[发明专利]企业标准化三维场布模型创建及效果渲染的方法及装置

权利要求书

1.一种企业标准化三维场布模型创建及效果渲染的方法，其特征在于，所述方法包括：

获取CAD场地平面布置图；

通过建模软件，在所述CAD场地平面布置图中的指定位置放入企业的标准族库，得到场布模型；

通过插件对所述场布模型进行添加环境景观模型，得到二维全景图；

对所述二维全景图进行渲染，得到三维全景图；

通过BIM软件显示所述三维全景图。

2.根据权利要求1所述的方法，其特征在于，所述CAD场地平面布置图中的元素包括如下至少一项：临建、主体外轮廓、塔吊、施工电梯、场区道路、或各类材料加工厂及堆场；所述标准族库中的元素包括如下至少一项：大门、围墙、定型化防护、各类加工棚、宿舍、食堂、办公室、会议室、活动室、卫生间、篮球场、或企业标识标牌；所述环境景观模型中的元素包括如下至少一项：花草树木、人、或车。

3.根据权利要求2所述的方法，其特征在于，所述对所述二维全景图进行渲染，得到三维全景图，包括：

利用非监督神经网络模型对所述二维全景图进行聚类处理，得到N类二维特征向量集合，所述二维全景图中包括N个所述元素，第i类所述二维特征向量集合是N个所述元素中的第i个所述元素在二维平面的特征向量集合，N为大于1的整数，i为取1至N的任意整数；

利用特征重构神经网络模型对第i类所述二维特征向量集合进行升维处理，得到第i类所述三维特征向量集合，第i类所述三维特征向量集合是第i个所述元素在三维空间的特征向量集合；

根据第i类所述三维特征向量集合，构建所述三维全景图。

4.根据权利要求3所述的方法，其特征在于，所述非监督神经网络模型包括特征提取层和特征分类层，所述利用非监督神经网络模型对所述二维全景图进行聚类处理，得到N类二维特征向量集合，包括：

利用所述非监督神经网络模型的特征提取层对所述二维全景图进行卷积以及池化处理，得到所述二维全景图的二维特征序列；

利用所述非监督神经网络模型的特征分类层对所述二维特征序列进行聚类处理，得到所述N类二维特征向量集合。

5.根据权利要求4所述的方法，其特征在于，所述特征分类层包括M个分类器，M为大于N的整数，所述利用所述非监督神经网络模型的特征分类层对所述二维特征序列进行聚类处理，得到所述N类二维特征向量集合，包括：

利用所述M个分类器中每个所述分类器对所述二维特征序列进行聚类处理，得到所述N类二维特征向量，其中，所述M个分类器中有N个所述分类器各自输出对应的一类所述二维特征向量，所述M个分类器中的另外M-N个分类器未输出所述二维特征向量。

6.根据权利要求4所述的方法，其特征在于，所述特征分类层包括M个分类器，M为大于N的整数，M个分类器分类两类分类器，一类分类器包括N个主分类器，另一类分类器包括M-N个辅分类器，每个所述辅分类器均与所述N个辅分类器交织，所述利用所述非监督神经网络模型的特征分类层对所述二维特征序列进行聚类处理，得到所述N类二维特征向量集合，包括：

利用第i个所述主分类器以及该主分类器交织的所述M-N个辅分类器对所述二维特征序列进行聚类处理，得到第i类所述二维特征向量。

7.根据权利要求6所述的方法，其特征在于，每个所述辅分类器均与所述N个辅分类器交织是指：每个所述辅分类器的分类神经网与所述N个辅分类器各自的分类神经网耦合，第i个所述主分类器对二维特征序列进行聚类处理，得到第一聚集特征和第一离散特征，所述第一聚集特征是指在特征空间中聚集的多个二维特征向量，所述第一离散特征是指在特征空间中离散的多个二维特征向量，M-N个所述辅分类器对所述第一聚集特征和所述第一离散特征进行聚类处理，以从所述第一聚集特征中得到所述第二聚集特征，以及从所述第一离散特征中得到所述第三聚集特征，所述第二聚集特征和所述第三聚集特征均是指在特征空间中聚集的多个二维特征向量，所述第二聚集特征和所述第三聚集特征得到第i类二维特征向量。