[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

说明书

本发明的BIM模型中以图搜索构件方法及图文搜索系统，该BIM模型中以图搜索构件的方法，按照如下步骤进行：步骤一，建立数据集；步骤二，利用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。本发明可以实现过文本属性、二维投影图、三维模型这几种检索方式对建筑构件进行自动检索，检索效率高。

技术领域

本发明涉及建筑信息技术领域，特别涉及一种BIM模型中以图搜索构件方法以及基于BIM模型的图文搜索系统。

背景技术

建筑信息模型(Building Information Modeling，BIM)技术是一种应用于工程设计、建造、管理的数据化工具，通过对建筑的数据化、信息化模型整合，在项目策划、运行和维护的全生命周期过程中进行共享和传递，使工程技术人员对各种建筑信息做出正确理解和高效应对，为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础，在提高生产效率、节约成本和缩短工期方面发挥重要作用。

BIM的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。 BIM模型由众多不同类型的构件组成，如墙梁板柱及众多的管线、设备等。在目前的BIM软件中可以通过构件自带的名称、参数这些文本属性对构件进行查询定位，或者通过对视图进行平移、旋转、缩放这些人工操作通过视图功能在模型中浏览查找。因此，在实际检索过程中，若通过文本查找，则需要预先知道这些构件的准确文本属性才可以通过文本查找，如果文本属性存在缺失、不规范和不正确的情况都将导致检索准确率受到限制。若通过现有的视图查找，如果查找对象是大型建筑，由于大型建筑的BIM模型中构件种类多、数量大，并且每个构件的查找都要人工进行平移、旋转、缩放等操作且需通过视图功能在模型中浏览查找，则视图查找势必耗费大量的人工精力，而且查找效率极低。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种BIM 模型中以图搜索构件的方法及基于BIM模型的图文搜索系统。

本发明提供的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。

在本发明提供的BIM模型中以图搜索构件的方法中，还具有这样的特征：其中，步骤一中数据集为二维投影图数据集，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二维投影图数据集；步骤二中神经网络模型为基于多视图的卷积神经网络模型；步骤三输入的待搜索图为至少二个不同方向的二维投影图或三维模型。

在本发明提供的BIM模型中以图搜索构件的方法中，还具有这样的特征：其中，当步骤三中输入的待搜索图为至少二个不同方向的二维投影图时，对待搜索图进行构件类别的识别过程为：将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，得到待搜索的对应预定义类别的概率，以概率最高的预定义类别作为待搜索图的构件类别。

在本发明提供的BIM模型中以图搜索构件的方法中，还具有这样的特征：其中，当步骤三中输入的待搜索图为三维模型时，对待搜索图进行构件类别的识别过程为：将先将待搜索图进行X轴、Y轴、 Z轴方向投影得到投影图，再将待搜索图得到的投影图输入训练后的基于多视图的卷积神经网络模型中进行计算，得到待搜索图对应预定义类别的概率，以概率最高的预定义类别作为待搜索图的构件类别。