本書(shū)面向智慧城市、智慧空間、智能制造等新興產(chǎn)業(yè)對(duì)室內(nèi)地圖和實(shí)體三維模型的迫切需求，結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能新技術(shù)，利用可廣泛獲取的開(kāi)放街道地圖（OSM）、CAD 等數(shù)據(jù)源，詳細(xì)介紹智能化室內(nèi)制圖和建模方法，包括建筑物空間元素重建與智能化室內(nèi)制圖方法、基于輪廓?jiǎng)澐值膹?fù)雜建筑物屋頂形狀推薦方法、利用二元不平衡學(xué)習(xí)標(biāo)記公共建筑物正門(mén)方法、基于幾何地圖文法推理房間語(yǔ)義方法、利用隨機(jī)森林和關(guān)系圖卷積網(wǎng)絡(luò)推理房間語(yǔ)義、基于遺傳規(guī)劃的室內(nèi)地標(biāo)顯著性學(xué)習(xí)方法、基于智能圖像分析的室內(nèi)智能制圖與建模方法，以及自優(yōu)化建筑物平面圖圖像解析方法，并給出相應(yīng)案例和實(shí)驗(yàn)結(jié)果。本書(shū)提出的理論與方法不需要借助任何物理感知設(shè)備，可在多行業(yè)領(lǐng)域推廣和應(yīng)用。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
目錄
第1章建筑物空間元素重建與智能化室內(nèi)制圖方法 1
1.1 概述 1
1.2 建筑物空間元素重建方法概述 2
1.3 建筑物空間元素之間的關(guān)聯(lián)關(guān)系 3
1.4 建筑物空間元素的顯式和隱式規(guī)則 4
1.4.1 規(guī)則系統(tǒng)的定義 5
1.4.2 規(guī)則系統(tǒng)的應(yīng)用 6
1.4.3 統(tǒng)計(jì)學(xué)習(xí)的定義 6
1.4.4 建筑物重建中的應(yīng)用 7
1.4.5 規(guī)則與統(tǒng)計(jì)學(xué)習(xí)的融合 8
1.5 基于建筑物平面圖圖像解析的室內(nèi)制圖方法 8
1.5.1 傳統(tǒng)建筑物平面圖圖像解析方法 8
1.5.2 建筑物平面圖圖像解析學(xué)習(xí)方法 10
參考文獻(xiàn) 11
第2章基于輪廓?jiǎng)澐值慕ㄖ镂蓓斝螤钔扑]方法 15
2.1 概述 15
2.2 研究進(jìn)展 16
2.2.1 三維屋頂重建 16
2.2.2 對(duì)稱性檢測(cè) 17
2.2.3 屋頂輪廓分解 17
2.3 屋頂形狀推薦 17
2.3.1 輪廓分解算法 18
2.3.2 劃分對(duì)稱性檢測(cè) 21
2.3.3 選擇規(guī)則 24
2.3.4 組合規(guī)則 25
2.3.5 空間對(duì)稱規(guī)則 28
2.3.6 概率計(jì)算 28
2.4 實(shí)驗(yàn)與分析 29
2.4.1 聯(lián)合事件概率比較 30
2.4.2 單一事件概率比較 34
2.5 總結(jié)與展望 36
2.5.1 理論局限性 36
2.5.2 經(jīng)驗(yàn)閾值 36
2.5.3 方法應(yīng)用 36
參考文獻(xiàn) 36
第3章利用二元不平衡學(xué)習(xí)標(biāo)記公共建筑物正門(mén)方法 39
3.1 概述 39
3.2 研究進(jìn)展 41
3.2.1 門(mén)檢測(cè) 41
3.2.2 入口檢測(cè) 42
3.3 研究方法 42
3.3.1 數(shù)據(jù)預(yù)處理 43
3.3.2 特征提取 44
3.3.3 不平衡分類 47
3.4 實(shí)驗(yàn)與分析 47
3.4.1 實(shí)驗(yàn)設(shè)置 47
3.4.2 標(biāo)記精度 49
3.5 總結(jié)與展望 52
3.5.1 正門(mén)假設(shè) 52
3.5.2 多源數(shù)據(jù)融合 52
參考文獻(xiàn) 53
第4章基于幾何地圖文法的房間語(yǔ)義推理方法 55
4.1 概述 55
4.2 研究進(jìn)展 56
4.2.1 室內(nèi)空間模型格式 56
4.2.2 基于數(shù)字化的室內(nèi)建模 57
4.2.3 基于圖像的室內(nèi)建模 57
4.2.4 基于軌跡的室內(nèi)建模 57
4.2.5 基于LiDAR 點(diǎn)云的室內(nèi)建模 58
4.2.6 基于規(guī)則的室內(nèi)建模 58
4.3 布局的形式化表達(dá) 59
4.3.1 建筑物類型定義 59
4.3.2 建筑物層次語(yǔ)義劃分 60
4.3.3 約束屬性文法 61
4.3.4 規(guī)則變量的斷言 61
4.3.5 規(guī)則的定義 62
4.4 房間類型推理算法 63
4.4.1 方法流程 63
4.4.2 貝葉斯推理 64
4.4.3 計(jì)算解析森林 65
4.4.4 計(jì)算概率 68
4.5 實(shí)驗(yàn)與分析 68
4.5.1 訓(xùn)練數(shù)據(jù) 68
4.5.2 測(cè)試過(guò)程 69
4.5.3 實(shí)驗(yàn)結(jié)果 71
4.6 總結(jié)與展望 74
4.6.1 文法學(xué)習(xí) 74
4.6.2 深度學(xué)習(xí) 74
參考文獻(xiàn) 75
第5章基于隨機(jī)森林和關(guān)系圖卷積網(wǎng)絡(luò)的房間語(yǔ)義推理方法 79
5.1 概述 79
5.2 研究進(jìn)展 81
5.2.1 基于數(shù)字化的室內(nèi)映射方法 81
5.2.2 基于測(cè)量的室內(nèi)映射方法 81
5.2.3 基于規(guī)則的室內(nèi)映射方法 82
5.3 研究方法 83
5.3.1 基于機(jī)器學(xué)習(xí)的房間類型標(biāo)記 83
5.3.2 基于深度學(xué)習(xí)的房間類型標(biāo)注 87
5.4 實(shí)驗(yàn)與分析 90
5.4.1 標(biāo)記準(zhǔn)確性 92
5.4.2 時(shí)間消耗比較 95
5.5 總結(jié)與展望 96
參考文獻(xiàn) 97
第6章基于遺傳規(guī)劃的室內(nèi)地標(biāo)顯著性學(xué)習(xí)方法 101
6.1 概述 101
6.2 研究進(jìn)展 102
6.3 室內(nèi)地標(biāo)顯著性屬性 103
6.3.1 視覺(jué)屬性 104
6.3.2 語(yǔ)義屬性 105
6.4 研究方法 107
6.4.1 方法流程 107
6.4.2 數(shù)據(jù)采集和處理 107
6.4.3 基于GP 算法的模型訓(xùn)練 108
6.5 實(shí)驗(yàn)與分析 110
6.5.1 實(shí)驗(yàn)設(shè)置 111
6.5.2 實(shí)驗(yàn)結(jié)果 112
6.5.3 基于GP 算法的模型訓(xùn)練 114
6.6 總結(jié)與展望 116
參考文獻(xiàn) 117
第7章基于智能圖像分析的室內(nèi)制圖與建模方法 119
7.1 概述 119
7.2 建筑物要素矢量化 121
7.2.1 建筑物要素的實(shí)例分割 121
7.2.2 墻體和門(mén)窗簡(jiǎn)化 123
7.3 一致性拓?fù)鋬?yōu)化 125
7.3.1 共邊檢測(cè) 125
7.3.2 拓?fù)鋬?yōu)化模型 127
7.3.3 房間提取與模型生成 129
7.4 實(shí)驗(yàn)與分析 130
7.4.1 實(shí)驗(yàn)設(shè)置 130
7.4.2 評(píng)價(jià)指標(biāo) 131
7.4.3 實(shí)驗(yàn)結(jié)果 132
7.4.4 消融實(shí)驗(yàn)和參數(shù)設(shè)置討論 133
7.4.5 計(jì)算成本分析 135
7.5 總結(jié)與展望 136
參考文獻(xiàn) 137
第8章自優(yōu)化建筑物平面圖圖像解析方法 140
8.1 概述 140
8.2 研究方法 142
8.2.1 實(shí)例模型訓(xùn)練 142
8.2.2 形態(tài)學(xué)模板優(yōu)化 143
8.2.3 自適應(yīng)訓(xùn)練策略 147
8.3 實(shí)驗(yàn)與分析 149
8.3.1 數(shù)據(jù)集與實(shí)驗(yàn)設(shè)置 149
8.3.2 實(shí)驗(yàn)結(jié)果 149
8.4 總結(jié)與展望 153
參考文獻(xiàn) 154
附錄A 隨機(jī)森林實(shí)現(xiàn)的部分標(biāo)記結(jié)果 156
附錄B 關(guān)系圖卷積網(wǎng)絡(luò)實(shí)現(xiàn)的部分標(biāo)注結(jié)果 162
附錄C 排序預(yù)測(cè)結(jié)果 168
附錄D 測(cè)試場(chǎng)景示例 175
書(shū)單推薦
