(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111161670.8 (22)申请日 2021.09.3 0 (71)申请人 深圳先进技 术研究院 地址 518055 广东省深圳市南 山区西丽大 学城学苑大道1068号 (72)发明人 程章林　刘志浩　张凡星　 奥利夫·马丁·多伊森　 (74)专利代理 机构 深圳市铭粤知识产权代理有 限公司 4 4304 代理人 孙伟峰　武岑飞 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06T 17/00(2006.01) G06T 17/10(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 建筑物的建模方法、 电子设备及计算机存储 介质 (57)摘要 本申请涉及一种建筑物的建模 方法、 电子设 备及计算机存储介质， 建模方法包括： 获取草图 线条； 利用神经网络算法确定草图线条对应的建 筑类型， 建筑类型包括主体类型、 屋顶类型以及 其他类型； 基于所确定的建筑类型对草图线条进 行参数化建模， 以生成建筑模型。 本申请建模方 法能够模拟出 更加真实建 筑物。 权利要求书2页 说明书8页 附图6页 CN 114021222 A 2022.02.08 CN 114021222 A 1.一种建筑物的建模方法， 其特 征在于， 所述建模方法包括： 获取草图线条； 利用神经网络算法确定所述草图线条对应的建筑类型， 所述建筑类型包括主体类型、 屋顶类型以及其 他类型； 基于所确定的建筑类型对所述 草图线条进行参数化建模， 以生成建筑模型。 2.根据权利要求1所述的建模方法， 其特 征在于， 所述获取草图线条， 包括： 检测用户的绘制动作， 以获取 所述草图线条； 或者， 分析建筑图片， 以获取 所述建筑图片中的草图线条。 3.根据权利要求1所述的建模方法， 其特 征在于， 所述建模方法还 包括： 检测用户的操作手势， 以基于所述操作手势变换 所述建筑模型的形态。 4.根据权利要求1所述的建模方法， 其特 征在于， 所述建模方法还 包括： 显示建筑细节选择菜单； 通过所述建筑细节选择菜单获取选择事件， 以基于所述选择事件对所述建筑模型的建 筑细节进行调整， 所述建筑细节包括窗户类型或外墙纹 理。 5.根据权利要求1所述的建模方法， 其特征在于， 所述获取草图线条， 利用神经网络算 法确定所述草图线条对应的建筑类型， 基于所确定的建筑类型对所述草图线 条进行参数化 建模， 以生成建筑模型， 包括： 获取草图线条中的顶层形状线条； 利用神经网络算法确定所述顶层形状线条对应的建筑类型为主体 类型； 基于主体 类型对所述顶层形状线条进行参数化建模， 以生成建筑主体模型。 6.根据权利要求5所述的建模方法， 其特征在于， 所述获取草图线条中的顶层形状线 条， 包括： 获取 所述草图线条中的规则顶层形状线条； 所述利用神经网络算法确定所述顶层形状线条对应的建筑类型为主体类型， 包括： 利 用神经网络算法确定所述顶层形状线条对应的建筑类型为 规则主体 类型； 所述基于主体类型对所述顶层形状线条进行参数化建模， 以生成建筑主体模型， 包括： 将规则顶部形状线条拟合生成多边形或圆形， 基于多边形或圆形生成多边体或圆柱体， 以 构成建筑主体模型。 7.根据权利要求5所述的建模方法， 其特征在于， 所述获取草图线条中的顶层形状线 条， 包括： 获取 所述草图线条中的不 规则顶层形状线条； 所述利用神经网络算法确定所述顶层形状线条对应的建筑类型为主体类型， 包括： 利 用神经网络算法确定所述顶层形状线条对应的建筑类型为 不规则主体 类型； 所述基于主体类型对所述顶层形状线条进行参数化建模， 以生成建筑主体模型， 包括： 将不规则顶层形状线条分割为多个线段， 由每 个线段生成主体外墙， 以构成建筑主体模型。 8.根据权利要求5所述的建模方法， 其特征在于， 所述获取草图线条中的顶层形状线 条， 包括： 获取 所述草图线条中的顶层形状线条及向下延伸线条； 所述基于主体 类型对所述顶层形状线条进行参数化建模， 以生成建筑主体模型， 包括： 以所述顶层形状线条生成建筑主体模型的顶层， 以向下延伸线条生成建筑主体模型的 外墙， 以构成建筑主体模型。 9.根据权利要求5所述的建模方法， 其特征在于， 所述获取草图线条， 利用神经网络算权　利　要　求　书 1/2 页 2 CN 114021222 A 2法确定所述草图线条对应的建筑类型， 基于所确定的建筑类型对所述草图线 条进行参数化 建模， 以生成建筑模型， 还 包括： 获取所述草图线条中的屋顶形状线条； 利用神经网络算法确定所述屋顶形状线条对应的建筑类型为屋顶类型； 基于屋顶类型对屋顶形状线条进行参数化建模， 以生成建筑屋顶模型； 若所述建筑主体模型和所述建筑屋顶模型满足预设条件， 则将所述建筑主体模型和所 述建筑屋顶模型进行融合处 理。 10.根据权利要求5所述的建模方法， 其特征在于， 所述获取草图线条， 利用神经网络算 法确定所述草图线条对应的建筑类型， 基于所确定的建筑类型对所述草图线 条进行参数化 建模， 以生成建筑模型， 还 包括： 获取所述草图线条中的波浪形线条； 利用神经网络算法确定所述波浪形线条对应的建筑类型为其他类型， 所述其他类型为 楼梯类型； 基于楼梯类型对波浪形线条进行参数化建模， 以生成建筑楼梯模型， 所述建筑楼梯模 型与所述建筑主体模型 连接。 11.根据权利要求1所述的建模方法， 其特征在于， 所述获取草图线条， 包括： 获取多个 草图线条； 所述基于所确定的建筑类型对所述草图线条进行参数化建模， 以生成建筑模型， 包括： 基于所确定的多个建筑类型对多个草图线条进行参数化建模， 以生成多个建筑模型； 所述建模方法还 包括： 若多个建筑模型的距离小于阈值， 则将多个建筑模型划分到同一分层树结构中。 12.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器中存 储有计算机程序， 所述处理器用于执行所述计算机程序以实现如权利要求 1‑11中任一项 所 述方法的步骤。 13.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有计算机程序， 所述 计算机程序被执 行以实现如权利要求1 ‑11中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114021222 A 3