CN117953164A - 一种提高图纸测量质量的方法及系统 - Google Patents
一种提高图纸测量质量的方法及系统 Download PDFInfo
- Publication number
- CN117953164A CN117953164A CN202410345719.2A CN202410345719A CN117953164A CN 117953164 A CN117953164 A CN 117953164A CN 202410345719 A CN202410345719 A CN 202410345719A CN 117953164 A CN117953164 A CN 117953164A
- Authority
- CN
- China
- Prior art keywords
- information
- turning point
- groups
- association
- identification
- 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.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000009467 reduction Effects 0.000 claims abstract description 74
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims description 25
- 238000010276 construction Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种提高图纸测量质量的方法及系统，涉及数据处理技术领域，所述方法包括：交互获得目标CAD图集；预构建线段转折点识别网络，获得标识转折点图纸；预设建模参数测量规则；对标识转折点图纸进行信息测量，生成标识转折点信息和转折点关联信息，其中，转折点关联信息包括第一关联信息和第二关联信息；采用标识转折点信息和第一关联信息获得目标骨架模型；基于目标骨架模型对目标CAD图集进行反向信息测量，获得结构面参数信息；对目标骨架模型进行表面建模，生成初始还原模型；采用第二关联信息对初始还原模型进行局域参数优化，获得目标还原模型。进而达成提高建模效率和准确度，降低建模还原成本的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种提高图纸测量质量的方法及系统。
背景技术
CAD图纸是工程项目中的重要设计资料，通过三维模型和CAD图纸的对照，可以实现对于工程项目设计的准确还原。基于三维模型生成CAD图纸已有成熟的自动化方法。现有的基于图纸生成三维模型的技术通常基于对CAD图纸进行建模数据测量以及三维建模还原，存在还原准确度较低且还原过程的人力消耗较大的缺陷，进而导致建模还原成本居高不下的技术问题。
发明内容
本申请的目的在于提供一种提高图纸测量质量的方法及系统。用以解决现有技术中存在的基于CAD图纸进行三维还原准确度较低且还原过程的人力消耗较大的缺陷，进而导致建模还原成本居高不下的技术问题。
鉴于以上技术问题，本申请提供了一种提高图纸测量质量的方法及系统。
第一方面，本申请提供了一种提高图纸测量质量的方法，其中，所述方法包括：
交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
第二方面，本申请还提供了一种提高图纸测量质量的系统，其中，所述系统包括：
图集提取模块，所述图集提取模块用于交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
转折点标识模块，所述转折点标识模块用于预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
测量基准构建模块，所述测量基准构建模块用于预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
信息测量模块，所述信息测量模块用于采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
模型搭建模块，所述模型搭建模块用于采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
反向测量模块，所述反向测量模块用于基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
表面建模模块，所述表面建模模块用于采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
模型优化模块，所述模型优化模块用于采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过交互获得包括K个视图的K张CAD图纸的目标CAD图集；预构建线段转折点识别网络，将目标CAD图集同步至线段转折点识别网络，获得K张标识转折点图纸；预设建模参数测量规则，其中，建模参数测量规则包括坐标信息测量规则和关联信息测量规则，关联信息测量规则包括第一方向测量规则和第二方向测量规则；采用坐标信息测量规则和关联信息测量规则分别对K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，K组转折点关联信息包括K组第一关联信息和K组第二关联信息；采用K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；基于目标骨架模型对目标CAD图集进行反向信息测量，获得M张结构面参数信息；采用M张结构面参数信息和目标骨架模型进行表面建模，生成初始还原模型；采用K组第二关联信息对初始还原模型进行局域参数优化，获得目标还原模型。进而达成提高建模效率和准确度，降低建模还原成本的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：
图1为本申请一种提高图纸测量质量的方法的流程示意图；
图2为本申请一种提高图纸测量质量的方法中预构建线段转折点识别网络的流程示意图；
图3为本申请一种提高图纸测量质量的系统的结构示意图。
附图标记说明：图集提取模块11、转折点标识模块12、测量基准构建模块13、信息测量模块14、模型搭建模块15、反向测量模块16、表面建模模块17、模型优化模块18。
具体实施方式
本申请通过提供一种提高图纸测量质量的方法及系统，解决了现有技术面临的基于CAD图纸进行三维还原准确度较低且还原过程的人力消耗较大的缺陷，进而导致建模还原成本居高不下的技术问题。
本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：
首先，通过交互方式获取包含K个视图的K张CAD图纸的目标CAD图集。接着，预先构建线段转折点识别网络，将目标CAD图集输入该网络，得到K张标识转折点的图纸。然后，设定建模参数测量规则，其中包括坐标信息测量规则和关联信息测量规则，而关联信息测量规则包括第一方向测量规则和第二方向测量规则。使用这些规则，对K张标识转折点的图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息。这里的关联信息包括K组第一关联信息和K组第二关联信息。随后，基于K组标识转折点信息和K组第一关联信息，构建目标骨架模型。利用该骨架模型对目标CAD图集进行反向信息测量，得到M张结构面参数信息。接着，使用这些参数信息和目标骨架模型进行表面建模，生成初始还原模型。最后，利用K组第二关联信息对初始还原模型进行局部参数优化，从而得到目标还原模型。整个流程结合了CAD图纸的多维信息，通过线段转折点的识别、参数测量、骨架模型构建和局部参数优化等步骤，实现了对目标CAD图集的还原建模。进而达成提高建模效率和准确度，降低建模还原成本的技术效果。
为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种提高图纸测量质量的方法，所述方法包括：
交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
可选的，目标CAD图集通过交互目标项目数据库获取。涉及使用特定的命令、采取指定的交互语句与目标项目数据库进行交互，访问、匹配并获取目标CAD图集。此外，目标CAD图集还可通过交互用户终端获取，其中，用户终端包括网页、APP、交互设备等。
具体的，目标CAD图集由K个视图的K张CAD图纸组成。每个视图代表目标项目不同部分在不同的角度、层次或特定界面上的设计信息。
可选的，若交互获取的原始目标CAD图集的文件版本不符合后续处理的版本要求，则通过版本转换工具对原始目标CAD图集中的K张图纸进行版本转化，确保获取的目标CAD图集适用于后续的处理或分析。
预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
进一步的，如图2所示，预构建线段转折点识别网络，步骤包括：
交互获得多张样本CAD图纸，并调用标注工具对所述多张样本CAD图纸进行线段转折点的人工语义标注，获得多张样本标注图像；
基于角点检测对所述多张样本标注图像进行特征提取，获得多张标注特征图像；
基于支持向量机构建线段转折点识别通道，并采用所述多张标注特征图像进行所述线段转折点识别通道的有监督训练，直至所述线段转折点识别通道的线段转折点识别精度高于预设精度；
预设图纸网格化阈值、第一网格化方向和第二网格化方向，并基于所述图纸网格化阈值、所述第一网格化方向和所述第二网格化方向构建生成图纸网格化处理器；
将图纸网格化处理器的输出端和线段转折点识别通道的输入端连接，完成所述线段转折点识别网络的构建。
可选的，线段转折点识别网络通过学习具有线段转折点的人工语义标注的多张样本标注图像，根据线段转折点的特征信息，建立线段转折点与特征信息的对应关系，进而获得识别线段转折点的能力。
示例性的，首先，使用标注工具对多张样本CAD图纸进行线段转折点的人工语义标注。专业技术人员手动标记样本CAD图纸上符合线段转折点定义的点，以作为训练数据。而后，基于角点检测技术对多张样本标注图像进行特征提取。进而获取样本标注图像中的角点或其他与线段转折点相关的特征。其中，角点是图像中突然变化的区域，与图像中的边缘相交。可用的角点检测算法包括Harris角点检测、Shi-Tomasi角点检测等。通过计算图像区域中灰度的变化来识别角点。获取角点后，在这些位置提取特征。特征包括角点的坐标、强度、梯度方向等信息，且特征提取结果表示为一个多维的特征向量，以便用于后续的线段转折点识别通道的训练。
进一步的，使用支持向量机（SVM）构建线段转折点识别通道。线段转折点识别通道用于在CAD图纸上自动检测线段的转折点。线段转折点识别通道以多张标注特征图像及对应的特征提取结果为训练集和验证集，进行有监督训练。持续训练并评估线段转折点识别通道的精度，直至其识别精度高于预设精度。示例性的，通过反复调整SVM模型的参数，以提高线段转折点识别的精度。包括调整合函数的选择、正则化参数等。确保线段转折点识别通道在实际应用中的可靠性。
可选的，图纸网格化处理器用于对目标CAD图集中的多幅CAD图纸进行网格化划分，从而实现线段转折点识别通道单次输入数据量的减少，进而提高线段转折点识别的效率，同时提供多通道进行并行处理的可能性。其中，图纸网格化阈值是一个决定图纸划分网格密度的参数。该阈值取决于图纸的尺寸、分辨率、DPI或特定应用需求。较小的阈值产生更密集的网格，而较大的阈值导致稀疏的网格。第一网格化方向和第二网格化方向是指在图纸上划分网格的方向。可以是水平和垂直的，也可为基于图纸内容自动确定的方向。示例性的，对于斜二侧画法的CAD图纸，第一网格化方向与第二网格化方向呈60度夹角。优选的，第一网格化方向和第二网格化方向与目标CAD图纸的投影轴规定的方向一致。
可选的，图纸网格化阈值、第一网格化方向与第二网格化方向基于目标CAD图纸的图纸信息适应性的进行调整，调整依据包括图纸大小、图纸比例尺、图纸DPI、图纸线段密度等。示例性的，对目标CAD图纸进行两步的图纸网格化划分。第一步划分基于目标CAD图纸的图纸信息进行初步划分，生成的网格大小适中；而后，基于第一步划分结果的网格信息密度等参数，对第一步划分结果进行精细化的第二步划分，其中，网格信息密度较高的网格对应的第二步划分的网格化阈值较小，进而得到更精细的网格划分结果。通过以上步骤，确保了网格划分的相对均衡，便于线段转折点识别通道进行处理，提高识别效率。
可选的，将图纸网格化处理器的输出端和线段转折点识别通道的输入端连接，完成线段转折点识别网络的构建。线段转折点识别网络以CAD图纸作为输入，输出图纸上线段的转折点信息。其中，图纸网格化处理器的输出端可与多个线段转折点识别通道的多个输入端连接，以实现线段转折点的并行识别，提高识别效率。
进一步的，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸，步骤还包括：
从所述目标CAD图集调用获得第一CAD图纸；
将所述第一CAD图纸同步至所述线段转折点识别网络的图纸网格化处理器，在所述图纸网格化处理器中，基于所述第一网格化方向和所述第二网格化方向进行网格化拆分，获得第一网格图集和第二网格图集；
将所述第一网格图集同步至所述线段转折点识别网络，获得第一网格标识图纸集合和第二网格标识图纸集合；
以所述第一CAD图纸为基准，对所述第一网格标识图纸集合和所述第二网格标识图纸集合进行线段转折点聚合和图纸还原，获得第一标识转折点图纸；
以此类推，将所述目标CAD图集同步至所述线段转折点识别网络，获得所述K张标识转折点图纸。
可选的，基于第一网格化方向和第二网格化方向对第一CAD图纸进行两个方向上的两次网格化拆分，用于避免网格分割界线与图纸线条或转折点重合，导致部分转折点或者图像线条无法被识别的情况，确保获取的转折点的完整。
可选的，分别将第一网格图集和第二网格图集输入至线段转折点识别网络中的线段转折点识别通道，获得第一网格标识图纸集合和第二网格标识图纸集合；而后，以第一CAD图纸为基准，对第一网格标识图纸集合和第二网格标识图纸集合进行线段转折点聚合和图纸还原，涉及图像配准，线段转折点去重等。其中，第一CAD图纸为线段转折点聚合和图纸还原的基准坐标系。示例性的，以第一网格标识图纸集合和第二网格标识图纸集合中多个网格标识图纸的角点坐标为配准匹配坐标，第一网格化方向和第二网格化方向对应的网格分割界线坐标为配准响应坐标，进行图纸还原。而后，合并第一网格标识图纸集合和第二网格标识图纸集合中重叠的转折点，以减少重复和提高准确性。获得第一标识转折点图纸；
预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
可选的，建模参数测量规则规定了需要进行测量的图纸参数维度。建模参数测量规则基于目标图纸的图纸参数信息与目标还原模型构建所需的模型参数信息构建，示例性的，分别对目标图纸的图纸参数信息与目标还原模型构建所需的模型参数信息进行基于参数类别的维度分析，并取维度分析结果的交集作为建模参数测量规则。
其中，坐标信息测量规则包括坐标点三维参数、坐标点延伸出的线段长度、角度等信息。第一方向测量规则用于确定坐标点与坐标点、线段与线段、线段与平面、平面与平面之间的关系，示例性的，包括共线、共面、平行、竖直、垂直、同轴、等距等。第二方向测量规则规定了目标图纸中需要获取的其他参数信息，包括标注信息、线型信息等。
采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
进一步的，采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息，所述方法还包括：
基于所述K张标识转折点图纸调用获得第一标识转折点图纸；
采用所述坐标信息测量规则对所述第一标识转折点图纸进行转折点空间坐标测量，获得第一组标识转折点信息；
采用所述第一方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第一关联信息，其中，所述第一关联信息包括第一关联长度信息、第一关联角度信息和第一关联转折点信息；
采用所述第二方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第二关联信息，其中，所述第二关联信息包括第二关联长度信息、第二关联角度信息和第二关联转折点信息；
以此类推，采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成所述K组标识转折点信息和所述K组转折点关联信息。
可选的，第一组标识转折点信息包括第一标识转折点图纸中所有转折点的坐标、延伸出的线段长度、角度等信息。而后，对第一标识转折点图纸上的每个转折点进行第一方向测量规则的应用，测量与其他转折点、线段、平面的关联信息，获得第一关联信息。
可选的，第一关联信息包括第一关联长度信息、第一关联角度信息和第一关联转折点信息。第一关联长度信息通过测量与其他元素之间的距离或长度获取，第一关联角度信息通过测量与其他元素之间的夹角或方向关系获取，第一关联转折点信息通过建立转折点之间的关联关系获取。
采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
进一步的，采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型，步骤包括：
基于所述K组标识转折点信息调用获得多个起始转折点信息；
采用所述多个起始转折点信息在所述K组第一关联信息中映射调用获得多组起始关联信息；
根据所述多组起始关联信息进行关联转折点调用，获得多组起始关联转折点；
以所述多个起始转折点信息、所述多组起始关联信息和所述多组起始关联转折点作为骨架建模起点，以所述K组标识转折点信息和所述K组第一关联信息进行多轮次骨架建模延伸，生成所述目标骨架模型。
可选的，基于K组标识转折点信息进行随机选取，获取多个起始转折点的信息。这些起始转折点将作为建模的起点。而后，利用多个起始转折点信息，在K组第一关联信息中进行映射调用，获得与这些起始转折点相关的多组起始关联信息。包括关联长度、关联角度、关联关系等。接着，利用多组起始关联信息，在关联转折点调用中获得与这些信息关联的多组起始关联转折点。这些关联转折点用于对起始转折点进行细化补足，建立骨架模型。
进一步的，以所述多个起始转折点信息、所述多组起始关联信息和所述多组起始关联转折点作为骨架建模起点，以所述K组标识转折点信息和所述K组第一关联信息进行多轮次骨架建模延伸，生成所述目标骨架模型，步骤还包括：
采用所述多个起始转折点信息和所述多组起始关联转折点进行三维空间映射，获得多个局域初始坐标模型；
采用所述多组起始关联信息进行所述多个局域初始坐标模型的骨架搭建，获得多个局域初始骨架模型；
基于所述多组起始关联转折点在所述K组第一关联信息中映射调用获得多组二级关联信息集；
根据所述多组二级关联信息集进行关联转折点调用，获得多组二级关联转折点集合；
以所述多个局域初始骨架模型为建模基准，采用所述多组二级关联转折点集合进行三维空间映射，获得多个局域二级坐标模型；
采用所述多组二级关联信息集进行所述多个局域二级坐标模型的骨架搭建，获得多个局域二级骨架模型；
以此类推，执行多级局域骨架建模，直至所述K组标识转折点信息和K组第一关联信息处于耗尽状态，获得多个局域多级骨架模型；
对所述多个局域多级骨架模型进行空间拟合，获得所述目标骨架模型。
可选的，首先，基于多个起始转折点信息和多组起始关联转折点，于三维空间中进行起始转折点与多组起始关联转折点的配置映射，根据起始转折点与多组起始关联转折点的坐标，确定初始位置。而后，利用多组起始关联信息进行多个局域初始坐标模型的骨架搭建，包括连接多个起始转折点信息和多组起始关联转折点，并确定连接路径或连接线的形状，获得多个局域初始骨架模型。
可选的，利用多组起始关联转折点在K组第一关联信息中映射调用，获得多组二级关联信息集。获取的多组二级关联信息集为多组起始关联转折点所对应的二级关联信息集，反映了多组起始关联转折点的关联信息。而后，基于多组二级关联信息集进行关联转折点调用，获得多组二级关联转折点集合，进而实现关联点的二级扩充，完成对初始骨架模型的细化；
可选的，在多个局域初始骨架模型为建模基准的前提下，根据多组二级关联转折点集合进行三维空间映射，获得多个局域二级坐标模型。其中，多个局域二级坐标模型为多个局域初始骨架模型的细化模型，包括更准确的坐标位置、更精细的结构细节等。通过局域二级坐标模型的建立，完成了对多个局域初始骨架模型的细致化，以更好地反映真实场景中的结构特征，为整体建模提供更具体的信息。
可选的，基于上述方法，执行多级局域骨架建模，直至K组标识转折点信息和K组第一关联信息均被用于建立局域多级坐标模型，则说明全部转折点均参与了模型构建。获得多个局域多级骨架模型；
可选的，多个局域多级骨架模型中每个模型都代表了一个局部区域的结构信息。进一步的，对于每个局域多级骨架模型，进行空间对齐和坐标转换，将在多个局域多级骨架模型映射至相同的坐标系中。具体的，包括标定点的匹配、坐标系的调整等步骤。而后，使用空间拟合算法，如最小二乘法或优化算法，将各个局域多级骨架模型整合成一个全局骨架模型，获得目标骨架模型。示例性的，通过合并各个局域模型的关键点、线段、平面等信息实现。
基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
可选的，对每张CAD图纸，使用基于转折点的坐标映射，将目标骨架模型的结构面参数映射到图纸中，进而于目标CAD图集中获取结构面的参数信息。其中，M张结构面参数信息对应目标骨架模型中的M个面。
可选的，M张结构面参数信息包括M个面的形状、尺寸、界限、厚度、位置、与其他面的夹角信息、其他几何特征等。通过上述参数的获取，得以更全面地了解目标项目的结构几何特征，为后续的模型生成提供数据基础。
采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
进一步的，采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型，步骤包括：
基于所述目标骨架模型进行结构面拟合，获得M张结构面，其中，所述M张结构面映射于M组结构关联节点；
采用所述M张结构面和所述M组结构关联节点，对所述目标CAD图集进行反向信息测量，获得所述M张结构面参数信息；
采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成所述初始还原模型。
可选的，通过对多个转折点进行连线，构成M张基础结构面，而后，利用目标骨架模型，对每个基础结构面进行拟合。拟合过程可通过最小二乘法、曲面拟合算法等算法实现。确保获取的M张结构面与实际结构面的几何形状一致。接着，将拟合得到的M张结构面映射到M组结构关联节点上。示例性的，M组结构关联节点为M张结构面上的角点或顶点。这个映射过程确保每个结构面与骨架模型中的相应节点关联，从而与整个建筑或结构相一致。
可选的，利用映射后的结构面和结构关联节点，对目标CAD图集进行反向信息测量。用于从目标CAD图集中获取M张结构面更详细的参数信息，生成M张结构面参数信息。如面的曲率半径，面上的特征结构（孔、槽口、凸起、凹坑等）。最后，结合结构面参数信息，利用表面建模结果，生成初始还原模型。初始还原模型准确地还原了原始建筑或结构的形状和结构。
采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
进一步的，采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型，步骤包括：
预设结构拆分约束，并基于所述结构拆分约束进行所述初始还原模型的网格化拆分，获得多个还原效验子模型；
对所述多个还原效验子模型进行转折点调用，获得多组效验转折点；
采用所述多组效验转折点在所述K组第二关联信息进行测量数据调用，获得多组建模关联信息；
采用所述多组建模关联信息对所述多个还原效验子模型进行拟合，获得多个模型偏差区域；
采用所述多组建模关联信息映射进行所述多个模型偏差区域的局域参数优化，获得所述目标还原模型。
可选的，在进行初始还原模型的优化之前，根据预设的结构拆分约束，对初始还原模型进行网格化拆分，将模型分割成多个小的子模型，生成多个还原效验子模型。通过网格化拆分，生成多个较小数据量的还原效验子模型，便于后续校验的进行，同时提供并行校验的可能性。
可选的，结构拆分约束包括结构面的最小/最大尺寸、相邻结构面的拓扑关系等。预设的结构拆分约束用于保证获取的还原效验子模型所包含的结构面是完整的，生成的结构面在空间上是连通的，以防止出现孤立的或不连接的结构部分。
可选的，通过K组第二关联信息对初始还原模型进行模型准确度验证，示例性的，包括检查效验转折点之间的位置关系、位置参数等。其中，多组效验转折点为筛选出的转折点中关联信息较为直观且关联对象较多的转折点。多个模型偏差区域是指初始还原模型中校验检查结果显示偏差值超出预设的偏差控制阈值的区域。
可选的，基于优化算法，对模型偏差区域中的转折点进行基于多组建模关联信息映射的局域参数优化。示例性的，包括对模型偏差区域中的转折点进行位置扩充，获取多个寻优转折点，并基于新的多个寻优转折点的空间位置，进行多组建模关联信息映射的拟合判断，选取最优的寻优转折点作为优化转折点。而后，重复上述步骤对优化转折点进行迭代选取，直至获取的优化转折点满足预设的偏差控制阈值。则基于该优化转折点更新目标还原模型。
综上所述，本发明所提供的一种提高图纸测量质量的方法具有如下技术效果：
通过交互获得包括K个视图的K张CAD图纸的目标CAD图集；预构建线段转折点识别网络，将目标CAD图集同步至线段转折点识别网络，获得K张标识转折点图纸；预设建模参数测量规则，其中，建模参数测量规则包括坐标信息测量规则和关联信息测量规则，关联信息测量规则包括第一方向测量规则和第二方向测量规则；采用坐标信息测量规则和关联信息测量规则分别对K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，K组转折点关联信息包括K组第一关联信息和K组第二关联信息；采用K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；基于目标骨架模型对目标CAD图集进行反向信息测量，获得M张结构面参数信息；采用M张结构面参数信息和目标骨架模型进行表面建模，生成初始还原模型；采用K组第二关联信息对初始还原模型进行局域参数优化，获得目标还原模型。进而达成提高建模效率和准确度，降低建模还原成本的技术效果。
实施例二
基于与所述实施例中一种提高图纸测量质量的方法同样的构思，如图3所示，本申请还提供了一种提高图纸测量质量的系统，所述系统包括：
图集提取模块11，用于交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
转折点标识模块12，用于预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
测量基准构建模块13，用于预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
信息测量模块14，用于采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
模型搭建模块15，用于采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
反向测量模块16，用于基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
表面建模模块17，用于采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
模型优化模块18，用于采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
进一步的，转折点标识模块12还包括：
图纸交互单元，用于交互获得多张样本CAD图纸，并调用标注工具对所述多张样本CAD图纸进行线段转折点的人工语义标注，获得多张样本标注图像；
特征提取单元，用于基于角点检测对所述多张样本标注图像进行特征提取，获得多张标注特征图像；
监督训练单元，用于基于支持向量机构建线段转折点识别通道，并采用所述多张标注特征图像进行所述线段转折点识别通道的有监督训练，直至所述线段转折点识别通道的线段转折点识别精度高于预设精度；
网格配置单元，用于预设图纸网格化阈值、第一网格化方向和第二网格化方向，并基于所述图纸网格化阈值、所述第一网格化方向和所述第二网格化方向构建生成图纸网格化处理器；
识别构建单元，用于将图纸网格化处理器的输出端和线段转折点识别通道的输入端连接，完成所述线段转折点识别网络的构建。
进一步的，转折点标识模块12还包括：
图纸调用单元，用于从所述目标CAD图集调用获得第一CAD图纸；
网格拆分单元，用于将所述第一CAD图纸同步至所述线段转折点识别网络的图纸网格化处理器，在所述图纸网格化处理器中，基于所述第一网格化方向和所述第二网格化方向进行网格化拆分，获得第一网格图集和第二网格图集；
转折点识别单元，用于将所述第一网格图集同步至所述线段转折点识别网络，获得第一网格标识图纸集合和第二网格标识图纸集合；
聚合还原单元，用于以所述第一CAD图纸为基准，对所述第一网格标识图纸集合和所述第二网格标识图纸集合进行线段转折点聚合和图纸还原，获得第一标识转折点图纸；
遍历识别单元，用于以此类推，将所述目标CAD图集同步至所述线段转折点识别网络，获得所述K张标识转折点图纸。
进一步的，信息测量模块14还包括：
转折点图纸调用单元，用于基于所述K张标识转折点图纸调用获得第一标识转折点图纸；
空间坐标测量单元，用于采用所述坐标信息测量规则对所述第一标识转折点图纸进行转折点空间坐标测量，获得第一组标识转折点信息；
第一关联测量单元，用于采用所述第一方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第一关联信息，其中，所述第一关联信息包括第一关联长度信息、第一关联角度信息和第一关联转折点信息；
第二关联测量单元，用于采用所述第二方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第二关联信息，其中，所述第二关联信息包括第二关联长度信息、第二关联角度信息和第二关联转折点信息；
规则生成单元，用于以此类推，采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成所述K组标识转折点信息和所述K组转折点关联信息。
进一步的，模型搭建模块15还包括：
转折点筛选单元，用于基于所述K组标识转折点信息调用获得多个起始转折点信息；
起始关联信息调用单元，用于采用所述多个起始转折点信息在所述K组第一关联信息中映射调用获得多组起始关联信息；
关联转折点调用单元，用于根据所述多组起始关联信息进行关联转折点调用，获得多组起始关联转折点；
骨架建模单元，用于以所述多个起始转折点信息、所述多组起始关联信息和所述多组起始关联转折点作为骨架建模起点，以所述K组标识转折点信息和所述K组第一关联信息进行多轮次骨架建模延伸，生成所述目标骨架模型。
进一步的，骨架建模单元还用于：
采用所述多个起始转折点信息和所述多组起始关联转折点进行三维空间映射，获得多个局域初始坐标模型；
采用所述多组起始关联信息进行所述多个局域初始坐标模型的骨架搭建，获得多个局域初始骨架模型；
基于所述多组起始关联转折点在所述K组第一关联信息中映射调用获得多组二级关联信息集；
根据所述多组二级关联信息集进行关联转折点调用，获得多组二级关联转折点集合；
以所述多个局域初始骨架模型为建模基准，采用所述多组二级关联转折点集合进行三维空间映射，获得多个局域二级坐标模型；
采用所述多组二级关联信息集进行所述多个局域二级坐标模型的骨架搭建，获得多个局域二级骨架模型；
以此类推，执行多级局域骨架建模，直至所述K组标识转折点信息和K组第一关联信息处于耗尽状态，获得多个局域多级骨架模型；
对所述多个局域多级骨架模型进行空间拟合，获得所述目标骨架模型。
进一步的，表面建模模块17还包括：
结构面拟合单元，用于基于所述目标骨架模型进行结构面拟合，获得M张结构面，其中，所述M张结构面映射于M组结构关联节点；
反向测量单元，用于采用所述M张结构面和所述M组结构关联节点，对所述目标CAD图集进行反向信息测量，获得所述M张结构面参数信息；
表面建模单元，用于采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成所述初始还原模型。
进一步的，模型优化模块18还包括：
还原模型拆分单元，用于预设结构拆分约束，并基于所述结构拆分约束进行所述初始还原模型的网格化拆分，获得多个还原效验子模型；
效验筛选单元，用于对所述多个还原效验子模型进行转折点调用，获得多组效验转折点；
测量数据调用单元，用于采用所述多组效验转折点在所述K组第二关联信息进行测量数据调用，获得多组建模关联信息；
偏差拟合单元，用于采用所述多组建模关联信息对所述多个还原效验子模型进行拟合，获得多个模型偏差区域；
参数优化单元，用于采用所述多组建模关联信息映射进行所述多个模型偏差区域的局域参数优化，获得所述目标还原模型。
应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的一种提高图纸测量质量的系统，为了说明书的简洁，在此不做进一步的展开。
应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、组合和替代，也属于本申请保护范围之内。
Claims (9)
1.一种提高图纸测量质量的方法，其特征在于，所述方法包括：
交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
2.如权利要求1所述的方法，其特征在于，预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸，所述方法还包括：
交互获得多张样本CAD图纸，并调用标注工具对所述多张样本CAD图纸进行线段转折点的人工语义标注，获得多张样本标注图像；
基于角点检测对所述多张样本标注图像进行特征提取，获得多张标注特征图像；
基于支持向量机构建线段转折点识别通道，并采用所述多张标注特征图像进行所述线段转折点识别通道的有监督训练，直至所述线段转折点识别通道的线段转折点识别精度高于预设精度；
预设图纸网格化阈值、第一网格化方向和第二网格化方向，并基于所述图纸网格化阈值、所述第一网格化方向和所述第二网格化方向构建生成图纸网格化处理器；
将图纸网格化处理器的输出端和线段转折点识别通道的输入端连接，完成所述线段转折点识别网络的构建。
3.如权利要求2所述的方法，其特征在于，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸，所述方法还包括：
从所述目标CAD图集调用获得第一CAD图纸；
将所述第一CAD图纸同步至所述线段转折点识别网络的图纸网格化处理器，在所述图纸网格化处理器中，基于所述第一网格化方向和所述第二网格化方向进行网格化拆分，获得第一网格图集和第二网格图集；
将所述第一网格图集同步至所述线段转折点识别网络，获得第一网格标识图纸集合和第二网格标识图纸集合；
以所述第一CAD图纸为基准，对所述第一网格标识图纸集合和所述第二网格标识图纸集合进行线段转折点聚合和图纸还原，获得第一标识转折点图纸；
以此类推，将所述目标CAD图集同步至所述线段转折点识别网络，获得所述K张标识转折点图纸。
4.如权利要求1所述的方法，其特征在于，采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息，所述方法还包括：
基于所述K张标识转折点图纸调用获得第一标识转折点图纸；
采用所述坐标信息测量规则对所述第一标识转折点图纸进行转折点空间坐标测量，获得第一组标识转折点信息；
采用所述第一方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第一关联信息，其中，所述第一关联信息包括第一关联长度信息、第一关联角度信息和第一关联转折点信息；
采用所述第二方向测量规则和所述第一组标识转折点信息对所述第一标识转折点图纸进行关联信息测量，获得第二关联信息，其中，所述第二关联信息包括第二关联长度信息、第二关联角度信息和第二关联转折点信息；
以此类推，采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成所述K组标识转折点信息和所述K组转折点关联信息。
5.如权利要求3所述的方法，其特征在于，采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型，所述方法还包括：
基于所述K组标识转折点信息调用获得多个起始转折点信息；
采用所述多个起始转折点信息在所述K组第一关联信息中映射调用获得多组起始关联信息；
根据所述多组起始关联信息进行关联转折点调用，获得多组起始关联转折点；
以所述多个起始转折点信息、所述多组起始关联信息和所述多组起始关联转折点作为骨架建模起点，以所述K组标识转折点信息和所述K组第一关联信息进行多轮次骨架建模延伸，生成所述目标骨架模型。
6.如权利要求5所述的方法，其特征在于，以所述多个起始转折点信息、所述多组起始关联信息和所述多组起始关联转折点作为骨架建模起点，以所述K组标识转折点信息和所述K组第一关联信息进行多轮次骨架建模延伸，生成所述目标骨架模型，所述方法还包括：
采用所述多个起始转折点信息和所述多组起始关联转折点进行三维空间映射，获得多个局域初始坐标模型；
采用所述多组起始关联信息进行所述多个局域初始坐标模型的骨架搭建，获得多个局域初始骨架模型；
基于所述多组起始关联转折点在所述K组第一关联信息中映射调用获得多组二级关联信息集；
根据所述多组二级关联信息集进行关联转折点调用，获得多组二级关联转折点集合；
以所述多个局域初始骨架模型为建模基准，采用所述多组二级关联转折点集合进行三维空间映射，获得多个局域二级坐标模型；
采用所述多组二级关联信息集进行所述多个局域二级坐标模型的骨架搭建，获得多个局域二级骨架模型；
以此类推，执行多级局域骨架建模，直至所述K组标识转折点信息和K组第一关联信息处于耗尽状态，获得多个局域多级骨架模型；
对所述多个局域多级骨架模型进行空间拟合，获得所述目标骨架模型。
7.如权利要求1所述的方法，其特征在于，采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型，所述方法还包括：
基于所述目标骨架模型进行结构面拟合，获得M张结构面，其中，所述M张结构面映射于M组结构关联节点；
采用所述M张结构面和所述M组结构关联节点，对所述目标CAD图集进行反向信息测量，获得所述M张结构面参数信息；
采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成所述初始还原模型。
8.如权利要求4所述的方法，其特征在于，采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型，所述方法还包括：
预设结构拆分约束，并基于所述结构拆分约束进行所述初始还原模型的网格化拆分，获得多个还原效验子模型；
对所述多个还原效验子模型进行转折点调用，获得多组效验转折点；
采用所述多组效验转折点在所述K组第二关联信息进行测量数据调用，获得多组建模关联信息；
采用所述多组建模关联信息对所述多个还原效验子模型进行拟合，获得多个模型偏差区域；
采用所述多组建模关联信息映射进行所述多个模型偏差区域的局域参数优化，获得所述目标还原模型。
9.一种提高图纸测量质量的系统，其特征在于，所述系统包括：
图集提取模块，所述图集提取模块用于交互获得目标CAD图集，其中，所述目标CAD图集包括K个视图的K张CAD图纸；
转折点标识模块，所述转折点标识模块用于预构建线段转折点识别网络，将所述目标CAD图集同步至所述线段转折点识别网络，获得K张标识转折点图纸；
测量基准构建模块，所述测量基准构建模块用于预设建模参数测量规则，其中，所述建模参数测量规则包括坐标信息测量规则和关联信息测量规则，所述关联信息测量规则包括第一方向测量规则和第二方向测量规则；
信息测量模块，所述信息测量模块用于采用所述坐标信息测量规则和所述关联信息测量规则分别对所述K张标识转折点图纸进行信息测量，生成K组标识转折点信息和K组转折点关联信息，其中，所述K组转折点关联信息包括K组第一关联信息和K组第二关联信息；
模型搭建模块，所述模型搭建模块用于采用所述K组标识转折点信息和K组第一关联信息进行骨架搭建，获得目标骨架模型；
反向测量模块，所述反向测量模块用于基于所述目标骨架模型对所述目标CAD图集进行反向信息测量，获得M张结构面参数信息；
表面建模模块，所述表面建模模块用于采用所述M张结构面参数信息和所述目标骨架模型进行表面建模，生成初始还原模型；
模型优化模块，所述模型优化模块用于采用所述K组第二关联信息对所述初始还原模型进行局域参数优化，获得目标还原模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410345719.2A CN117953164B (zh) | 2024-03-26 | 2024-03-26 | 一种提高图纸测量质量的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410345719.2A CN117953164B (zh) | 2024-03-26 | 2024-03-26 | 一种提高图纸测量质量的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117953164A true CN117953164A (zh) | 2024-04-30 |
| CN117953164B CN117953164B (zh) | 2024-05-24 |
Family
ID=90801786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410345719.2A Active CN117953164B (zh) | 2024-03-26 | 2024-03-26 | 一种提高图纸测量质量的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117953164B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740750A (zh) * | 2023-06-30 | 2023-09-12 | 江苏方天电力技术有限公司 | 一种基于工程图纸的尺寸信息识别的重构方法及装置 |
| CN117611768A (zh) * | 2023-12-11 | 2024-02-27 | 西安星闪世图科技有限公司 | 一种基于cad图纸的道路参数化建模方法 |
| WO2024045826A1 (zh) * | 2022-08-29 | 2024-03-07 | 上海智臻智能网络科技股份有限公司 | 建筑图纸的空间面积计算方法及系统、建筑图纸的处理方法、设备和存储介质 |
-
2024
- 2024-03-26 CN CN202410345719.2A patent/CN117953164B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024045826A1 (zh) * | 2022-08-29 | 2024-03-07 | 上海智臻智能网络科技股份有限公司 | 建筑图纸的空间面积计算方法及系统、建筑图纸的处理方法、设备和存储介质 |
| CN116740750A (zh) * | 2023-06-30 | 2023-09-12 | 江苏方天电力技术有限公司 | 一种基于工程图纸的尺寸信息识别的重构方法及装置 |
| CN117611768A (zh) * | 2023-12-11 | 2024-02-27 | 西安星闪世图科技有限公司 | 一种基于cad图纸的道路参数化建模方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117953164B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108763685B (zh) | 一种空间异形曲面幕墙系统的施工方法 | |
| Tang et al. | Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques | |
| Chen et al. | A methodology for automated segmentation and reconstruction of urban 3-D buildings from ALS point clouds | |
| US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
| Xu et al. | Reconstruction of scaffolds from a photogrammetric point cloud of construction sites using a novel 3D local feature descriptor | |
| Wang et al. | Vision-assisted BIM reconstruction from 3D LiDAR point clouds for MEP scenes | |
| CN110060338B (zh) | 一种基于bim模型的预制构件点云识别方法 | |
| CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
| Leng et al. | A multi‐scale plane‐detection method based on the Hough transform and region growing | |
| Zhao et al. | Automated recognition and measurement based on three-dimensional point clouds to connect precast concrete components | |
| CN113408034B (zh) | 一种基于bim建筑三维模型技术的工程施工智能云管理平台 | |
| CN116993923B (zh) | 换流站三维模型制作方法、系统、计算机设备和存储介质 | |
| CN115018249A (zh) | 一种基于激光扫描技术的地铁站施工质量评价方法 | |
| Qiu et al. | An adaptive down-sampling method of laser scan data for scan-to-BIM | |
| CN115690184A (zh) | 一种基于三维激光扫描的隧道掌子面位移量测方法 | |
| Mirzaei et al. | End-to-end point cloud-based segmentation of building members for automating dimensional quality control | |
| Cao et al. | Towards automatic flatness quality assessment for building indoor acceptance via terrestrial laser scanning | |
| Pan et al. | Recovering building information model from 2D drawings for mechanical, electrical and plumbing systems of ageing buildings | |
| Palma et al. | Detection of geometric temporal changes in point clouds | |
| CN117953164B (zh) | 一种提高图纸测量质量的方法及系统 | |
| CN116051771A (zh) | 一种基于无人机倾斜摄影模型的光伏bim屋顶自动建模方法 | |
| Kim et al. | Automated two-dimensional geometric model reconstruction from point cloud data for construction quality inspection and maintenance | |
| CN115496908A (zh) | 一种高层建筑倾斜摄影模型自动分层方法及系统 | |
| CN116476070B (zh) | 大型筒件局部特征机器人扫描测量路径调整方法 | |
| CN114972891B (zh) | 一种cad构件自动识别方法及bim建模方法 |
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 |