CN112241565A - 建模方法及相关装置 - Google Patents
建模方法及相关装置 Download PDFInfo
- Publication number
- CN112241565A CN112241565A CN202011163699.5A CN202011163699A CN112241565A CN 112241565 A CN112241565 A CN 112241565A CN 202011163699 A CN202011163699 A CN 202011163699A CN 112241565 A CN112241565 A CN 112241565A
- Authority
- CN
- China
- Prior art keywords
- component
- model
- target
- data
- engineering drawing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000012549 training Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
Abstract
本申请提供了一种建模方法及相关装置，首先，对目标工程图纸进行识别处理得到构件数据；从预设构件模型库中选取与所述构件数据对应的构件模型；根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
Description
技术领域
本申请涉及工程建模技术领域，特别是一种建模方法及相关装置。
背景技术
在建筑工程领域，建筑信息模型(Building Information Modeling，BIM)应用体现在构件生产阶段、运输阶段、现场施工阶段以及运营维护阶段。如何更好更快地完成建模是十分重要的问题。
目前一般采用线下软件建模再上传网络端，举例来说，常规建模方式有通过REVIT等工程软件本地建模再上传至网络端进行轻量化解析及展示等，用户需要根据图纸手动建模，费时费力，建模效率较低。
发明内容
基于上述问题，本申请提出了一种建模方法及相关装置，可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
第一方面，本申请实施例提供了一种建模方法，所述方法包括：
对目标工程图纸进行识别处理得到构件数据；
从预设构件模型库中选取与所述构件数据对应的构件模型；
根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
在一种申请实施例中，所述对目标工程图纸进行识别处理得到构件数据，包括：
将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据；
将所述轻量化图纸数据输入图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
在一种申请实施例中，所述构件结构集包括至少一种构件类型，每种构件类型对应的构件数量为至少一个；所述从预设构件模型库中选取与所述构件数据对应的构件模型，包括：
从所述预设构件模型库中选取与全部构件类型对应的构件类型模型；
根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
在一种申请实施例中，所述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数；所述根据所述构件模型和所述构件数据生成目标模型，包括：
根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；
根据每个构件的方位参数和所述目标构件模型生成所述目标模型。
第二方面，本申请实施例提供了一种建模装置，所述装置包括：
识别单元，用于对目标工程图纸进行识别处理得到构件数据；
选取单元，用于从预设构件模型库中选取与所述构件数据对应的构件模型；
建模单元，用于根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
在一种申请实施例中，在所述对目标工程图纸进行识别处理得到构件数据方面，所述识别单元具体用于：
将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据；
将所述轻量化图纸数据输入训练好的图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
在一种申请实施例中，所述构件结构集包括至少一种构件类型，每种构件类型对应的构件数量为至少一个；在所述从预设构件模型库中选取与所述构件数据对应的构件模型方面，所述选取单元具体用于：
从所述预设构件模型库中选取与全部构件类型对应的构件类型模型；
根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
在一种申请实施例中，所述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数；在所述根据所述构件模型和所述构件数据生成目标模型方面，所述建模单元具体用于：
根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；
根据每个构件的方位参数和所述目标构件模型生成目标模型。
第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可见，本申请实施例提供的一种建模方法及相关装置，首先，对目标工程图纸进行识别处理得到构件数据；从预设构件模型库中选取与所述构件数据对应的构件模型；根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本申请实施例提供的一种建模方法的应用场景图；
图2为本申请实施例提供的一种建模方法的流程示意图；
图3为本申请实施例提供的另一种建模方法的流程示意图；
图4为本申请实施例提供的一种电子设备的结构示意图；
图5为本申请实施例提供的一种建模装置的功能单元组成框图；
图6为本申请实施例提供的另一种建模装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例所描述电子设备可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、视频矩阵、监控平台、移动互联网设备(MID，Mobile Internet Devices)或穿戴式设备等，上述仅是举例，而非穷举，包含但不限于上述装置，当然，上述电子设备还可以为服务器，例如，云服务器。
下面结合图1对本申请实施例中建模方法的应用场景进行说明，图1为本申请实施例提供的一种建模方法的应用场景图，包括图纸提供单元110、网页端建模平台120以及预设构件模型库130，其中上述图纸提供单元110连接上述网页端建模平台120，可以用于提供目标工程图纸，上述目标工程图纸可以由CAD软件绘制，格式可以包括dwg格式，可以理解的是，上述目标工程图纸可以包括多张图纸，根据目标工程图纸可以构建出完整的建筑信息模型(Building Information Modeling，BIM)(以下简称BIM模型)，上述网页端建模平台120连接上述预设构件模型库130，可以在接收到上述目标工程图纸后进行识别处理，从预设构件模型库130中调用对应的构件模型生成最终的目标模型，该目标模型可以为BIM模型，上述预设构件模型库130可以为包括所有构件模型的数据库，在识别出新构件时会实时更新构件模型。
具体的，用户可以通过图纸提供单元110将目标工程图纸上场至网页端建模平台120，上述网页端建模平台120可以对目标工程图纸进行轻量化解析，只识别出跟建模相关的构件数据并以轻量化的形式储存，之后从上述预设构件模型库130中调用与识别出的构件数据对应的构件模型，生成目标模型，该目标模型为表示目标工程图纸建筑信息的三维模型。
通过上述应用场景，可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
下面结合图2对本申请实施例中的一种建模方法进行说明，图2为本申请实施例提供的一种建模方法的流程示意图，具体包括以下步骤：
步骤201，对目标工程图纸进行识别处理得到构件数据。
其中，上述目标工程图纸包括能够建立完整BIM模型的全部CAD图纸，上述构件数据可以包括构件结构集和构件参数集，上述构件结构集表示每种构件类型组成的集合，上述构件参数集表示每个构件的尺寸参数和方位参数等。
在一种可选的实施例中，可以先将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据。
具体的，上述轻量化处理可以包括参数化几何描述和三角化几何描述：
参数化几何描述，即用多个参数来描述一个几何体，举例来说，一个圆柱体，可以使用3个参数对其进行描述，参数1、底面原点坐标(x、y、z，3个数值)；参数2、底面半径(r，1个数值)；参数3、柱子高度(h，1个数值)。可见，5个数值就可完成一个圆柱体的搭建，非常精简，参数化几何描述可以将单个图元做到最极致的轻量化，可以将上述参数化几何描述应用到目标工程图纸以完成轻量化处理；
三角化几何描述，即用多个三角形来描述目标工程图纸，三角形可以拼接成任意的平面或者曲面，而三维体就是由许多的平面曲面构成的，这也是现代计算机图形处理的基础，在此不再赘述。
然后将所述轻量化图纸数据输入图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
具体的，上述图纸识别模型可以为训练好的神经网络模型，包括卷积神经网络模型、循环神经网络模型等，训练用数据可以为标记好的目标工程图纸，训练好的图纸识别模型可以根据输入的轻量化图纸数据自动输出所述构件结构集合和构件参数集。
可见，如此可以提升识别目标工程图纸的效率和准确性。
在一种可选的实施例中，具体识别处理手段可以为图像识别技术，或者，也可以是依据构件标识进行搜索，不同的构件结构具备不同的构件标识，构件结构可以为以下至少一种：矩形柱、圆形柱、工字梁等等，在此不做限定。其中，本申请实施例中，BIM模型中的每一构件均可以对应一个构件标识，构件标识可以为以下至少一种：标号、名称、位置标记等等，在此不做限定。具体地，电子设备可以获取BIM模型中的构件标识集，进而，可以依据构件标识集对BIM模型进行解析，得到目标构件集。具体的，可以获取目标工程图纸中的构件标识集；之后，根据所述构件标识集对所目标工程图纸进行识别解析，得到所述构件数据。
可见，如此可以提升目标工程图纸识别的效率和准确性。
步骤202，从预设构件模型库中选取与所述构件数据对应的构件模型。
其中，上述预设构件模型库在理想状态下保存了全部构架类型，构件数据可以包括构件结构集和构件参数集，上述构件结构集可以包括多种构件类型，每种构件类型对应的构件数量为多个，可以根据构件类型的映射关系从所述预设构件模型库中选取与全部构件类型对应的构件类型模型，然后根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
举例来说，如识别到目标工程图纸中存在圆型柱20个、方形柱15个、门1扇、墙4面、窗2个，可以自动从构建库中调用圆形柱模型20个、方形柱模型15个、门模型1个、墙模型4个、窗模型2个，以便后续建立目标模型。
通过从预设构件模型库中选取与所述构件数据对应的构件模型，可以基于构件类型和构件数量的映射关系调用对应的构件模型，可以自动选择构件模型。
步骤203，根据所述构件模型和所述构件数据生成目标模型。
其中，上述目标模型为表示所述目标工程图纸建筑信息的模型。上述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数，所以可以根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；根据每个构件的方位参数和所述目标构件模型生成所述目标模型。
举例来说，根据目标工程图纸识别出的构件数据为：圆形柱1个、直径500厘米，标高3米，位于第一区域；方形柱1个，直径200厘米，标高2米，位于第二区域，上述第二区域位于第一区域的上方，圆形柱和方形柱连接。那么此时可以将1个圆形柱模型的尺寸设置为直径500厘米、标高3米，将1个方形柱模型的尺寸设置为直径200厘米、标高2米，然后最终生成的目标模型为：位于第一区域的圆形柱模型以及设置在圆形柱模型上方的方形柱模型构成的组合。
需要说明的是，上述目标模型可以为轻量化的BIM模型，可以在网页端进行显示，模型轻量化可以采用几何转换和渲染处理，在此不再赘述。可见，在网页端进行目标模型显示，可以提升用户的查看体验。
通过上述方法，首先，对目标工程图纸进行识别处理得到构件数据；从预设构件模型库中选取与所述构件数据对应的构件模型；根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
下面结合图3对本申请实施例中另一种建模方法进行说明，图3为本申请实施例提供的另一种建模方法的流程示意图，具体包括以下步骤：
步骤301，建立基础识别模型。
其中，上述基础识别模型可以为用于工程图纸识别的相关的神经网络模型。
步骤302，将训练工程图纸数据输入基础识别模型，根据所述基础识别模型的输出确定训练构件数据。
其中，上述训练工程图纸可以来源于建筑设计的数据库，并且是经过标注的工程图纸，上述训练构件数据为上述基础识别模型输出的训练结构集和训练参数集。
可选的，可以将训练工程图纸在网页端进行轻量化处理，如参数化几何处理，得到轻量化训练图纸数据，将上述轻量化训练图纸数据输入基础识别模型，根据上述基础识别模型的输出得到上述训练结构集合上述训练参数集。
通过将训练工程图纸数据输入基础识别模型，根据所述基础识别模型的输出确定训练构件数据，可以基于训练数据高效地训练上述基础识别模型。
步骤303，获取所述训练构件数据与所述训练构件数据对应的标准构件数据的重合度。
其中，上述标准构件数据为上述训练构件数据对应的正确结果，可以根据提前做好的标记得到，可以通过计算Dice系数和交叉熵损失函数确定上述训练肋骨图像与上述标准肋骨图像的重合度，上述重合度越高表示上述基础语义分割模型输出的结果越准确。
其中，通过获取所述训练肋骨图像与所述训练图像数据对应的标准肋骨图像的重合度，可以得到准确的训练进度。
步骤304，根据所述重合度更新所述基础识别模型，得到图纸识别模型。
其中，上述重合度符合预设重合度阈值时，可以停止训练，认为得到了上述图纸识别模型。
步骤305，对目标工程图纸进行识别处理得到构件数据；
步骤306，从预设构件模型库中选取与所述构件数据对应的构件模型；
步骤307，根据所述构件模型和所述构件数据生成目标模型。
上述未详细说明的部分可以参见图2中的全部或部分方法步骤的说明，在此不再赘述。
通过上述方法，可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
下面结合图4对本申请实施例中一种电子设备400进行说明，图4为本申请实施例提供的一种电子设备400的结构示意图，包括应用处理器401、通信接口402和存储器403，所述应用处理器401、通信接口402和存储器403通过总线404相互连接，总线404可以是外设部件互连标准(Peripheral Component Interconnect，简称PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture，简称EISA)总线等。总线404可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。其中，所述存储器403用于存储计算机程序，所述计算机程序包括程序指令，所述应用处理器401被配置用于调用所述程序指令，执行以下步骤的方法：
对目标工程图纸进行识别处理得到构件数据；
从预设构件模型库中选取与所述构件数据对应的构件模型；
根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
可见，首先，对目标工程图纸进行识别处理得到构件数据；从预设构件模型库中选取与所述构件数据对应的构件模型；根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。可以通过人工智能识别目标工程图纸中的构件，自动从预设构件模型库选取对应的构件模型进行建模，提升建模的效率。
在一种可能的实施例中，在所述对目标工程图纸进行识别处理得到构件数据方面，所述程序中的指令具体用于执行以下操作：
将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据；
将所述轻量化图纸数据输入图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
在一种可能的实施例中，所述构件结构集包括至少一种构件类型，每种构件类型对应的构件数量为至少一个；在所述从预设构件模型库中选取与所述构件数据对应的构件模型方面，所述程序中的指令具体用于执行以下操作：
从所述预设构件模型库中选取与全部构件类型对应的构件类型模型；
根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
在一种可能的实施例中，所述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数；在所述根据所述构件模型和所述构件数据生成目标模型方面，所述程序中的指令具体用于执行以下操作：
根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；
根据每个构件的方位参数和所述目标构件模型生成所述目标模型。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。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。需要说明的是，本申请实施例中对单元的划分是示意性的，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。
在采用对应各个功能划分各个功能模块的情况下，下面结合图5对本申请实施例中的一种建模装置进行详细说明，图5为本申请实施例提供的一种建模装置500的功能单元组成框图，所述建模装置500包括：
识别单元510，用于对目标工程图纸进行识别处理得到构件数据；
选取单元520，用于从预设构件模型库中选取与所述构件数据对应的构件模型；
建模单元530，用于根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。
在采用集成的单元的情况下，下面结合图6对本申请实施例中的另一种建模装置600进行详细说明，所述建模装置600包括处理单元601和通信单元602，其中，所述处理单元601，用于执行如上述方法实施例中的任一步骤，且在执行诸如发送等数据传输时，可选择的调用所述通信单元602来完成相应操作。
其中，所述建模装置600还可以包括存储单元603，用于存储程序代码和数据。所述处理单元601可以是微控制单元，所述通信单元602可以是触控显示屏，存储单元603可以是存储器。
所述处理单元601具体用于：
对目标工程图纸进行识别处理得到构件数据；
从预设构件模型库中选取与所述构件数据对应的构件模型；
根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
可以理解的是，由于方法实施例与装置实施例为相同技术构思的不同呈现形式，因此，本申请中方法实施例部分的内容应同步适配于装置实施例部分，此处不再赘述。上述建模装置500和建模装置600均可执行上述实施例包括的全部的定位方法。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括鱼群检测设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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，例如上述单元的划分，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***，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，可以是电性或其它的形式。
上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。
上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器中。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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种建模方法，其特征在于，所述方法包括：
对目标工程图纸进行识别处理得到构件数据；
从预设构件模型库中选取与所述构件数据对应的构件模型；
根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
2.根据权利要求1所述的方法，其特征在于，所述对目标工程图纸进行识别处理得到构件数据，包括：
将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据；
将所述轻量化图纸数据输入图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
3.根据权利要求2所述的方法，其特征在于，所述构件结构集包括至少一种构件类型，每种构件类型对应的构件数量为至少一个；所述从预设构件模型库中选取与所述构件数据对应的构件模型，包括：
从所述预设构件模型库中选取与全部构件类型对应的构件类型模型；
根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
4.根据权利要求3所述的方法，其特征在于，所述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数；所述根据所述构件模型和所述构件数据生成目标模型，包括：
根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；
根据每个构件的方位参数和所述目标构件模型生成所述目标模型。
5.一种建模装置，其特征在于，所述装置包括：
识别单元，用于对目标工程图纸进行识别处理得到构件数据；
选取单元，用于从预设构件模型库中选取与所述构件数据对应的构件模型；
建模单元，用于根据所述构件模型和所述构件数据生成目标模型，所述目标模型为表示所述目标工程图纸建筑信息的模型。
6.根据权利要求5所述的装置，其特征在于，在所述对目标工程图纸进行识别处理得到构件数据方面，所述识别单元具体用于：
将所述目标工程图纸上传至网页端进行轻量化处理，得到轻量化图纸数据；
将所述轻量化图纸数据输入训练好的图纸识别模型，根据所述图纸识别模型的输出得到所述目标工程图纸中的构件结构集和构件参数集。
7.根据权利要求6所述的装置，其特征在于，所述构件结构集包括至少一种构件类型，每种构件类型对应的构件数量为至少一个；在所述从预设构件模型库中选取与所述构件数据对应的构件模型方面，所述选取单元具体用于：
从所述预设构件模型库中选取与全部构件类型对应的构件类型模型；
根据每种构件类型对应的构件数量确定每种构件类型模型的模型数量。
8.根据权利要求7所述的装置，其特征在于，所述构件参数集包括每个构件的尺寸参数以及每个构件的方位参数；在所述根据所述构件模型和所述构件数据生成目标模型方面，所述建模单元具体用于：
根据每个构件的尺寸参数、所述构件类型模型和每种构件类型模型的模型数量生成目标构件模型，所述目标构件模型包括全部构件对应的建筑信息模型；
根据每个构件的方位参数和所述目标构件模型生成目标模型。
9.一种电子设备，其特征在于，包括应用处理器、存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述应用处理器执行，所述程序包括用于执行如权利要求1～7任一项所述的方法中的步骤的指令。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1～7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011163699.5A CN112241565A (zh) | 2020-10-27 | 2020-10-27 | 建模方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011163699.5A CN112241565A (zh) | 2020-10-27 | 2020-10-27 | 建模方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112241565A true CN112241565A (zh) | 2021-01-19 |
Family
ID=74169718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011163699.5A Pending CN112241565A (zh) | 2020-10-27 | 2020-10-27 | 建模方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112241565A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112948951A (zh) * | 2021-04-07 | 2021-06-11 | 万翼科技有限公司 | 建筑模型创建方法与装置、处理服务器 |
| CN112990143A (zh) * | 2021-04-30 | 2021-06-18 | 杭州品茗安控信息技术股份有限公司 | 一种建筑图纸的模型匹配方法、***及相关装置 |
| CN113094787A (zh) * | 2021-04-06 | 2021-07-09 | 万翼科技有限公司 | 基于图纸poi的施工图纸数据化方法、装置和电子设备 |
| CN113868737A (zh) * | 2021-09-14 | 2021-12-31 | 广东三维家信息科技有限公司 | 计算机辅助设计cad施工图的生成方法和装置 |
| CN114387417A (zh) * | 2022-03-25 | 2022-04-22 | 北京飞渡科技有限公司 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
| WO2023053781A1 (ja) * | 2021-09-28 | 2023-04-06 | 富士フイルム株式会社 | 画像処理装置、方法及びプログラム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09128418A (ja) * | 1995-10-27 | 1997-05-16 | Ricoh Co Ltd | 建設図面の寸法情報認識方法及び認識装置 |
| CN109002841A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于Faster-RCNN模型的建筑构件提取方法 |
| CN109870987A (zh) * | 2019-03-12 | 2019-06-11 | 中建三局第一建设工程有限责任公司 | 适用于大型厂房现场施工的物联网平台管理方法及其*** |
| CN111476138A (zh) * | 2020-03-31 | 2020-07-31 | 万翼科技有限公司 | 建筑图纸构件识别模型构建方法、识别方法及相关设备 |
| CN111783197A (zh) * | 2020-06-18 | 2020-10-16 | 万翼科技有限公司 | 三维建筑模型的构建方法及相关设备 |
-
2020
- 2020-10-27 CN CN202011163699.5A patent/CN112241565A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09128418A (ja) * | 1995-10-27 | 1997-05-16 | Ricoh Co Ltd | 建設図面の寸法情報認識方法及び認識装置 |
| CN109002841A (zh) * | 2018-06-27 | 2018-12-14 | 淮阴工学院 | 一种基于Faster-RCNN模型的建筑构件提取方法 |
| CN109870987A (zh) * | 2019-03-12 | 2019-06-11 | 中建三局第一建设工程有限责任公司 | 适用于大型厂房现场施工的物联网平台管理方法及其*** |
| CN111476138A (zh) * | 2020-03-31 | 2020-07-31 | 万翼科技有限公司 | 建筑图纸构件识别模型构建方法、识别方法及相关设备 |
| CN111783197A (zh) * | 2020-06-18 | 2020-10-16 | 万翼科技有限公司 | 三维建筑模型的构建方法及相关设备 |
Non-Patent Citations (5)
| Title |
|---|
| 代码天地: "BIM轻量化技术解析", pages 1, Retrieved from the Internet <URL:https://www.codetd.com/article/4663310> * |
| 刘晓栋: "专家大咖说|万达的BIM模型运行如此流畅！BIM轻量化技术解析", pages 1 - 5, Retrieved from the Internet <URL:https://www.sohu.com/a/245624414_280520> * |
| 淡松敏: "基于三维GEOPAK SITE的施工组织设计", 《广东水利水电》, no. 8, 31 August 2015 (2015-08-31), pages 80 - 83 * |
| 王志伟等: "基于轻量化BIM、RFID技术与ERP***的预制装配式隧道结构智能建造***", 《中国铁路》, no. 1, pages 16 - 21 * |
| 纯纯玉米饮: "人人都说BIM模型轻量化，你真的懂吗？", pages 1 - 5, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/91906285> * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113094787A (zh) * | 2021-04-06 | 2021-07-09 | 万翼科技有限公司 | 基于图纸poi的施工图纸数据化方法、装置和电子设备 |
| CN112948951A (zh) * | 2021-04-07 | 2021-06-11 | 万翼科技有限公司 | 建筑模型创建方法与装置、处理服务器 |
| CN112948951B (zh) * | 2021-04-07 | 2023-03-03 | 万翼科技有限公司 | 建筑模型创建方法与装置、处理服务器 |
| CN112990143A (zh) * | 2021-04-30 | 2021-06-18 | 杭州品茗安控信息技术股份有限公司 | 一种建筑图纸的模型匹配方法、***及相关装置 |
| CN113868737A (zh) * | 2021-09-14 | 2021-12-31 | 广东三维家信息科技有限公司 | 计算机辅助设计cad施工图的生成方法和装置 |
| WO2023053781A1 (ja) * | 2021-09-28 | 2023-04-06 | 富士フイルム株式会社 | 画像処理装置、方法及びプログラム |
| CN114387417A (zh) * | 2022-03-25 | 2022-04-22 | 北京飞渡科技有限公司 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
| CN114387417B (zh) * | 2022-03-25 | 2022-05-27 | 北京飞渡科技有限公司 | 一种三维建筑建模方法、装置及三维建筑群建模方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112241565A (zh) | 建模方法及相关装置 | |
| CN112434721B (zh) | 一种基于小样本学习的图像分类方法、***、存储介质及终端 | |
| CN106293074B (zh) | 一种情绪识别方法和移动终端 | |
| CN111832447B (zh) | 建筑图纸构件识别方法、电子设备及相关产品 | |
| CN111724481A (zh) | 对二维图像进行三维重构的方法、装置、设备及存储介质 | |
| CN107832794A (zh) | 一种卷积神经网络生成方法、车系识别方法及计算设备 | |
| US20230386041A1 (en) | Control Method, Device, Equipment and Storage Medium for Interactive Reproduction of Target Object | |
| CN110796016A (zh) | 工程图纸识别方法、电子设备及相关产品 | |
| CN114169065B (zh) | 生成装配式钢结构的方法和装置、电子设备和存储介质 | |
| KR20200136723A (ko) | 가상 도시 모델을 이용하여 객체 인식을 위한 학습 데이터 생성 방법 및 장치 | |
| CN113989442B (zh) | 建筑信息模型构建方法及相关装置 | |
| CN115757725A (zh) | 问答处理方法、装置、计算机设备及存储介质 | |
| CN110349138B (zh) | 基于实例分割框架的目标物体的检测方法及装置 | |
| CN112528428A (zh) | 对工程结构的物理参数展示的方法、装置和计算机设备 | |
| CN113808192B (zh) | 一种户型图生成方法、装置、设备及存储介质 | |
| US11915370B2 (en) | Method and system for 3D modeling based on irregular-shaped sketch | |
| CN115982452A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
| CN113742804B (zh) | 家具布局图生成方法、装置、设备及存储介质 | |
| CN113538661A (zh) | 基于建筑模型的信息展示方法及相关装置 | |
| CN114061593A (zh) | 基于建筑信息模型的导航方法及相关装置 | |
| CN114299271A (zh) | 三维建模方法、三维建模装置、电子设备和可读存储介质 | |
| CN113010946B (zh) | 数据分析方法、电子设备及相关产品 | |
| CN118035454B (zh) | 表情包分类识别方法、装置、计算机设备以及存储介质 | |
| CN114820575B (zh) | 图像验证方法、装置、计算机设备及存储介质 | |
| CN114373055B (zh) | 基于bim的三维图像生成方法、装置、电子设备及介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230710 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518051 Applicant after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant before: WANYI TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |