Jun, 2023

从 2D 平面图自动重建语义 3D 模型

PDF
TL;DR本文介绍了一种从扫描的 2D 平面图重建矢量化 3D 模型的流程，以提高数字化过程的效率，该方法在公共数据集 CubiCasa5k 中实现了最先进的结果，并表现出较好的推广性，其矢量化方法特别有效，优于以前的方法。
digitalization3d bim modelsfloor plansvectorizationreconstruction
发现论文，激发创造
  • 一种混合语义几何方法应对建筑点云中的混杂干扰生成楼层平面图

    本研究提出了一种混合的语义几何方法，通过基于 PointNet ++ 的语义分割网络与地理推理规则相结合，将激光扫描建筑点云转化为二维平面图，同时对精度、召回率、交并比、Betti 误差和形变误差等方面进行评估。

    May, 2023

  • A-Scan2BIM: 辅助扫描到建筑信息建模

    本文介绍了一种用于辅助建筑师的系统，将大型点云转换为建筑的标准化数字表示，用于建筑信息建模（BIM）应用。系统通过自动地预测一系列建模编辑操作来帮助建筑师进行 Scan-to-BIM 过程，并且提供了建筑规模的 Scan2BIM 数据集以及重建质量和操作顺序的度量。

    Nov, 2023

  • 卫星图像中的机器学习三维建筑矢量化

    本文提出了一种基于机器学习的方法，通过数字表面模型和全色影像的输入，使用条件生成对抗网络筛选出非建筑物，然后借助于语义分割网络检测出建筑物屋顶的边缘和角点，并提出一组矢量化算法来构建屋顶多边形，最终从改进后的表面模型中添加高度信息，以获得完全矢量化的精细建筑模型。在大型卫星图像上对我们的方法进行了验证，并取得了最先进的性能。

    Apr, 2021

  • Plan2Scene：将平面图转换为 3D 场景

    该论文介绍了 Plan2Scene 任务，旨在将一个住宅的平面图和一组相关的照片转换成有纹理的三维网格模型，解决了从一部分不对齐的照片中提取主要表面材质的挑战，并通过用户研究得出表现优异的结果。

    Jun, 2021

  • 自动化生成 BIM 模型的追溯方法：建筑环境 3D 语义重建的统一框架

    本论文介绍了 SRBIM，这是一个统一的语义重建架构用于 BIM 生成，通过广泛的定性和定量评估证明了我们方法的有效性，为自动 BIM 建模建立了一个新的范式。

    Jun, 2024

  • FloorNet: 三维扫描的平面图重建统一框架

    本研究旨在通过智能手机，利用深度神经网络技术重建室内地图，提出了线上勘测算法 FloorNet 核心思路，即将 RGBD 流图像数据分别经过三个大的神经网络模块来提取特征并同时考虑 3D 与 2D 空间信息，这种方法能够有效提高室内平面图的重建准确性。

    Mar, 2018

  • 使用参数生成的虚拟建筑进行深度学习，实现现实世界中物体识别

    本研究研究了使用参数化建筑信息模型（BIM）自动生成人工神经网络（ANN）的培训数据，以识别照片中的建筑物对象。

    Jan, 2023

  • 连接点：使用双层查询进行平面图重建

    该研究主要讨论了如何使用 Transformer Architecture 来解决 2D 平面图的重建问题，并通过多个数据集的实验证明了其在各方面的优越性。

    Nov, 2022

  • 利用 2D 楼层平面图进行建筑级全景 RGBD 对齐

    该文提出了一种新算法，利用 2D 平面图对全景 RGBD 扫描进行校准，该算法可以大幅减少所需扫描数，并在五个大型室内空间上进行了评估。这是第一个利用 2D 平面图进行大型室内三维点云重建的有效系统，提出的算法使用多模态图像对应线索 (在扫描和平面图之间)，并避免了固有的堆叠偏差

    Dec, 2016

  • 从 2D 注释中估算一般的三维房间结构

    通过 2D 分割遮罩提出一种新颖的方法，能够直接推导出 3D 结构元素的平面方程和空间范围，并将相邻元素在适当的接触边缘处连接，最终在 RealEstate10k 数据集上公开释放 2266 个高质量的 3D 房间布局标注。

    Jun, 2023