本文提出了一种新的方法，用于从密集的点云数据中自动为曼哈顿环境中的建筑物创建语义数字模型。与以前仅依赖于数据驱动方法的方法不同，我们的方法将人工智能与域工程知识集成在一起，以在复杂的布局中克服室内点云处理和几何形式表示中的chal lenges。基于功能的DE Cision树分类器提取了主要建筑元素，该元素用于3D空间解析的基于知识的算法中。在此基础上，优化过程生成参数化的平面图，用于最终创建体积数字模型。该方法在慕尼黑技术大学和斯坦福大学的数据集上进行了验证，用于模型放置的平均准确性约为0.08 m，用于估计元素参数的0.06 m，这突出了其产生建筑物语义数字模型的有效性。这种方法强调了AI集成在数字孪生工作流程中的潜力，以提供更多的自动交配解决方案。