[发明专利]一种基于计算机视觉的BIM快速化建模方法

说明书

本发明公开了一种基于计算机视觉的BIM快速化建模方法，具体步骤为：1)对施工蓝图进行拍照，获得施工图图像；2)对施工图图像进行预处理获得完整训练集；3)搭建用于多类别目标识别的深度卷积神经网络模型；4)基于上述深度卷积神经网络模型获取构件类别及相应位置；5)在BIM引擎软件中生成建筑信息模型。本发明采用图像像素均衡化提升施工图图像的清晰度，运用拉普拉斯高斯算子优化构件边界，进行数据增强增加数据集，提高模型对于构件的识别精度；基于多类别目标识别网络模型，实现对构件特征快速识别并返回位置信息；将构件空间位置、几何尺寸信息进行转换格式转换，实现在BIM引擎软件中快速建立BIM模型。

技术领域

本发明涉及一种基于计算机视觉的BIM快速化建模方法，属于土木工程结构建筑信息建模领域。

技术背景

随着计算机技术的发展，计算机与土木工程行业的交叉应用已经趋于成熟。由美国学者Chuck Eastman博士于1975年提出的BIM(Building InformationModeling)技术已在我国的建筑行业得到了越来越广泛的应用。BIM技术在建筑设计、能耗分析、三维模拟施工、成本分析等方面都能带来创新性的提高。以Autodesk Revit为代表的建筑信息模型技术在应用时，需要将三视图图纸、构件尺寸明细以及门窗物料融合在同一个BIM数据库中。基于Revit软件的参数化修改引擎，利用图纸视图与明细表在Revit软件中建立模型可以实现三维协调设计。现阶段在使用Revit软件进行建筑信息建模时，重复与机械化的劳动一定程度地降低了工程师们的生产效率，尤其是在一些结构布置较为规则的工程项目中。近年来，计算机图像识别技术、深度学习概念的迅猛发展，图像多类目标的获取、分类的准确性有了明显的提高使得减少此类机械化的建模步骤、提高建模速度有了实现的可能性。

现阶段，基于深度神经网络以及计算机视觉的BIM快速建模在国内仅有较少的研究。以往的BIM建模方法常采用以二维CAD设计图纸作为数据源，经过对不同构件的严格分类设置分层标准，将不同的构件类型对应到相应图层中，然后转换数据文件格式导入Revit软件中进行快速化建模。在缺乏源文件时如老旧建筑加固工程等，二维CAD设计图需要重新绘制，大大增加了BIM建模的工作量，同时对CAD设计图纸进行图层分化需要比较充足的工程经验要来保证建模的准确性。

多类别目标识别算法作为近年来新兴起的新一代图像识别技术，不仅可以快速地识别出图像中所需要的对象，同时还可以完成对同一图像中多个目标进行分类识别并返还目标位置坐标。对于施工蓝图上相对较小的构件目标，多类别目标识别算法也同样具备较高的识别精度。在这个基础上，在获取不同构件的空间位置、几何尺寸信息后，进行数据整合处理可以实现在BIM引擎软件中一键建模，这对于缩减工程师BIM建模工作量、提高生产效率有重要的应用价值。

发明内容

发明目的：为了克服现有技术中的不足，提出了一种基于计算机视觉的BIM快速化建模方法，提高图像训练集清晰度，最优提取构件空间位置、几何尺寸信息，提高在BIM引擎中进行建筑信息建模的工作效率。

技术方案：为实现上述目的，本发明的技术方案如下：一种基于计算机视觉的BIM快速化建模方法，包括以下步骤：

第一步：对施工蓝图进行拍照采集,对施工图进行有一定距离的平行拍摄，保证底片与施工蓝图相平行，确定照片中构件尺寸与实际尺寸的换算关系；

第二步：图像预处理,包括图像模式转换、图像像素均衡化处理、构件边界优化、框选构件目标和数据增强；

第三步：通过第二步的图像获取构件类别及相应位置，获取带有构件二维坐标以及相应构件类别的txt文本；

第四步：通过第三步骤的数据训练神经网络模型，获取识别施工蓝图上目标的神经网络模型；

第五步：将施工图照片输入到深度卷积神经网络模型中，获取各种构件类别以及位置信息并输入到txt文本中，将楼层标高信息与模型识别输出的构件信息进行整合；