水专业图中对构件引线标注文本的识别方法 | |
CN112883799A (zh) | 一种cad坡道大样图中坡道精准识别的方法 | |
CN109829458B (zh) | 实时自动生成记录系统操作行为的日志文件的方法 | |
CN115097974B (zh) | 一种bim模型智能辅助会审系统及方法 | |
CN114972659B (zh) | 一种二维图纸转换三维模型用于图纸审查的方法及系统 | |
CN115311130A (zh) | 一种多风格中国书法文字图像风格迁移方法、系统及终端 | |
CN114022894B (zh) | 一种cad图纸中楼梯前室精准识别的方法 | |
CN117275025A (zh) | 一种用于批量图像标注的处理系统 | |
CN115713775B (zh) | 一种从文档中提取表格的方法、系统和计算机设备 | |
CN115546824B (zh) | 禁忌图片识别方法、设备及存储介质 | |
CN116311299A (zh) | 表格的结构化数据识别方法、装置及系统 | |
CN114239124A (zh) | 一种建筑图纸构件识别方法、系统、存储介质及设备 | |
CN114139701A (zh) | 一种用于边界线提取的神经网络模型训练方法及相关设备 | |
CN117608545B (zh) | 一种基于知识图谱的标准作业程序生成方法 | |
CN114419451B (zh) | 电梯内外识别方法、装置、电子设备及存储介质 | |
CN117372510B (zh) | 基于计算机视觉模型的地图注记识别方法、终端及介质 | |
CN114035726B (zh) | 一种机器人流程自动化页面要素识别过程的方法及系统 | |
CN115565201B (zh) | 禁忌图片识别方法、设备及存储介质 | |
Kang et al. | Automatic Recognition of Business Process Images |
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 |