CN115564901B - 一种构建3d建筑模型的方法及装置 - Google Patents

一种构建3d建筑模型的方法及装置 Download PDF

Info

Publication number
CN115564901B
CN115564901B CN202211514687.1A CN202211514687A CN115564901B CN 115564901 B CN115564901 B CN 115564901B CN 202211514687 A CN202211514687 A CN 202211514687A CN 115564901 B CN115564901 B CN 115564901B
Authority
CN
China
Prior art keywords
building
room
floor
data
constructing
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
Application number
CN202211514687.1A
Other languages
English (en)
Other versions
CN115564901A (zh
Inventor
黄山
张鑫楠
刘雨轩
占波
孟丽萨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Credit Digital Technology Co ltd
Original Assignee
Sichuan Credit Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Credit Digital Technology Co ltd filed Critical Sichuan Credit Digital Technology Co ltd
Priority to CN202211514687.1A priority Critical patent/CN115564901B/zh
Publication of CN115564901A publication Critical patent/CN115564901A/zh
Application granted granted Critical
Publication of CN115564901B publication Critical patent/CN115564901B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了一种构建3D建筑模型的方法及装置，用于降低3D建筑模型的生成难度。本申请涉及计算机科学与技术领域，本申请方法包括：获取楼栋的第一楼层的第一房间的基础数据，基础数据包括房间类型数据及房间尺寸数据；获取第一房间的位置数据，位置数据包括第一房间的相邻房间数据；获取第一房间的关联关系数据；根据基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，并确定第一3D模型的位置；分别构建第一楼层的其余房间对应的其余3D模型，并根据第一3D模型及其余房间对应的其余3D模型构建第一楼层的第一3D楼层图；分别构建楼栋的其余楼层对应的其余3D楼层图；根据第一3D楼层图及其余3D楼层图构建楼栋的3D楼栋图。

Description

一种构建3D建筑模型的方法及装置
技术领域
本申请涉及计算机科学与技术领域，尤其涉及一种构建3D建筑模型的方法及装置。
背景技术
固定资产管理企业需要进行固定资产业务管理。现有技术中虽然已经存在一些VR建模的方法，用于自动生成精确的3D建筑结构模型，但是在进行固定资产业务管理时，由于管理资产的范围广泛、建筑建成时间久远、建筑体量大、分布广、建筑存在改造、原始设计图纸丢失等情况，因此难以按照现有的VR建模软件的要求提供精确的数据，导致现有的VR建模软件无法生成某些固定资产的精确的3D建筑结构模型，但是，固定资产管理企业并不需要精确的3D建筑结构模型，并且，现有的标准化建筑构件软件的使用难度大。
发明内容
本申请提供了一种构建3D建筑模型的方法及装置，用于降低3D建筑模型的生成难度。
本申请第一方面提供了一种构建3D建筑模型的方法，包括：
获取楼栋的第一楼层的第一房间的基础数据，所述基础数据包括房间类型数据及房间尺寸数据；
获取所述第一房间的位置数据，所述位置数据包括所述第一房间的相邻房间数据；
获取所述第一房间的关联关系数据，所述关联关系数据包括所述第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
根据所述基础数据、所述位置数据及所述关联关系数据构建所述第一房间的第一3D模型，并确定所述第一3D模型的位置；
分别构建所述第一楼层的其余房间对应的其余3D模型，并根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图；
分别构建所述楼栋的其余楼层对应的其余3D楼层图；
根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图。
可选地，在所述根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图之后，所述方法还包括：
将所述3D楼栋图输入目标尺寸检测模型，所述目标尺寸检测模型基于U-Net++神经网络搭建，通过所述目标尺寸检测模型判断所述3D楼栋图的尺寸数据是否存在异常数据；
若存在异常数据，则生成异常数据报错预警。
可选地，所述目标尺寸检测模型的训练过程如下：
获取3D楼栋数据集，所述3D楼栋数据集由多张尺寸数据异常的3D楼栋图及多张尺寸数据不异常的3D楼栋图构成；
将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集；
基于所述3D楼栋训练数据集训练初始尺寸检测模型，通过所述初始尺寸检测模型的损失函数计算损失值；
判断所述损失值是否大于预设损失值；
若所述损失值大于预设损失值，则根据所述损失值更新所述初始尺寸检测模型的参数，再基于所述3D楼栋训练数据集训练所述初始尺寸检测模型；
若所述损失值不大于预设损失值，则获取初始尺寸检测模型，并将所述3D楼栋测试数据集输入所述初始尺寸检测模型，判断所述初始尺寸检测模型的精度是否大于预设精度；
若是，则确定所述初始尺寸检测模型为目标尺寸检测模型。
可选地，在所述将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集之前，所述方法还包括：
调用清洗脚本清洗所述3D楼栋数据集；
对清洗后的3D楼栋数据集统一进行归一化仿射处理，所述归一化仿射处理公式如下：
Figure SMS_1
（公式一）；
Figure SMS_2
（公式二）；
其中，公式一为归一化过程，x为3D楼栋的输入值，μ为输入值的均值，y为归一化输出值，σ^2为输入值的方差，
Figure SMS_3
为输入值的偏移量；公式二为仿射过程，其中
Figure SMS_4
和
Figure SMS_5
统称为仿射系数，α为仿射输出值；对于3D楼栋数据集而言，其输入值是四维张量：
Figure SMS_6
，这四个维度分别是3D楼栋的长度L、高度H、宽度W以及体积V，设
Figure SMS_7
为3D楼栋数据集中的某一个3D楼栋的输入值，3D楼栋数据归一化处理计算过程如下：
首先在输入的L、H、W这个三个维度上计算均值和方差：
Figure SMS_8
（公式三）；
Figure SMS_9
（公式四）；
其中，μv为某一个3D楼栋的输入值的均值，σv^2为某一个3D楼栋的输入值的方差；
将公式三及公式四带入公式一中，对3D楼栋进行归一化处理包括：
Figure SMS_10
；
其中，
Figure SMS_11
为一个3D楼栋的归一化输出值；
γ，β∈R^V,将它们带入公式二中，得到：
Figure SMS_12
;
其中，
Figure SMS_13
是一个3D楼栋的仿射输出值；
计算关于
Figure SMS_14
、
Figure SMS_15
：
Figure SMS_16
（公式五）；
Figure SMS_17
（公式六）；
Figure SMS_18
（公式七）；
通过公式五、公式六及公式七得到
Figure SMS_19
和
Figure SMS_20
，从而根据
Figure SMS_21
和
Figure SMS_22
对3D楼栋进行归一化仿射处理；
所述将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集包括：
将归一化仿射处理后的3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集。
可选地，所述根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图包括：
以所述第一房间的第一中心坐标为坐标系原点坐标建立坐标系，所述坐标系为二维坐标系；
根据第一房间的宽度、长度及第二房间的宽度、长度确定x轴方向上的第二房间的第二中心坐标，所述第二房间为在所述x轴方向上与所述第一房间相邻的房间；
判断所述x轴方向上的所有房间的坐标是否确定完毕；
若否，确定在x轴方向上的第三房间的第三中心点坐标，所述第三房间为在所述x轴方向上与所述第二房间相邻的房间，直至所述x轴方向上的所有房间的中心坐标确定完毕；
根据所述中心坐标放置所述x轴方向上的所有房间；
根据第一房间的宽度、长度及第四房间的宽度、长度确定y轴方向上的第四房间的第四中心点坐标，所述第四房间为在所述y轴方向上与所述第一房间相邻的房间；
判断所述y轴方向上的所有房间的坐标是否确定完毕；
若否，确定在y轴方向上的第五房间的第五中心点坐标，所述第五房间为在所述y轴方向上与所述第四房间相邻的房间，直至所述y轴方向上的所有房间的坐标确定完毕；
根据所述中心坐标放置所述y轴方向上的所有房间。
可选地，在所述分别构建所述楼栋的其余楼层对应的其余3D楼层图之后，所述方法还包括：
根据楼层恒载面积判断所述楼栋的3D楼栋图是否存在楼层异形问题；
所述楼层恒载面积的计算公式为：a =(b +c) *d-e*l，其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围;
若存在楼层异形问题，则生成楼层异形报错预警。
可选地，在所述根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图之后，所述方法还包括：
根据用户选择的楼栋外观样式渲染所述3D楼栋图。
可选地，在所述分别构建所述楼栋的其余楼层对应的其余3D楼层图之后，所述方法还包括：
生成所述楼栋的所有楼层的楼层列表，以使得用户根据所述楼层列表修改楼层关系。
本申请第二方面提供了一种构建3D建筑模型的装置，包括：
第一获取单元，用于获取楼栋的第一楼层的第一房间的基础数据，所述基础数据包括房间类型数据及房间尺寸数据；
第二获取单元，用于获取所述第一房间的位置数据，所述位置数据包括所述第一房间的相邻房间数据；
第三获取单元，用于获取所述第一房间的关联关系数据，所述关联关系数据包括所述第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
第一构建单元，用于根据所述基础数据、所述位置数据及所述关联关系数据构建所述第一房间的第一3D模型，并确定所述第一3D模型的位置；
第二构建单元，用于分别构建所述第一楼层的其余房间对应的其余3D模型，并根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图；
第三构建单元，用于分别构建所述楼栋的其余楼层对应的其余3D楼层图；
第四构建单元，用于根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图。
可选地，所述装置还包括：
第一判断单元，用于将所述3D楼栋图输入目标尺寸检测模型，所述目标尺寸检测模型基于U-Net++神经网络搭建，通过所述目标尺寸检测模型判断所述3D楼栋图的尺寸数据是否存在异常数据；
第一生成单元，用于若存在异常数据，则生成异常数据报错预警。
可选地，所述第一判断单元具体用于：
获取3D楼栋数据集，所述3D楼栋数据集由多张尺寸数据异常的3D楼栋图及多张尺寸数据不异常的3D楼栋图构成；
将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集；
基于所述3D楼栋训练数据集训练初始尺寸检测模型，通过所述初始尺寸检测模型的损失函数计算损失值；
判断所述损失值是否大于预设损失值；
若所述损失值大于预设损失值，则根据所述损失值更新所述初始尺寸检测模型的参数，再基于所述3D楼栋训练数据集训练所述初始尺寸检测模型；
若所述损失值不大于预设损失值，则获取初始尺寸检测模型，并将所述3D楼栋测试数据集输入所述初始尺寸检测模型，判断所述初始尺寸检测模型的精度是否大于预设精度；
若是，则确定所述初始尺寸检测模型为目标尺寸检测模型。
可选地，所述第一判断单元具体用于：
调用清洗脚本清洗所述3D楼栋数据集；
对清洗后的3D楼栋数据集统一进行归一化仿射处理，所述归一化仿射处理公式如下：
Figure SMS_23
（公式一）；
Figure SMS_24
（公式二）；
其中，公式一为归一化过程，x为3D楼栋的输入值，μ为输入值的均值，y为归一化输出值，σ^2为输入值的方差，
Figure SMS_25
为输入值的偏移量；公式二为仿射过程，其中
Figure SMS_26
和
Figure SMS_27
统称为仿射系数，α为仿射输出值；对于3D楼栋数据集而言，其输入值是四维张量：
Figure SMS_28
，这四个维度分别是3D楼栋的长度L、高度H、宽度W以及体积V，设
Figure SMS_29
为3D楼栋数据集中的某一个3D楼栋的输入值，3D楼栋归一化处理计算过程如下：
首先在输入的L、H、W这个三个维度上计算均值和方差：
Figure SMS_30
（公式三）；
Figure SMS_31
（公式四）；
其中，μv为某一个3D楼栋的输入值的均值，σv^2为某一个3D楼栋的输入值的方差；
将公式三及公式四带入公式一中，对3D楼栋进行归一化处理包括：
Figure SMS_32
其中，
Figure SMS_33
为一个3D楼栋的归一化输出值；
γ，β∈R^V,将它们带入公式二中，得到：
Figure SMS_34
;
其中，
Figure SMS_35
是一个3D楼栋的仿射输出值；
计算关于
Figure SMS_36
、
Figure SMS_37
：
Figure SMS_38
（公式五）；
Figure SMS_39
（公式六）；
Figure SMS_40
（公式七）；
通过公式五、公式六及公式七得到
Figure SMS_41
和
Figure SMS_42
，从而根据
Figure SMS_43
和
Figure SMS_44
对3D楼栋进行归一化仿射处理；
所述将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集包括：
将归一化仿射处理后的3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集。
可选地，所述第一构建单元具体用于：
以所述第一房间的第一中心坐标为坐标系原点坐标建立坐标系，所述坐标系为二维坐标系；
根据第一房间的宽度、长度及第二房间的宽度、长度确定x轴方向上的第二房间的第二中心坐标，所述第二房间为在所述x轴方向上与所述第一房间相邻的房间；
判断所述x轴方向上的所有房间的坐标是否确定完毕；
若否，确定在x轴方向上的第三房间的第三中心点坐标，所述第三房间为在所述x轴方向上与所述第二房间相邻的房间，直至所述x轴方向上的所有房间的中心坐标确定完毕；
根据所述中心坐标放置所述x轴方向上的所有房间；
根据第一房间的宽度、长度及第四房间的宽度、长度确定y轴方向上的第四房间的第四中心点坐标，所述第四房间为在所述y轴方向上与所述第一房间相邻的房间；
判断所述y轴方向上的所有房间的坐标是否确定完毕；
若否，确定在y轴方向上的第五房间的第五中心点坐标，所述第五房间为在所述y轴方向上与所述第四房间相邻的房间，直至所述y轴方向上的所有房间的坐标确定完毕；
根据所述中心坐标放置所述y轴方向上的所有房间。
可选地，所述装置还包括：
第二判断单元，用于根据楼层恒载面积判断所述楼栋的3D楼栋图是否存在楼层异形问题；
所述楼层恒载面积的计算公式为：a =(b +c) *d-e*l，其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围;
第二生成单元，用于若存在楼层异形问题，则生成楼层异形报错预警。
可选地，所述装置还包括：
渲染单元，用于根据用户选择的楼栋外观样式渲染所述3D楼栋图。
可选地，所述装置还包括：
第三生成单元，用于生成所述楼栋的所有楼层的楼层列表，以使得用户根据所述楼层列表修改楼层关系。
本申请第三方面提供了一种构建3D建筑模型的装置，所述装置包括：
处理器、存储器、输入输出单元以及总线；
所述处理器与所述存储器、所述输入输出单元以及所述总线相连；
所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的构建3D建筑模型的方法。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的构建3D建筑模型的方法。
从以上技术方案可以看出，本申请具有以下优点：本申请方法通过获取第一房间的基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，形成第一立体3D方块，并根据各个房间的相邻房间数据，将各个房间的3D方块组合为一个楼层的3D楼层，再根据各个楼层之间的位置关系数据，构建楼栋的3D楼栋图，通过上述方法，生成了楼栋的简要3D楼栋图，降低了楼栋的3D建筑模型的生成难度，并且降低了3D建筑模型的使用难度，满足了固定资产管理企业的使用需求。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种构建3D建筑模型的方法一个实施例流程示意图；
图2为本申请提供的一种构建3D建筑模型的方法另一个实施例流程示意图；
图3-a为本申请提供的一种构建3D建筑模型的装置一个实施例结构示意图；
图3-b为本申请提供的一种构建3D建筑模型的装置另一个实施例结构示意图；
图4为本申请提供的一种构建3D建筑模型的装置另一个实施例结构示意图。
具体实施方式
本申请提供了一种构建3D建筑模型的方法及装置，用于降低3D建筑模型的生成难度。
需要说明的是，本申请提供的一种构建3D建筑模型的方法，可以应用于终端，还可以应用于服务器上，例如终端可以是智能手机或电脑、平板电脑、智能电视、智能手表、便携计算机终端也可以是台式计算机等固定终端。为方便阐述，本申请中以终端为执行主体进行举例说明。
请参阅图1，图1为本申请提供的一种构建3D建筑模型的方法的一个实施例，该方法包括：
Z101、终端获取楼栋的第一楼层的第一房间的基础数据，该基础数据包括房间类型数据及房间尺寸数据；
在本实施例中，终端获取用户输入的楼栋的第一楼层的第一房间的基础数据，该基础数据包括房间类型数据及房间尺寸数据，其中，房间类型包括：过道、楼梯及房间；并通过查询服务器数据库对基础数据中的差异数据进行调整完善；或者，终端通过用户指令查询服务器数据库获取楼栋的第一楼层的第一房间的基础数据；用户可以通过现场测量的方式获取房间的尺寸数据。
Z102、终端获取第一房间的位置数据，位置数据包括第一房间的相邻房间数据；
在本实施例中，终端获取第一房间的位置数据，该位置数据包括第一房间的所在楼层数据及第一房间的相邻房间数据，该位置数据决定后续生成的第一房间的第一3D模型的摆放位置，例如，第一房间为房间1，房间1的前面（y轴方向）是过道，房间1的左侧（x轴方向）无房间，房间1的右侧（x轴方向）为房间2，此时，房间1的第一3D模型将会摆放在房间2的3D模型的左侧，并且摆放在过道的后面。
Z103、终端获取第一房间的关联关系数据，关联关系数据包括第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
在本实施例中，终端获取第一房间的关联关系数据，关联关系数据包括第一房间的租赁关系数据，例如：第一房间与第一房间的租赁合同关联，以使得第一房间的租赁合同在第一房间的第一3D模型中直接展示；关联关系数据还包括招租状态数据，例如：当第一房间处于招租状态时，第一3D模型处于亮灯状态，用于提醒用户第一房间可以出租；关联关系数据还包括房间设备状态数据，第一3D模型可以链接到服务器的IOT设备，获取第一房间的设备状态数据，从而实现实时在第一3D模型中显示第一房间的设备状态，例如：第一房间的照明灯处于开启或关闭状态，第一房间中的烟雾报警器处于开启或关闭状态。
Z104、终端根据基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，并确定第一3D模型的位置；
在本实施例中，终端根据房间类型数据及房间尺寸数据构建第一房间的第一3D模型，该第一3D模型为等比例缩放的独立3D方块，并根据位置数据确定第一3D模型的放置位置，根据关联关系数据在第一3D模型中显示第一房间的租赁状态、招租状态及房间设备状态。
Z105、终端分别构建第一楼层的其余房间对应的其余3D模型，并根据第一3D模型及其余房间对应的其余3D模型构建第一楼层的第一3D楼层图；
在本实施例中，当第一楼层的其余房间与第一房间的户型大小均相同时，此时直接复制第一房间的第一3D模型作为其余房间的3D模型，再根据房间之间的相对位置关系摆放3D模型，即可获取第一楼层的第一3D楼层图，从而进一步简化了构建3D模型的方法；当第一楼层的其余房间与第一房间的户型或大小不同时，则分别构建第一楼层的其余房间对应的3D模型，并根据第一房间及其余房间的相对位置关系摆放第一3D模型及其余3D模型，从而构建第一楼层的第一3D楼层图。
Z106、终端分别构建楼栋的其余楼层对应的其余3D楼层图；
在本实施例中，一个楼栋包含至少两个楼层，终端分别构建楼栋的其余楼层对应的其余3D楼层图。
Z107、终端根据第一3D楼层图及其余3D楼层图构建楼栋的3D楼栋图；
在本实施例中，终端构建好至少两个楼层的3D楼层图后，终端根据楼层之间的相对位置关系，将至少两个3D楼层图按楼层顺序搭建楼栋积木，生成楼栋的3D楼栋图；生成3D楼栋图后，终端结合GIS定位，确定3D楼栋图的地图分布位置，并将该地图分布位置与该3D楼栋关联；可选地，终端还可以基于地图的卫星图进行图像识别，并自动生成3D楼栋图在地图中的摆放效果，从而使得用户可以看到3D楼栋图在地图中的摆放效果，并且，用户还可以对自动生成的摆放效果进行拖拽调整，从而更准确地匹配位置，进一步提升了用户使用体验。
本申请方法通过获取第一房间的基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，形成第一立体3D方块，并根据各个房间的相邻房间数据，将各个房间的3D方块放置于相应的位置上，将各个房间的3D方块组合为一个楼层的3D楼层，再根据各个楼层之间的位置关系数据，构建楼栋的3D楼栋图，通过上述方法，生成了楼栋的简要3D楼栋图，不需要经过大量的计算也能构建3D楼栋图，也不需要精确的数据构建精准的3D楼栋图，降低了3D建筑模型的生成难度，并且降低了3D建筑模型的使用难度，只需要用户输入基础数据、位置数据及关联关系数据即可构建，满足了固定资产管理企业的使用需求。
为使本申请提供的一种构建3D建筑模型的方法更加的明显易懂，下面对本申请提供的一种构建3D建筑模型的方法进行详细说明：
请参阅图2，图2为本申请提供的一种构建3D建筑模型的方法另一个实施例，该方法包括：
Z201、终端获取楼栋的第一楼层的第一房间的基础数据，基础数据包括房间类型数据及房间尺寸数据；
Z202、终端获取第一房间的位置数据，位置数据包括第一房间的相邻房间数据；
Z203、终端获取第一房间的关联关系数据，关联关系数据包括第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
Z204、终端根据基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，并确定第一3D模型的位置；
本实施例中的步骤Z201至Z204与前述图1实施例中的步骤Z101至Z104类似，具体此处不再赘述。
Z205、终端分别构建第一楼层的其余房间对应的其余3D模型，并根据第一3D模型及其余房间对应的其余3D模型构建第一楼层的第一3D楼层图；
在本实施例中，终端以第一房间的第一中心坐标为坐标系原点建立坐标系，该坐标系为二维坐标系；终端根据第一房间的宽度、长度及第二房间的宽度、长度确定x轴方向上的第二房间的第二中心坐标，第二房间为在x轴方向上与第一房间相邻的房间；终端判断x轴方向上的所有房间坐标是否确定完毕；若否，则确定在x轴方向上的第三房间的第三中心点坐标，第三房间为x轴方向上与第二房间相邻的房间，直至x轴方向上所有房间的中心坐标确定完毕；终端根据中心坐标放置x轴方向上的所有房间；终端根据第一房间的宽度、长度及第四房间的宽度、长度确定y轴方向上的第四房间的第四中心点坐标，第四房间为在y轴方向上与第一房间相邻的房间；终端判断y轴方向上的所有房间坐标是否确定完毕；若否，终端确定y轴方向上的第五房间的第五中心点坐标，第五房间为在y轴方向上与第四房间相邻的房间，直至y轴方向上的所有房间坐标确定完毕，根据中心坐标放置y轴方向上的所有房间。
Z206、终端分别构建楼栋的其余楼层对应的其余3D楼层图；
本实施例中的步骤Z206与前述图1实施例中的步骤Z106类似，具体此处不再赘述。
Z207、终端生成楼栋的所有楼层的楼层列表，以使得用户根据楼层列表修改楼层关系；
在本实施例中，终端根据楼栋的所有楼层之间的相对位置关系生成楼层列表，并将该楼层列表向用户展示，通过楼层列表，用户可以选择某一个楼层与其他楼层之间的关联关系，从而生成连续的楼层；用户也可以通过楼层列表修改楼层关系，实现楼层的插入或减少。通过该楼层列表，用户可以便捷地修改楼栋的楼层关系，并且可以便捷地实现楼层的插入或减少，进一步提高了构建3D建筑模型的简便性。
Z208、终端根据第一3D楼层图及其余3D楼层图构建楼栋的3D楼栋图；
本实施例中的步骤Z208与前述图1实施例中的步骤Z107类似，具体此处不再赘述。
Z209、终端根据用户选择的楼栋外观样式渲染3D楼栋图；
在本实施例中，用户可以根据需求或喜好选择楼栋的外观样式，终端根据用户选择的楼栋外观样式渲染3D楼栋图，以使得3D楼栋图能达到更好的视觉效果。
Z210、终端将3D楼栋图输入目标尺寸检测模型，目标尺寸检测模型基于U-Net++神经网络搭建，通过目标尺寸检测模型判断3D楼栋图的尺寸数据是否存在异常数据；
在本实施例中，目标尺寸检测模型的训练过程如下：终端获取3D楼栋数据集，3D楼栋数据集由多张尺寸数据异常的3D楼栋图及多张尺寸数据不异常的3D楼栋图构成；终端调用清洗脚本清洗3D楼栋数据集；终端对清洗后的3D楼栋数据集统一进行归一化仿射处理，归一化仿射处理公式如下：
Figure SMS_45
（公式一）；
Figure SMS_46
（公式二）；
其中，公式一为归一化过程，x为3D楼栋的输入值，μ为输入值的均值，y为归一化输出值，σ^2为输入值的方差，
Figure SMS_47
为输入值的偏移量；公式二为仿射过程，其中，
Figure SMS_48
和
Figure SMS_49
统称为仿射系数，α为仿射输出值；对于3D楼栋数据集而言，其输入值是四维张量：
Figure SMS_50
，这四个维度分别是3D楼栋的长度L、高度H、宽度W及体积V,设
Figure SMS_51
为3D楼栋数据集中的某一个3D楼栋的输入值，3D楼栋归一化处理计算过程如下：首先在输入的L、H、W这个三个维度上计算均值和方差：
Figure SMS_52
（公式三）；
Figure SMS_53
（公式四）；
其中，μv为某一个3D楼栋的输入值的均值，σv^2为某一个3D楼栋的输入值的方差；
将公式三及公式四带入到公式一中，对3D楼栋进行归一化处理包括：
Figure SMS_54
；
其中，
Figure SMS_55
为一个3D楼栋的归一化输出值；
γ，β∈R^V,将它们带入公式二中，得到：
Figure SMS_56
;
其中，
Figure SMS_57
是一个3D楼栋中的仿射输出值；
计算关于
Figure SMS_58
、
Figure SMS_59
；
Figure SMS_60
（公式五）；
Figure SMS_61
（公式六）；
Figure SMS_62
（公式七）；
通过公式五、公式六及公式七得到
Figure SMS_63
和
Figure SMS_64
，从而根据
Figure SMS_65
和
Figure SMS_66
对3D楼栋进行归一化仿射处理；将归一化仿射处理后的3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集；基于3D楼栋训练数据集训练初始尺寸检测模型，通过初始尺寸检测模型的损失函数计算损失值；判断损失值是否大于预设损失值；若损失值大于预设损失值，则根据损失值更新初始尺寸检测模型的参数，再基于3D楼栋训练数据集训练初始尺寸检测模型；若损失值不大于预设损失值，则获取初始尺寸检测模型，并将3D楼栋测试数据集输入初始尺寸检测模型，判断初始尺寸检测模型的精度是否大于预设精度；若是，则确定该初始尺寸检测模型为目标尺寸检测模型。
在本实施例中，通过对3D楼栋数据集进行归一化仿射处理，可以弱化不同比例的3D楼栋图之间的差别，从而使得终端能够更快地提取出3D楼栋图的更高层次的尺寸特征，从而提高初始尺寸检测模型的训练效率；将3D楼栋测试数据集输入初始尺寸检测模型，获取初始尺寸检测模型的精度包括：Precision=(2*x*y)/(x+y)；其中，Precision 为精度值，x=正确预测框的个数/需预测框的总数；y=正确预测框的个数/标注检测框的个数；当精度大于预设精度时，则确定该初始尺寸检测模型为目标尺寸检测模型。可选地，损失函数为交叉熵损失函数，其表达式为：
Figure SMS_67
，其中LOSS为损失值，C的参数含义是总样本的数量，yi为第i个训练样本的目标预测值，Pi为输出的概率值集合。
Z211、若存在异常数据，则终端生成异常数据报错预警；
在本实施例中，若3D楼栋的尺寸数据存在异常数据，则终端生成异常数据报错预警，由用户根据异常数据报错预警自主判断是否需要修正3D楼栋的尺寸数据。
Z212、终端根据楼层恒载面积判断楼栋的3D楼栋图是否存在楼层异形问题；
在本实施例中，若不存在异常数据，终端根据楼层恒载面积判断楼栋的3D楼栋图是否存在楼层异形问题包括：楼层恒载面积的计算公式为：a =(b +c) *d-e*l，其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围;若楼层恒载面积大于预设楼层恒载面积，则终端确定存在楼层异形问题，执行步骤Z213。
Z213、若存在楼层异形问题，则生成楼层异形报错预警；
在本实施例中，若存在楼层异形问题，则终端生成楼层异形报错预警，有用户根据楼层异形报错预警自主决定是否修改楼层数据。
请参阅图3-a，图3-a为本申请提供的一种构建3D建筑模型的装置一个实施例，该装置包括：
第一获取单元301，用于获取楼栋的第一楼层的第一房间的基础数据，基础数据包括房间类型数据及房间尺寸数据；
第二获取单元302，用于获取第一房间的位置数据，位置数据包括第一房间的相邻房间数据；
第三获取单元303，用于获取第一房间的关联关系数据，关联关系数据包括第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
第一构建单元304，用于根据基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，并确定第一3D模型的位置；
第二构建单元305，用于分别构建第一楼层的其余房间对应的其余3D模型，并根据第一3D模型及其余房间对应的其余3D模型构建第一楼层的第一3D楼层图；
第三构建单元306，用于分别构建楼栋的其余楼层对应的其余3D楼层图；
第四构建单元307，用于根据第一3D楼层图及其余3D楼层图构建楼栋的3D楼栋图。
下面对本申请提供的一种构建3D建筑模型的装置进行详细说明，请参阅图3-b，图3-b为本申请提供的一种构建3D建筑模型的装置另一个实施例，该装置包括：
第一获取单元301，用于获取楼栋的第一楼层的第一房间的基础数据，基础数据包括房间类型数据及房间尺寸数据；
第二获取单元302，用于获取第一房间的位置数据，位置数据包括第一房间的相邻房间数据；
第三获取单元303，用于获取第一房间的关联关系数据，关联关系数据包括第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
第一构建单元304，用于根据基础数据、位置数据及关联关系数据构建第一房间的第一3D模型，并确定第一3D模型的位置；
第二构建单元305，用于分别构建第一楼层的其余房间对应的其余3D模型，并根据第一3D模型及其余房间对应的其余3D模型构建第一楼层的第一3D楼层图；
第三构建单元306，用于分别构建楼栋的其余楼层对应的其余3D楼层图；
第四构建单元307，用于根据第一3D楼层图及其余3D楼层图构建楼栋的3D楼栋图。
可选地，装置还包括：
第一判断单元308，用于将3D楼栋图输入目标尺寸检测模型，目标尺寸检测模型基于U-Net++神经网络搭建，通过目标尺寸检测模型判断3D楼栋图的尺寸数据是否存在异常数据；
第一生成单元309，用于若存在异常数据，则生成异常数据报错预警。
可选地，第一判断单元308具体用于：
获取3D楼栋数据集，3D楼栋数据集由多张尺寸数据异常的3D楼栋图及多张尺寸数据不异常的3D楼栋图构成；
将3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集；
基于3D楼栋训练数据集训练初始尺寸检测模型，通过初始尺寸检测模型的损失函数计算损失值；
判断损失值是否大于预设损失值；
若损失值大于预设损失值，则根据损失值更新初始尺寸检测模型的参数，再基于3D楼栋训练数据集训练初始尺寸检测模型；
若损失值不大于预设损失值，则获取初始尺寸检测模型，并将3D楼栋测试数据集输入初始尺寸检测模型，判断初始尺寸检测模型的精度是否大于预设精度；
若是，则确定初始尺寸检测模型为目标尺寸检测模型。
可选地，第一判断单元具体用于：
调用清洗脚本清洗3D楼栋数据集；
对清洗后的3D楼栋数据集统一进行归一化仿射处理，归一化仿射处理公式如下：
Figure SMS_68
（公式一）；
Figure SMS_69
（公式二）；
其中，公式一为归一化过程，x为3D楼栋的输入值，μ为输入值的均值，y为归一化输出值，σ^2为输入值的方差，
Figure SMS_70
为输入值的偏移量；公式二为仿射过程，其中
Figure SMS_71
和
Figure SMS_72
统称为仿射系数，α为仿射输出值；对于3D楼栋数据集而言，其输入值是四维张量：
Figure SMS_73
，这四个维度分别是3D楼栋的长度L、高度H、宽度W以及体积V，设
Figure SMS_74
为3D楼栋数据集中的某一个3D楼栋的输入值，3D楼栋归一化处理计算过程如下：
首先在输入的L、H、W这个三个维度上计算均值和方差：
Figure SMS_75
（公式三）；
Figure SMS_76
（公式四）；
其中，μv为某一个3D楼栋的输入值的均值，σv^2为某一个3D楼栋的输入值的方差；
将公式三及公式四带入公式一中，对3D楼栋进行归一化处理包括：
Figure SMS_77
其中，
Figure SMS_78
为一个3D楼栋的归一化输出值；
γ，β∈R^V,将它们带入公式二中，得到：
Figure SMS_79
;
其中，
Figure SMS_80
是一个3D楼栋的仿射输出值；
计算关于
Figure SMS_81
、
Figure SMS_82
：
Figure SMS_83
（公式五）；
Figure SMS_84
（公式六）；
Figure SMS_85
（公式七）；
通过公式五、公式六及公式七得到
Figure SMS_86
和
Figure SMS_87
，从而根据
Figure SMS_88
和
Figure SMS_89
对3D楼栋进行归一化仿射处理；
将归一化仿射处理后的3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集。
可选地，第一构建单元304具体用于：
以第一房间的第一中心坐标为坐标系原点坐标建立坐标系，坐标系为二维坐标系；
根据第一房间的宽度、长度及第二房间的宽度、长度确定x轴方向上的第二房间的第二中心坐标，第二房间为在x轴方向上与第一房间相邻的房间；
判断x轴方向上的所有房间的坐标是否确定完毕；
若否，确定在x轴方向上的第三房间的第三中心点坐标，第三房间为在x轴方向上与第二房间相邻的房间，直至x轴方向上的所有房间的中心坐标确定完毕；
根据中心坐标放置x轴方向上的所有房间；
根据第一房间的宽度、长度及第四房间的宽度、长度确定y轴方向上的第四房间的第四中心点坐标，第四房间为在y轴方向上与第一房间相邻的房间；
判断y轴方向上的所有房间的坐标是否确定完毕；
若否，确定在y轴方向上的第五房间的第五中心点坐标，第五房间为在y轴方向上与第四房间相邻的房间，直至y轴方向上的所有房间的坐标确定完毕；
根据中心坐标放置y轴方向上的所有房间。
可选地，装置还包括：
第二判断单元310，用于根据楼层恒载面积判断楼栋的3D楼栋图是否存在楼层异形问题；
楼层恒载面积的计算公式为：a =(b +c) *d-e*l，其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围;
第二生成单元311，用于若存在楼层异形问题，则生成楼层异形报错预警。
可选地，装置还包括：
渲染单元312，用于根据用户选择的楼栋外观样式渲染3D楼栋图。
可选地，装置还包括：
第三生成单元313，用于生成楼栋的所有楼层的楼层列表，以使得用户根据楼层列表修改楼层关系。
本实施例系统中，各单元的功能与前述图2所示方法实施例中的步骤对应,
此处不再赘述。
本申请还提供了一种构建3D建筑模型的装置，请参阅图4，图4为本申请提供的一种构建3D建筑模型的装置一个实施例，该装置包括：
处理器401、存储器402、输入输出单元403、总线404；
处理器401与存储器402、输入输出单元403以及总线404相连；
存储器402保存有程序，处理器401调用程序以执行如上任一一种构建3D建筑模型的方法。
本申请还涉及一种计算机可读存储介质，计算机可读存储介质上保存有程序，当程序在计算机上运行时，使得计算机执行如上任一一种构建3D建筑模型的方法。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。在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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，所述单元的划分，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，例如多个单元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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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、只读存储器（ROM，read-onlymemory）、随机存取存储器（RAM，random accessmemory）、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (9)

1.一种构建3D建筑模型的方法，其特征在于，所述方法包括：
获取楼栋的第一楼层的第一房间的基础数据，所述基础数据包括房间类型数据及房间尺寸数据；
获取所述第一房间的位置数据，所述位置数据包括所述第一房间的相邻房间数据；
获取所述第一房间的关联关系数据，所述关联关系数据包括所述第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
根据所述基础数据、所述位置数据及所述关联关系数据构建所述第一房间的第一3D模型，并确定所述第一3D模型的位置；
分别构建所述第一楼层的其余房间对应的其余3D模型，并根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图；
分别构建所述楼栋的其余楼层对应的其余3D楼层图；
根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图；
根据楼层恒载面积判断所述楼栋的3D楼栋图是否存在楼层异形问题；
所述楼层恒载面积的计算公式为：a =(b +c) *d-e*l其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围；
若存在楼层异形问题，则生成楼层异形报错预警。
2.根据权利要求1所述的方法，其特征在于，在所述根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图之后，所述方法还包括：
将所述3D楼栋图输入目标尺寸检测模型，所述目标尺寸检测模型基于U-Net++神经网络搭建，通过所述目标尺寸检测模型判断所述3D楼栋图的尺寸数据是否存在异常数据；
若存在异常数据，则生成异常数据报错预警。
3.根据权利要求2所述的方法，其特征在于，所述目标尺寸检测模型的训练过程如下：
获取3D楼栋数据集，所述3D楼栋数据集由多张尺寸数据异常的3D楼栋图及多张尺寸数据不异常的3D楼栋图构成；
将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集；
基于所述3D楼栋训练数据集训练初始尺寸检测模型，通过所述初始尺寸检测模型的损失函数计算损失值；
判断所述损失值是否大于预设损失值；
若所述损失值大于预设损失值，则根据所述损失值更新所述初始尺寸检测模型的参数，再基于所述3D楼栋训练数据集训练所述初始尺寸检测模型；
若所述损失值不大于预设损失值，则获取初始尺寸检测模型，并将所述3D楼栋测试数据集输入所述初始尺寸检测模型，判断所述初始尺寸检测模型的精度是否大于预设精度；
若是，则确定所述初始尺寸检测模型为目标尺寸检测模型。
4.根据权利要求3所述的方法，其特征在于，在所述将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集之前，所述方法还包括：
调用清洗脚本清洗所述3D楼栋数据集；
对清洗后的3D楼栋数据集统一进行归一化仿射处理，所述归一化仿射处理公式如下：
Figure QLYQS_1
（公式一）；
Figure QLYQS_2
（公式二）；
其中，公式一为归一化过程，x为3D楼栋的输入值，μ为输入值的均值，y为归一化输出值，σ^2为输入值的方差，
Figure QLYQS_3
为输入值的偏移量；公式二为仿射过程，其中
Figure QLYQS_4
和
Figure QLYQS_5
统称为仿射系数，α为仿射输出值；对于3D楼栋数据集而言，其输入值是四维张量：
Figure QLYQS_6
，这四个维度分别是3D楼栋的长度L、高度H、宽度W以及体积V，设
Figure QLYQS_7
为3D楼栋数据集中的某一个3D楼栋的输入值，3D楼栋归一化处理计算过程如下：
首先在输入的L、H、W这个三个维度上计算均值和方差：
Figure QLYQS_8
（公式三）；
Figure QLYQS_9
（公式四）；
其中，μv为某一个3D楼栋的输入值的均值，σv^2为某一个3D楼栋的输入值的方差；
将公式三及公式四带入公式一中，对3D楼栋进行归一化处理包括：
Figure QLYQS_10
;
其中，
Figure QLYQS_11
为一个3D楼栋的归一化输出值；
γ，β∈R^V,将它们带入公式二中，得到：
Figure QLYQS_12
;
其中，
Figure QLYQS_13
是一个3D楼栋的仿射输出值；
计算关于
Figure QLYQS_14
、
Figure QLYQS_15
：
Figure QLYQS_16
（公式五）；
Figure QLYQS_17
（公式六）；
Figure QLYQS_18
（公式七）；
通过公式五、公式六及公式七得到
Figure QLYQS_19
和
Figure QLYQS_20
，从而根据
Figure QLYQS_21
和
Figure QLYQS_22
对3D楼栋进行归一化仿射处理；
所述将所述3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集包括：
将归一化仿射处理后的3D楼栋数据集拆分为3D楼栋训练数据集及3D楼栋测试数据集。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图包括：
以所述第一房间的第一中心坐标为坐标系原点坐标建立坐标系，所述坐标系为二维坐标系；
根据第一房间的宽度、长度及第二房间的宽度、长度确定x轴方向上的第二房间的第二中心坐标，所述第二房间为在所述x轴方向上与所述第一房间相邻的房间；
判断所述x轴方向上的所有房间的坐标是否确定完毕；
若否，确定在x轴方向上的第三房间的第三中心点坐标，所述第三房间为在所述x轴方向上与所述第二房间相邻的房间，直至所述x轴方向上的所有房间的中心坐标确定完毕；
根据所述中心坐标放置所述x轴方向上的所有房间；
根据第一房间的宽度、长度及第四房间的宽度、长度确定y轴方向上的第四房间的第四中心点坐标，所述第四房间为在所述y轴方向上与所述第一房间相邻的房间；
判断所述y轴方向上的所有房间的坐标是否确定完毕；
若否，确定在y轴方向上的第五房间的第五中心点坐标，所述第五房间为在所述y轴方向上与所述第四房间相邻的房间，直至所述y轴方向上的所有房间的坐标确定完毕；
根据所述中心坐标放置所述y轴方向上的所有房间。
6.根据权利要求1至5中任一项所述的方法，其特征在于，在所述根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图之后，所述方法还包括：
根据用户选择的楼栋外观样式渲染所述3D楼栋图。
7.根据权利要求1至5中任一项所述的方法，其特征在于，在所述分别构建所述楼栋的其余楼层对应的其余3D楼层图之后，所述方法还包括：
生成所述楼栋的所有楼层的楼层列表，以使得用户根据所述楼层列表修改楼层关系。
8.一种构建3D建筑模型的装置，其特征在于，所述装置包括：
第一获取单元，用于获取楼栋的第一楼层的第一房间的基础数据，所述基础数据包括房间类型数据及房间尺寸数据；
第二获取单元，用于获取所述第一房间的位置数据，所述位置数据包括所述第一房间的相邻房间数据；
第三获取单元，用于获取所述第一房间的关联关系数据，所述关联关系数据包括所述第一房间的租赁关系数据、招租状态数据及房间设备状态数据；
第一构建单元，用于根据所述基础数据、所述位置数据及所述关联关系数据构建所述第一房间的第一3D模型，并确定所述第一3D模型的位置；
第二构建单元，用于分别构建所述第一楼层的其余房间对应的其余3D模型，并根据所述第一3D模型及所述其余房间对应的其余3D模型构建所述第一楼层的第一3D楼层图；
第三构建单元，用于分别构建所述楼栋的其余楼层对应的其余3D楼层图；
第四构建单元，用于根据所述第一3D楼层图及所述其余3D楼层图构建所述楼栋的3D楼栋图；
第二判断单元，用于根据楼层恒载面积判断所述楼栋的3D楼栋图是否存在楼层异形问题；
所述楼层恒载面积的计算公式为：a =(b +c) *d-e*l，其中，a为楼层的恒载面积，b +c为楼面的活载荷重量值、e为楼面板的等效截面积、d为梁的有效高度、l为楼层高度范围;
第二生成单元，用于若存在楼层异形问题，则生成楼层异形报错预警。
9.一种构建3D建筑模型的装置，其特征在于，所述装置包括：
处理器、存储器、输入输出单元以及总线；
所述处理器与所述存储器、所述输入输出单元以及所述总线相连；
所述存储器保存有程序，所述处理器调用所述程序以执行如权利要求1至7中任一项所述方法。
CN202211514687.1A 2022-11-30 2022-11-30 一种构建3d建筑模型的方法及装置 Active CN115564901B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211514687.1A CN115564901B (zh) 2022-11-30 2022-11-30 一种构建3d建筑模型的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211514687.1A CN115564901B (zh) 2022-11-30 2022-11-30 一种构建3d建筑模型的方法及装置

Publications (2)

Publication Number Publication Date
CN115564901A CN115564901A (zh) 2023-01-03
CN115564901B true CN115564901B (zh) 2023-03-21

Family

ID=84770291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211514687.1A Active CN115564901B (zh) 2022-11-30 2022-11-30 一种构建3d建筑模型的方法及装置

Country Status (1)

Country Link
CN (1) CN115564901B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117726239B (zh) * 2024-02-18 2024-04-30 温州市建设工程咨询有限公司 工程质量验收实测实量方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461071A (zh) * 2020-04-30 2020-07-28 同济大学 一种基于深度学习算法的楼面活荷载统计方法及系统
WO2021223434A1 (zh) * 2020-09-23 2021-11-11 中广核工程有限公司 核岛结构有限元模型网格数据传递方法、装置、设备

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10706618B2 (en) * 2017-08-14 2020-07-07 Aurora Solar Inc 3D building modeling systems
CN113833025A (zh) * 2019-07-06 2021-12-24 王建平 水上悬浮式钢混结构公路与铁路交通工程
CN112948933B (zh) * 2021-03-05 2023-06-16 深圳市中地软件工程有限公司 房屋模型的构建方法、显示方法、管理装置以及存储介质
CN113688509B (zh) * 2021-08-05 2023-12-15 中国建筑科学研究院有限公司 一种单栋既有建筑自重荷载结构的评定系统
CN114036619A (zh) * 2021-11-18 2022-02-11 广东天元建筑设计有限公司 基于bim的住宅模块化设计方法、装置及计算机存储介质
CN114638939A (zh) * 2022-03-23 2022-06-17 北京有竹居网络技术有限公司 模型生成方法、模型生成装置、电子设备和可读存储介质
CN114925436A (zh) * 2022-06-06 2022-08-19 杭州群核信息技术有限公司 基于单层户型图生成楼宇建筑模型的方法和系统
CN115391876B (zh) * 2022-07-29 2023-06-16 北京城市网邻信息技术有限公司 楼栋模型建立方法、装置、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461071A (zh) * 2020-04-30 2020-07-28 同济大学 一种基于深度学习算法的楼面活荷载统计方法及系统
WO2021223434A1 (zh) * 2020-09-23 2021-11-11 中广核工程有限公司 核岛结构有限元模型网格数据传递方法、装置、设备

Also Published As

Publication number Publication date
CN115564901A (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN109946680B (zh) 探测系统的外参数标定方法、装置、存储介质及标定系统
CN109272543B (zh) 用于生成模型的方法和装置
CN115564901B (zh) 一种构建3d建筑模型的方法及装置
CN109658497B (zh) 一种三维模型重建方法及装置
CN116738552B (zh) 一种基于物联网的环境检测设备管理方法及系统
CN113240678B (zh) 平面信息检测方法及系统
CN108492284B (zh) 用于确定图像的透视形状的方法和装置
CN114359412A (zh) 一种面向建筑数字孪生的相机外参自动标定方法及系统
US20190026900A1 (en) System and method for modeling a three dimensional space based on a two dimensional image
CN113706472A (zh) 公路路面病害检测方法、装置、设备及存储介质
Wang et al. How data quality affects model quality in scan-to-BIM: A case study of MEP scenes
CN109344294B (zh) 特征生成方法、装置、电子设备及计算机可读存储介质
CN114595238A (zh) 基于矢量的地图处理方法及装置
CN114066999A (zh) 基于三维建模的目标定位系统及方法
CN116912817A (zh) 三维场景模型拆分方法、装置、电子设备和存储介质
CN116503538A (zh) 基于倾斜摄影的单体建模方法、系统、终端及存储介质
CN115393423A (zh) 目标检测方法和装置
CN113920269A (zh) 工程进度获取方法、装置、电子设备及介质
CN113160414A (zh) 货物余量自动识别方法、装置、电子设备以及计算机可读介质
US20230419533A1 (en) Methods, storage media, and systems for evaluating camera poses
Seo et al. Two quantitative measures of inlier distributions for precise fundamental matrix estimation
CN116977535B (zh) 一种实时光线追踪的方法、装置、存储介质及电子设备
Chmelar et al. Advanced plane properties by using level image
CN113724395B (zh) 一种多楼层房屋模型的生成方法、装置、电子设备及介质
CN114998426B (zh) 机器人测距方法及装置

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