机构名称：
¥ 1.0
2D蓝图转换为3D模型是建筑，工程和建筑行业中最关键的任务之一。由于设计计划必须准确代表可视化和实现，因此传统方法始终是手动，乏味的，容易出现错误。随着计算机辅助设计（CAD），机器学习和计算机成像技术的进步，转换更准确，更有效。本文涉及新兴方法，以通过深度学习和图像处理技术自动化从2D蓝图到其3D模型的过渡。主要关注点是对2D渲染的几何形状，各种维度以及各种结构细节的解释深入了解，以及它可能包含的复杂和晦涩的信息。方法是在卷积神经网络下开发的，用于从2D图像中提取特征，然后是用于重建的生成模型。使用语义分割运行的系统，可以标识墙壁，门和窗户等实体。此外，使用3D网格生成算法将2D数据转换为3D结构。该方法利用建筑和工程设计中通常应用的数据集和基准进行模型培训和评估。评估测量时间，计算时间，噪声效能性能以及由于蓝图数据的嘈杂世界本质而引起的缩放。还考虑了一些规模和复杂性的问题，例如数据质量的要求。未来的前景包括用于实时相互作用的增强现实（AR）可视化以及基于激光雷达的传感器数据以提高精度。这为渲染极为可能的实时自动化技术提供了巨大的机会，这可能有益于缩短设计过程并增强许多领域的项目成果。
纸张标题（使用样式
主要关键词
相关文件推荐
