基于工程数据的建筑物构件提取方法与应用分析

doi:10.3724/SP.J.1047.2015.01022

地球信息科学学报 ›› 2015, Vol. 17 ›› Issue (9): 1022-1028.doi: 10.3724/SP.J.1047.2015.01022

基于工程数据的建筑物构件提取方法与应用分析

贾明元^1,⁵(), 周良辰^2,^3,⁴, 闾国年^2,^3,⁴, 万庆^1,^4,^*()

1. 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101
2. 南京师范大学虚拟地理环境教育部重点实验室,南京 210023
3. 江苏省地理环境演化国家重点实验室培育建设点,南京 210023
4. 江苏省地理信息资源开发与利用协同创新中心,南京 210023
5. 中国科学院大学,北京 100049

收稿日期:2015-01-07 修回日期:2015-03-25 出版日期:2015-09-10 发布日期:2015-09-07
作者简介:
作者简介：贾明元(1988-),男,硕士生,研究方向为建筑三维自动建模。E-mail: jiamy@lreis.ac.cn
基金资助:
国家高科技研究发展计划(“863”计划)(2013AA122302);江苏省测绘地理信息科研项目(JSCHKY201404);国家自然科学基金青年基金项目(41301415);江苏高校优势学科建设工程项目

Analysis of Methods for Building Components Information Extraction Based on Engineering Data

JIA Mingyuan^1,⁵(), ZHOU Liangchen^2,^3,⁴, LV Guonian^2,^3,⁴, WAN Qing^1,^4,^*()

1. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
2. Key Laboratory of Virtual Geographic Environment (Nanjing Normal University), Ministry of Education, Nanjing 210023, China
3. State Key Laboratory Cultivation Base of Geographical Environment Evolution (Jiangsu Province), Nanjing 210023, China
4. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
5. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2015-01-07 Revised:2015-03-25 Online:2015-09-10 Published:2015-09-07
Contact: WAN Qing
About author:
*The author: SHEN Jingwei, E-mail:jingweigis@163.com

摘要/Abstract

摘要：

随着智慧城市的不断发展,建筑三维模型及其应用研究也从建筑外表层深入到建筑内部环境中。建筑工程数据包含了建筑设计施工阶段中丰富的建筑构件信息,是建筑建模和应用分析的良好数据源。目前,建筑工程数据可划分为非结构化数据、半结构化数据和结构化数据3类。本文从识别方法、提取内容和应用目标等方面对非结构化和结构化的建筑工程数据提取方法进行了分析,并结合国家标准和行业软件对半结构化数据的图层规范和几何图元特征进行研究。半结构化数据在我国建筑信息化现状下具有极大的应用优势,必将成为智慧城市中建筑物数据库建设的重要数据源。

关键词: 建筑构件, 建筑工程数据, 对象识别, 信息提取

Abstract:

Building is an important part of city. With the development of Smart City, 3D building model and its applications are going further from the external into the internal environment. Building engineering data contain rich information about building components throughout architecture design and construction process. They are good sources for building modeling and related applications. In this paper, building engineering data are divided into unstructured data, semi-structured data and structured data according to the data development status. The research status of information extraction from unstructured data and structured data are summarized from different aspects, including object recognition methods, extracted contents and application aims. Furthermore, the specification of layers and geometric primitive features for semi-structured data are studied based on the national and industry standards. In conclusion, the standardized layer information reduces the complexity of semi-structured data and assists the process of object recognition and information extraction. With its abundant sources and lower complexity, semi-structured data is becoming an important data source for the construction of building database in Smart City.

Key words: building components, building engineering data, object recognition, information extraction

贾明元, 周良辰, 闾国年, 万庆. 基于工程数据的建筑物构件提取方法与应用分析[J]. 地球信息科学学报, 2015, 17(9): 1022-1028.DOI:10.3724/SP.J.1047.2015.01022

JIA Mingyuan,ZHOU Liangchen,LV Guonian,WAN Qing. Analysis of Methods for Building Components Information Extraction Based on Engineering Data[J]. Journal of Geo-information Science, 2015, 17(9): 1022-1028.DOI:10.3724/SP.J.1047.2015.01022

图/表 8

图1

图2

图3

表1

表2

表3

图4

表4

参考文献 36

[1]	Li D, Zhu Q, Liu Q, et al.From 2D and 3D GIS for CyberCity[J]. Geo-Spatial Information Science, 2004,7(1):1-5.
[2]	Goodchild M.Geographic information systems and science: today and tomorrow[J]. Annals of GIS, 2009,15(1):3-9.
[3]	邱天. 基于CAAD 建筑施工图数据的建筑空间与关系三维建模方法研究 [D].南京:南京师范大学,2014.
[4]	Isikdag U, Zlatanova S.A SWOT analysis on the implementation of Building Information Models within the Geospatial Environment[C]. In: Urban and Regional Data Management. The Netherlands: CRC Press, 2009:15-30.
[5]	万小飞. 基于施工图的建筑物三维建模数据抽取方法研究[D].南京:南京师范大学,2013.
[6]	路通,蔡士杰.面向内容的工程图识别与理解综述[J].图学学报,2012,33(5):1-12.
[7]	曾旭东,赵昂.计算机辅助建筑设计(CAAD)的发展趋势——虚拟建筑(Virtual Building)设计将成为主流[J].重庆建筑大学学报,2006,28(1):21-24.
[8]	施平望,邓雪原.国内建筑CAD图层标准发展现状与研究[J].土木建筑工程信息技术,2014,6(1):20-24,28.
[9]	Lladós J, Valveny E, Sánchez G, et al.Symbol recognition: Current advances and perspectives[C]. In: Graphics Recognition Algorithms and Applications. Springer, 2002:104-128.
[10]	Ah-Soon C.A constraint network for symbol detection in architectural drawings[C]. In: Graphics Recognition Algorithms and Systems. Springer, 1998:80-90.
[11]	Ah-Soon C, Tombre K.Architectural symbol recognition using a network of constraints[J]. Pattern Recognition Letters, 2001,22(2):231-248.
[12]	Dosch P, Ah-Soon C, Masini G, et al.Design of an integrated environment for the automated analysis of architectural drawings[C]. In: Document Analysis Systems: Theory and Practice. Springer, 1999:295-309.
[13]	Dosch P, Tombre K, Ah-Soon C, et al.A complete system for the analysis of architectural drawings[J]. International Journal on Document Analysis and Recognition, 2000,3(2):102-116.
[14]	杨若瑜,曹阳.一种高效的基于约束网络的工程图符号识别方法[J].计算机辅助设计与图形学学报,2002,14(9):829-834.
[15]	Horna S, Meneveaux D, Damiand G, et al.Consistency constraints and 3D building reconstruction[J]. Computer-Aided Design, 2009,41(1):13-27.
[16]	Zhi G, Lo S, Fang Z.A graph-based algorithm for extracting units and loops from architectural floor plans for a building evacuation model[J]. Computer-Aided Design, 2003,35(1):1-14.
[17]	王姝华,曹阳,杨若瑜,等.基于规则的建筑结构图钢筋用量自动识别系统[J]. 软件学报,2002,13(4):574-579.
[18]	杨若瑜,胡笳,蔡士杰.工程图对象识别规则自动获取方法的研究[J].计算机学报,2004,26(10):1234-1240.
[19]	席晓鹏,糜宁芳,罗志伟,等.工程图中的模板识别和匹配方法[J].计算机应用研究,2004,20(12):61-64.
[20]	Lladós J, Sánchez G, Martí E.A string based method to recognize symbols and structural textures in architectural plans[C]. In: Graphics Recognition Algorithms and Systems. Springer, 1998:91-103.
[21]	Lladós J, Martí E, Villanueva, J.Symbol recognition by error-tolerant subgraph matching between region adjacency graphs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2001,23(10):1137-1143.
[22]	Rusiñol M, Lladós J.Symbol spotting in technical drawings using vectorial signatures[C]. In: Graphics Recognition Ten Years Review and Future Perspectives. Springer, 2006:35-46.
[23]	Zhang W, Wenyin L.A new vectorial signature for quick symbol indexing, filtering and recognition[C]. Document Analysis and Recognition, 2007. ICDAR 2007. Ninth International Conference on. IEEE, 2007,1: 536-540.
[24]	陆显巍,杨若瑜,蔡士杰.建筑图符号识别系统中的自学习机制研究[J].计算机应用,2009,29(12):3437-3441.
[25]	郭甜甜. 基于关键特征的样例驱动矢量图纸符号识别算法研究[D].北京:清华大学,2012.
[26]	朱俊芳. 基于结构构件识别的户型图三维重建算法研究[D].北京:清华大学,2013.
[27]	Ah-Soon C, Tombre K.Variations on the analysis of architectural drawings[C]. Document Analysis and Recognition, 1997, Proceedings of the Fourth International Conference on. IEEE, 1997,1: 347-351.
[28]	Park J, Kwon Y.Main wall recognition of architectural drawings using dimension extension line[C]. In: Graphics Recognition Recent Advances and Perspectives. Springer, 2004:116-127.
[29]	Domínguez B, Garcí a,Feito F.Semiautomatic detection of floor topology from CAD architectural drawings[J]. Computer-Aided Design, 2012,44(5):367-378.
[30]	Lu T, Yang H, Yang R, et al.Automatic analysis and integration of architectural drawings[J]. International Journal of Document Analysis and Recognition (IJDAR), 2007,9(1):31-47.
[31]	路通,席晓鹏,芮明,等.建筑工程图识别与理解——模型与算法[J].计算机研究与发展,2005,42(1):144-152.
[32]	Isikdag U, Zlatanova S.Towards defining a framework for automatic generation of buildings in CityGML using building Information Models[C]. In: 3D Geo-Information Sciences. Springer, 2009:79-96.
[33]	El-Mekawy M, Östman A.Semantic mapping: An ontology engineering method for integrating building models in IFC and CITYGML[C]. Proceedings of the 3rd ISDE Digital Earth Summit, 2010:12-14.
[34]	Rüppel U, Stuebbe K.BIM-based indoor-emergency-navigation-system for complex buildings[J]. Tsinghua Science & Technology, 2008,13(8):362-367.
[35]	Lewis R, Séquin C.Generation of 3D building models from 2D architectural plans[J]. Computer-Aided Design, 1998,30(10):765-779.
[36]	曹家. 建筑图的三维重建系统[D].哈尔滨:哈尔滨工业大学,2010.

研究团队	识别方法	识别范围	提取内容	应用目标
Ah-Soon等	约束网络	墙、门、窗等	语义、几何、定位	3D重建
Lladós等	图匹配	门、窗、家具等	语义	手绘图纸识别
朱俊芳等	样例驱动符号识别	墙、门、窗、柱	语义、几何、定位	3D重建
Zhi等	拓扑特征	门、窗、房间等	语义、关系	拓扑分析、疏散模拟
路通等	拓扑特征和层次推进	墙、门、窗、柱、梁等	语义、几何、定位	3D重建和工程算量

研究团队	数据源	识别范围	提取内容	应用目标
万小飞等	CAAD文件	主要建筑构件类型	语义、几何、定位、关系	3D重建
Isikdag等	IFC数据	BIM支持的建筑构件类型	语义、几何、定位、属性	生成LOD
El-Mekawy等	IFC数据	BIM支持的建筑构件类型	语义、几何、定位、属性	与CityGML转换
Rueppel等	IFC、gbXML	BIM支持的建筑构件类型	语义、几何、定位、关系	室内导航、火灾模拟

图层关键字	GBT18112-2000	天正建筑软件	注释
轴线	建筑-轴网	DOTE	平面轴线
阳台	建筑-阳台	BALCONY	阳台,雨篷
柱	建筑-柱子	COLUMN	柱子
门窗	建筑-门窗	WINDOW	门窗对象
轴标	建筑-轴标	AXIS	轴号与轴线尺寸标注
地面	建筑-地面	GROUND	地面与散水
墙线	建筑-墙体	WALL	墙体
屋顶	建筑-屋顶	ROOF	屋顶、老虎窗等
雨水管线	建筑-雨水管	PUB_STRM	雨水管线
楼梯	建筑-楼梯	STAIR	楼梯、坡道、台阶和休息平台等
电梯	建筑-电梯	EVTR	电梯轿厢和平衡块
扶手	建筑-楼梯-扶手	HANDRAIL	扶手
公标	公用-尺寸	PUB_DIM	尺寸标注
标高	公用-标高	DIM_ELEV	标高标注
符号	公用-符号	DIM_SYMB	其它各种符号标注
公文	公用-说明	PUB_TEXT	各种说明文字
窗名	建筑-门窗-编号	WINDOW_TEXT	门窗编号
公框	公用-图框	PUB_TITLE	图框线与标题栏、会签栏图块等

数据类型	数据来源	数据组织方式	提取方法
非结构化数据	CAD历史数据/扫描矢量化数据	由基本图元组成	通过符号识别的方法进行对象识别与提取
半结构化数据	按照制图标准生产的数据/分解后的CAAD数据	在图元、文字等基础上,按照规范化的图层进行组织	结合图层信息进行对象识别与提取
结构化数据	完整的CAAD数据/BIM数据	具有数据模型,按照结构化方式组织	通过数据模型进行对象信息理解与抽取

基于工程数据的建筑物构件提取方法与应用分析

Analysis of Methods for Building Components Information Extraction Based on Engineering Data

RichHTML

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 36

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	舒弥, 杜世宏. 国土调查遥感40年进展与挑战[J]. 地球信息科学学报, 2022, 24(4): 597-616.
[2]	施海霞, 韦玉春, 徐晗泽宇, 周爽, 程琪. 高分遥感图像相对辐射校正中的伪不变地物自动提取和优化选择[J]. 地球信息科学学报, 2021, 23(5): 903-917.
[3]	王志华, 杨晓梅, 周成虎. 面向遥感大数据的地学知识图谱构想[J]. 地球信息科学学报, 2021, 23(1): 16-28.
[4]	杨存建. 地学信息图谱思想与实践探索[J]. 地球信息科学学报, 2020, 22(4): 697-704.
[5]	李鹏鹏, 李永强, 蔡来良, 董亚涵, 范辉龙. 车载LiDAR点云中道路绿化带提取与动态分析[J]. 地球信息科学学报, 2020, 22(2): 268-278.
[6]	张俊瑶,姚永慧,索南东主,郜丽静,王晶,张兴航. 基于垂直带谱的太白山区山地植被遥感信息提取[J]. 地球信息科学学报, 2019, 21(8): 1284-1294.
[7]	刘淑涵, 王艳东, 付小康. 利用卷积神经网络提取微博中的暴雨灾害信息[J]. 地球信息科学学报, 2019, 21(7): 1009-1017.
[8]	韩雪华, 王卷乐, 卜坤, 王玉洁. 基于Web文本的灾害事件信息获取进展[J]. 地球信息科学学报, 2018, 20(8): 1037-1046.
[9]	曲畅, 任玉环, 刘亚岚, 李娅. POI辅助下的高分辨率遥感影像城市建筑物功能分类研究[J]. 地球信息科学学报, 2017, 19(6): 831-837.
[10]	陈天博, 胡卓玮, 魏铼, 胡顺强. 无人机遥感数据处理与滑坡信息提取[J]. 地球信息科学学报, 2017, 19(5): 692-701.
[11]	饶萍, 王建力. 最优分区与最优指数联合的水体信息提取[J]. 地球信息科学学报, 2017, 19(5): 702-712.
[12]	王学成, 杨飞, 高星, 李丽. 基于NDVI阈值法的森林冰冻受灾范围精确提取[J]. 地球信息科学学报, 2017, 19(4): 549-558.
[13]	程熙, 吴炜, 夏列钢, 罗瑞, 沈占锋. 集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究[J]. 地球信息科学学报, 2017, 19(10): 1364-1374.
[14]	沈占锋, 李均力, 于新菊. 基于协同计算的白洋淀湿地时序水体信息提取[J]. 地球信息科学学报, 2016, 18(5): 690-698.
[15]	李霞, 徐涵秋, 李晶, 郭燕滨. 基于NDSI和NDISI指数的SPOT-5影像裸土信息提取[J]. 地球信息科学学报, 2016, 18(1): 117-123.