CN117236794B - 基于bim的工程监理信息管理方法、系统、介质和设备 - Google Patents

Abstract

本公开涉及一种基于BIM的工程监理信息管理方法、系统、介质和设备，其中方法包括：获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，目标BIM模型的质量优于标准BIM模型；获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。

Description

基于BIM的工程监理信息管理方法、系统、介质和设备

技术领域

本公开实施例涉及工程监理智能化技术领域，尤其涉及一种基于BIM的工程监理信息管理方法、系统、介质和设备。

背景技术

目前将建筑信息模型BIM（Building Information Modeling）应用于工程监理服务已经成为一种趋势。相关技术中提出了各种基于BIM的工程监理管理方案，但是目前不同施工阶段的BIM模型通常是由不同的单位完成，BIM模型质量不可控，导致工程监理效率大为降低，例如监理结果错误导致重复监理工作等，而目前业界并未关注到甚至忽视这一问题。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了基于一种BIM的工程监理信息管理方法及系统。

第一方面，本公开实施例提供了一种基于BIM的工程监理信息管理方法，包括：

获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；

判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，目标BIM模型的质量优于标准BIM模型；

获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；

基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。

在一个实施例中，还包括：

若所述标准BIM模型的质量符合所述预设质量标准，则基于所述标准BIM模型和所述施工BIM模型对比确定第二施工监理信息。

在一个实施例中，所述确定所述标准BIM模型的质量是否符合预设标准，包括：获取所述标准BIM模型对应的至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息；将所述至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息与预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息比对以判断所述标准BIM模型的质量是否符合预设标准。

在一个实施例中，所述获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型，包括：获取所述施工节点信息所指示的施工场地的场地施工数据，所述场地施工数据至少包括施工图像数据；基于所述施工图像数据确定对应的施工构件的构件参数，基于所述施工构件的构件参数渲染生成施工BIM模型。

在一个实施例中，所述基于所述施工图像数据确定对应的施工构件的构件参数，包括：将所述施工图像数据输入构件参数确定模型，以得到施工构件的构件参数；其中，所述构件参数确定模型是预先基于样本施工图像数据对深度神经网络模型训练得到的。

在一个实施例中，所述施工构件的构件参数包括施工构件的几何尺寸参数、构件材料参数、构件尺寸比例参数中的一个或多个。

在一个实施例中，所述深度神经网络模型包括第一神经网络模型和第二神经网络模型，所述深度神经网络模型的训练过程中，所述第一神经网络模型用于提取样本施工图像数据的目标特征图，并将所述目标特征图与所述样本施工图像数据叠加生成目标施工图像数据，所述第二神经网络模型用于基于所述目标施工图像数据输出施工构件的构件参数。

第二方面，本公开实施例提供一种基于BIM的工程监理信息管理系统，包括：

第一模型构建模块，用于获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；

第二模型构建模块，用于判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，目标BIM模型的质量优于标准BIM模型；

第三模型构建模块，用于获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；

施工监理管理模块，用于基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。

第三方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述基于BIM的工程监理信息管理方法。

第四方面，本公开实施例提供一种电子设备，包括：

处理器；以及

存储器，用于存储计算机程序；

其中，所述处理器配置为经由执行所述计算机程序来执行上述任一实施例所述基于BIM的工程监理信息管理方法。

本公开实施例提供的技术方案与现有技术相比具有如下优点：

本公开实施例提供的基于BIM的工程监理信息管理方法及系统，获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型；获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。这样可以在基于BIM实现智能化监理过程中，对于不同施工阶段的标准BIM模型，在判断确定该标准BIM模型的质量不符合预设质量标准时，可基于施工节点信息对应的工程设计文件重新生成目标BIM模型，最后再与基于场地施工数据生成的施工BIM模型对比确定施工监理信息，也即可在标准BIM模型质量较低时，基于重新生成的质量较高的目标BIM模型进行对比实现工程监理，如此可以避免标准BIM模型质量差导致监理结果错误而导致重复监理工作等问题，提高了工程监理效率。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

为了更清楚地说明本公开实施例或现有技术中的技术方案，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，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为本公开实施例基于BIM的工程监理信息管理方法流程图；

图2为本公开实施例的标准BIM模型的质量判断方法流程图；

图3为本公开实施例中的深度神经网络模型的结构示意图；

图4为本公开实施例基于BIM的工程监理信息管理系统示意图；

图5为本公开实施例的电子设备示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

应当理解，在下文中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

图1为本公开实施例的一种基于BIM的工程监理信息管理方法流程图，该方法可以由计算设备如计算机、服务器或智能终端等执行。具体的，该基于BIM的工程监理信息管理方法可包括以下步骤：

步骤S101：获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型。

示例性的，标准BIM模型可以是建筑施工中预先基于工程设计文件建立的三维（3D）模型，具体建立过程可以参考现有技术理解，此处不再赘述。工程设计文件可以包括但不限于多个施工节点的设计方案、设计图纸和施工进度计划信息等。其中，一个施工节点对应一个标准BIM模型，所有施工节点对应的标准BIM模型构成一个设计的建筑物的整体标准BIM模型。施工节点可以是工程项目中的某个建筑构件子工程，例如墙体子工程、地面子工程等，施工节点划分可以根据具体需要设置，对此不作限制。其中，目前不同施工阶段即施工节点的标准BIM模型通常是由不同的单位完成，模型质量不可控。

施工节点信息可以是但不限于文字信息，例如由施工管理人员每天或间隔一定天数在施工现场记录并存储于管理计算机中，也即记录存储当前施工节点信息如当前正在施工的建筑构件B的名称、位置、施工计划天数等信息。工程监理时，监理人员可从管理计算机中获取施工节点信息如建筑构件B的名称，然后基于建筑构件B的名称获取对应的建筑构件B的标准BIM模型。其它实施例中，施工节点信息可以是基于当前施工现场的图像由计算机识别得到。

步骤S102：判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型。

示例性的，预设质量标准可以预先设置。由于目前不同施工节点的标准BIM模型通常是由不同的单位完成，模型质量不可控，因此本实施例中对获取的例如上述建筑构件B的标准BIM模型的质量进行判断，在模型质量不符合预设质量标准时，获取与施工节点信息如建筑构件B的名称对应的工程设计文件，即获取建筑构件B的设计方案、设计图纸等工程设计文件，然后基于该建筑构件B的设计方案、设计图纸确定建筑构件B的工程设计参数如建筑构件B的组成子构件的几何尺寸、比例、连接方式、空间位置等，基于建筑构件B的工程设计参数生成如渲染生成目标BIM模型。其中生成的该目标BIM模型的质量优于标准BIM模型。

步骤S103：获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型。

示例性的，获取施工节点信息如建筑构件B的名称所指示的施工场地如建筑构件B的施工场地的场地施工数据，也即获取实际的施工的建筑构件B现场的场地施工数据如施工图像数据，施工图像数据可以包括但不限于施工现场的整体环境图像、施工现场的远景图像、施工现场的近景图像、建筑构件的当前施工结构图像。最后基于该场地施工数据如上述施工图像数据生成施工BIM模型。其中，图像数据可以基于无人机或者施工现场设置的图像采集装置获取得到。

步骤S104：基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。

示例性的，例如基于目标BIM模型和施工BIM模型确定两模型之间的差异数据例如建筑构件的尺寸差值数据，工程量进度差值数据，基于该差异数据输出施工监理信息如监理分析结果，例如差异数据大于预设值，则说明实际施工存在风险，需要进行风险提醒。

本公开实施例的上述基于BIM的工程监理信息管理方法，可以在基于BIM实现智能化监理过程中，对于不同施工节点如建筑构件的标准BIM模型，在判断确定该标准BIM模型的质量不符合预设质量标准时，可基于施工节点信息对应的工程设计文件重新生成建筑构件的目标BIM模型，最后再与基于实际场地施工数据生成的建筑构件的施工BIM模型对比确定施工监理信息，也即可在标准BIM模型质量较低时，基于重新生成的质量较高的目标BIM模型进行对比实现工程监理，如此可以避免标准BIM模型质量差时导致监理结果错误而导致重复监理工作等问题，提高了工程监理效率。

在一个实施例中，该方法还可包括：若所述标准BIM模型的质量符合所述预设质量标准，则基于所述标准BIM模型和所述施工BIM模型对比确定第二施工监理信息。也即在判断确定标准BIM模型的质量符合预设质量标准时，直接基于该标准BIM模型和上述施工BIM模型对比确定第二施工监理信息，第二施工监理信息的确定方式与上述第一施工监理信息的方式相同，具体参考前述实施例中的描述，此处不再赘述。如此可以在判断确定标准BIM模型的质量符合预设质量标准时，直接基于该标准BIM模型和上述施工BIM模型对比确定第二施工监理信息，提高了工程监理效率。

在一个实施例中，结合参考图2中所示，步骤S102中确定所述标准BIM模型的质量是否符合预设标准，具体可以包括以下步骤：

步骤S201：获取所述标准BIM模型对应的至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息。

示例性的，在判断确定标准BIM模型的质量之前，需要获取该标准BIM模型的参数信息，具体可获取对应的建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息。

其中，作为示例，构件属性信息可以包括构件名称如梁、墙等，以及构件采用的建筑材料如钢、混凝土等。构件几何尺寸信息可包括构成该构件的多个子构件的几何尺寸信息如子构件的形状、长度、宽度、高度等。构件尺寸比例信息可包括该多个子构件的几何尺寸比例值。模型生成方式信息可包括标准BIM模型的生成方式记录信息，如参数建模和构件建模等不同建模方式。模型纹理和材质信息可包括模型中使用的材质和纹理数量。

步骤S202：将所述至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息与预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息比对以判断所述标准BIM模型的质量是否符合预设标准。

示例性的，将获取的该标准BIM模型的参数信息如建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息与预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息比对，从而判断该标准BIM模型的质量是否符合预设标准。其中，预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息可以由监理人员基于该标准BIM模型及对应的建筑构件的工程设计文件预先确定。

在一个示例中，该标准BIM模型的质量不符合预设标准需要满足以下任意一个或多个条件：建筑构件的构件属性信息与预设构件属性信息不相同；模型生成方式信息与预设模型生成方式信息不相同；构件几何尺寸信息与预设构件几何尺寸信息的差异大于预设尺寸；构件尺寸比例信息与预设构件尺寸比例信息的差异大于预设尺寸比例；模型纹理和材质信息如模型中使用的材质和纹理数量与预设模型纹理和材质信息中的材质和纹理数量的差异大于预设数量。其中，预设尺寸、预设尺寸比例以及预设数量可以根据需要预先设置，对此不作限制。

本实施例中的上述方案，可以在上述各实施例的基础上，更准确地判断标准BIM模型的质量是否符合预设质量标准，避免判断不准确即误判导致误重新生成目标BIM模型与施工BIM模型对比确定施工监理信息，如此可以减少标准BIM模型质量判断时的误判几率，避免误判导致的监理结果错误或重复监理工作等问题，进一步提高了工程监理效率。

具体的，在判断标准BIM模型的质量是否符合预设质量标准时可以采用模型生成方式信息以及模型纹理和材质信息判断，一方面，模型生成方式如参数建模或构件建模的不同是基于设计的建筑物的不同来决定的，例如参数建模不适用于自由形态的建筑物，而构件建模适用于具有相似构件的建筑如公寓或办公大楼等，且模型生成方式不同则模型质量不同，因此基于模型生成方式信息的模型质量判断除了考虑模型生成方式导致的模型质量差异，还考虑了建筑物的类型的因素，如此可更准确地判断标准BIM模型的质量是否符合预设质量标准。另一方面，BIM模型中的纹理和材质通常会占据很大的存储空间。因此若减少模型中使用的材质和纹理数量可以有效地减小模型的大小，如此处理虽然会略微影响模型的观感，但可以大大提高模型的性能。因此本实施例中在判断标准BIM模型的质量是否符合预设质量标准时可以采用模型纹理和材质信息如模型纹理和材质数量来判断，标准BIM模型中若使用的材质和纹理数量与预设模型纹理和材质信息中的材质和纹理数量的差异大于预设数量即使用的材质和纹理数量较多时，模型质量不符合预设标准，反之则符合。如此可以通过模型中使用的材质和纹理数量这一另外的维度的条件进行模型质量判断，结合其余判断条件，可以更准确地判断标准BIM模型的质量是否符合预设质量标准，避免误判导致的监理结果错误或重复监理工作等问题，进一步提高了工程监理效率。

在上述任意一个实施例的基础上，于另一个实施例中，步骤S103中获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型，具体可以包括：获取所述施工节点信息所指示的施工场地的场地施工数据，所述场地施工数据至少包括施工图像数据；基于所述施工图像数据确定对应的施工构件的构件参数，基于所述施工构件的构件参数渲染生成施工BIM模型。

示例性的，在一个实施例中，所述施工构件的构件参数可以包括但不限于施工构件的几何尺寸参数、构件材料参数、构件尺寸比例参数中的一个或多个。

在一个具体示例中，获取施工节点信息如某个建筑构件B的名称所指示的施工场地如建筑构件B的施工场地的场地施工数据，也即获取实际的施工的建筑构件B现场的施工图像数据，基于施工图像数据通过图像识别处理确定图像中对应的施工构件即建筑构件B的构件参数如几何尺寸参数、构件尺寸比例参数，然后通过例如参数建模方式生成初始BIM模型，然后渲染初始BIM模型生成施工BIM模型。

为了获得更准确的监理结果，避免生成的施工BIM模型不准确导致后续对比误差大影响施工监理结果准确性。在上述实施例的基础上，于一个实施例中，上述基于所述施工图像数据确定对应的施工构件的构件参数的步骤，具体可以包括：将所述施工图像数据输入构件参数确定模型，以得到施工构件的构件参数；其中，所述构件参数确定模型是预先基于样本施工图像数据对深度神经网络模型训练得到的。

本实施例中，通过预先训练得到的构件参数确定模型从施工图像数据中确定对应的施工构件的构件参数，这样加入模型训练即人工智能技术，基于此方式得到的构件参数更为准确，因此生成的施工BIM模型更准确，从而可避免出现后续对比目标BIM模型时误差大影响最终的施工监理结果准确性，也即提高了施工监理结果准确性。

在一个实施例中，为了进一步提高了施工监理结果准确性，结合图3所示，所述深度神经网络模型可以包括第一神经网络模型301和第二神经网络模型302，所述深度神经网络模型的训练过程中，所述第一神经网络模型301用于提取样本施工图像数据的目标特征图，并将所述目标特征图与所述样本施工图像数据叠加生成目标施工图像数据，所述第二神经网络模型302用于基于所述目标施工图像数据输出施工构件的构件参数。

示例性的，第一神经网络模型可以提取样本施工图像数据的目标特征图如颜色特征、纹理特征、形状特征和空间关系特征，目标特征图可以包括样本施工图像数据中施工构件所在位置的颜色特征、纹理特征、形状特征和空间关系特征，之后将该目标特征图与样本施工图像数据叠加生成目标施工图像数据，生成目标施工图像数据时可以采用但不限于平均梯度法，从而反映图像中的变化特征如纹理变化特征等，同时也可以反映图像的清晰度。

可以理解的是，第一神经网络模型301和第二神经网络模型302可以相同，也可以不同，具体可以是现有的例如卷积神经网络模型等。在一个示例中，基于两个模型的不同功能，可使第一神经网络模型301的网络深度小于第二神经网络模型302的网络深度，以节省成本和降低实施难度。

本实施例中的构件参数确定模型对应的原始模型增加了第一神经网络模型，其可以提取样本施工图像数据的目标特征图后与样本施工图像数据再次叠加得到目标施工图像数据，如此可以丰富提取的图像特征细节如纹理等，然后再基于第二卷积神经网络模型在目标施工图像数据中识别得到施工构件的构件参数如几何尺寸参数、构件尺寸比例参数等，这样可以加强凸显样本施工图像数据中的待识别的施工构件参数信息，提升了训练任务的效果，使得训练得到的模型识别得到的施工构件参数更加准确，因此生成的施工BIM模型更准确，从而可避免出现后续对比目标BIM模型时误差大影响最终的施工监理结果准确性，也即进一步提高了施工监理结果准确性。

作为一个示例，上述构件参数确定模型的训练过程可以包括：构建所述深度神经网络模型的目标损失函数，通过所述深度神经网络模型识别所述样本施工图像数据得到参数识别结果；根据所述参数识别结果和建筑构件的构件参数确定所述目标损失函数的损失值，根据所述目标损失函数的损失值调节更新所述深度神经网络模型的网络参数，直至所述目标损失函数的损失值满足预设条件时结束训练；其中，所述网络参数包括所述第一神经网络模型的网络参数和所述第二神经网络模型的网络参数，所述目标损失函数包括第一损失函数和第二损失函数，所述第一损失函数与所述第一神经网络模型相关，所述第二损失函数与所述第二神经网络模型相关。

其中，所述第一损失函数用于表征所述第一神经网络模型提取的目标特征图与实际目标特征图的差异度；所述第二损失函数用于表征所述第二神经网络模型对所述目标施工图像数据的参数识别结果与建筑构件的构件参数即实际构件参数的差异度。所述目标损失函数的损失值满足预设条件包括：第一损失函数的损失值小于第一阈值，且第二损失函数的损失值小于第二阈值。

可以理解的是，其中第一阈值和第二阈值可根据具体需求设置，对此不作限制。实际目标特征图可以基于样本施工图像数据预先计算得到。建筑构件的构件参数即实际构件参数可以预先基于对应的目标BIM模型或标准BIM模型确定。

本实施例中的构件参数确定模型的训练过程中对串联的第一神经网络模型和第二神经网络模型训练，并设置对应的第一损失函数和第二损失函数两个损失函数，使得可以分别控制调节两个损失值来训练得到模型，在一些情况下，当第二损失函数的损失值小于第二阈值且第一损失函数的损失值小于第一阈值即同时满足这两个条件时才结束训练，如此若出现第二损失函数的损失值不小于第二阈值，而第一损失函数的损失值小于第一阈值的情况，则训练并未结束而要继续训练，而此时第一损失函数的损失值小于第一阈值即第一神经网络模型的提取结果已经达到要求，此时继续训练使得第一神经网络模型的特征图提取结果更加准确，叠加后训练第二神经网络模型可加强训练任务的整体效果，使得训练得到的最终模型在应用时的构件参数识别结果的准确性进一步提高，因此生成的施工BIM模型的准确性进一步提高，从而可避免出现后续对比目标BIM模型时误差大影响最终的施工监理结果准确性，也即进一步提高了施工监理结果准确性。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。

如图4所示，本公开实施例提供一种基于BIM的工程监理信息管理系统，包括：

第一模型构建模块401，用于获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；

第二模型构建模块402，用于判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，目标BIM模型的质量优于标准BIM模型；

第三模型构建模块403，用于获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；

施工监理管理模块404，用于基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息。

在一个实施例中，施工监理管理模块404还可用于：若所述标准BIM模型的质量符合所述预设质量标准，则基于所述标准BIM模型和所述施工BIM模型对比确定第二施工监理信息。

在一个实施例中，所述第二模型构建模块402确定所述标准BIM模型的质量是否符合预设标准，具体可包括：获取所述标准BIM模型对应的至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息；将所述至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息与预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息比对以判断所述标准BIM模型的质量是否符合预设标准。

在一个实施例中，所述第三模型构建模块403获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型，具体可包括：获取所述施工节点信息所指示的施工场地的场地施工数据，所述场地施工数据至少包括施工图像数据；基于所述施工图像数据确定对应的施工构件的构件参数，基于所述施工构件的构件参数渲染生成施工BIM模型。

在一个实施例中，所述第三模型构建模块403基于所述施工图像数据确定对应的施工构件的构件参数，包括：将所述施工图像数据输入构件参数确定模型，以得到施工构件的构件参数；其中，所述构件参数确定模型是预先基于样本施工图像数据对深度神经网络模型训练得到的。

在一个实施例中，所述施工构件的构件参数包括施工构件的几何尺寸参数、构件材料参数、构件尺寸比例参数中的一个或多个。

在一个实施例中，所述深度神经网络模型包括第一神经网络模型和第二神经网络模型，所述深度神经网络模型的训练过程中，所述第一神经网络模型用于提取样本施工图像数据的目标特征图，并将所述目标特征图与所述样本施工图像数据叠加生成目标施工图像数据，所述第二神经网络模型用于基于所述目标施工图像数据输出施工构件的构件参数。

在一个示例中，上述构件参数确定模型的训练过程可以包括：构建所述深度神经网络模型的目标损失函数，通过所述深度神经网络模型识别所述样本施工图像数据得到参数识别结果；根据所述参数识别结果和建筑构件的构件参数确定所述目标损失函数的损失值，根据所述目标损失函数的损失值调节更新所述深度神经网络模型的网络参数，直至所述目标损失函数的损失值满足预设条件时结束训练；其中，所述网络参数包括所述第一神经网络模型的网络参数和所述第二神经网络模型的网络参数，所述目标损失函数包括第一损失函数和第二损失函数，所述第一损失函数与所述第一神经网络模型相关，所述第二损失函数与所述第二神经网络模型相关。

其中，所述第一损失函数用于表征所述第一神经网络模型提取的目标特征图与实际目标特征图的差异度；所述第二损失函数用于表征所述第二神经网络模型对所述目标施工图像数据的参数识别结果与建筑构件的构件参数即实际构件参数的差异度。

关于上述实施例中的系统，其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或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模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项实施例所述基于BIM的工程监理信息管理方法。

示例性的，该可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（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。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

本公开实施例还提供一种电子设备，包括处理器以及存储器，存储器用于存储计算机程序。其中，所述处理器配置为经由执行所述计算机程序来执行上述任一项实施例中基于BIM的工程监理信息管理方法。

下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件（包括存储单元620和处理单元610）的总线630、显示单元640等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述方法实施例部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示方法的步骤。

所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元（ROM）6203。

所述存储单元620还可以包括具有一组（至少一个）程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本公开实施方式的上述各实施例的方法步骤。

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。

以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。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公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种基于BIM的工程监理信息管理方法，其特征在于，包括：

获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；

判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，所述目标BIM模型的质量优于所述标准BIM模型；

获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型，包括：获取所述施工节点信息所指示的施工场地的场地施工数据，所述场地施工数据至少包括施工图像数据；基于所述施工图像数据确定对应的施工构件的构件参数，基于所述施工构件的构件参数渲染生成施工BIM模型；其中，所述基于所述施工图像数据确定对应的施工构件的构件参数，包括：将所述施工图像数据输入构件参数确定模型，以得到施工构件的构件参数；其中，所述构件参数确定模型是预先基于样本施工图像数据对深度神经网络模型训练得到的；其中所述深度神经网络模型包括第一神经网络模型和第二神经网络模型，所述深度神经网络模型的训练过程中，所述第一神经网络模型用于提取样本施工图像数据的目标特征图，并将所述目标特征图与所述样本施工图像数据叠加生成目标施工图像数据，所述第二神经网络模型用于基于所述目标施工图像数据输出施工构件的构件参数；

基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息；

若所述标准BIM模型的质量符合所述预设质量标准，则基于所述标准BIM模型和所述施工BIM模型对比确定第二施工监理信息。

2.根据权利要求1所述的基于BIM的工程监理信息管理方法，其特征在于，所述判断所述标准BIM模型的质量是否符合预设标准，包括：获取所述标准BIM模型对应的至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息；将所述至少一个建筑构件的构件属性信息、构件几何尺寸信息、构件尺寸比例信息、模型生成方式信息以及模型纹理和材质信息与预设构件属性信息、预设构件几何尺寸信息、预设构件尺寸比例信息、预设模型生成方式信息以及预设模型纹理和材质信息比对以判断所述标准BIM模型的质量是否符合预设标准。

3.根据权利要求1或2所述的基于BIM的工程监理信息管理方法，其特征在于，所述施工构件的构件参数包括施工构件的几何尺寸参数、构件材料参数、构件尺寸比例参数中的一个或多个。

4.一种基于BIM的工程监理信息管理系统，其特征在于，包括：

第一模型构建模块，用于获取施工节点信息，基于所述施工节点信息获取与所述施工节点信息对应的标准BIM模型；

第二模型构建模块，用于判断所述标准BIM模型的质量是否符合预设质量标准，若否则获取与所述施工节点信息对应的工程设计文件，基于所述工程设计文件获取与所述施工节点信息所指示的建筑构件对应的工程设计参数，基于所述工程设计参数生成目标BIM模型，所述目标BIM模型的质量优于所述标准BIM模型；

第三模型构建模块，用于获取所述施工节点信息所指示的施工场地的场地施工数据，基于所述场地施工数据生成施工BIM模型；其中第三模型构建模块具体用于获取所述施工节点信息所指示的施工场地的场地施工数据，所述场地施工数据至少包括施工图像数据；基于所述施工图像数据确定对应的施工构件的构件参数，基于所述施工构件的构件参数渲染生成施工BIM模型；其中，所述基于所述施工图像数据确定对应的施工构件的构件参数，包括：将所述施工图像数据输入构件参数确定模型，以得到施工构件的构件参数；其中，所述构件参数确定模型是预先基于样本施工图像数据对深度神经网络模型训练得到的；其中所述深度神经网络模型包括第一神经网络模型和第二神经网络模型，所述深度神经网络模型的训练过程中，所述第一神经网络模型用于提取样本施工图像数据的目标特征图，并将所述目标特征图与所述样本施工图像数据叠加生成目标施工图像数据，所述第二神经网络模型用于基于所述目标施工图像数据输出施工构件的构件参数；

施工监理管理模块，用于基于所述目标BIM模型和所述施工BIM模型对比确定第一施工监理信息；

所述施工监理管理模块，还用于若所述标准BIM模型的质量符合所述预设质量标准，则基于所述标准BIM模型和所述施工BIM模型对比确定第二施工监理信息。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1~3任一项所述基于BIM的工程监理信息管理方法。

6.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储计算机程序；

其中，所述处理器配置为经由执行所述计算机程序来执行权利要求1~3任一项所述基于BIM的工程监理信息管理方法。