[发明专利]一种BIM模型中以图搜索构件的方法及图文搜索系统

权利要求书

1.一种BIM模型中以图搜索构件的方法，其特征在于，按照如下步骤进行：

步骤一，建立数据集；

步骤二，利用所述数据集训练神经网络模型；

步骤三，输入待搜索图，利用训练后的神经网络模型对输入的待搜索图进行构件类别的识别；

步骤四，根据步骤四识别出的构件类别，从BIM模型中搜索出同类别的所有构件。

2.如权利要求1所述的BIM模型中以图搜索构件的方法，其特征在于：

其中，步骤一中所述数据集为二维投影图数据集，所述二维投影图数据集的建立过程为：遍历样本BIM模型中的构件，对所有构件均进行X轴、Y轴、Z轴投影，将得到的投影图按构件自带的类别属性自动标注类别，将自动标注类别后的投影图作为所述二维投影图数据集；

步骤二中所述神经网络模型为基于多视图的卷积神经网络模型；

步骤三输入的所述待搜索图为至少二个不同方向的二维投影图或三维模型。

3.如权利要求2所述的BIM模型中以图搜索构件的方法，其特征在于：

其中，当步骤三中输入的所述待搜索图为至少二个不同方向的二维投影图时，对所述待搜索图进行构件类别的识别过程为：将所述待搜索图输入到训练后的基于多视图的卷积神经网络模型中进行计算，得到所述待搜索的对应预定义类别的概率，以概率最高的所述预定义类别作为所述待搜索图的构件类别。

4.如权利要求2所述的BIM模型中以图搜索构件的方法，其特征在于：

其中，当步骤三中输入的所述待搜索图为三维模型时，对所述待搜索图进行构件类别的识别过程为：将先将所述待搜索图进行X轴、Y轴、Z轴方向投影得到投影图，再将所述待搜索图得到的投影图输入训练后的所述基于多视图的卷积神经网络模型中进行计算，得到所述待搜索图对应预定义类别的概率，以概率最高的所述预定义类别作为所述待搜索图的构件类别。

5.如权利要求1所述的BIM模型中以图搜索构件的方法，其特征在于：

其中，步骤一中所述数据集为三维面片数据集，所述三维面片数据集的建立过程为：遍历样本BIM模型中的构件，获取构件的表面信息并将构件的各个表面转换为三角面，将得到的三角面按构件自带的类别属性自动标注类别，将自动标注类别后的三角面作为所述三维面片数据集；

步骤二中所述神经网络模型为基于三角面片的深度神经网络模型；

步骤三输入的所述待搜索图为三维模型，对该三维模型进行构件类别的识别的过程为：获取该三维模型的表面信息并将各个表面转换为三角面输入到训练后的所述基于三角面片的深度神经网络模型中，得到所述待搜索图对应预定义类别的概率，以概率最高的所述预定义类别作为所述待搜索图的构件类别。