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
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。
Jun, 2023
该研究探索了序贯推荐系统在加速 BIM 建模过程中的潜力,通过将 BIM 软件命令视为可推荐项目,引入了一种新颖的端到端方法,根据用户的历史交互预测下一个最佳命令,结果是在 BIM 创作工具 Vectorworks 中提供实时的命令建议。后续实验验证了我们提出的模型优于以往的研究,展示了推荐系统在提高设计效率方面的巨大潜力。
Jun, 2024
通过将建筑信息模型 (BIM) 与生成式人工智能结合,本研究提出了一种智能结构设计流程,引入了扩散模型 (DMs) 等新技术,以替代当前存在的一些限制,并展示了 Diffusion Models (DMs) 在土木工程中具有强大的生成和表示能力,表明其有潜力取代 GANs 成为生成问题的新标杆。
Nov, 2023
本研究提出了一种将激光雷达点云与 BIM 模型相匹配的方法,通过深度学习算法与图论相结合,实现了对城市场景的重建,从而解决了 LiDAR 数据质量以及 BIM 模型位置精度不足的问题。该方法在分割和匹配过程中表现出了很好的效果,可以提供一种快速准确的城市 GeoBIM 建设解决方案。
Apr, 2023
本研究介绍了一种支持建筑物中灯具的检测、识别和定位的方法,旨在通过建筑信息模型(BIM)方法自动填充其能源模型,在建筑行业中通过正确管理照明基础设施来应用节能策略,通过使用灰度图像和独特的灯具几何和亮度,我们提出的方法能够以低计算需求获得准确的结果,实现几乎实时的处理;我们的方法的主要创新在于候选搜索的焦点不在整个图像上,而是仅在概括灯具特定特征的有限区域中,我们的方法获得的信息被用于 Green Building XML Schema,以展示算法结果的自动 BIM 数据生成。
Dec, 2023
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
该研究论文介绍了一种基于深度学习的两支几何 - 关联框架,以解决建筑信息模型中物体类型在数据交换或在不同域的软件中创建模型时所存在的互通性问题。作者还提供了 IFCNet++ BIM 对象数据集,并表明这种机器学习方法明显突破了以往基于形状信息的分类方法,增加了一种基于关系信息的算法,通过改善分类性能来降低对人工审核建筑模型的工作量并提高此类模型的实用性。
Dec, 2022
我们提出了一个新的框架,利用姿态化的 RGB-D 测量和 2D 语义标签作为输入,进行语义目标的主动重建,实现对感兴趣目标的自适应视角规划,从而在网格和新视角渲染质量方面实现更好的重建性能,超过不考虑语义的隐式重建基线和基于显式地图的最先进的语义目标主动重建流水线。
Mar, 2024