CN115544887A - 一种基于cad的室内空间数据提取与网格模型构建方法 - Google Patents
一种基于cad的室内空间数据提取与网格模型构建方法 Download PDFInfo
- Publication number
- CN115544887A CN115544887A CN202211256518.2A CN202211256518A CN115544887A CN 115544887 A CN115544887 A CN 115544887A CN 202211256518 A CN202211256518 A CN 202211256518A CN 115544887 A CN115544887 A CN 115544887A
- Authority
- CN
- China
- Prior art keywords
- elements
- cad
- line
- arc
- center
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于CAD的室内空间数据提取与网格模型构建方法,属于模型构建技术领域,包括以下步骤:步骤S1:采用先验规则的方法提取CAD DXF图纸中的块元素代表的部分空间元素,步骤S2:对于建筑构建中的直线与弧线墙元素,步骤S3:根据直线与弧线数据特点,对类簇进行中线提取,并进行连通性的恢复,得到初步简化的室内平面结构;步骤S4:采用拓扑构面算法由简化后的室内平面数据中提取房间元素,步骤S5:利用全球离散格网框架H3将步骤1和步骤4中产生空间元素转换为格网模型对应的网格数据。本发明可实现基于DXF格式的建筑图纸空间数据自动提取和网格模型的自动构建,能够有效地解决图纸中空间元素的提取问题,减少了室内网格模型的人工构建成本。
Description
技术领域
本发明涉及模型构建方法技术领域,尤其涉及一种基于CAD的室内空间数据提取与网格模型构建方法。
背景技术
近年来,地理信息科学的研究与应用范围逐渐由宏观的室外环境向复杂多样化的室内空间拓展。在智慧城市、楼宇建设、建筑物数字化管理、室内空间分析等技术领域的应用中,室内空间数据的获取是根本和基础。目前室内空间数据的获取通常都由建筑物施工设计方的设计文档与数据,或者技术应用方的人工采集。
基于CAD图纸的建筑物数据是最为常见的,但是图纸数据本身具有较低的交互性,无法提供更多维的数据管理与应用能力。所以自动化、半自动化的CAD数据提取方案将会是数字化建设中重要的数据获取方法。
目前基于CAD图纸的空间数据自动化提取的主要方法为通过严格的符号规则和几何拓扑规则进行空间结构的识别和元素的提取。基于规则的数据提取方法依赖于大量规则的重建,工作量大、适应性较差。难以在复杂应用场景下进行推广。
发明内容
针对上述问题,本发明旨在解决上面描述的问题。本发明的一个目的是提供解决以上问题中的一种基于CAD的室内空间数据提取与网格模型构建方法。
本实施例采取的方案是一种基于CAD的室内空间数据提取与网格模型构建方法,包括以下步骤:
步骤S10:根据建筑平面图标准规范,采用基于先验规则的方法提取CAD DXF图纸中的块元素代表的部分空间元素,将提取的空间元素以简化的几何元素保存在内存中;本发明优选地技术方案在于,步骤S11:判断建筑平面图中设计规范固定的门元素、楼梯元素、电梯元素的几何体征;所述门元素中,弧线用于构成门的开合路径而连接弧线端点和圆弧心的直线段则用来表示门的闭合状态;以这两个特征即可判断该块元素为门元素。
步骤S20:对于建筑构建中的直线与弧线墙元素,采用层次聚类的方法根据两种类型元素特点设计对应的聚类距离测度,获取测度阈值下的墙体类簇;
步骤S21,对直线墙元素和弧线墙元素进行自底向上的单链接层次聚类,通过遍历所有墙元素,计算两两之间的距离测度是否满阈值要求,形成链式的类簇。进一步地,在步骤S21中,直线墙元素的距离测度为两条直线相互之间投影距离的均值,若是相互之间无投影,或斜率相差较大则代表距离无限大;弧线墙元素的距离测度有两个,分别是圆弧的半径和圆心的欧式距离,若是参与距离的两圆弧角度不重叠,代表距离无限大。
步骤S30:根据直线与弧线数据特点,对类簇进行中线提取,并进行连通性的恢复,得到初步简化的室内平面结构;
步骤S31:直线与圆弧墙元素聚类得到类簇后,每一个类簇代表一段墙元素;
针对两种类型类簇计算直线与弧线的中线,弧线的中线计算方式为采用类簇圆心重心作为中线圆心,采用类簇平均半径作为中线半径得到新的弧线中线;
直线中线计算方式为计算类簇平均斜率作为直线斜率,计算类簇投影距离均值最远的一组直线,取长边作为被投影边,短边作为投影边,得到短边在长边上的投影。
步骤S32:计算投影的端点和短边参与投影部分的端点均值;改均值为直线中线经过的点;同时根据门的宽度作为阈值,对于端点阈值范围内存在其他墙元素的中线标记为需要参与连通性恢复的中线,使用逐步延长的线生长算法恢复墙体的连通性。
步骤S40:采用拓扑构面算法由简化后的室内平面数据中提取房间元素,并利用原始的CAD中的标签数据进行房间元素的标定;
步骤S41:使用包含桥、悬浮边、孔洞等情况的左转算法作为拓扑构面算法,得到房间元素之后;通过CAD中的标签插入点位置判断是否在房间元素内部,将对应的标签赋值给房间元素。
步骤S50:利用全球离散格网框架H3将步骤10和步骤40中产生的空间元素转换为格网模型对应的网格数据。
步骤S51:获取所有空间元素,并计算得到空间元素的角点;由元素角点形成的地理围栏中包含了整个空间元素在地球中的具体位置,采用层次为15层的室内数据级别全球离散格网剖分所有空间元素;每个空间元素都可以根据其自身的几何类型得到对应的全球离散格网集;由对应全球离散格网集及其属性数据等组成室内离散格网模型。
发明基于CAD的室内空间数据提取与网格模型构建方法具有以下技术效果:
1、本发明采用混合方法进行室内空间数据的提取,使用先验规则能够快速准确获取通用的空间元素,并使用基于空间关系的方法获取墙元素,并以其构建室内房间元素。即保证了室内空间元素提取的速度,同时增加了空间提取方法的实用性。
2、本发明通过将提取的数据转换为室内空间网格数据。以全球离散格网框架作为室内空间数据的存储平台一定程度上整合了室内应用多种场景下的数据管理需求。为不同场景下的应用分析提供了高校一体化的方案。
参照附图来阅读对于示例性实施例的以下描述,本发明的其他特性特征和优点将变得清晰。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例,并且与描述一起用于解释本发明的原理。在这些附图中,类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例,而不是全部实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。
图1是本发明实施例的方法流程示意图;
图2是本发明实施例的研究区域平面图;
图3是本发明实施例的数据提取及网格模型构建图;
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。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。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
下面结合附图及实施例,详细说明该基于CAD的室内空间数据提取与网格模型构建方法。
如图1所示,本发明提供的一种基于CAD的室内空间数据提取与网格模型构建方法,实例利用某建筑一层平面图作为建模场景中进行建模方法的实施,建模场景平面图如图2。在对图纸进行初步检查(图层命名是否规范、是否为单一建筑平面等)和预处理后。具体实施方式如下:
包括以下步骤:步骤S10:根据建筑平面图标准规范,采用基于先验规则的方法提取CAD DXF图纸中的块元素代表的部分空间元素,将提取的空间元素以简化的几何元素保存在内存中;本发明优选地技术方案在于,步骤S11:判断建筑平面图中设计规范固定的门元素、楼梯元素、电梯元素的几何体征;所述门元素中,弧线用于构成门的开合路径而连接弧线端点和圆弧心的直线段则用来表示门的闭合状态;以这两个特征即可判断该块元素为门元素。
基于先验规则的空间元素提取方法;以简单的单开门元素为例。单开门由60°圆弧(起点角度为0°,终点角度为60°)和连接弧线终点与圆心的线段两部分组成。线段同时也是该圆弧的半径。基于这一组规则即可从符合CAAD(Computer Aided Architecture Design)数据规范的DXF图纸数据中得到单开门要素。同样基于已知的双开门几何规则可以提取出双开门元素,这样就得到了所有图纸中的门元素。并依据DXF中的图块结构,将提取出的元素保存起来。
步骤S20:对于建筑构建中的直线与弧线墙元素,采用层次聚类的方法根据两种类型元素特点设计对应的聚类距离测度,获取测度阈值下的墙体类簇;
步骤S21,对直线墙元素和弧线墙元素进行自底向上的单链接层次聚类,通过遍历所有墙元素,计算两两之间的距离测度是否满阈值要求,形成链式的类簇。进一步地,在步骤S21中,直线墙元素的距离测度为两条直线相互之间投影距离的均值,若是相互之间无投影,或斜率相差较大则代表距离无限大;弧线墙元素的距离测度有两个,分别是圆弧的半径和圆心的欧式距离,若是参与距离的两圆弧角度不重叠,代表距离无限大。
直线和弧线墙元素的聚类方法;从DXF格式的平面图纸中选择对应的图层:WALL和HALLWALL提取直线与弧线要素。先遍历所有直线元素,判断与自身直线元素具有投影重叠部分且斜率接近的直线元素纳入聚类判断中,对于存在重合部分的元素,计算两两元素之间的正对投影距离,若距离小于250图纸单位(门的宽度500的一半),则将其纳入该直线所属的类簇,并标记。对于弧线元素,遍历图纸弧线元素,若圆心与半径距离是否小于250图纸单位,则将其纳入该弧线所属的类簇,并标记。
步骤S30:根据直线与弧线数据特点,对类簇进行中线提取,并进行连通性的恢复,得到初步简化的室内平面结构;
步骤S31:直线与圆弧墙元素聚类得到类簇后,每一个类簇代表一段墙元素;
针对两种类型类簇计算直线与弧线的中线,弧线的中线计算方式为采用类簇圆心重心作为中线圆心,采用类簇平均半径作为中线半径得到新的弧线中线;
直线中线计算方式为计算类簇平均斜率作为直线斜率,计算类簇投影距离均值最远的一组直线,取长边作为被投影边,短边作为投影边,得到短边在长边上的投影。
步骤S32:计算投影的端点和短边参与投影部分的端点均值;改均值为直线中线经过的点;同时根据门的宽度作为阈值,对于端点阈值范围内存在其他墙元素的中线标记为需要参与连通性恢复的中线,使用逐步延长的线生长算法恢复墙体的连通性。
墙元素中线提取与连通性恢复;圆弧的中线提取采用类簇圆心的中心作为中线的圆心;起始点角度分别为类簇中最大最小角度;中线半径选取类簇半径的平均值。直线的中线计算方式采用类簇直线平均斜率作为中线的斜率;此时仅需要通过确定一个直线经过的点就可以确定一条直线。该点确定方式为选择类簇相对投影距离最远的一组直线,取长边作为被投影边,短边作为投影边,得到短边在长边上的投影。计算投影的端点和短边参与投影部分的端点均值。通过中线计算,算法能得到一套简化后的平面图。同时,在实例方案中,根据门的宽度作为线生长的阈值,此时阈值为500图纸单位。判断所有墙元素的起终两个端点500单位范围内是否存在其他墙元素,如果存在则将其列入线生长元素中。对于范围内所有标记为需要进行线生长的中线,使用逐步延长的线生长算法恢复墙体的连通性。
步骤S40:采用拓扑构面算法由简化后的室内平面数据中提取房间元素,并利用原始的CAD中的标签数据进行房间元素的标定;
步骤S41:使用包含桥、悬浮边、孔洞等情况的左转算法作为拓扑构面算法,得到房间元素之后;通过CAD中的标签插入点位置判断是否在房间元素内部,将对应的标签赋值给房间元素。
房间元素提取;用包含桥、悬浮边、孔洞等情况的左转算法作为拓扑构面算法,得到房间元素。实现算法需要首先获得所有墙元素的交点,并依照交点将线元素打断。之后设置模糊阈值为2图纸单位,在模糊阈值范围内的端点都默认为相同端点。修复了拓扑正确性之后即可得到所有最小多边形作为房间元素。通过CAD中的标签插入点(Insert Point)的几何位置判断是否在房间元素内部,将对应的标签赋值给房间元素(如大厅、走廊、书库、电梯井等)。
步骤S50:利用全球离散格网框架H3将步骤10和步骤40中产生的空间元素转换为格网模型对应的网格数据。
步骤S51:获取所有空间元素,并计算得到空间元素的角点;由元素角点形成的地理围栏中包含了整个空间元素在地球中的具体位置,采用层次为15层的室内数据级别全球离散格网剖分所有空间元素;每个空间元素都可以根据其自身的几何类型得到对应的全球离散格网集;由对应全球离散格网集及其属性数据等组成室内离散格网模型。
网格模型构建;获取第一步和第四步提取的空间元素。计算所有空间元素的角点。由元素交点形成的地理围栏中包含了整个空间元素在地球中的具体位置,采用层次为15层的室内数据级别全球离散格网剖分所有空间元素,六边形格网边长为0.51m。每个空间元素都可以根据其自身的几何类型得到对应的全球离散格网集。由对应全球离散格网集及其属性数据等组成室内离散格网模型。
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……”限定的要素,并不排除在包括要素的物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案而非限制,仅仅参照较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
包括以下步骤:
步骤S10:根据建筑平面图标准规范,采用基于先验规则的方法提取CAD DXF图纸中的块元素代表的部分空间元素,将提取的空间元素以简化的几何元素保存在内存中;
步骤S20:对于建筑构建中的直线与弧线墙元素,采用层次聚类的方法根据两种类型元素特点设计对应的聚类距离测度,获取测度阈值下的墙体类簇;
步骤S30:根据直线与弧线数据特点,对类簇进行中线提取,并进行连通性的恢复,得到初步简化的室内平面结构;
步骤S40:采用拓扑构面算法由简化后的室内平面数据中提取房间元素,并利用原始的CAD中的标签数据进行房间元素的标定;
步骤S50:利用全球离散格网框架H3将步骤10和步骤40中产生的空间元素转换为格网模型对应的网格数据。
2.根据权利要求1所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S11:判断建筑平面图中设计规范固定的门元素、楼梯元素、电梯元素的几何体征;所述门元素中,弧线用于构成门的开合路径而连接弧线端点和圆弧心的直线段则用来表示门的闭合状态;以这两个特征即可判断该块元素为门元素。
3.根据权利要求1所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S21,对直线墙元素和弧线墙元素进行自底向上的单链接层次聚类,通过遍历所有墙元素,计算两两之间的距离测度是否满阈值要求,形成链式的类簇。
4.根据权利要求3所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
在步骤S21中,直线墙元素的距离测度为两条直线相互之间投影距离的均值,若是相互之间无投影,或斜率相差较大则代表距离无限大;弧线墙元素的距离测度有两个,分别是圆弧的半径和圆心的欧式距离,若是参与距离的两圆弧角度不重叠,代表距离无限大。
5.根据权利要求1所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S31:直线与圆弧墙元素聚类得到类簇后,每一个类簇代表一段墙元素;
针对两种类型类簇计算直线与弧线的中线,弧线的中线计算方式为采用类簇圆心重心作为中线圆心,采用类簇平均半径作为中线半径得到新的弧线中线;
直线中线计算方式为计算类簇平均斜率作为直线斜率,计算类簇投影距离均值最远的一组直线,取长边作为被投影边,短边作为投影边,得到短边在长边上的投影。
6.根据权利要求5所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S32:计算投影的端点和短边参与投影部分的端点均值;改均值为直线中线经过的点;同时根据门的宽度作为阈值,对于端点阈值范围内存在其他墙元素的中线标记为需要参与连通性恢复的中线,使用逐步延长的线生长算法恢复墙体的连通性。
7.根据权利要求1所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S41:使用包含桥、悬浮边、孔洞等情况的左转算法作为拓扑构面算法,得到房间元素之后;通过CAD中的标签插入点位置判断是否在房间元素内部,将对应的标签赋值给房间元素。
8.根据权利要求1所述的基于CAD的室内空间数据提取与网格模型构建方法,其特征在于:
步骤S51:获取所有空间元素,并计算得到空间元素的角点;由元素角点形成的地理围栏中包含了整个空间元素在地球中的具体位置,采用层次为15层的室内数据级别全球离散格网剖分所有空间元素;每个空间元素都可以根据其自身的几何类型得到对应的全球离散格网集;由对应全球离散格网集及其属性数据等组成室内离散格网模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256518.2A CN115544887A (zh) | 2022-10-14 | 2022-10-14 | 一种基于cad的室内空间数据提取与网格模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211256518.2A CN115544887A (zh) | 2022-10-14 | 2022-10-14 | 一种基于cad的室内空间数据提取与网格模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115544887A true CN115544887A (zh) | 2022-12-30 |
Family
ID=84733217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211256518.2A Pending CN115544887A (zh) | 2022-10-14 | 2022-10-14 | 一种基于cad的室内空间数据提取与网格模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115544887A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540458A (zh) * | 2023-10-31 | 2024-02-09 | 重庆市规划和自然资源信息中心 | 建筑物全空间全要素不动产建模方法 |
-
2022
- 2022-10-14 CN CN202211256518.2A patent/CN115544887A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540458A (zh) * | 2023-10-31 | 2024-02-09 | 重庆市规划和自然资源信息中心 | 建筑物全空间全要素不动产建模方法 |
CN117540458B (zh) * | 2023-10-31 | 2024-05-28 | 重庆市规划和自然资源信息中心 | 建筑物全空间全要素不动产建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110069840B (zh) | 室内三维语义模型的构建方法及装置 | |
CN105825550B (zh) | 顾及一致性的复杂三维建筑物模型剖切建模方法 | |
Xiong et al. | Automatic creation of semantically rich 3D building models from laser scanner data | |
WO2021179593A1 (zh) | 基于深度学习的管道三维重建方法、系统、介质及设备 | |
CN111597170B (zh) | 一种无损地由bim模型构建空间语义数据库的方法 | |
CN108536923B (zh) | 一种基于建筑cad图的室内拓扑地图生成方法及系统 | |
BRPI0713184A2 (pt) | sistema de modelação geoespacial e método de modelação geoespacial | |
CN109840338A (zh) | 一种应用于三维不动产信息管理的三维楼盘模型构建方法 | |
CN113988084B (zh) | 基于swrl规则的bim和gis本体融合方法及系统 | |
Horna et al. | Consistency constraints and 3D building reconstruction | |
CN104077447A (zh) | 基于纸质平面数据的城市三维空间矢量建模方法 | |
Yin et al. | Automatic layer classification method-based elevation recognition in architectural drawings for reconstruction of 3D BIM models | |
CN115544887A (zh) | 一种基于cad的室内空间数据提取与网格模型构建方法 | |
CN114022895A (zh) | 一种对建筑专业住宅平面图中户型的精准识别方法 | |
CN104750938A (zh) | 一种基于gis的城市通风廊道识别方法及系统 | |
CN115880713A (zh) | 一种基于语义改进的自动寻体构建建筑产权体的方法 | |
CN113297662A (zh) | 一种基于扫描线的户型归属自动识别方法 | |
Abou Diakité et al. | Automatic semantic labelling of 3D buildings based on geometric and topological information | |
CN113887508A (zh) | 一种对建筑专业住宅平面图中公共走廊空间的中心线的精准识别方法 | |
Ward et al. | Estimating energy consumption of residential buildings at scale with drive-by image capture | |
She et al. | 3D building model simplification method considering both model mesh and building structure | |
CN105335478A (zh) | 构建城市土地空间立体调查数据语义关联的方法和装置 | |
CN115222873A (zh) | 一种基于标注和空间语义的三维产权体图属批量关联方法 | |
Molinero et al. | How the geometry of cities explains urban scaling laws and determines their exponents | |
Zhao et al. | A 3D modeling method for buildings based on LiDAR point cloud and DLG |
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 |