[發明專利]面向機器學習的柱大樣建筑圖紙圖層分類方法及系統

在審

• 申請號: 202010156016.7
• 申請日: 2020-03-09
• 公開（公告）號: CN111368757A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 劉仕杰
• 申請（專利權）人: 廣聯達科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明公開了一種面向機器學習的柱大樣建筑圖紙圖層分類方法，用于服務器端，包括：導入CAD建筑圖紙并進行預處理，按照圖形元素進行分割成子圖并建立對應屬性信息映射關系，分析柱大樣特征圖層并進行識別分類，根據表格圖層完成柱大樣CAD建筑圖紙特征圖層分類。本發明針對CAD建筑圖紙表達的建筑構件進行業務建模，分析、細化了設計圖紙表達的業務特征，進一步地提出了建筑構件特征圖層的概念來指導圖層自動分類；給出了從設計圖紙表達的業務特征到建筑構件特征圖層的自動圖層分類算法，從而實現細粒度的特征圖層自動分類，為后繼識別算法的簡化和引入機器學習智能算法打下了堅實基礎。

技術領域

本發明屬于建筑信息模型和建筑圖紙的機器學習智能識別技術領域，具體是一種基于構件特征的圖層分類方法，尤其涉及一種面向機器學習的柱大樣建筑圖紙圖層分類方法及系統。

背景技術

隨著計算機軟硬件技術的發展，建筑信息模型BIM技術在建筑行業的應用越來越深入，在建筑工程的預算、施工、結算、運維等各階段都大量使用了BIM模型完成算量、體量、計價等工作，大幅提升建筑行業信息化水平。由此可見BIM模型的構建變得尤為重要。當前建筑設計行業的現狀是以CAD圖紙的形式交付建筑施工圖，因此BIM模型通常是通過人工翻模、軟件自動翻模的方式實現的。

現有技術如廣州大學的自動建模系列母子專利《基于建筑圖紙的建筑物自動建模方法》、《基于建筑圖紙的陽臺自動識別方法》、《基于建筑圖紙的門和窗自動識別方法》、《基于建筑圖紙的井自動識別方法及系統》、《基于建筑圖紙的柱和墻自動識別方法》、《基于建筑圖紙的樓梯自動識別方法》，寧波睿峰信息科技有限公司的圖層分類專利《一種將建筑圖紙轉換為三維BIM模型的圖層分類方法》，都提供了一些基于CAD圖紙自動翻模的解決方案。但是現有CAD圖紙自動翻模技術面臨著極大的技術開發壓力和挑戰，體現在：國內建筑設計單位多，沒有統一的設計規范，設計師的習慣各不相同，最終導致交付的建筑CAD圖紙千差萬別，而且識別效果非常不好，總會出現很多不能處理的場景；有些時候場景之間甚至會互相沖突，CAD自動翻模功能實現極為困難。

現有的工程圖紙識別方法基于特征工程和規則進行識別，根據所找到的特征和規則進行邏輯推理與演繹，然后使用經典的邏輯方法進行推導匹配，通過不同的策略，選擇出最佳匹配模式，也被稱之為模式識別，然而此種識別方式有以下缺點：

1.對于簡單的圖形、圖像特征人類理解比較容易(如平行、相交)，而當業務場景趨于復雜時，特征之間的多角度多維度組合或者是更高級的特征，人類對這種不能理解的特征，往往會選擇忽視，這不利于在更高層面上進行抽象和識別。

2.傳統特征工程的提取往往是基于當前專業特征，而如果換做另外一個專業，一方面需要從頭到尾學習一遍，增加了學習成本；另外專業和專業之間共有特征的提煉與融合困難，導致重復性工作量大，普適性弱。

3.基于規則的識別算法，是一套完全自洽的邏輯運算和符號操作，具有嚴密的邏輯推理，然而現實中的圖紙千差萬別，總結出一套規則后，出現新的場景發現就不再適用，因此需要不斷尋找新規則彌補之前不足，一方面導致軟件泛化能力弱，另外對軟件的維護成本也日益增加。

4.特征工程和規則查找沒有統一的規范要求，嚴重依賴于從業人員素養，這很難從工程角度保證軟件的質量和研發的進展。

5.當前也有識別技術利用特征工程和傳統機器學習方法進行訓練與預測，雖然從一定程度上提升了準確率，但也沒有完全脫離人為提取特征范圍，嚴重依賴于特征的質量，因此其泛化能力不是很強。

發明內容

針對背景技術的不足，本發明旨在提供一種面向機器學習智能識別算法的柱大樣建筑圖紙圖層分類方法，該方法能夠對柱大樣CAD建筑圖紙進行更細粒度的自動化分層，以方便應用機器學習算法提高柱大樣CAD建筑圖紙的識別準確率，提升重建三維BIM模型的效率。

為了達到上述發明目的，本發明提供了一種面向機器學習的柱大樣建筑圖紙圖層分類方法，用于服務器端，包括：