CN117745997B - 基于ai技术的平立面图数据处理方法及处理终端 - Google Patents
基于ai技术的平立面图数据处理方法及处理终端 Download PDFInfo
- Publication number
- CN117745997B CN117745997B CN202410191987.3A CN202410191987A CN117745997B CN 117745997 B CN117745997 B CN 117745997B CN 202410191987 A CN202410191987 A CN 202410191987A CN 117745997 B CN117745997 B CN 117745997B
- Authority
- CN
- China
- Prior art keywords
- view
- geometric
- elevation view
- elevation
- plan
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000013461 design Methods 0.000 claims abstract description 50
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 23
- 238000006073 displacement reaction Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000002372 labelling Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于AI技术的平立面图数据处理方法及处理终端,所述平立面图数据处理方法包括:预处理应用场景的平面图和立面图获取数据结构匹配的平面图和立面图;对于数据结构匹配的平面图和立面图中的每一幅设计图,利用AI识别技术获取设计图中各图层的语义信息;利用语义信息提取设计图中的几何形状并获取不同设计图之间几何形状的几何约束;利用几何形状建立设计图三维空间模型;利用几何约束将平面图和立面图的三维空间模型拼接;根据拼接结果获取平面图和立面图的匹配数据。本发明能够自动实现图纸审核,图纸的审查效率更高而且能够避免出现信息遗漏,提高审查图纸的准确率。
Description
技术领域
本发明涉及一种基于AI技术的平立面图数据处理方法及处理终端。
背景技术
装饰装修工程施工前,项目工程技术人员需要对设计图纸进行审图,主要是为了在开始施工前就能发现设计图中可能存在的错误、设计不合理、专业间碰撞等问题,从而保证施工过程中不会因为以上的问题造成返工和资源浪费。
设计图一般分为平面图、立面图和节点详图,分别归类在不同的图纸上,平面图和立面图所表达的侧重点不同,因此图纸上标注的信息也不尽相同。在审图过程中,如需核对某一构件的信息,首先需要在不同的图纸上找到该构件,然后读取图纸信息,若无标注,还需要人工在图纸上进行测量标注,再进行比对。综上,人工审图需要反复翻阅图纸、核对不同的信息,这种审查方式效率低下,且容易出现信息遗漏。
在设计图纸的绘制过程中设计师通过对点、线等简单几何图形的组合,可以对建筑物的基本结构构件(墙、梁、板、柱等),建筑构件(门、窗、隔墙等),装饰构件(饰面、地砖、踢脚线等)进行表达,并辅以尺寸、文字等标注,即可完整得表达建筑的外形、尺寸、工艺。设计师在绘制图纸的过程中,为了方便管理和操作,会将不同的构件放置在不同的图层中,但是由于制图软件、插件的不同,个人的与制图习惯和风格的不同,例如,对于“柱子”这一构件,A和B两位设计师可能会采用两种不同的表达方式,同时设置的图层也可能会不尽相同。
综上,现有技术中存在审图工作量大且工作效率低,审图结果准确性差的缺陷。
发明内容
本发明要解决的技术问题是为了克服现有技术中审图工作量大且工作效率低,审图结果准确性差的缺陷,提供一种能够自动实现图纸审核,图纸的审查效率更高而且能够避免出现信息遗漏,提高审查图纸的准确率的基于AI技术的平立面图数据处理方法及处理终端。
本发明是通过下述技术方案来解决上述技术问题:
一种基于AI技术的平立面图数据处理方法,其特点在于,所述平立面图数据处理方法包括:
预处理应用场景的平面图和立面图获取数据结构匹配的平面图和立面图;
对于数据结构匹配的平面图和立面图中的每一幅设计图,利用AI识别技术获取设计图中各图层的语义信息;
利用语义信息提取设计图中的几何形状并获取不同设计图之间几何形状的几何约束;
利用几何形状建立设计图三维空间模型;
利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接;
根据拼接结果获取平面图和立面图的匹配数据。
较佳地,所述平立面图数据处理方法包括:
对于数据结构匹配的平面图和立面图中的每一设计图,利用AI识别技术将设计图按语义分为若干图层,每一图层对应一种语义信息;
利用语义信息是几何的图层获取几何形状;
利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束。
较佳地,所述平立面图数据处理方法包括:
利用几何形状的信息建立一几何多边形;
利用AI识别技术将几何多边形划分为若干几何结构件;
利用AI识别技术识别几何结构件的语义。
较佳地,所述平立面图数据处理方法包括:
获取几何结构件在标注图层中的对应参数;
根据几何结构件的语义将对应参数与几何结构件结合获取几何结构件的三维空间参数。
较佳地,所述标注包括立面图在平面图中视角原点的位置,所述利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束,包括:
对于一立面图,根据视角原点的位置获取立面图在平面图上的可视范围;
在可视范围内,利用AI识别技术在平面图上识别与立面图对应的特征点;
根据特征点获取立面图的在平面图的匹配位置作为平面图与立体图之间几何形状的几何约束。
较佳地,所述利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图的三维空间模型和立面图在所述匹配位置拼接。
较佳地,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维空间模型在平面图上的投影;
将立面图的投影与平面图的线条对比,判断比对结果是否匹配,若否则输出不匹配的位置。
较佳地,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
利用所述位移矩阵将平面图三维空间模型的内表面底线与立面图对应墙面内侧线条在所述匹配位置重合拼接;
获取立面图的三维空间模型在平面图上的投影;
在所述投影的线条上查找重叠像素,标记没有重叠像素的线条位置作为不匹配位置。
较佳地,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图三维空间模型的内表面与立面图三维空间模型对应墙面内表面在所述匹配位置重合拼接;
在平面图三维空间模型中查找未重合区域,获取未重合区域的平面图对应位置作为不匹配位置。
本发明还提供一种处理终端,其特点在于,所述处理终端用于实现如上所述的基于AI技术的平立面图数据处理方法。
符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
本发明能够自动实现图纸审核,图纸的审查效率更高而且能够避免出现信息遗漏,提高审查图纸的准确率。
附图说明
图1为本发明实施例1的几何结构件的结构示意图。
图2为本发明实施例1的设计图的结构示意图。
图3为本发明实施例1的平立面图数据处理方法的流程图。
图4为本发明实施例1的平立面图数据处理方法的另一流程图。
图5为本发明实施例1的平立面图数据处理方法的另一流程图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例
本实施例提供一种基于AI技术的处理终端,本实施例中的处理终端可以是具有运算能力的台式电脑、平板电脑笔记本电脑等,也可以是具有更强运算能力的服务器。
所述服务器可以包括是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请的说明书和权利要求书中,术语“包括”和“具有”以及他们的任何变形,表示覆盖不排他的包含,例如,包括一系列方法步骤或模块的流程、方法、产品或装置不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些流程、方法、产品或装置固有的其它步骤或模块。
所述处理终端用于:
预处理应用场景的平面图和立面图获取数据结构匹配的平面图和立面图。
对平面图和立面图的预处理包括文件的格式、版本的转换等,数据结构以及计算机语言的差异会对图纸审查的准确性产生影响,因此需要对图纸进行预处理,在此过程中,处理终端将用一套统一的数据结构、计算机语言来整理、描述图纸信息。
对于数据结构匹配的平面图和立面图中的每一幅设计图,利用AI识别技术获取设计图中各图层的语义信息。
本实施例的处理终端利用了AI图像识别技术,AI图像识别技术指的是利用人工智能技术对图像进行自动识别和理解的过程。这项技术可以帮助我们对图像中的物体、场景、文字等进行自动识别和分析,以达到自动化处理图像的目的。常用的技术包括卷积神经网络(CNN)、循环神经网络(RNN)、深度学习等。
本实施例中,设计图包括平面图、立面图,平面图和立面图之间存在关联关系,例如一个平面图可能会与多个立面图关联,分别是在平面图中面向各个方向中所能够观测得到的立面图,也就是说,立面图不仅与平面图对应,还与立面图中的观测方向关联。
利用语义信息提取设计图中的几何形状并获取不同设计图之间几何形状的几何约束。
几何约束的含义是平立面图的对应关系,即利用语义信息提取设计图中的几何形状并获取不同设计图中几何形状之间存在的几何约束、对应关系,如门与门对应,门旁边的窗户与门旁边的窗户对应等。
利用几何形状建立设计图三维空间模型。
利用几何形状以及几何形状对应的参数,能够生成一个三维模型,例如一个几何形状为墙面,墙面的尺寸在立面图中可以读取或识别到,那么就能够获取一个墙面的三维模型。
利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接。
根据拼接结果获取平面图和立面图的匹配数据。
利用平面图可以生成一个三维模型,平面图的三维模型在立面图的位置处是否与立面图的三维模型匹配能够快速的判断平面图和立面图的数据是否匹配,若匹配则通过审图,如不匹配可以输出不匹配的位置。
在本实施例中,可以同时生成平面图和立面图的三维空间模型,也可以只生成立面图的三维空间模型,并将立面图的三维模型与平面图的二维图在三维空间中拼接,从而减少计算量。
进一步地,所述处理终端还用于:
对于数据结构匹配的平面图和立面图中的每一设计图,利用AI识别技术将设计图按语义分为若干图层,每一图层对应一种语义信息;
利用语义信息是几何的图层获取几何形状;
利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束。
根据不同应用场景,处理终端都针对该场景预设了一个语义列表。处理终端为每一个语义创建一个图层。对代表房间结构的几何形状,处理终端会对其进行分类,并将其置于所属的语义图层;对标注,处理终端会对其进行读取和处理,将其转化为对几何形状的几何约束,以上几何形状和几何约束共同组成了代表某个构件的语义信息。
进一步地,所述处理终端用于:
利用几何形状的信息建立一几何多边形;
利用AI识别技术将几何多边形划分为若干几何结构件;
利用AI识别技术识别几何结构件的语义。
参见图1,对于每一个几何结构件(墙、柱、梁、楼板),其在三维空间中是多面体,在二维空间中是多边形。所以对每张平、立面图,系统会根据图上的几何形状创建一系列多边形。对于一个多边形,系统推测其语义。建立的几何多边形,可以用各种颜色来表示结构件类型,如蓝色为隔墙21,橘色为承重墙22,黄色为空洞23,白色为房间24,绿色为门洞25。
知道语义可以更好地与标注中的尺寸匹配,从而获取立体模型。
具体地,所述处理终端用于:
获取几何结构件在标注图层中的对应参数;
根据几何结构件的语义将对应参数与几何结构件结合获取几何结构件的三维空间参数。
上述步骤可以交给AI进行自动建模,例如,一个几何结构件的语义是空洞(门窗),其参数就表示门窗的尺寸,如开设位置,长宽以及厚度等,这些尺寸能够被AI进行利用建立一个具有空洞的墙体三维模型,三维空间参数用于建立三维空间模型。
进一步地,参见图2,所述标注包括附图标记为12的立面图在附图标记为11的平面图中视角原点的位置13,视角原点的位置的标注可以通过坐标表示,图中附图标记14为门的位置。
所述处理终端还用于:
对于一立面图,根据视角原点的位置获取立面图在平面图上的可视范围;
在可视范围内,利用AI识别技术在平面图上识别与立面图对应的特征点;
根据特征点获取立面图的在平面图的匹配位置作为平面图与立体图之间几何形状的几何约束。
具体地,所述处理终端用于:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图的三维空间模型和立面图在所述匹配位置拼接。
立面图所绑定的相机的位置和视角确定了平面图上的可视范围。根据特征识别,算法会找到最佳匹配,确定立面图与平面图对应的位置关系,并得到该立面图的位移矩阵。
根据上述步骤的拼接点(匹配位置)处理终端即可恢复立面图构件在平面图所处的三维空间中的位置。
因为平面图的z轴信息缺失,所以只比较x轴、y轴的信息一致性。
具体地,所述处理终端用于:
获取立面图的三维空间模型在平面图上的投影;
将立面图的投影与平面图的线条对比,判断比对结果是否匹配,若否则输出不匹配的位置。
进一步地,为了获取具体的不匹配位置,所述处理终端用于:
利用所述位移矩阵将平面图三维空间模型的内表面底线与立面图对应墙面内侧线条在所述匹配位置重合拼接;
获取立面图的三维空间模型在平面图上的投影;
在所述投影的线条上查找重叠像素,标记没有重叠像素的线条位置作为不匹配位置。
在其他实施方式中,所述处理终端用于:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图三维空间模型的内表面与立面图三维空间模型对应墙面内表面在所述匹配位置重合拼接;
在平面图三维空间模型中查找未重合区域,获取未重合区域的平面图对应位置作为不匹配位置。
本实施例能够自动实现图纸审核,图纸的审查效率更高而且能够避免出现信息遗漏,提高审查图纸的准确率。
参见图3,利用上述处理终端,本实施例还提供一种基于AI技术的平立面图数据处理方法,包括:
步骤100、预处理应用场景的平面图和立面图获取数据结构匹配的平面图和立面图;
步骤101、对于数据结构匹配的平面图和立面图中的每一幅设计图,利用AI识别技术获取设计图中各图层的语义信息;
步骤102、利用语义信息提取设计图中的几何形状并获取不同设计图之间几何形状的几何约束;
步骤103、利用几何形状建立设计图三维空间模型;
步骤104、利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接;
步骤105、根据拼接结果获取平面图和立面图的匹配数据。
进一步地,步骤101具体为:
对于数据结构匹配的平面图和立面图中的每一设计图,利用AI识别技术将设计图按语义分为若干图层,每一图层对应一种语义信息;
参见图4,步骤102具体包括:
步骤1021、利用语义信息是几何的图层获取几何形状;
步骤1022、利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束。
进一步地,参见图5。
步骤103包括:
步骤1031、利用几何形状的信息建立一几何多边形;
步骤1032、利用AI识别技术将几何多边形划分为若干几何结构件;
步骤1033、利用AI识别技术识别几何结构件的语义;
步骤1034、获取几何结构件在标注图层中的对应参数;
步骤1035、根据几何结构件的语义将对应参数与几何结构件结合获取几何结构件的三维空间参数;
步骤1036、利用三维空间参数建立设计图三维空间模型。
进一步地,所述标注包括立面图在平面图中视角原点的位置,步骤1022中,利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束,包括:
对于一立面图,根据视角原点的位置获取立面图在平面图上的可视范围;
在可视范围内,利用AI识别技术在平面图上识别与立面图对应的特征点;
根据特征点获取立面图的在平面图的匹配位置作为平面图与立体图之间几何形状的几何约束。
步骤104中,所述利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图的三维空间模型和立面图在所述匹配位置拼接。
步骤105中,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维空间模型在平面图上的投影;
将立面图的投影与平面图的线条对比,判断比对结果是否匹配,若否则输出不匹配的位置。
进一步地,步骤105中,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
利用所述位移矩阵将平面图三维空间模型的内表面底线与立面图对应墙面内侧线条在所述匹配位置重合拼接;
获取立面图的三维空间模型在平面图上的投影;
在所述投影的线条上查找重叠像素,标记没有重叠像素的线条位置作为不匹配位置。
在其他实施方式中,步骤105的所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图三维空间模型的内表面与立面图三维空间模型对应墙面内表面在所述匹配位置重合拼接;
在平面图三维空间模型中查找未重合区域,获取未重合区域的平面图对应位置作为不匹配位置。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (7)
1.一种基于AI技术的平立面图数据处理方法,其特征在于,所述平立面图数据处理方法包括:
预处理应用场景的平面图和立面图获取数据结构匹配的平面图和立面图;
对于数据结构匹配的平面图和立面图中的每一幅设计图,利用AI识别技术获取设计图中各图层的语义信息;
利用语义信息提取设计图中的几何形状并获取不同设计图之间几何形状的几何约束;
利用几何形状建立设计图三维空间模型;
利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接;
根据拼接结果获取平面图和立面图的匹配数据,所述匹配数据包括平面图和立面图之间的不匹配位置;
其中,所述平立面图数据处理方法包括:
对于数据结构匹配的平面图和立面图中的每一设计图,利用AI识别技术将设计图按语义分为若干图层,每一图层对应一种语义信息;
利用语义信息是几何的图层获取几何形状;
利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束;
所述标注包括立面图在平面图中视角原点的位置,所述利用语义信息是标注的图层对几何形状建立几何约束以获取不同设计图之间几何形状的几何约束,包括:
对于一立面图,根据视角原点的位置获取立面图在平面图上的可视范围;
在可视范围内,利用AI识别技术在平面图上识别与立面图对应的特征点;
根据特征点获取立面图的在平面图的匹配位置作为平面图与立体图之间几何形状的几何约束;
所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图三维空间模型的内表面与立面图三维空间模型对应墙面内表面在所述匹配位置重合拼接;
在平面图三维空间模型中查找未重合区域,获取未重合区域的平面图对应位置作为不匹配位置。
2.如权利要求1所述的基于AI技术的平立面图数据处理方法,其特征在于,所述平立面图数据处理方法包括:
利用几何形状的信息建立一几何多边形;
利用AI识别技术将几何多边形划分为若干几何结构件;
利用AI识别技术识别几何结构件的语义。
3.如权利要求2所述的基于AI技术的平立面图数据处理方法,其特征在于,所述平立面图数据处理方法包括:
获取几何结构件在标注图层中的对应参数;
根据几何结构件的语义将对应参数与几何结构件结合获取几何结构件的三维空间参数。
4.如权利要求1所述的基于AI技术的平立面图数据处理方法,其特征在于,所述利用几何约束将平面图的三维空间模型和立面图的三维空间模型拼接,包括:
获取立面图的三维模型到所述匹配位置的位移矩阵;
利用所述位移矩阵将平面图的三维空间模型和立面图在所述匹配位置拼接。
5.如权利要求4所述的基于AI技术的平立面图数据处理方法,其特征在于,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
获取立面图的三维空间模型在平面图上的投影;
将立面图的投影与平面图的线条对比,判断比对结果是否匹配,若否则输出不匹配的位置。
6.如权利要求5所述的基于AI技术的平立面图数据处理方法,其特征在于,所述根据拼接结果获取平面图和立面图的匹配数据,包括:
利用所述位移矩阵将平面图三维空间模型的内表面底线与立面图对应墙面内侧线条在所述匹配位置重合拼接;
获取立面图的三维空间模型在平面图上的投影;
在所述投影的线条上查找重叠像素,标记没有重叠像素的线条位置作为不匹配位置。
7.一种处理终端,其特征在于,所述处理终端用于实现如权利要求1至6中任意一项所述的基于AI技术的平立面图数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410191987.3A CN117745997B (zh) | 2024-02-21 | 2024-02-21 | 基于ai技术的平立面图数据处理方法及处理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410191987.3A CN117745997B (zh) | 2024-02-21 | 2024-02-21 | 基于ai技术的平立面图数据处理方法及处理终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117745997A CN117745997A (zh) | 2024-03-22 |
CN117745997B true CN117745997B (zh) | 2024-06-04 |
Family
ID=90261399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410191987.3A Active CN117745997B (zh) | 2024-02-21 | 2024-02-21 | 基于ai技术的平立面图数据处理方法及处理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745997B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993827A (zh) * | 2019-03-29 | 2019-07-09 | 宁波睿峰信息科技有限公司 | 一种将建筑图纸转换为三维bim模型的立面图识别方法 |
JP2020071838A (ja) * | 2018-11-02 | 2020-05-07 | 株式会社竹中工務店 | 表示システム、及び表示プログラム |
CN111831873A (zh) * | 2020-06-24 | 2020-10-27 | 万翼科技有限公司 | 图纸审查方法及相关装置 |
CN113010945A (zh) * | 2021-02-26 | 2021-06-22 | 万翼科技有限公司 | Bim模型的联动方法及系统 |
CN113627264A (zh) * | 2021-07-13 | 2021-11-09 | 北京盈建科软件股份有限公司 | 一种基于图纸识别的建模方法、系统、终端及介质 |
WO2021244664A1 (zh) * | 2020-06-05 | 2021-12-09 | 深圳小库科技有限公司 | 一种自动生成建筑立面图的方法及装置 |
CN114297762A (zh) * | 2022-01-04 | 2022-04-08 | 土巴兔集团股份有限公司 | 施工图纸生成方法及相关装置 |
CN115393583A (zh) * | 2022-07-21 | 2022-11-25 | 泰瑞数创科技(北京)股份有限公司 | 对墙体进行人工智能语义分割的方法 |
WO2023088087A1 (zh) * | 2021-11-19 | 2023-05-25 | 华为云计算技术有限公司 | 一种设计图转换方法、装置及相关设备 |
CN116343251A (zh) * | 2022-12-30 | 2023-06-27 | 深圳海智创科技有限公司 | 一种基于ai建筑识图的建筑图纸识别方法及系统 |
-
2024
- 2024-02-21 CN CN202410191987.3A patent/CN117745997B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020071838A (ja) * | 2018-11-02 | 2020-05-07 | 株式会社竹中工務店 | 表示システム、及び表示プログラム |
CN109993827A (zh) * | 2019-03-29 | 2019-07-09 | 宁波睿峰信息科技有限公司 | 一种将建筑图纸转换为三维bim模型的立面图识别方法 |
WO2021244664A1 (zh) * | 2020-06-05 | 2021-12-09 | 深圳小库科技有限公司 | 一种自动生成建筑立面图的方法及装置 |
CN111831873A (zh) * | 2020-06-24 | 2020-10-27 | 万翼科技有限公司 | 图纸审查方法及相关装置 |
CN113010945A (zh) * | 2021-02-26 | 2021-06-22 | 万翼科技有限公司 | Bim模型的联动方法及系统 |
CN113627264A (zh) * | 2021-07-13 | 2021-11-09 | 北京盈建科软件股份有限公司 | 一种基于图纸识别的建模方法、系统、终端及介质 |
WO2023088087A1 (zh) * | 2021-11-19 | 2023-05-25 | 华为云计算技术有限公司 | 一种设计图转换方法、装置及相关设备 |
CN114297762A (zh) * | 2022-01-04 | 2022-04-08 | 土巴兔集团股份有限公司 | 施工图纸生成方法及相关装置 |
CN115393583A (zh) * | 2022-07-21 | 2022-11-25 | 泰瑞数创科技(北京)股份有限公司 | 对墙体进行人工智能语义分割的方法 |
CN116343251A (zh) * | 2022-12-30 | 2023-06-27 | 深圳海智创科技有限公司 | 一种基于ai建筑识图的建筑图纸识别方法及系统 |
Non-Patent Citations (3)
Title |
---|
Review: reconstruction of 3D building information models from 2D scanned plans;Lucile Gimenez et al;Journal of Building Engineering;20150630;第2卷;24-35 * |
建筑施工图设计常见问题和注意事项;王小丽;;建材与装饰;20190615(第17期);84-85 * |
机器学习技术在建筑设计中的应用研究;马辰龙;南方建筑;20210228(第2期);121-131 * |
Also Published As
Publication number | Publication date |
---|---|
CN117745997A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Müller et al. | Image-based procedural modeling of facades | |
CN111008422B (zh) | 一种建筑物实景地图制作方法及系统 | |
Bignone et al. | Automatic extraction of generic house roofs from high resolution aerial imagery | |
CN111563442A (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
CN110176078B (zh) | 一种训练集数据的标注方法及装置 | |
US7746341B2 (en) | System and method for parsing point-cloud data | |
US20060129574A1 (en) | Intergrated modeling method for authoring/modification of illustrated drawing using 3D model and computer-aided design log database | |
Pantoja-Rosero et al. | Generating LOD3 building models from structure-from-motion and semantic segmentation | |
Zhou et al. | Image-based onsite object recognition for automatic crane lifting tasks | |
CN110660125B (zh) | 用于电力配网系统的三维建模装置 | |
US20140249779A1 (en) | Method and apparatus for determining and presenting differences between 3d models | |
Pintore et al. | Automatic modeling of cluttered multi‐room floor plans from panoramic images | |
Ma et al. | A cloud-based BIM platform for information collaboration | |
CN110390724B (zh) | 一种带有实例分割的slam方法 | |
Hu et al. | Extended interactive and procedural modeling method for ancient Chinese architecture | |
CN117745997B (zh) | 基于ai技术的平立面图数据处理方法及处理终端 | |
WO2013106802A1 (en) | Method and apparatus for determining and presenting differences between 3d models | |
Martens et al. | VOX2BIM+-A Fast and Robust Approach for Automated Indoor Point Cloud Segmentation and Building Model Generation | |
CN111207672B (zh) | 一种ar量房方法 | |
US11442982B2 (en) | Method and system for acquiring data files of blocks of land and of building plans and for making matches thereof | |
CN115859431A (zh) | 三维建筑模型与二维图纸的联动方法、装置和设备 | |
CN114139266A (zh) | 基于动态组合的墙身节点大样自动设计方法及存储介质 | |
Bassier et al. | BIM reconstruction: Automated procedural modeling from point cloud data | |
Kolbe et al. | Using constraints for the identification of buildings in aerial images | |
CN117642774A (zh) | 用于自动生成标注图像的方法、装置和计算机存储介质 |
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 |