مسح تلقائي بالكامل من الـ Scan إلى الـ BIM من خلال التجزئة الوضعية للسحابة النقطية
الملخص
الإعادة الرقمية من خلال نماذج معلومات البناء (BIM) هي منهجية ذات قيمة في توثيق وتحليل المباني القائمة. يبدأ هذا الأسلوب بجمع البيانات الهندسية (مثلاً من خلال التصوير بالاستشعار أو المسح الليزري) لجمع سحابات نقطية دقيقة. ومع ذلك، فإن البيانات المُكتسبة تكون مزعجة وغير منظمة، ويتطلب إنشاء تمثيل BIM ذي معنى شبهي (معنوي) كبيرًا من الجهد الحسابي، إلى جانب تسميات يدوية مكلفة وطويلة الأمد. في هذه الورقة، نقترح نموذجًا تلقائيًا بالكامل لتحويل المسح إلى BIM. يعتمد هذا النهج على: (i) مجموعة بياناتنا (HePIC)، التي تم جمعها من مبنيين كبيرين وتُسمى على مستوى النقطة وفقًا لنماذج BIM الحالية؛ (ii) شبكة عميقة جديدة مصممة خصيصًا (BIM-Net++) لتقسيم معنوي، يتم بعد ذلك معالجة مخرجاتها لاستخراج معلومات المثيل الضرورية لإعادة إنشاء كائنات BIM؛ (iii) تدريب مسبق للنموذج وتعديل أوزان الفئات، بهدف القضاء على الحاجة إلى كميات كبيرة من البيانات المُعلمة والتدخل البشري.
مستودعات الكود
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| semantic-segmentation-on-arch2s | BIM-Net | mIoU: 18.4 |
| semantic-segmentation-on-hepic | BIM-Net | mIoU: 40.6 |
| semantic-segmentation-on-hepic | BIM-Net++ | mIoU: 43.7 |
| semantic-segmentation-on-s3dis | BIM-Net | mIoU: 59.5 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.