(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210442784.8 (22)申请日 2022.04.25 (65)同一申请的已公布的文献号 申请公布号 CN 114925416 A (43)申请公布日 2022.08.19 (73)专利权人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学清华园北京 100084-82信箱 (72)发明人 陆新征　廖文杰　赵鹏举　费一凡　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 周淑娟 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 119/14(2020.01)(56)对比文件 CN 113987637 A,202 2.01.28 CN 113888712 A,202 2.01.04 CN 109635511 A,2019.04.16 CN 112115534 A,2020.12.2 2 CN 113268842 A,2021.08.17 CN 110909650 A,2020.0 3.24 CN 107330979 A,2017.1 1.07 WO 2017161643 A1,2017.09.28 段晓芳.高层住宅场景 可视化三维真实性建 模仿真. 《万方数据库》 .2017, Fayez Tarsha Kurdi 等.Automated Building Footprint and 3D Bui lding Model Generati on from L idar Point Cloud Data. 《IEEE》 .2019, 审查员 何祥鹏 (54)发明名称 一种基于数据转换的建筑结构生成方法及 装置 (57)摘要 本发明提供一种基于数据转换的建筑结构 生成方法及装置， 其中的方法包括： 提取建筑设 计图中的关键元素， 解析出关键元素的节点矢量 坐标； 根据节 点矢量坐标和建筑结构生成对抗网 络， 获取建筑结构设计像素图； 建筑结构生成对 抗网络包括竖向结构生成对抗网络和水平结构 生成对抗网络； 将建筑结构设计像素图中构件节 点像素坐标转换为构件节点矢量坐标， 并将所述 构件节点矢量坐标绘制于所述建筑设计图中； 获 取建筑构 件截面尺寸， 根据建筑构 件截面尺寸和 构件节点矢量坐标构建结构计算模 型。 该方法实 现了建筑结构智能化设计全过程矢量数据与像 素数据的自动转换， 有效提升了建筑结构生成的 效率和稳定性， 为进一步开展建筑结构力学性能 计算做准备。 权利要求书3页 说明书13页 附图9页 CN 114925416 B 2022.12.23 CN 114925416 B 1.一种基于数据转换的建筑结构生成方法， 其特 征在于， 包括： 提取建筑设计图中的关键元素， 解析出所述关键元素的节点矢量坐标； 所述节点矢量 坐标包括轴线节点矢量 坐标和轮廓节点矢量 坐标； 根据所述节点矢量坐标和建筑结构生成对抗网络， 获取建筑结构设计像素图； 所述建 筑结构生成对抗网络包括竖向结构生成对抗网络和水平结构生成对抗网络； 将所述建筑结构设计像素图中构件节点像素坐标转换为构件节点矢量坐标， 并将所述 构件节点矢量 坐标绘制于所述建筑设计图中， 得到建筑 ‑结构设计图； 获取建筑构件截面尺寸， 根据所述建筑构件截面尺寸和所述构件节点矢量坐标， 构建 结构计算模型； 所述根据所述节点矢量坐标和建筑结构生成对抗网络， 获取建筑结构设计像素图， 包 括： 建立矢量 ‑像素坐标转换关系； 根据所述矢量 ‑像素坐标转换关系， 将所述轴线节点矢量坐标和所述轮廓节点矢量坐 标分别转换成轴线节点像素坐标和轮廓节点像素坐标； 根据所述轴 线节点像素坐标和所述轮廓节点像素坐标， 获取相应的建筑构件像素图和 建筑空间布局像素图； 根据所述建筑构件像素图和所述建筑空间布局像素图， 通过所述竖向结构生成对抗网 络和所述水平结构生成对抗网络得到所述建筑结构设计 像素图； 所述建筑结构设计 像素图包括竖向结构 构件布置像素图和水平结构 构件布置像素图； 所述根据 所述建筑构件像素图和所述建筑空间布局像素图， 通过所述竖向结构生成对 抗网络和所述水平结构生成对抗网络得到所述建筑结构设计 像素图， 包括： 将所述建筑构件像素图输入至所述竖向结构生成对抗网络， 得到所述竖向结构构件布 置像素图； 根据所述轴 线节点像素坐标和所述竖向结构构件布置像素图， 获取竖向构件节点像素 坐标， 将所述竖向构件节点像素坐标映射于所述建筑构件像素图中， 得到 建筑‑竖向构件像 素图； 将所述建筑空间布局像素图和所述建筑 ‑竖向构件像素图输入至所述水平结构生成对 抗网络， 得到所述水平结构 构件布置像素图； 所述建筑构件 截面尺寸包括竖向构件 截面尺寸和水平构件 截面尺寸； 所述获取建筑构件 截面尺寸， 包括： 将所述竖向结构构件布置像素图输入至所述竖向结构生成对抗网络， 得到竖向构件截 面尺寸； 根据水平构件类型和水平构件长度， 获取 水平构件 截面尺寸； 所述根据所述建筑构件 截面尺寸和所述构件节点矢量 坐标， 构建结构计算模型， 包括： 建立像素 ‑矢量坐标转换关系； 获取所述构件节点像素坐标， 根据所述像素 ‑矢量坐标转换关系， 将所述构件节点像素 坐标转换为所述构件节点矢量坐标； 所述构件节 点矢量坐标包括竖向构件节点矢量坐标和 水平构件节点矢量 坐标； 根据所述竖向构件截面尺寸和所述竖向构件节点矢量坐标， 以及所述水平构件截面尺权　利　要　求　书 1/3 页 2 CN 114925416 B 2寸和所述水平构件节点矢量 坐标， 构建所述结构计算模型。 2.根据权利要求1所述的基于数据转换的建筑结构生成方法， 其特征在于， 所述提取建 筑设计图中的关键元 素， 包括： 获取所述建筑设计图的关键元 素图层所对应的关键元 素图像； 根据深度判别神经网络， 对所述关键元 素图像进行识别， 得到关键元 素图像识别结果； 若所述关键元素图像识别结果与 所述关键元素图像对应的关键元素图层名称一致， 则 从所述关键元 素图像中提取 所述关键元 素。 3.根据权利要求1或2所述的基于数据转换的建筑结构生成方法， 其特 征在于， 还 包括： 构建竖向构件训练集和水平构件训练集， 所述竖向构件训练集由建筑构件训练像素图 构成， 所述水平构件训练集由建筑空间布局训练像素图和建筑 ‑竖向构件训练像素图构成； 根据所述竖向构件训练集， 对所述竖向结构生成对抗网络进行训练； 根据所述水平构件训练集， 对所述水平结构生成对抗网络进行训练。 4.一种基于数据转换的建筑结构生成装置， 其特 征在于， 包括： 节点矢量坐标获取模块， 用于提取建筑设计图中的关键元素， 解析出所述关键元素的 节点矢量 坐标； 所述节点矢量 坐标包括轴线节点矢量 坐标和轮廓节点矢量 坐标； 结构设计像素图获取模块， 用于根据所述节点矢量坐标和建筑结构生成对抗网络， 获 取建筑结构设计像素图； 所述建筑结构生成对抗网络包括竖向结构生成对抗网络和水平结 构生成对抗网络； 建筑‑结构设计图获取模块， 用于将所述建筑结构设计像素图中构件节点像素坐标转 换为构件节点矢量坐标， 并将所述构件节点矢量坐标绘制于所述建筑设计图中， 得到 建筑‑ 结构设计图； 结构计算模型构建模块， 用于获取建筑构件截面尺寸， 根据所述建筑构件截面尺寸和 所述构件节点矢量 坐标， 构建结构计算模型； 所述根据所述节点矢量坐标和建筑结构生成对抗网络， 获取建筑结构设计像素图， 包 括： 建立矢量 ‑像素坐标转换关系； 根据所述矢量 ‑像素坐标转换关系， 将所述轴线节点矢量坐标和所述轮廓节点矢量坐 标分别转换成轴线节点像素坐标和轮廓节点像素坐标； 根据所述轴 线节点像素坐标和所述轮廓节点像素坐标， 获取相应的建筑构件像素图和 建筑空间布局像素图； 根据所述建筑构件像素图和所述建筑空间布局像素图， 通过所述竖向结构生成对抗网 络和所述水平结构生成对抗网络得到所述建筑结构设计 像素图； 所述建筑结构设计 像素图包括竖向结构 构件布置像素图和水平结构 构件布置像素图； 所述根据 所述建筑构件像素图和所述建筑空间布局像素图， 通过所述竖向结构生成对 抗网络和所述水平结构生成对抗网络得到所述建筑结构设计 像素图， 包括： 将所述建筑构件像素图输入至所述竖向结构生成对抗网络， 得到所述竖向结构构件布 置像素图； 根据所述轴 线节点像素坐标和所述竖向结构构件布置像素图， 获取竖向构件节点像素 坐标， 将所述竖向构件节点像素坐标映射于所述建筑构件像素图中， 得到 建筑‑竖向构件像权　利　要　求　书 2/3 页 3 CN 114925416 B 3