[发明专利]建筑物三维模型语义化方法

权利要求书

1.一种基于软件图纸的建筑物三维模型语义化方法，其特征在于，

S1已知地理区域坐标系与图纸库的建立；

S2建筑功能语义分类；

S3构建文本化语义模型；

S4 建筑屋顶语义识别以及文本化语义模型的验证；

S5未知建筑类型判别和未知城市数据库的建立，其中，

步骤S1包括建立已知区域地理坐标系GL，将区域中建筑物或建筑物群给予划分，形成多个地理子区域坐标系L，在每一个坐标系L下划分出每一栋建筑物a，并将每一栋建筑物a在相应的软件图纸中的几何中心或预设点在L下的坐标作为该建筑物指针P，从而建立多个地理子区域图纸库，多个地理子区域图纸库形成GL中的建筑物图纸总库K；

步骤S2包括将总库K中的图纸分为训练集以及验证集，两者比例为5:1-1:1；

将建筑功能类型进行分类，以建筑功能类型文字图像作为识别单元，选择预设的字体大小、格式的文字形成文字图像p_ij作为建筑分类的识别单元，对于每一个L下的训练集图纸中每一栋建筑按照L中的位置顺序排列成矩阵M=，其中每一个矩阵元a_ij包括了一栋建筑的每一个建筑构件的几何中心坐标、建筑构件参数；相应的文字图像p_ij作为矩阵元的分类矩阵p=，则矩阵M和分类矩阵p之间通过第一机器学习模型公式(1)训练建立文本图形化的文本语义对应关系f（M）=p (1)，其中，不存在被分析识别的建筑所在处用零矩阵元表示；

步骤S3包括针对每一个L下的矩阵M的每一个矩阵元构建文本化语义模型，包括如下步骤：

S3-1使用软件提取软件图纸中每一建筑构件，获得所述每一建筑构件的一个矩形面的四个顶点在L下的坐标，建立矩阵m_ij=，其中b_ij22为建筑构件几何中心坐标，建筑构件几何中心的z轴坐标定义为该建筑构件在L下的高度，其他非零矩阵元为四个顶点坐标，且所述矩形面的四个顶点是该建筑构件的一个面积最大、且离L原点距离最近的非楼层楼顶表面的四个顶点，或平行于L坐标系xoy坐标平面的一个面积最大、且离xoy坐标平面距离最近的平面楼层表面或楼顶的下表面；对于具有弧面的建筑构件,所述的四个顶点则是在弧面能够依次连接而形成矩形的四个点；

S3-2获取该矩形面的线段b_ij11b_ij31或者b_ij13b_ij33在L坐标系下与GL水平面XOY的夹角α，将α替代矩阵m_ij四个零元素之一，形成该建筑构件的参数矩阵s_ij，则所有参数矩阵构成形矩阵s=；根据该建筑构件的b_ij22形成矩阵b=,矩阵b中每一个元素对应了一个相应位置的一个形矩阵s和/或参数矩阵s_ij的矩阵元；

S3-3建立建筑构件文本语义识别单元，选择预设的字体大小、格式的文字形成图片q，作为建筑构件的识别单元，则q=，其中b和q元素一一对应，且都按照每一构件在L坐标系的位置进行排列，其排列规则是:最外的建筑构件是排布在矩阵的第一或最后一行或列的元素，楼顶中心坐标rf是排布在矩阵的第一行左或右端的元素，楼层中心坐标fl是排布在矩阵的末行的左或右端的元素，而内部建筑构件则在矩阵非第一或最后一行或列的元素位置上排布，窗洞，梁洞，门洞的b_ij22则在矩阵b中表示墙或楼顶的矩阵元最邻近的矩阵元位置表示；

S3-4根据b和q通过第二机器学习模型公式(2)训练建立文本图形化的文本语义对应关系g（s）=h（b）=q （2），其中g（）为输入层，h（）为中间层，q为输出层；则对于矩阵M中每个矩阵元建立不同楼层的总语义对应关系，则a_ij=，对应的q’=，其中下标i和j为正整数，表示楼层数；

步骤S4包括,

S4-1抽取步骤S3-3中矩阵M的矩阵元中rf和q_rf数据建立与步骤S2中矩阵M中矩阵元对应的屋顶矩阵r=,以及对应的屋顶类型矩阵rs=根据r和rs通过第三机器学习模型公式(3)训练建立文本化的文本语义对应关系R（r）=rs （3），其中rf为楼顶中心坐标，q_rf为屋顶类型识别单元，即为屋顶类型文字图片,包括平顶,或圆顶,或尖顶；

S4-2通过第四机器学习模型公式(4)获得建筑类型as=（p，rs）（4）,其中p为分类矩阵；

S4-3选取总库K中验证集图纸，对模型（1）-（4）进行验证，获得最终的模型。