【技术实现步骤摘要】
基于平面图的三维建筑模型生成方法及系统
[0001]本申请涉及建模领域,且更为具体地,涉及一种基于平面图的三维建筑模型生成方法及系统。
技术介绍
[0002]随着计算机技术的不断发展,三维建模已经成为了许多领域中必不可少的工具。在建筑设计领域中,常常需要根据用户输入的平面图来生成对应的三维建筑模型,以提高建筑设计的效率和准确性。然而,传统的手工绘图方式需要耗费大量的时间和精力,而且容易出现误差。因此,传统的手工绘图方式已经逐渐被计算机辅助设计(CAD)所取代。但是,使用CAD软件进行建筑设计需要用户掌握一定的技能,并且需要耗费大量的时间和精力,同时现有的基于平面图来构建三维建筑模型的精准度也难以满足实际的应用要求。
[0003]因此,期望一种优化的基于平面图的三维建筑模型生成方案。
技术实现思路
[0004]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于平面图的三维建筑模型生成方法及系统,其通过采用基于深度学习的神经网络模型挖掘出三维建筑的平面图中关于各个元素的隐含特征,以此来生成更 ...
【技术保护点】
【技术特征摘要】
1.一种基于平面图的三维建筑模型生成方法,其特征在于,包括:获取待重构三维建筑的平面图;基于所述平面图中各个元素在所述平面图中的位置,对所述平面图进行图像分块处理以得到多个图像元素块的序列,其中,所述元素包括墙体、门窗、楼梯和房间;将所述多个图像元素块的序列分别通过使用空间注意力机制的卷积神经网络模型以得到多个建筑元素特征矩阵;将所述多个建筑元素特征矩阵按照图像分块的位置排列为建筑元素全局特征矩阵;将所述建筑元素全局特征矩阵通过双向注意力机制模块以得到建筑元素全局强化特征矩阵;以及将所述建筑元素全局强化特征矩阵通过基于对抗生成网络的生成器以得到三维建筑模型。2.根据权利要求1所述的基于平面图的三维建筑模型生成方法,其特征在于,将所述多个图像元素块的序列分别通过使用空间注意力机制的卷积神经网络模型以得到多个建筑元素特征矩阵,包括:使用所述卷积神经网络模型的各层在层的正向传递中分别对所述多个图像元素块的序列分别进行卷积处理、基于沿通道维度的池化处理和非线性激活处理以由所述卷积神经网络模型的最后一层输出多个初始建筑元素特征矩阵;以及将所述多个初始建筑元素特征矩阵输入所述卷积神经网络模型的空间注意力层以得到所述多个初始建筑元素特征矩阵。3.根据权利要求2所述的基于平面图的三维建筑模型生成方法,其特征在于,将所述建筑元素全局特征矩阵通过双向注意力机制模块以得到建筑元素全局强化特征矩阵,包括:将所述建筑元素全局特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量;对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵;将所述双向关联矩阵输入Sigmoid激活函数以得到注意力空间特征矩阵;融合所述建筑元素全局特征矩阵和所述注意力空间特征矩阵以得到所述建筑元素全局强化特征矩阵。4.根据权利要求3所述的基于平面图的三维建筑模型生成方法,其特征在于,融合所述建筑元素全局特征矩阵和所述注意力空间特征矩阵以得到所述建筑元素全局强化特征矩阵,包括:以如下优化公式对所述建筑元素全局特征矩阵和所述注意力空间特征矩阵进行全局上下文空间关联富化融合以得到所述建筑元素全局强化特征矩阵;其中,所述优化公式为:其中,M1和M2分别是所述建筑元素全局特征矩阵和所述注意力空间特征矩阵,且M
f
是所述建筑元素全局强化特征矩阵,和
⊕
分别是矩阵乘法和...
【专利技术属性】
技术研发人员:张晓峰,王玲,郭刚在,李瑶,许瑛,
申请(专利权)人:源海广筑工程科技河南有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。