(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210136793.4 (22)申请日 2022.02.15 (65)同一申请的已公布的文献号 申请公布号 CN 114168795 A (43)申请公布日 2022.03.11 (73)专利权人 中航建筑工程有限公司 地址 410004 湖南省长 沙市天心区刘家冲 北路238号中欣国际21楼 (72)发明人 伍倜　庄海华　袁立刚　刘百平　 刘曲坚　 (74)专利代理 机构 长沙知行亦创知识产权代理 事务所(普通 合伙) 43240 代理人 严理佳 (51)Int.Cl. G06F 16/84(2019.01) G06F 16/81(2019.01)G06F 16/55(2019.01) G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/00(2006.01) (56)对比文件 CN 109886465 A,2019.0 6.14 CN 111815776 A,2020.10.23 CN 111160838 A,2020.0 5.15 CN 112149216 A,2020.12.2 9 CN 113450459 A,2021.09.28 JP 2019168976 A,2019.10.0 3 姜柳等.基 于BIM和深度学习的建筑平面凹 凸不规则识别. 《图学 学报》 .202 2,第1-9页. 审查员 王辞 (54)发明名称 建筑三维模型映射及存储方法、 装置、 电子 设备及介质 (57)摘要 本发明涉及数据处理技术， 揭露了一种建筑 三维模型映射及存储方法， 包括： 根据目标建筑 包含的施工阶段构建原始阶段族群， 对目标建筑 不同施工阶段对应的建筑三维模型的建筑图像 集合进行分类， 得到建筑分类结果， 对建筑分类 结果中建筑三维模型对应的构件图像集合进行 聚类， 得到构 件聚类结果将建筑分类结果构建的 第一映射节点及构件聚类结果构建的第二映射 节点对应的建筑三维模型映射到原始阶段族群 中， 得到标准阶段族群并进行对象型数据转化将 转化完成的数据存储到预构建的对象型数据库 中。 本发明还提出一种建筑三维模 型映射及存储 方法装置、 电子设备 以及计算机可读存储介质。 本发明可以解决建筑三维模型查询 效率较低的 问题。 权利要求书3页 说明书17页 附图2页 CN 114168795 B 2022.04.19 CN 114168795 B 1.一种建筑三维模型映射及存 储方法， 其特 征在于， 所述方法包括： 根据目标建筑包 含的施工阶段构建原 始阶段族群； 获取所述目标建筑不同施工阶段对应的建筑三维模型的建筑图像集 合； 利用预训练的GAN omaly分类模型对所述建筑图像集 合进行分类， 得到建筑分类结果； 利用乌鸦混合聚类算法对所述建筑分类结果中建筑三维模型对应的构件图像集合进 行聚类， 得到构件聚类结果； 根据所述建筑分类结果构建第 一映射节点， 以及根据所述构件聚类结果构建第 二映射 节点； 将所述第一映射节点及所述第二映射节点对应的建筑三维模型映射到所述原始阶段 族群中， 得到标准阶段族群； 对所述标准阶段族群中的建筑数据进行对象型数据转化， 并将转化完成的数据存储到 预构建的对象型 数据库中。 2.如权利要求1中所述的建筑三维模型映射及存储方法， 其特征在于， 所述利用预训练 的GANomaly分类模型对所述建筑图像集 合进行分类， 包括： 利用所述GANomaly分类模型中的生成网络提取所述建筑图像集合中图像的第一潜在 特征； 利用所述第一潜在特 征进行图像重构， 得到 重构建筑图像集 合； 利用所述 生成网络提取 所述重构建筑图像集 合中重构图像的第二潜在特 征； 利用所述GANomaly分类模型中的判别 网络计算所述第一潜在特征及所述第二潜在特 征的差异值； 判断所述差异值是否大于预设的差异阈值； 确定差异值大于所述差异阈值的图像为平面凹凸规则图像， 确定差异值不大于所述差 异阈值的图像为平面 不凹凸规则图像。 3.如权利要求2所述的建筑三维模型映射及存储方法， 其特征在于， 所述利用预训练 的 GANomaly分类模型对所述建筑图像集 合进行分类之前， 所述方法还 包括： 利用预设的生成器提取建筑平面训练集 合中训练图像的原 始特征向量； 利用所述 生成器重构所述建筑平面训练集 合中的训练图像， 得到 重构训练图像集 合； 利用预设的判别器 计算所述建筑平面训练集 合及所述重构训练图像集 合的判别损失； 提取所述重构训练图像  集合中的标准特征向量， 基于所述原始特征向量及所述标准 特征向量计算所述 生成器的生成损失； 根据所述生成损失及所述判别损失调整生成器及判别器的参数， 在所述判别损失及所 述生成损失不满足预设的损失 阈值时， 返回所述利用预设的生成器提取建筑平面训练集合 中训练图像的原始特征向量的步骤， 直至所述判别损失及所述生成损失满足所述损失 阈值 时， 将所述生成器作为生成网络， 以及将所述判别器作为判别网络， 汇总所述生成网络及所 述判别网络， 得到所述GAN omaly分类模型。 4.如权利要求3所述的建筑三维模型映射及存储方法， 其特征在于， 所述基于所述原始 特征向量及所述标准特 征向量计算所述 生成器的生成损失， 包括： 利用所述原 始特征向量及所述标准特 征向量计算特 征损失； 利用所述建筑平面训练集 合及所述重构训练图像集 合计算图像损失；权　利　要　求　书 1/3 页 2 CN 114168795 B 2对所述特 征损失及所述图像损失进行加权计算， 得到所述 生成损失。 5.如权利要求1所述的建筑三维模型映射及存储方法， 其特征在于， 所述乌鸦混合聚类 算法包括乌鸦搜索算法及K ‑means聚类算法， 所述利用乌鸦混合聚类算法对所述建筑分类 结果中建筑三维模型对应的构件图像集 合进行聚类， 得到构件聚类结果， 包括： 利用所述乌鸦搜索算法从所述构件图像集 合中选取 预设个数的初始聚类中心； 利用所述K ‑means聚类算法依次计算所述构 建图像集合中每个构件图像到所述初始聚 类中心的距离， 并将所述每个构件图像分到距离最小的初始聚类中心对应的类别中， 得到 多个类别簇； 重新计算每个类别簇的聚类中心， 并返回依次计算所述构建图像集合中每个构件图像 到所述初始聚类中心的距离的步骤， 直至所述多个类别簇的聚类中心收敛， 确定 收敛的类 别簇作为所述构件聚类结果。 6.如权利要求1所述的建筑三维模型映射及存储方法， 其特征在于， 所述利用所述乌鸦 搜索算法从所述构件图像集 合中选取 预设个数的初始聚类中心， 包括： 将所述构件图像集 合中图像的像素点作为搜索空间； 在所述搜索空间中随机放置预设个数的乌鸦聚类中心， 并记录初始位置； 计算所述乌鸦聚类中心的适应度， 返回所述在所述搜索空间中随机放置预设个数的乌 鸦聚类中心的步骤， 并记录新的位置； 在返回次数满足预设的迭代条件时， 停止迭代， 将适应度最大的位置的乌鸦聚类中心 作为所述初始聚类中心。 7.如权利要求1所述的建筑三维模型映射及存储方法， 其特征在于， 所述将转化完成的 数据存储到预构建的对象型 数据库中之后， 所述方法还 包括： 获取数据查询信息， 从所述数据查询信息中解析 出查询语句及查询索引； 利用所述 查询语句及所述 查询索引从所述对象型 数据库中得到查询结果。 8.一种建筑三维模型映射及存 储装置， 其特 征在于， 所述装置包括： 原始阶段族群构建模块， 用于根据目标建筑包含的施工阶段构建原始阶段族群， 获取 所述目标建筑不同施工阶段对应的建筑三维模型的建筑图像集 合； 建筑分类模块， 用于利用预训练的GANomaly分类模型对所述建筑图像集合进行分类， 得到建筑分类结果； 构件聚类模块， 用于利用乌鸦混合 聚类算法对所述建筑分类结果中建筑三维模型对应 的构件图像集 合进行聚类， 得到构件聚类结果； 标准阶段族群构建模块， 用于根据所述建筑分类结果构建第一映射节点， 以及根据所 述构件聚类结果构建第二映射节点， 将所述第一映射节点及所述第二映射节点对应的建筑 三维模型映射到所述原 始阶段族群中， 得到标准阶段族群； 数据存储模块， 用于对所述标准阶段族群中的建筑数据进行对象型数据转化， 并将转 化完成的数据存 储到预构建的对象型 数据库中。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所权　利　要　求　书 2/3 页 3 CN 114168795 B 3