Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通鼎昌模具科技有限公司刘志国获国家专利权

南通鼎昌模具科技有限公司刘志国获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南通鼎昌模具科技有限公司申请的专利一种基于BIM技术的建筑特征提取与成图方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120951452B

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511487964.8,技术领域涉及:G06F30/13;该发明授权一种基于BIM技术的建筑特征提取与成图方法是由刘志国设计研发完成,并于2025-10-17向国家知识产权局提交的专利申请。

一种基于BIM技术的建筑特征提取与成图方法在说明书摘要公布了:本发明公开了一种基于BIM技术的建筑特征提取与成图方法,包括以下步骤:构建包含微观、中观和宏观特征的三级建筑特征体系,并通过唯一ID与BIM模型构件关联;导出BIM模型并提取特征数据,形成原始样本集;通过数据增强,构建异构样本库;沿XYZ轴进行三向扫描,生成系列剖面图、平面图及三维点云模型,并进行标准化预处理;将BIM参数与多视图特征输入双通道融合网络,经张量融合与分解输出高维特征张量;通过成图映射模块将特征张量转换为矢量图形;采用混合损失函数对网络进行预训练与微调,最终实现轻量化部署。该方法实现了从BIM模型到标准工程图纸的高效、自动化生成,提升了建筑信息提取与成图的精度与效率。

本发明授权一种基于BIM技术的建筑特征提取与成图方法在权利要求书中公布了:1.一种基于BIM技术的建筑特征提取与成图方法,其特征在于,具体包括下述步骤: S1、构建包含微观特征、中观特征和宏观特征的三级建筑特征体系,并根据末端应用场景定义与BIM模型构件通过唯一ID关联的标签集; 所述微观特征包括构件节点特征和边缘特征,所述中观特征包括构件属性特征和空间关系特征,所述宏观特征包括整体结构体系特征和空间布局特征; S2、从BIM平台导出BIM模型文件,提取所述三级建筑特征体系中的特征数据,形成原始样本集; S3、对所述原始样本集通过几何变换、属性扰动和场景组合方式进行数据增强,并采用分布式数据库存储增强后的样本数据,构建异构样本库; S4、基于BIM模型的空间坐标系设定扫描参数,沿XYZ轴进行三向扫描,生成系列剖面图、平面图和三维点云模型,并对生成视图进行标准化预处理; S5、将BIM参数特征与多视图特征输入双通道融合网络,通过张量融合层将双通道输出特征映射为高维张量,并经张量分解进行维度压缩与特征关联,输出高维特征张量; 所述双通道融合网络包括: BIM参数特征通道,用于通过全连接层和注意力机制筛选关键属性特征; 多视图特征通道,用于采用三维卷积神经网络提取空间连续特征; 张量融合层,用于将双通道输出特征映射为高维张量,并通过张量分解进行维度压缩; 所述双通道融合网络的训练采用混合损失函数:Ls=α×Lf+β×Lg+γ×Lr,其中Lf为特征提取MSE损失,Lg为图形生成对抗损失,Lr为L2正则化损失,α、β、γ为权重系数; S6、通过成图映射模块将高维特征张量转换为可缩放矢量图形格式的矢量图形数据; S7、构建训练数据集并设计混合损失函数,采用预训练和微调策略对双通道融合网络进行训练,通过模型剪枝实现轻量化处理,并转换为开放神经网络交换格式部署; 所述步骤S7中采用的预训练策略包括在大规模建筑BIM数据集上进行无监督预训练,微调阶段使用带标签的样本进行监督学习。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南通鼎昌模具科技有限公司,其通讯地址为:226000 江苏省南通市通州区西亭镇平海大道3288号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。