CN115525946A - 一种基于像素工程图的bim模型自动生成方法及相关装置 - Google Patents

Abstract

本发明涉及一种基于像素工程图的BIM模型自动生成方法及相关装置，所述方法包括：提取每层楼的像素图纸中多个构件的特征信息；根据所述特征信息生成各层楼的BIM模型；将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。本发明提供一种基于像素工程图的BIM模型自动生成方法及相关装置，解决了现有技术无法根据二维工程图自动生成三维建筑模型的技术问题。

Description

一种基于像素工程图的BIM模型自动生成方法及相关装置

技术领域

本方法和装置涉及建筑设计领域，尤其涉及一种基于像素工程图的BIM模型自动生成方法及相关装置。

背景技术

随着建筑智能化的不断发展，计算机技术为传统的建筑工程领域带来了创新，越来越多的科技被应用于工程领域。建筑信息模型(Building Information Modeling，即BIM)就是建筑、土木等工程领域的新技术，其通过将建筑工程的各项信息整合成三维模型信息数据库，在建筑的设计、审核、建造等方方面面为设计师提供依据，有助于各单位协调合作，提高工程效率。传统的建筑工程领域，在涉及、制造和建筑施工时往往都需要依靠工程图纸。图纸虽然可以清晰准确地描述建筑地各项信息，但是囿于平面图的限制，往往不够直观。因此，BIM技术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，建立建筑工程信息库，记录并展示建筑的构建几何信息、专业属性、状态信息等。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。

目前在建立BIM三维模型的阶段，大多都是利用已有的BIM平台进行人工的建模，如何根据建筑信息自动、智能地建立BIM的三维模型，是推进建筑工程设计自动化的重要关键。目前对于BIM三维模型的自动化生成相关研究和技术较少。专利CN112785694A公开了一种基于深度学习的BIM三维重建方法，通过扫描仪采集室内建筑场景的点云数据信息进行重建；专利CN109410327A公开了一种基于BIM和GIS的三位城市建模方法，使用无人机和无人车拍摄获取城市建筑信息并进行重建。

现有技术1，即专利CN112785694A[中文]中，相关的BIM三维重建方法依靠深度学习的方法，需要扫描仪采集建筑室内场景的点云数据信息进行重建。该技术其整体操作复杂度较高，需要现场采集大量数据支持重建，并且数据的精度会影响模型重建的精度。此外，深度学习的方法需要大量数据集支撑作为训练集，且针对的建筑类型较为固定，实际实施操作难度较高。

现有技术2，即专利CN109410327A[中文]中，基于BIM和GIS的三维城市建模方法，依靠无人机等的拍摄数据作为重建依据。这种方法只能获取建筑外部数据信息，无法获取建筑内部的构造细节，因此该技术更多面向城市信息模型。

此外，上述两种技术方案都仅支持已有的建筑，对图纸层面，即处于设计、审核等阶段的建筑无法构造其三维信息模型，对建筑的设计阶段无法产生帮助。

发明内容

针对上述问题，本发明的目的是提供一种基于像素工程图的BIM模型自动生成方法及相关装置，解决了现有技术无法根据二维工程图自动生成三维建筑模型的技术问题。

为实现上述目的，本发明采取以下技术方案：本发明的公开了一种基于像素工程图的BIM模型自动生成方法，所述方法包括：

提取每层楼的像素图纸中多个构件的特征信息；

根据所述特征信息生成各层楼的BIM模型；

将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

优选地，所述根据所述特征信息生成各层楼的BIM模型包括：

将所述特征信息保存为BIM模型可识别的结构化数据；

对每层楼进行全局属性的配置；

使用BIM模型平台Revit进行各楼层的BIM模型生成。

优选地，所述将所述特征信息保存为BIM模型可识别的结构化数据包括：

Elements，用于存储所有构件和空间的属性；Refs，用于存储构件和空间、构件和构件之间的关系属性；GeometryModel，用于存储构件和空间的几何模型；结构化数据以JSON文件的形式存储。

优选地，所述对每层楼进行全局属性的配置包括：

配置每层楼对应的楼层编号、结构化数据文件、不同楼层的BIM模型的对齐方式、所需生成的构件类型、默认墙宽。

优选地，所述使用BIM模型平台Revit进行各楼层的BIM模型生成包括：

初始化Revit各项配置，加载构件所需的族文件；

根据结构化数据中的Elements和Refs数据，按照类别依次生成构件，并对每个构件备注其对应的信息；生成该楼层整体的BIM模型。

优选地，所述将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型，包括：

根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量；

根据所述偏移量调整各构件的位置，并调整所有楼层的BIM模型的相对位置，从而生成多层楼的BIM模型。

优选地，所述根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量，具体包括：

若配置的全局属性为按照参考坐标对齐，则在配置的全局属性时，配置各层楼的BIM模型的基准坐标；计算基准坐标与参考坐标的第一差值，将第一差值作为偏移量；

若配置的全局属性为若按照方向对齐，则在配置的全局属性时，计算该楼层和对齐目标楼层在该方向上坐标的第二差值，将所述第二差值作为偏移量。

本发明的第二个目的可以通过采取如下技术方案达到：基于像素工程图的BIM模型自动生成装置，所述装置包括：所述装置包括：

像素工程图识别模块，用于提取每层楼的像素图纸中多个构件的特征信息；

单层楼BIM模型生成模块，用于根据所述特征信息生成各层楼的BIM模型；

多层楼BIM模型生成模块，用于将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

本发明的第三个目的可以通过采取如下技术方案达到：

一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的基于像素工程图的BIM模型自动生成方法。

本发明的第四个目的可以通过采取如下技术方案达到：

一种存储介质，存储程序，所述程序被处理器执行时，实现上述的基于像素工程图的BIM模型自动生成方法。

本发明由于采取以上技术方案，其具有以下优点：本发明通过提取每层楼的像素图纸中多个构件的特征信息；根据所述特征信息生成各层楼的BIM模型；从而只需要使用建筑的像素图纸，即可精确识别建筑多层楼内部信息，包括各类构件的位置、族类型，以及空间的面积等等，从而在无需大量人工交互和建模的前提下，完成建筑BIM三维信息模型的自动化生成，极大地降低了获取建筑信息模型的成本。本发明支持整栋多层楼模型的生成，针对不同楼层的不同图纸，自动化整合对齐，并补全楼层间的楼板信息，从而达到生成整栋楼模型的目的。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1是本发明某多层工业建筑生成的BIM三维模型示意图；

图2是本发明实施例1的基于像素工程图的BIM模型自动生成方法的流程图；

图3是本发明实施例1的基于像素工程图的BIM模型自动生成方法的另一流程图；

图4是本发明实施例2的基于像素工程图的BIM模型自动生成装置的结构图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施方式。虽然附图中显示了本发明的示例性实施方式，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

现有的技术方案都仅支持对已经建好的建筑进行BIM建模，但是对图纸层面，即处于设计、审核等阶段的建筑无法构造其三维信息模型。本发明通过提取每层楼的像素图纸中多个构件的特征信息；根据所述特征信息生成各层楼的BIM模型；从而只需要使用建筑的像素图纸，即可精确识别建筑多层楼内部信息，包括各类构件的位置、族类型，以及空间的面积等等，从而在无需大量人工交互和建模的前提下，完成建筑BIM三维信息模型的自动化生成，极大地降低了获取建筑信息模型的成本。本发明支持整栋多层楼模型的生成，针对不同楼层的不同图纸，自动化整合对齐，并补全楼层间的楼板信息，从而达到生成整栋楼模型的目的。

实施例1：

本发明的公开了一种基于像素工程图的BIM模型自动生成方法，该方法包括：

步骤S100，提取每层楼的像素图纸中多个构件的特征信息；

具体地，接受建筑的像素平面图作为输入，支持PDF格式文件，平面图支持工业建筑、商业建筑、公共建筑等。该步骤的目的是从平面图中提取出BIM模型生成所需要的数据，包括墙、门、窗、楼梯、电梯各个构件的位置、类别、长宽信息、名称或标记等，空间的位置和名称，以及构件和构件、构件和空间之间的关系。因此对建筑平面图利用深度学习等方法进行识别，得到平面图中包含的上述信息。当然，在本领域中，技术人员还可以根据具体需要选择神经网络或者机器学习的其他方式来获取平面图中包含的上述信息，在此不再赘述。

步骤S200，根据特征信息生成各层楼的BIM模型；

具体地，将识别结果整理成结构化数据存储，以JSON文件形式保存，便于后续BIM模型生成过程的读取。用户进行全局属性的配置，包括楼层标高、结构化数据文件、默认的墙宽、需要重建的构件类型等。全局属性的配置需要用户手动输入。其中楼层标高表示当前生成模型的标高；结构化数据文件表示该标高上需要生成哪个文件对应的BIM模型；墙宽表示该标高下生成模型墙体的宽度，若不设置，则使用识别过程得到的墙宽进行生成；构建类型表示该标高生成的BIM模型需要哪些构件，可从“墙、门、窗、楼梯、电梯、房间、楼板”中多选。之后使用BIM模型平台Revit进行该楼层的BIM模型生成。

步骤S300，将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

本发明通过提取每层楼的像素图纸中多个构件的特征信息；根据特征信息生成各层楼的BIM模型；从而只需要使用建筑的像素图纸，即可精确识别建筑多层楼内部信息，包括各类构件的位置、族类型，以及空间的面积等等，从而在无需大量人工交互和建模的前提下，完成建筑BIM三维信息模型的自动化生成，极大地降低了获取建筑信息模型的成本。本发明支持整栋多层楼模型的生成，针对不同楼层的不同图纸，自动化整合对齐，并补全楼层间的楼板信息，从而达到生成整栋楼模型的目的。

优选地，步骤S200，根据特征信息生成各层楼的BIM模型包括：

步骤S210，将特征信息保存为BIM模型可识别的结构化数据；

具体的，对建筑平面图利用深度学习等方法进行识别，得到平面图中包含的构建的特征信息。之后再将识别结果整理成结构化数据存储，以JSON文件形式保存，便于后续BIM模型生成过程的读取。结构化数据分为三类，包括Elements、Rels、GeometryModel三部分，分别对应识别的所有构件信息、构件之间的关系信息和各个构件的几何模型。

步骤S220，对每层楼进行全局属性的配置；

具体地，包括每层楼对应的楼层编号、结构化数据文件、不同楼层的BIM模型的对齐方式、所需生成的构件类型、默认墙宽等，而具体需要配置和自动生成的参数可以根据实际情况进行选择。

步骤S230，使用BIM模型平台Revit进行各楼层的BIM模型生成。

优选地，步骤S210，将特征信息保存为BIM模型可识别的结构化数据包括：

步骤S211，Elements存储所有构件和空间的属性，Refs存储构件和空间、构件和构件之间的关系属性，GeometryModel存储构件和空间的几何模型；步骤S212，结构化数据以JSON文件的形式存储。

优选地，步骤S220，对每层楼进行全局属性的配置包括：

配置每层楼对应的楼层编号、结构化数据文件、不同楼层的BIM模型的对齐方式、所需生成的构件类型、默认墙宽。

具体地，首先需要用户进行全局属性的配置，包括楼层标高、结构化数据文件、默认的墙宽、需要重建的构件类型等。全局属性的配置需要用户手动输入。其中楼层标高表示当前生成模型的标高；结构化数据文件表示该标高上需要生成哪个文件对应的BIM模型；墙宽表示该标高下生成模型墙体的宽度，若不设置，则使用识别过程得到的墙宽进行生成；构建类型表示该标高生成的BIM模型需要哪些构件，可从“墙、门、窗、楼梯、电梯、房间、楼板”中多选。

优选地，步骤S230，使用BIM模型平台Revit进行各楼层的BIM模型生成包括：

步骤S231，初始化Revit各项配置，加载构件所需的族文件；

具体地，将参数配置传递给BIM模型生成平台Revit，Revit预加载所需的不同族文件，例如单扇门、推拉门等，并对构建的族文件做处理，将模型生成所需的建筑信息和族文件绑定，使每个构件可以备注识别阶段得到的信息。

步骤S232，根据结构化数据中的Elements和Refs数据，按照类别依次生成构件，并对每个构件备注其对应的信息，生成该楼层整体的BIM模型。

优选地，步骤300，将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型包括：

步骤310，根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量；

步骤320，根据所述偏移量调整各构件的位置，并调整所有楼层的BIM模型的相对位置，从而生成多层楼的BIM模型。

在该楼层视图下，根据参数配置阶段输入的生成构件的列表，依次生成构件：

a)墙。从Elements数据中找到所有墙体，获取其位置信息并逐步生成。若参数配置阶段设置了墙体宽度，则将所有墙体修改为目标宽度，否则按照识别阶段识别的墙体宽度生成。

b)门。从Elements数据中找到所有门，获取其位置信息和类别信息。针对不同类型的门(如单扇门、双扇门)，从对应的族文件中复制一个新的实例，并修改其门宽等属性。从Refs数据中找到门和其嵌入的墙的对应关系，找到生成的门对应的墙，将门创建在该墙上。之后根据识别结果，判定门的朝向是否和平面图一致，若不一致则进行翻转。

c)窗。与门的生成方法相同，没有朝向反转步骤。

d)楼梯。从Elements数据中找到所有楼梯，获取其位置信息。在对应位置生成默认的楼梯样式，根据楼梯的长度、楼层高度等计算单个台阶的跨度，并依次生成所有台阶。最后生成楼梯的栏杆扶手。

e)电梯。从Elements数据中找到所有电梯，获取其位置信息。在对应位置生成默认的电梯样式，并在对应位置生成电梯门。

f)房间。从Elements数据中找到所有房间，获取其位置信息。根据已生成的墙体，找到所有已经围合起来的空间，对这些空间和结构化数据中的空间一一匹配，确定该空间的名称。匹配方法是看结构化数据中空间的几何中心是否落在对应的空间内。

g)楼板。找到所有已经围合起来的空间，获取其周围墙体的中线作为楼板的边界线，并据此创建楼板。

每个构件的位置，在生成时需要考虑步骤310中计算的坐标偏移量。对每一个生成的构件，添加对应的标签，标签内容是该构件的名称。此外，在每个构件上备注所有识别得到的该构件的信息，例如构件的编号、位置、大小、面积等。

优选地，步骤310，根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量，具体包括：

若配置的全局属性为按照参考坐标对齐，则在配置的全局属性时，配置各层楼的BIM模型的基准坐标；计算基准坐标与参考坐标的第一差值，将第一差值作为偏移量；

若配置的全局属性为若按照方向对齐，则在配置的全局属性时，计算该楼层和对齐目标楼层在该方向上坐标的第二差值，将所述第二差值作为偏移量。

具体地，在全局属性配置阶段，标记各个楼层对应的图纸文件，之后或手动添加或自动计算各楼层之间的对应关系，支持按手动输入坐标对齐和按方向自动对齐两种方式。按手动输入坐标对齐是指用户在不同的单层楼BIM模型生成时分别选择其中的某个坐标作为基准，之后在多层楼对齐时会将这些基准坐标对齐，依次作为参照对齐整栋多层建筑；按照方向自动对齐是指，在两层BIM模型之间，按照某一特定的方向，例如左上，计算两层楼在这个方向上外墙包围盒的坐标差值，之后根据计算结果，将其中一层楼平移使得该层楼在该方向可以和另一层楼的外墙对齐，以此对齐整栋楼。在构件生成阶段，针对不同的房间生成对应的楼板，隔离上下层。最终生成整栋楼多层BIM模型。

实施例2：

本实施例提供了一种基于像素工程图的BIM模型自动生成装置，所述装置包括：像素工程图识别模块401，用于提取每层楼的像素图纸中多个构件的特征信息；

单层楼BIM模型生成模块402，用于根据所述特征信息生成各层楼的BIM模型；

多层楼BIM模型生成模块403，用于将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述。需要说明的是，上述实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，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。

可以理解，上述实施例的装置中所使用的术语“第一”、“第二”等可用于描述各种单元，但这些单元不受这些术语限制。这些术语仅用于将第一个模块与另一个模块区分。举例来说，在不脱离本发明的范围的情况下，可以将第一发送模块称为第二发送模块，且类似地，可将第二发送模块称为第一发送模块，第一发送模块和第二发送模块两者都是发送模块，但其不是同一发送模块。

实施例3：

本实施例提供了一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的基于像素工程图的BIM模型自动生成方法；所述方法包括：提取每层楼的像素图纸中多个构件的特征信息；根据所述特征信息生成各层楼的BIM模型；将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

实施例4：

本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述程序被处理器执行时，处理器执行存储器存储的计算机程序时，实现上述实施例1的基于像素工程图的BIM模型自动生成方法，所述方法包括：提取每层楼的像素图纸中多个构件的特征信息；根据所述特征信息生成各层楼的BIM模型；将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于像素工程图的BIM模型自动生成方法，其特征在于，所述方法包括：

提取每层楼的像素图纸中多个构件的特征信息；

根据所述特征信息生成各层楼的BIM模型；

将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

2.根据权利要求1所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述根据所述特征信息生成各层楼的BIM模型包括：

将所述特征信息保存为BIM模型可识别的结构化数据；

对每层楼进行全局属性的配置；

使用BIM模型平台Revit进行各楼层的BIM模型生成。

3.根据权利要求2所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述将所述特征信息保存为BIM模型可识别的结构化数据包括：

Elements，用于存储所有构件和空间的属性；Refs，用于存储构件和空间、构件和构件之间的关系属性；GeometryModel，用于存储构件和空间的几何模型；结构化数据以JSON文件的形式存储。

4.根据权利要求2所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述对每层楼进行全局属性的配置包括：

配置每层楼对应的楼层编号、结构化数据文件、不同楼层的BIM模型的对齐方式、所需生成的构件类型、默认墙宽。

5.根据权利要求4所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述使用BIM模型平台Revit进行各楼层的BIM模型生成包括：

初始化Revit各项配置，加载构件所需的族文件；

根据结构化数据中的Elements和Refs数据，按照类别依次生成构件，并对每个构件备注其对应的信息；生成该楼层整体的BIM模型。

6.根据权利要求5所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型包括：

根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量；

根据所述偏移量调整各构件的位置，并调整所有楼层的BIM模型的相对位置，从而生成多层楼的BIM模型。

7.根据权利要求6所述基于像素工程图的BIM模型自动生成方法，其特征在于，所述根据配置的全局属性获取各层楼的BIM模型的对齐方式，计算BIM模型生成阶段各构件的位置的偏移量，具体包括：

若配置的全局属性为按照参考坐标对齐，则在配置的全局属性时，配置各层楼的BIM模型的基准坐标；计算基准坐标与参考坐标的第一差值，将第一差值作为偏移量；

若配置的全局属性为若按照方向对齐，则在配置的全局属性时，计算该楼层和对齐目标楼层在该方向上坐标的第二差值，将所述第二差值作为偏移量。

8.一种基于像素工程图的BIM模型自动生成装置，其特征在于，所述装置包括：

像素工程图识别模块，用于提取每层楼的像素图纸中多个构件的特征信息；

单层楼BIM模型生成模块，用于根据所述特征信息生成各层楼的BIM模型；

多层楼BIM模型生成模块，用于将各层楼的BIM模型进行自动对齐并生成楼层间的楼板，从而生成多层楼的BIM模型。

9.一种计算机设备，其特征在于，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，所述计算机设备执行如权利要求1至7中任一项所述的方法。

10.一种存储介质，其特征在于，存储程序，所述程序被处理器执行时，所述处理器执行权利要求1至7中任意一项所述的方法。

Images