KR20220115326A - 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램 - Google Patents

빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램 Download PDF

Info

Publication number
KR20220115326A
KR20220115326A KR1020210019196A KR20210019196A KR20220115326A KR 20220115326 A KR20220115326 A KR 20220115326A KR 1020210019196 A KR1020210019196 A KR 1020210019196A KR 20210019196 A KR20210019196 A KR 20210019196A KR 20220115326 A KR20220115326 A KR 20220115326A
Authority
KR
South Korea
Prior art keywords
image data
building
real
information
condition information
Prior art date
Application number
KR1020210019196A
Other languages
English (en)
Inventor
서동섭
Original Assignee
주식회사 케이티
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 주식회사 케이티 filed Critical 주식회사 케이티
Priority to KR1020210019196A priority Critical patent/KR20220115326A/ko
Publication of KR20220115326A publication Critical patent/KR20220115326A/ko

Links

Images

Classifications

    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Analysis (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Architecture (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

BIM(Building Information Model)을 생성하는 서버는 건물 이미지 데이터를 입력받는 입력부, 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하는 도출부 및 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 빌딩 정보 모델을 생성하는 모델 생성부를 포함할 수 있다.

Description

빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램{SERVER, METHOD AND COMPUTER PROGRAM FOR GENERATING BUILDING INFORMATION MODEL}
본 발명은 빌딩 정보 모델(BIM: Building Information Model)을 생성하는 서버, 방법 및 컴퓨터 프로그램에 관한 것이다.
BIMS(Building Information Modeling System) 자동화 기술은 건축물 스캔 데이터로부터 재난 대응 서비스에 활용할 수 있는 객체 정보를 BIMS 포맷 정보로 자동 생성하는 기술이다.
또한, 건축물 내에 존재하는 실객체(책상이나 의자 등)가 점유하는 공간, 소방설비가 배치된 위치 등에 따라서 피난경로가 변하거나 재난대피 시 위험도가 달라질 수 있기 때문에, 건축물 내 실내 객체 현황을 파악하는 것이 중요하다.
건축물 정보 및 실내 현황 파악을 위해서는 기존 BIM(Building Information Model) 역설계 자동화 기술을 통해 건축물 정보를 획득할 수 있으나, 이는 노동집약적, 시간 소모적이며 전문성을 필요로 한다. 여기서, 기존 BIM 역설계 자동화 기술은 딥러닝 기반 객체 분류 및 객체 생성 알고리즘을 통해 구현된다.
이러한, 기존 BIM 역설계 자동화 기술은 아래와 같은 한계점을 갖고 있다.
첫 번째로, 포인트 클라우드의 절대적인 좌표가 보존되지 않고, 건축물에 존재하는 둘 이상의 실공간을 통합하여 처리하는데 어려움이 있다.
두 번째로, 건축물 스캐닝 및 객체 분류 과정에서 부정확한 객체 생성 및 노이즈 객체 생성으로 객체 분류 데이터의 정확도가 떨어진다.
한국등록특허공보 제10-1740259호 (2017.05.22. 등록)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 빌딩 정보 모델(BIM: Building Information Model)을 생성함으로써 BIM 생성에 대한 정확도를 높이고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 빌딩 정보 모델(BIM: Building Information Model)을 생성하는 서버는 건물 이미지 데이터를 입력받는 입력부; 상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하는 도출부; 및 상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 BIM을 생성하는 모델 생성부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 빌딩 정보 모델(BIM)을 생성하는 방법은 건물 이미지 데이터를 입력받는 단계; 상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하는 단계; 및 상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 BIM을 생성하는 단계를 포함할 수 있다.
본 발명의 제 3 측면에 따른 빌딩 정보 모델(BIM)을 생성하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우, 건물 이미지 데이터를 입력받고, 상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하고, 상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 BIM을 생성하는 명령어들의 시퀀스를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 BIM을 생성함으로써 BIM 생성에 대한 정확도를 높일 수 있고, 용이하게 복수의 실공간 데이터를 통합할 수 있다.
도 1은 본 발명의 일 실시예에 따른, 빌딩 정보 모델(BIM: Building Information Model) 생성 서버의 블록도이다.
도 2는 본 발명의 일 실시예에 따른, BIM 생성 과정을 도식화한 도면이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 객체 항목 데이터를 도출하는 방법을 설명하기 위한 도면이다.
도 4a 내지 4e는 본 발명의 일 실시예에 따른, 실공간 간 관계 조건 정보 및 경계 상자(Bounding Box)를 적용하는 방법을 설명하기 위한 도면이다.
도 5a 내지 5b는 본 발명의 일 실시예에 따른, 실객체 간 관계 조건 정보 및 실객체 간 관계 조건 정보를 적용하는 방법을 설명하기 위한 도면이다.
도 6a 내지 6e는 본 발명의 일 실시예에 따른, 실객체 간 관계 조건 정보를 이용하여 BIM을 생성하는 방법을 설명하기 위한 도면이다.
도 7a 내지 7b는 본 발명의 일 실시예에 따른, BIM 생성의 정확도를 산출하는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른, BIM을 생성하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 빌딩 정보 모델(BIM: Building Information Model) 생성 서버(10)의 블록도이다.
도 1을 참조하면, BIM 생성 서버(10)는 입력부(100), 도출부(110) 및 모델 생성부(120)를 포함할 수 있다. 다만, 도 1에 도시된 BIM 생성 서버(10)는 본 발명의 하나의 구현 예에 불과하며, 도 1에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
도 2는 BIM 생성 과정을 도식화한 도면이다. 이하에서는 도 2를 함께 참조하여 도 1을 설명하기로 한다.
입력부(100)는 건물 이미지 데이터를 입력받을 수 있다. 여기서, 건물 이미지 데이터는 건축물을 스캔한 스캔 이미지일 수 있다.
도출부(110)는 객체 항목 분류 시행 전에 건물 이미지 데이터로부터 실공간별 절대적 위치 좌표 정보를 도출할 수 있다. 여기서, 실공간별 절대적 위치 좌표 정보(이하에서 설명될 실공간 간 관계 조건 정보에 포함됨)는 객체 항목 분류 과정에서 소실되는 각 실공간의 절대 좌표를 복구하기 위해 사용될 수 있다.
도출부(110)는 건물 이미지 데이터에 대하여 세그먼테이션(segmentation)을 수행하여 건물 이미지 데이터를 포인트 클라우드로 변환할 수 있다.
예를 들어, 도출부(110)는 포인트넷(PointNet) 알고리즘을 이용하여 건물 이미지 데이터의 시멘틱 세그먼테이션을 수행할 수 있다.
도출부(110)는 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출할 수 있다. 예를 들어, 도 3a를 참조하면, 도출부(110)는 포인트넷 알고리즘을 통해 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 예측하여 10 개의 객체 항목 데이터를 분류한 결과를 도출할 수 있다.
구체적으로, 도출부(110)는 기정의된 객체 분류 정보에 기초하여 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출할 수 있다. 여기서, 기정의된 객체 분류 정보는 복수의 객체(예컨대, 천장, 바닥, 벽, 기둥, 창문, 문, 책상, 의자, 책장, 소파, 보드 등) 및 각 객체에 대한 라벨링 정보를 포함할 수 있다.
도출부(110)는 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 도출된 객체 항목 데이터에 기초하여 포인트 클라우드에 대한 클러스터링을 수행할 수 있다.
도출부(110)는 포인트 클라우드에 대한 클러스터링을 수행하여 복수의 객체 클러스터를 생성할 수 있다. 여기서, 복수의 객체 클러스터 각각은 실객체를 표현하는 포인트 클라우드 데이터로 구성될 수 있다.
예를 들어, 도출부(110)는 DBSCAN(Density-based spatial clustering of applications with noise) 클러스터링 방식을 이용하여 건물 이미지 데이터에 대응하는 포인트 클라우드에 대한 클러스터링을 수행할 수 있다. 여기서, DBSCAN 클러스터링 방식은 포인트의 밀도가 높은 부분을 하나의 클러스터로 인식하는 방식으로, 다른 클러스터링 기법과 다르게 클러스터 수를 지정하지 않고 클러스터링을 수행할 수 있다. 또한, DBSCAN 클러스터링 방식은 포인트 밀도를 판단하기 위해 e(epsilon) 값과 m(min_Pts) 값을 설정하는데, 건물 이미지 데이터의 품질이 동일할 경우, e와 m 값을 고정값으로 사용하여 대량의 데이터를 일괄적으로 분류할 수 있다. 또한, DBSCAN 클러스터링 방식은 기준점(P)을 중심으로 반경 e 내에 포인트가 m 개 이상 있으면 하나의 군집으로 판단할 수 있다.
예를 들어, 도 3b를 참조하면, e 값이 0.015이고, m 값이 6으로 설정된 경우, 도출부(110)는 기준점(P)을 중심으로 반경 내에 존재하는 포인트 7개를 하나의 객체 클러스터로 클러스터링할 수 있다.
도출부(110)는 복수 개의 객체를 포함하는 건축물 실내 데이터 정보(즉, 객체 항목 데이터)를 추출할 때, DBSCAN 클러스터링 방식을 사용함으로써 건물 이미지 데이터에 대응하는 포인트 클라우드를 객체 단위로 분할할 수 있다.
위와 같은 방식으로 생성된 각 객체 클러스터는 객체 하나를 표현하는 포인트 클라우드 데이터로서 출력될 수 있다(도 3b 참조).
도 3c는 포인트넷 네트워크에 의해 예측된 객체 항목 데이터 중 의자에 해당하는 포인트 클라우드 데이터를 출력하여 클러스터링한 결과를 나타낸 도면이다.
이와 같이 건물 이미지 데이터에 대응하는 포인트 클라우드는 클러스터링 과정을 거쳐 객체 단위로 분할되고, 그 결과로서 복수의 객체 클러스터가 생성된다.
도출부(110)는 복수의 객체 클러스터로부터 각 객체 클러스터에 대응하는 객체 항목 데이터를 도출할 수 있다.
모델 생성부(120)는 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 BIM을 생성할 수 있다.
여기서, 실공간 간 관계 조건 정보는 건물 이미지 데이터의 절대적 위치 좌표를 반영하여 건축물 단위의 BIM을 통합 구현하기 위한 조건이다. 이러한, 실공간 간 관계 조건 정보는 예를 들어, 건물 이미지 데이터에 포함된 실공간에 대한 절대적 위치 좌표 정보를 포함할 수 있다.
여기서, 실객체 간 관계 조건 정보는 객체와 다른 객체 간의 관계에 따라 객체의 위치 및 크기를 조정할 수 있는 조건이다. 이러한, 실객체 간 관계 조건 정보는 예를 들어, 실객체 간의 종속 여부에 대한 정보를 포함할 수 있다.
모델 생성부(120)는 각 객체 클러스터 각각에 경계 상자(Bounding Box)를 설정할 수 있다. 여기서, 각 객체 클러스터는 각 객체에 대한 포인트 클라우드이기 때문에 포인트 각각에 대한 좌표와 색상 정보로 이루어져 있다. 각 객체의 위치 및 크기를 결정하기 위해서는 각 객체 클러스터마다 경계 상자(Bounding Box)를 설정함으로써 경계상자 데이터로 변환해야 한다.
예를 들어, 도 4a를 참조하면, 모델 생성부(120)는 천장 항목 데이터에 대응하는 객체 클러스터에 경계 상자를 설정하고, 바닥 항목 데이터에 대응하는 객체 클러스터에 경계 상자를 설정하고, 책상 항목 데이터에 대응하는 객체 클러스터에 경계 상자를 설정할 수 있다.
예를 들어, 도 4b를 참조하면 경계 상자(501)는 포인트 클라우드 군집에 접하면서, x축, y축, z축에 직교하는 직육면체로 생성될 수 있다. 각 객체 클러스터에 설정된 경계 상자에 대한 정보는 출력 최적화를 위해 두 개의 포인트 좌표로 구성될 수 있다.
여기서, 두 개의 포인트 좌표는 경계 상자(501)에서 x, y, z 좌표가 최대가 되는 최고 포인트(503)와 최소가 되는 최하 포인트(505)를 포함할 수 있다. 최고 포인트(503)는 원점에서 가장 먼 좌표에 해당하는 포인트를 의미하고, 최하 포인트(505)는 원점에서 가장 가까운 좌표에 해당하는 포인트를 의미한다.
최고 포인트(503) 및 최하 포인트(505) 간의 거리는 경계 상자(501)의 최대 거리이고, 최고 포인트(503) 및 최하 포인트(505)로부터 객체의 높이 정보, 너비 정보, 깊이 정보 및 위치 정보가 도출될 수 있다.
한 편, 기존 BIM 역설계 자동화 기술은 건축물의 실공간 내부에서 객체 간 상대적인 위치 좌표 정보만을 고려하였고, 실 공간 전체에 대한 절대적 위치 좌표 정보를 고려하지 않았다.
포인트넷 알고리즘에 의해 예측된 객체 항목 데이터는 실공간의 좌표를 원점(0,0,0)부터 재배열하여 라벨 정보가 생성되기 때문에 다수의 실내 공간에 대한 객체 분류를 수행할 경우 실공간 별 위치 좌표가 겹치게 된다.
실공간 별 위치 좌표가 겹쳐지는 문제를 해결하고, 실공간 별 절대적 위치 좌표를 유지하기 위해서는 포인트넷 알고리즘을 통해 예측된 객체 항목 데이터에 대응하는 객체 클러스터에 실공간 간의 관계 정보(즉, 실공간에 대한 절대적 위치 좌표 정보)를 적용하여 본래의 실공간 좌표로 변환하는 작업이 필요하다.
이를 위해, 모델 생성부(120)는 건물 이미지 데이터 및 각 객체 클러스터에 대응하는 객체 항목 데이터를 비교한 비교 결과에 실공간 간의 관계 조건 정보를 적용할 수 있다.
모델 생성부(120)는 실공간 간의 관계 조건 정보에 기초하여 각 객체 클러스터별 경계 상자의 위치를 조정할 수 있다. 여기서, 경계 상자의 위치 조정은 박스 시프팅(Box-Shifting)을 통해 수행될 수 있다. 예를 들어, 도 4c를 참조하면, 모델 생성부(120)는 포인트넷 알고리즘을 통해 분류된 객체 항목 데이터별 객체 클러스터의 원점과 건물 이미지 데이터로부터 기준이 되는 기준 좌표에 기초하여 거리 정보를 산출할 수 있다. 모델 생성부(120)는 산출된 거리 정보에 기초하여 각 객체 클러스터별 경계 상자의 위치를 조정할 수 있다. 여기서, 산출된 거리 정보는 실공간 내 존재하는 모든 객체에 대하여 일괄적으로 적용되어 박스 시프팅을 통해 각 객체의 위치가 조정될 수 있다.
예를 들어, 도 4b 및 도 4d를 함께 참조하면, 모델 생성부(120)는 박스 시프팅을 통해 실공간 간의 관계 조건 정보를 적용하고, 실공간별 경계상자(각 실공간 내 존재하는 복수의 객체 클러스터에 설정된 경계 상자)의 최하 포인트(511)를 건물 이미지 데이터의 기준 좌표와 동일한 위치로 수정할 수 있다.
예를 들어, 도 4e를 참조하면, 천장 객체에 대하여 건물 이미지 데이터의 일부와 실공간 간 관계 조건 정보가 적용된 경계 상자를 비교한 결과로서 각 경계상자가 건물 이미지 데이터 내 존재하는 객체의 실제 좌표와 일치함을 확인할 수 있다. 이와 같이, 실공간 별 관계 조건 정보를 적용함으로써 건물 단위의 실내 BIM이 생성 가능함을 확인할 수 있다.
한 편, 기존 BIM 역설계 자동화 기술을 통해 도출된 모델은 포인트 클라우드로부터 객체 별로 정보를 추출하였기 때문에 객체 형상에 오류가 발생할 수 있다. 이러한, 객체 형상의 오류 유형에는 벽과 천장, 벽과 바닥 등 맞물려야 하는 객체 사이에 유격이 생기거나 객체가 겹쳐져 생성되는 경우와, 하나의 객체가 다른 객체에 의해 가려져 일부만 표현되는 경우 및 건물 이미지 데이터의 품질 차이, 딥러닝 네트워크의 학습 성능에 따라 객체 정보가 부정확하게 출력되는 경우가 포함될 수 있다.
이러한 포인트 클라우드로부터 추출된 객체 정보를 보다 정확하게 수정하기 실객체 간 관계 조건 정보를 정의 및 적용할 필요성이 있다.
이러한, 실객체 간 관계 조건 정보는 객체가 점유하는 공간을 표현한 경계상자를 다른 객체 정보를 참조하여 본래의 형상과 가깝게 표현하기 위해 사용된다. 예를 들어, 특정 객체가 벽, 바닥 등의 공간을 구성하는 객체와 맞닿아 있으며, 문이나, 창문, 의자, 책상 등의 객체가 벽과 바닥에 종속되거나 맞닿아 있음을 고려하여 실객체 간 관계 조건 정보(도 5a 참조)를 정의할 수 있다.
또한, 일부 객체의 경우, 크기가 일정 범위에 있음을 고려하여 객체 크기 조건을 설정하고, 객체 크기 조건에 부합하지 않는 노이즈 데이터를 삭제함으로써 BIM의 정확도를 향상시킬 수 있다. 예를 들어, 도 5b를 참조하면, 의자 지지대는 스캔 과정에서 누락되기 쉽기 때문에, 의자 객체에 경계상자를 생성했을 때 실제로 의자가 점유하는 공간을 잘못 예측하여 오류가 발생할 수 있다. 의자 객체 일부(의자 다리 부분)가 동떨어져 생성될 경우 경계상자의 수정 및 노이즈 삭제 작업이 필요하다. 실객체 간 관계 조건 정보는 이러한 오류가 발생하는 유형을 찾고, 오류 발생 유형에 따라 적절하게 오류를 수정함으로써 객체가 점유하는 공간을 실제에 가깝게 표현할 수 있는 규칙이다.
도 5a를 참조하면, 실객체 간 관계 조건 정보를 적용하고자 하는 객체의 경우, 해당 객체와 상관관계를 가지는 참조 객체의 좌표 데이터를 활용하여 해당 객체의 경계상자를 수정할 수 있다. 이 때, 수정된 경계상자는 크기조건에 따라 기준에 충족하지 못할 경우 삭제될 수 있다.
예를 들어, 천장 객체의 경우, 다른 객체에 의한 경계면 간섭이 가장 적고 객체분류 과정에서 가장 높은 정확도를 가지기 때문에, 천장 객체의 경계상자를 기준으로 실객체 간 관계조건을 적용해야 한다. 바닥 객체의 경우, XYZ 좌표계 중 XY 좌표를 천장 객체의 좌표와 일치하도록 변경해야 한다. 벽 객체의 경우, 실내 공간 전체를 벽 객체의 경계상자 영역으로 하며, 벽 객체의 XY 좌표 및 벽 객체의 경계상자의 상단 Z 좌표는 천장 객체의 좌표로 변경되고, 하단 Z 좌표는 바닥의 좌표로 변경된다. 기둥 객체의 경우, 기둥 객체의 상단 Z 좌표와 하단 Z 좌표를 각각 천장 객체 및 바닥 객체의 Z 좌표로 변경된다. 문 객체 및 창문 객체의 경우, 문 객체 및 창문 객체의 위치에서 가장 인접한 벽에 종속되고, 책상, 의자, 소파, 책장의 경우, 경계상자 하단면이 바닥 객체에 맞닿도록 Z 좌표를 바닥 객체의 좌표로 변경해야 한다. 이러한, 실객체 간 관계 조건 정보는 딥러닝 네트워크에 학습된 객체 종류에 따라 변경(추가, 삭제)될 수 있다.
모델 생성부(120)는 각 객체 클러스터에 대응하는 객체 항목 데이터에 기초하여 각 객체 클러스터를 호스트(Host) 객체, 종속 객체, 공간 점유 객체 중 하나로 분류할 수 있다.
예를 들어, 6a를 참조하면, 모델 생성부(120)는 각 객체 클러스터에 대응하는 객체 항목 데이터를 객체 라이브러리와 매칭하여 각 객체 클러스터에 해당하는 BIM 객체를 모델링할 수 있다. 여기서, 객체 라이브러리는 항목별로 기초가 되는 객체 집합으로 13개 항목과 매칭되는 객체를 포함하고 있고, 객체의 위치 및 수치 정보를 입력하여 BIM 객체를 생성하는데 이용될 수 있다.
모델 생성부(120)는 모델링된 각 객체 클러스터에 해당하는 BIM 객체를 호스트 객체, 종속 객체, 공간 점유 객체 중 하나로 분류할 수 있다. 여기서, 호스트 객체는 종속 객체가 생성될 수 있는 피종속 객체를 의미하고, 예를 들어, 벽, 바닥, 천장, 기둥 등이 호스트 객체에 포함될 수 있다. 여기서, 호스트 객체 중 천장은 다른 객체에 의해 가려지는 영역이 현저히 적기 때문에 가장 높은 분류 정확도를 가진다. 따라서, 천장의 좌표는 실공간에서 가장 신뢰도가 높은 좌표로 사용 가능하므로 다른 호스트 객체 생성시 기준 좌표로 사용될 수 있다.
종속 객체는 호스트 객체에 종속되는 객체로서 예를 들어, 문 객체 또는 창문 객체가 종속 객체에 포함될 수 있다.
공간 점유 객체는 호스트 객체 및 종속 객체를 제외한 모든 객체를 의미하고, 공간에서 일정한 영역을 점유하는 객체이다. 이러한 공간 점유 객체는 예를 들어, 의자 객체, 책상 객체가 공간 점유 객체에 포함될 수 있다.
모델 생성부(120)는 분류된 객체 클러스터에 실객체 간 관계 조건 정보를 적용하여 BIM을 생성할 수 있다.
예를 들어, 도 6b를 참조하면, 모델 생성부(120)는 천장 객체로부터 4개의 좌표를 도출하고, 벽 객체의 x, y좌표를 도출된 4개의 좌표에 일치시키고, 천장 객체 및 바닥 객체 간의 관계 조건 정보로부터 벽 정보를 도출하고, 도출된 벽 정보에 기초하여 벽 객체의 높이를 천장과 바닥의 경계와 매칭되도록 조정함으로써 벽 객체를 생성할 수 있다. 이를 통해, 이를 통해 건물 이미지 데이터에서 발생한 벽의 위치 오차를 줄이고, 실공간의 내부 공간을 정확히 정의할 수 있다.
예를 들어, 도 6c를 참조하면, 종속 객체는 종속될 호스트 객체의 탐색이 선행되며, 호스트 객체의 영역 안에서만 생성될 수 있다. 종속 객체에 속하는 객체에 설정된 경계 상자에 대한 단변과 장변이 분류되면, 해당 경계 상자의 장변과 평행한 호스트 객체(예컨대, 벽)가 탐색되고, 탐색된 호스트 객체에 종속될 수 있다. 예를 들어, 종속 객체는 장변이 평행한 Wall 1, Wall 3 중 가까운 Wall 3에 종속될 수 있다.
예를 들어, 도 6d를 참조하면, 공간 점유 객체(예컨대, 의자, 소파, 책상)는 호스트 객체(예컨대, 바닥 객체)와 접하도록 관계 조건 정보가 설정되어 있다.
공간 점유 객체의 생성 과정을 살펴보면, 모델 생성부(120)는 객체 항목 데이터에 대응하는 포인트 클라우드를 객체 라이브러리와 매칭하여 의자 객체를 생성할 수 있다.
이어서, 모델 생성부(120)는 바닥 객체 및 의자 객체 간 관계 조건 정보에 기초하여 의자 객체가 호스트 객체에 해당하는 바닥 객체에 접하도록 의자 객체의 경계 상자 하단면의 좌표를 바닥 객체의 z 좌표로 수정할 수 있다.
이와 같이, 실객체 간 관계 조건 정보를 적용함으로써 객체 생성 정확도를 향상시킬 수 있다.
한 편, 도 3a를 다시 참조하면, 각 객체 항목 데이터에 대응하는 포인트 클라우드(객체 클러스터)는 경계 상자로 변환된 후 실공간에 대한 절대적 위치 좌표 정보가 적용된다. 하나의 실공간 내에 존재하는 객체들에 대해 실객체 간 관계 조건 정보의 적용에 따라 객체 생성 정확도가 향상되었음을 확인할 수 있다.
도 6e를 참조하면, 모델 생성부(120)는 건물 이미지 데이터로부터 도출된 복수의 객체 클러스터마다 설정된 경계 상자에 실객체 간 관계 조건 정보를 적용하여 실공간에 대한 BIM을 생성할 수 있다.
한 편, 정확도 산출부(미도시)는 생성된 BIM에 대한 정확도를 산출할 수 있다. 구체적으로, 도 7a를 참조하면, 정확도 산출부(미도시)는 BIM을 구성하는 각 객체의 경계 상자 영역(②)과 기설정된 기준 경계 상자 영역(①) 간의 겹치는 부분(중복 영역)에 기초하여 BIM에 대한 정확도를 산출할 수 있다. 여기서, BIM에 대한 정확도는 예를 들어, [수학식 1]에 기초하여 산출될 수 있다.
[수학식 1]
Figure pat00001
도 7b는 관계 조건 정보의 적용 전과 관계 조건 정보의 적용 후의 BIM 생성의 정확도를 비교한 결과이다. 도 7b를 참조하면, 관계 조건 정보가 적용된 의자 객체 및 책상 객체의 정확도가 각각 33.74%, 53.33%로 향상되었고, 평균 14.03% 향상되었음을 확인할 수 있다.
한편, 당업자라면, 입력부(100), 도출부(110) 및 모델 생성부(120) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 8은 본 발명의 일 실시예에 따른, BIM을 생성하는 방법을 나타낸 흐름도이다.
도 8을 참조하면, 단계 S801에서 BIM 생성 서버(10)는 건물 이미지 데이터를 입력받을 수 있다.
단계 S803에서 BIM 생성 서버(10)는 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출할 수 있다.
단계 S805에서 BIM 생성 서버(10)는 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 BIM을 생성할 수 있다. 여기서, 실공간 간 관계 조건 정보는 건물 이미지 데이터에 포함된 실공간에 대한 절대적 위치 좌표 정보를 포함하고, 실객체 간 관계 조건 정보는 실객체 간의 종속 여부에 대한 정보를 포함할 수 있다.
상술한 설명에서, 단계 S801 내지 S805는 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: BIM 생성 서버
100: 입력부
110: 도출부
120: 모델 생성부

Claims (19)

  1. 빌딩 정보 모델(BIM: Building Information Model)을 생성하는 서버에 있어서,
    건물 이미지 데이터를 입력받는 입력부;
    상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하는 도출부; 및
    상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 빌딩 정보 모델을 생성하는 모델 생성부
    를 포함하는 것인, 서버.
  2. 제 1 항에 있어서,
    상기 도출부는 상기 건물 이미지 데이터에 대하여 세그먼테이션(segmentation)을 수행하여 상기 건물 이미지 데이터를 상기 포인트 클라우드로 변환하고,
    상기 포인트 클라우드에 대한 클러스터링을 수행하여 복수의 객체 클러스터를 생성하는 것인, 서버.
  3. 제 2 항에 있어서,
    상기 복수의 객체 클러스터 각각은 실객체를 표현하는 포인트 클라우드 데이터로 구성된 것인, 서버.
  4. 제 2 항에 있어서,
    상기 도출부는 상기 복수의 객체 클러스터로부터 각 객체 클러스터에 대응하는 객체 항목 데이터를 도출하는 것인, 서버.
  5. 제 4 항에 있어서,
    상기 모델 생성부는 상기 건물 이미지 데이터 및 상기 각 객체 클러스터에 대응하는 객체 항목 데이터를 비교한 비교 결과에 상기 실공간 간의 관계 조건 정보를 적용하는 것인, 서버.
  6. 제 5 항에 있어서,
    상기 모델 생성부는 상기 각 객체 클러스터에 경계 상자(Bounding Box)를 설정하고,
    상기 실공간 간의 관계 조건 정보에 기초하여 상기 각 객체 클러스터별 경계 상자의 위치를 조정하는 것인, 서버.
  7. 제 6 항에 있어서,
    상기 모델 생성부는 상기 각 객체 클러스터에 대응하는 객체 항목 데이터에 기초하여 상기 각 객체 클러스터를 호스트(Host) 객체, 종속 객체, 공간 점유 객체 중 하나로 분류하는 것인, 서버.
  8. 제 7 항에 있어서,
    상기 모델 생성부는 상기 실객체 간 관계 조건 정보를 상기 분류된 객체 클러스터에 적용하여 상기 빌딩 정보 모델을 생성하는 것인, 서버.
  9. 제 1 항에 있어서,
    상기 실공간 간의 관계 조건 정보는 상기 건물 이미지 데이터에 포함된 실공간에 대한 절대적 위치 좌표 정보를 포함하고,
    상기 실객체 간 관계 조건 정보는 상기 실객체 간의 종속 여부에 대한 정보를 포함하는 것인, 서버.
  10. 빌딩 정보 모델(BIM: Building Information Model)을 생성하는 방법에 있어서,
    건물 이미지 데이터를 입력받는 단계;
    상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하는 단계; 및
    상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 빌딩 정보 모델을 생성하는 단계
    를 포함하는 것인, 방법.
  11. 제 10 항에 있어서,
    상기 건물 이미지 데이터에 대하여 세그먼테이션(segmentation)을 수행하여 상기 건물 이미지 데이터를 상기 포인트 클라우드로 변환하는 단계 및
    상기 포인트 클라우드에 대한 클러스터링을 수행하여 복수의 객체 클러스터를 생성하는 단계를 더 포함하는 것인, 방법.
  12. 제 11 항에 있어서,
    상기 복수의 객체 클러스터 각각은 실객체를 표현하는 포인트 클라우드 데이터로 구성된 것인, 방법.
  13. 제 11 항에 있어서,
    상기 객체 항목 데이터를 도출하는 단계는
    상기 복수의 객체 클러스터로부터 각 객체 클러스터에 대응하는 객체 항목 데이터를 도출하는 단계를 포함하는 것인, 방법.
  14. 제 13 항에 있어서,
    상기 건물 이미지 데이터 및 상기 각 객체 클러스터에 대응하는 객체 항목 데이터를 비교한 비교 결과에 상기 실공간 간의 관계 조건 정보를 적용하는 단계를 더 포함하는 것인, 방법.
  15. 제 14 항에 있어서,
    상기 각 객체 클러스터에 경계 상자(Bounding Box)를 설정하는 단계 및
    상기 실공간 간의 관계 조건 정보에 기초하여 상기 각 객체 클러스터별 경계 상자의 위치를 조정하는 단계를 더 포함하는 것인, 방법.
  16. 제 15 항에 있어서,
    상기 각 객체 클러스터에 대응하는 객체 항목 데이터에 기초하여 상기 각 객체 클러스터를 호스트(Host) 객체, 종속 객체, 공간 점유 객체 중 하나로 분류하는 단계를 더 포함하는 것인, 방법.
  17. 제 16 항에 있어서,
    상기 빌딩 정보 모델을 생성하는 단계는
    상기 실객체 간 관계 조건 정보를 상기 분류된 객체 클러스터에 적용하여 상기 빌딩 정보 모델을 생성하는 단계를 포함하는 것인, 방법.
  18. 제 10 항에 있어서,
    상기 실공간 간의 관계 조건 정보는 상기 건물 이미지 데이터에 포함된 실공간에 대한 절대적 위치 좌표 정보를 포함하고,
    상기 실객체 간 관계 조건 정보는 상기 실객체 간의 종속 여부에 대한 정보를 포함하는 것인, 방법.
  19. 빌딩 정보 모델(BIM: Building Information Model)을 생성하는 명령어들의 시퀀스를 포함하는 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 컴퓨팅 장치에 의해 실행될 경우,
    건물 이미지 데이터를 입력받고,
    상기 건물 이미지 데이터에 대응하는 포인트 클라우드로부터 객체 항목 데이터를 도출하고,
    상기 건물 이미지 데이터에 대한 실공간 간 관계 조건 정보 및 실객체 간 관계 조건 정보에 기초하여 상기 도출된 객체 항목 데이터에 대응하는 포인트 클라우드로부터 상기 빌딩 정보 모델을 생성하는 명령어들의 시퀀스를 포함하는, 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램.
KR1020210019196A 2021-02-10 2021-02-10 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램 KR20220115326A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210019196A KR20220115326A (ko) 2021-02-10 2021-02-10 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210019196A KR20220115326A (ko) 2021-02-10 2021-02-10 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램

Publications (1)

Publication Number Publication Date
KR20220115326A true KR20220115326A (ko) 2022-08-17

Family

ID=83110607

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210019196A KR20220115326A (ko) 2021-02-10 2021-02-10 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램

Country Status (1)

Country Link
KR (1) KR20220115326A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115481084A (zh) * 2022-09-06 2022-12-16 中铁四局集团电气化工程有限公司 一种bim模型资源管理系统
KR102597652B1 (ko) * 2023-03-17 2023-11-03 주식회사 와따 3d 포인트 클라우드 군집화 및 딥러닝 융합 객체 검출 강화 인식방법, 장치 및 컴퓨터프로그램

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101740259B1 (ko) 2011-10-07 2017-05-29 한국전자통신연구원 3차원 포인트 클라우드의 공간 분할 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101740259B1 (ko) 2011-10-07 2017-05-29 한국전자통신연구원 3차원 포인트 클라우드의 공간 분할 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115481084A (zh) * 2022-09-06 2022-12-16 中铁四局集团电气化工程有限公司 一种bim模型资源管理系统
CN115481084B (zh) * 2022-09-06 2023-07-11 中铁四局集团电气化工程有限公司 一种bim模型资源管理系统
KR102597652B1 (ko) * 2023-03-17 2023-11-03 주식회사 와따 3d 포인트 클라우드 군집화 및 딥러닝 융합 객체 검출 강화 인식방법, 장치 및 컴퓨터프로그램

Similar Documents

Publication Publication Date Title
US10424065B2 (en) Systems and methods for performing three-dimensional semantic parsing of indoor spaces
US20200348969A1 (en) Techniques for workflow analysis and design task optimization
KR20220115326A (ko) 빌딩 정보 모델을 생성하는 서버, 방법 및 컴퓨터 프로그램
US7746341B2 (en) System and method for parsing point-cloud data
JP6612487B1 (ja) 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム
CN112767551B (zh) 三维模型构建方法、装置以及电子设备、存储介质
JP2015510177A (ja) ボーダレステーブル検出エンジン
MX2014008560A (es) Procesador de deteccion de formula.
US20230267154A1 (en) Document information extraction system using sequenced comparators
US20220188472A1 (en) Coordinating conversion between floorplan user interface layers
KR20160025519A (ko) 속성 그룹을 이용한 시각적 엘리먼트의 선택 및 편집 기법
US12014470B2 (en) Model generation apparatus, model generation system, model generation method
CN110188151A (zh) 一种基于cad和gis生成室内地图的方法及电子装置
JP6183099B2 (ja) 入力支援装置、入力支援方法及び入力支援プログラム
US20170139998A1 (en) Search Device and Search Method
CN117115843B (zh) 一种基于aigc技术的会展工程内容生产系统和方法
JP5933126B2 (ja) 解析用メッシュデータ生成方法および解析用メッシュデータ生成装置
US20230142309A1 (en) Method and system for generating a 3d model of a plant layout cross-reference to related application
US20210279271A1 (en) Data module creation from images
CN112766348A (zh) 一种基于对抗神经网络生成样本数据的方法以及装置
CN111080792A (zh) 模型简化处理方法、装置以及电子设备、存储介质
WO2023084300A1 (en) Method and system for creating 3d model for digital twin from point cloud
CN115330939A (zh) 户型图生成方法、装置、电子设备和存储介质
US10282376B2 (en) Semi-structured spatial data conversion
US11250180B2 (en) Adaptive transformable design generation