AI+智能建筑—重点论文总结
平面图的识别与重构
《Residential floor plan recognition and reconstruction》
——这是一篇21年的文章,主要利用链家的住宅建筑平面图,实现平面图的矢量化及重构3D矢量实物图像
数据来源:网络搜索到的7000个中国城市住宅平面图,之后手动对数据进行标注,包括手动标记起始端点,结束端点和墙的厚度,标记门、窗、和门道的起点、终点和厚度,手工标记房间类型,比如客厅、卧室、浴室、阳台、厨房 书房等,然后使用光栅化算法将当前标记注释转换为逐像素的注释,其中每个像素代表一种类型,然后使用YOLOv4进行ROI识别,之后还会对结构要素、文本标识、 line segments detection, numbers recognition, lines and numbers matching and scale calculation,最后进行重构的后处理,比如在论文的实现中,长度小于1.5m的门为普通单门,长度小于2m的为单推拉门,大于2m的为双推拉门。窗长小于0.8m为小窗,小于1.6m为普通窗,小于2.4m为大窗,大于2.4m为落地窗,整体原理图如下
建筑分类建模
《A Novel Approach for Classification of Structural Elements in a 3D Model by Supervised Learning》
——这是一篇18年的论文,主要借助插件犀牛插件GhPython,在grasshopper中实现墙、柱、横梁、板的分类问题,具体为首先生成包含4类构件的数据集,测试集来自Middle East Technical University
(METU)建筑专业的学生,然后分别使用插件中现成的逻辑回归、最近邻、贝叶斯、决策树算法,在犀牛环境中标出识别出的4类构件
BIM模型自动打标签
《Recognizing and Classifying Unknown Object in BIM Using 2D CNN》
——这是一篇19年的论文,主要借助Revit中的python插件实现墙、板、柱
窗、楼梯大类的识别及单开门 双开门 旋转门 椅子 沙发等特殊大类下简单小类的识别,具体流程
(1)利用图像生成器API 准备对象的多视图图像数据;
(2)根据分类范围训练CNN模型;