一种基于计算机视觉的BIM快速化建模方法技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
一种基于计算机视觉的BIM快速化建模方法
本专利技术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ChuckEastman博士于1975年提出的BIM(BuildingInformationModeling)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AutodeskRevit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。
技术实现思路
专利技术目的：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，本专利技术的技术方案如下：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；第五步：在BIM引擎软件中生成建筑信息模型，根据步骤五中的txt文本进行格式转换，转换成BIM引擎可识别的文本格式再导入建立BIM模型。进一步的，所述平行拍摄要求照相机底片与施工蓝图为两个平行的平面；施工蓝图拍照构件尺寸与实际尺寸的换算关系公式：Smember＝φ(f,pix,pro,sact)其中，Smember为实际识别构件尺寸，φ为换算函数，f为相机焦距，pix为标定的像素点代表尺寸，pro为施工蓝图图纸比例，sact为蓝图中构件测量尺寸。进一步的，所述图片预处理步骤如下：第一步：将施工蓝图照片由RGB模式下转换成转换为灰度模式，转换公式如下：Gray＝R*0.299+G*0.587+B*0.114其中RGB图像为真彩图像，R、G、B分别代表红、绿、蓝3种不同的基础颜色，Gray为灰度值；第二步：在灰度模式下做图像像素均衡化处理；第三步：运用拉普拉斯高斯算子对构件边界自动优化识别；第四步：图像训练集的构件边界标注。对图像中构件目标进行人工标注，标注信息包括构件的类别和位置，获取初始训练集。第五步：对上述图像训练集进行数据增强，获得增强训练集。进一步的，所述用于多类别识别的深度卷积神经网络模型，其训练步骤如下：第一步：设置初始权重值、初始学习率；第二步：对完整训练集进行批量标准化处理；第三步：将上述批量标准化处理后的完整训练集输入迭代层；第四步：计算当前的mAP值，改变权重值与学习率，重复第一步～第四步；第五步：当迭代达到一定次数时，取mAP最高值对应的深度卷积神经网络模型作为选用模型。有益效果：与现有技术相比，本专利技术的技术方案具有以下有益技术效果：(1)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，运用翻转、旋转、比例缩放以及裁剪的方法对图形进行数据增强，提高卷积神经网络模型对于构件特征的识别精度。(2)基于计算机视觉对构件特征进行快速识别并返回位置，通过将构件空间位置、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。附图说明图1是基于计算机视觉的BIM快速化建模方法；图2是图像预处理流程图；图3是最优模型训练与评估流程图。具体实施方式以下结合附图和具体实施方式，进一步阐明本专利技术，应理解下述具体实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。如图1所示，以YOLO作为多类别目标识别算法为例，对本专利技术的方法实施过程作详细说明，本专利技术主要包括以下步骤：1)对施工蓝图进行拍照采集。施工蓝图作为工程结构施工的依照对象，对结构物的外形尺寸、内部构造等各方面进行详细绘制。在施工图中，构件尺寸可以由有经验的工程师读取，并指导现场施工。在对施工蓝图进行信息收集时，考虑拍摄距离与视角等影响因素对施工蓝图照片尺寸与实际尺寸间的换算的影响，要求拍照时照相机底片应与施工蓝图保持平行。施工蓝图拍照构件尺寸与实际尺寸的换算关系公式：Smember＝φ(f,pix,pro,sact)其中，Smember为实际识别构件尺寸，φ为换算函数，f为相机焦距，pix为标定的像素点代表尺寸，pro为施工蓝图图纸比例，sact为蓝图中构件测量尺寸。2)图像预处理。考虑照明调节等影响因素，对施工图照片进行图像模式转换后，采用图像像素均衡化处理，有效拉开像素分布距离，提升原始图像清晰度；经过均衡化处理后的图像，通过人为视觉标记原始施工图图像上构件的边界框坐标和类别，运用拉普拉斯高斯算子对构件边界进行自动识别，形成构件的边界初始训练集；对初始本文档来自技高网...

【技术保护点】
1.一种基于计算机视觉的BIM快速化建模方法，其特征在于，该方法包括以下步骤：/n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；/n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；/n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；/n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；/n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；/n第六步：在BIM引擎软件中生成建筑信息模型，根据步骤五中的txt文本进行格式转换，转换成BIM引擎可识别的文本格式再导入建立BIM模型。/n

【技术特征摘要】
1.一种基于计算机视觉的BIM快速化建模方法，其特征在于，该方法包括以下步骤：
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；
第六步：在BIM引擎软件中生成建筑信息模型，根据步骤五中的txt文本进行格式转换，转换成BIM引擎可识别的文本格式再导入建立BIM模型。


2.权利要求1所述的一种基于计算机视觉的BIM快速化建模方法，其特征在于，第一步中，所述平行拍摄要求如下：
照相机底片与施工蓝图为两个平行的平面；
施工蓝图拍照构件尺寸与实际尺寸的换算关系公式：
Smember＝φ(f,pix,pro,sact)
其中，Smember为实际识别构件尺寸，φ为换算函数，f为相机焦距，pix为标定的像素点代表尺寸，pro为施工蓝图图纸比例，sact为蓝图中构件测量尺寸。


3.权利要求2所述的一种基于计算机视觉的BIM快速化建模方法，其特征在于，第二步中，所述图片预处理步骤如下：
第一步...

【专利技术属性】
技术研发人员：王飞球，金顺利，谢以顺，李超男，王春峰，倪有豪，温学华，茅建校，王浩，
申请(专利权)人：中铁二十四局集团江苏工程有限公司，东南大学，
类型：发明
国别省市：江苏;32