机器建模时代已经到来——阿里云全新BIM产品

简介: 近期我们人工智能实验室推出了全息空间BIM产品,这是一套基于算法的BIM产品,这套产品包含全息空间BIM构建算法,工地安全管理,数字孪生城市等产品。我们重点来介绍下全息空间BIM构建算法。

机器建模的特点

我们这款算法建模产品经过大量的数据训练,从研发到上市,历时半年有余,目前已经商用,特点如下,不基于软件平台建模,通过云端算法工具,导入经人工整理的CAD图纸,自动生成模型,算法自动生成的模型并不是Revit模型或3Dmax模型,而是一个模型数据包,这个数据包可以基于不同的平台打开,包含Revit软件和3Dmax软件,目前可生成的文件格式是ifc、rvt、obj、fbx,如此则能较好的解决国外软件“卡脖子”问题,这和目前基于Revit平台的自动建模插件是完全不同的思路。
12.30第一张图.png

人工需要做什么

产品已经商用并面向市场,我们以向用户提供满意的BIM模型服务为目标。用户提供全套的设计图纸,至少包含平面、立面和剖面图纸给到我们人工智能实验室BIM产品团队,首先由我们对图纸进行整理,整理好的图纸,导入云端经算法计算生成模型数据包,由我们团队转换成不同格式的模型,同时机器会自动生成一份问题报告。这个过程有两部分工作需要人工完成,第一是图模一致性的审查,对模型中建模错误的问题和算法识别错误的问题进行修改,比方说门窗族匹配错误等情况进行更改;第二是对机器生成的报告进行整理,并对图纸表达不清楚或无法识别的问题进行整理,合并一起生成最终问题报告,报告中的问题需要用户进行明确,明确后将模型修改完成。我们团队的工作,主要是完成模型,至于后期模型的应用,如工程量的计算、门窗表的统计等应用是不包含的。12.30第二张.png

机器是怎样识图的

机器在提取数据生成模型时,是怎样识别平立剖面图呢?怎么样像人一样融合平立剖面来理解呢?机器识图是这样一个过程,首先识别建筑平面图,提取数据生成数据包模型,然后再识别立面图生成数据包模型,最后识别剖面图生成数据包模型,这三处数据包模型进行整合剪切生成最终数据包模型。举一个简单例子,墙上面有一个窗户,通过平面图可以定位到墙体的宽度尺寸和窗户的平面位置信息,算法会记录到这些信息生成模型数据包;通过立面图获得窗户的位置和尺寸信息,生成模型数据包,然后这两个数据包模型进行融合,将有用的信息整合起来。这其实是和人识图的逻辑高度一致的,只是计算机再做时候需是有先后的分步骤计算。

为什么可以不基于软件平台

算法建模产品为什么可以不基于平台生成模型呢?我们产品是基于图形识别,比如说一个构件实例门,门的信息通常包含以下几个方面,第一个方面是门的几何信息,第二部分是门的位置及定位信息,第三个部分是门的属性信息,这三部分信息被提取成为数据,以数据包的形式分类存放,而大部分BIM软件在生成模型时也是这几方面的数据,模型数据包中的分类信息与软件底层信息实现一一对应,在不同软件打开这个数据包时,即可生成模型。
12.30 11.png

机器建模的效率如何

它的精度和效率如何呢?这款产品主要是针对建筑结构建模,机电专业相对复杂,目前正在研发阶段。针对的建筑类别,主要是住宅比较多,较为规整的商业地产建筑也可以。

我们对外公开数据的表明,10万方的住宅楼、规整商业楼,人工整理图纸,算法自动生成,生成数据后整理修改出具报告,耗时3个工作日,这个效率不知比人工建模高出多少倍,这个建模时间影响因素主要在于图纸质量以及人工干预的时间上,云端算法生成数包据模型是极快的,如果设计质量太差,整理内容就比较多,后期出报告的时间也就比较久,即便如此,也能在3-5个工作日完成。可将人工1个月完成的工作量2-3完成,效率提升10倍。
如下给大家举2个实际的案例:
12.3011111.png
上海某设计院拿了一个7000平米的厂房建筑做测试,建筑、结构、钢结构3个专业,我们从接收资料到生成模型的时间是2小时,其中机器生成大概只用10分钟,模型整体较好,只有细节处有一些瑕疵。
深圳某综合设计院以近10000平方的住宅项目做测试,我们从接收资料到生成模型的时间是4小时左右,其中机器生成只用15分钟左右,模型准确率挺高。
12.31 .png

机器建模的精度如何

我们再来看看模型的精确度,目前建筑专业,包含各类墙体、门、窗、栏杆扶手、直梯、扶梯、楼梯、楼板模型深度不低于LOD 300,建筑细节基本可以完整表达;结构专业,包含各类墙、梁、板、柱,模型深度不低于LOD300。这些构件的几何属性和材质属性等均完整。这个深度的模型满足常规的管线综合净空分析等应用是完全没有问题的。
1.1 第一.png
1.1 第二.png

产品未来行业定位

在各行业信息化发展当中,建筑行业信息化排名倒数第二,农业倒数第一。我们产品的定位是为建筑行业信息化赋能,是为了让BIM建模工作越来越简单,让BIM从业人员从繁重的建模工作中解脱出来,去进行更多有价值的BIM应用工作。
算法产品建模不是跨界打劫,我们进入建筑行业,进入BIM行业,不是为了干掉传统的BIM咨询业务,而是为了把建模这种耗时耗力的工作化繁为简,为建模人员节约更多的时间去做有意义的事情,让建筑行业的生态更好,利用自己的技术优势,为行业赋能。

关于产品的价格和收费情况

由于机器云端算法生成模型是极快的,是软硬件成本,但是人工整理图纸和简单修改模型是存在人工成本的,但即是如此,相比于传统的建模方案,我们的成本缩减60%以上。
关于变更情况的收费,当变更超过30%就要另行收费了,如果变更不超过30%,则不用另外收取费用。机器的计算成本比较低,加收的费用主要是人工成本。
收费与用户的BIM建模标准也有关系,部分公司有一套自己的建模标准。比如雄安新区的BIM模型是有一整套的建模标准体系,湖南省的BIM审图也有一套标准体系,存在标准体系的,人工要先对标准体系进行梳理,寻找规则,与算法规则进行匹配对应,然后生成模型数据包,我们会根据需求做定制开发,相应增加费用。

小伙伴们如果对BIM方案感兴趣,可以扫描如下二维码与我们联系哦。

test

相关文章
Threejs实现下雨,下雪,阴天,晴天,火焰
Threejs实现下雨,下雪,阴天,晴天,火焰
2410 0
Threejs实现下雨,下雪,阴天,晴天,火焰
|
算法 数据库 计算机视觉
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
Dataset之COCO数据集:COCO数据集的简介、下载、使用方法之详细攻略
|
前端开发 API
(WEB前端编辑DWG)在线CAD如何实现图形识别功能
mxcad 提供的图形识别功能可帮助用户快速识别和提取 CAD 图纸中的各种图形,如直线、多段线、弧线、圆及图块,显著提升设计效率。此功能不仅适用于图形分类,还能进行数量统计和快速定位,减少手动操作。用户可通过 API 进行二次开发,自定义识别逻辑。具体步骤包括打开在线示例、选择识别功能、设置识别参数并开始识别。更多开发文档请关注公众号:梦想云图网页 CAD。
|
开发者 人工智能 消息中间件
|
JSON 前端开发 JavaScript
不会webpack的前端可能是捡来的,万字总结webpack的超入门核心知识
该文章提供了Webpack的基础入门指南,涵盖安装配置、基本使用、加载器(Loaders)、插件(Plugins)的应用,以及如何通过Webpack优化前端项目的打包构建流程。
不会webpack的前端可能是捡来的,万字总结webpack的超入门核心知识
|
Linux Docker 容器
Centos安装docker(linux安装docker)——超详细小白可操作手把手教程,包好用!!!
本篇博客重在讲解Centos安装docker,经博主多次在不同服务器上测试,极其的稳定,尤其是阿里的服务器,一路复制命令畅通无阻。
19474 5
Centos安装docker(linux安装docker)——超详细小白可操作手把手教程,包好用!!!
|
运维 Ubuntu Shell
掌握Docker容器的创建:从镜像到实例
【8月更文挑战第27天】
2224 4
|
12月前
|
Kubernetes 架构师 Java
史上最全对照表:大厂P6/P7/P8 职业技能 薪资水平 成长路线
40岁老架构师尼恩,专注于帮助读者提升技术能力和职业发展。其读者群中,多位成员成功获得知名互联网企业的面试机会。尼恩不仅提供系统化的面试准备指导,还特别针对谈薪酬环节给予专业建议,助力求职者在与HR谈判时更加自信。此外,尼恩还分享了阿里巴巴的职级体系,作为行业内广泛认可的标准,帮助读者更好地理解各职级的要求和发展路径。通过尼恩的技术圣经系列PDF,如《尼恩Java面试宝典》等,读者可以进一步提升自身技术实力,应对职场挑战。关注“技术自由圈”公众号,获取更多资源。
|
JavaScript
cnpm 的安装与使用
本文介绍了npm和cnpm的概念、安装nodejs的步骤,以及cnpm的安装和使用方法,提供了通过配置npm使用中国镜像源来加速包下载的替代方案,并说明了如何恢复npm默认仓库地址。
cnpm 的安装与使用
|
安全 测试技术 Swift
Llama 3开源,魔搭社区手把手带你推理,部署,微调和评估
Meta发布了 Meta Llama 3系列,是LLama系列开源大型语言模型的下一代。在接下来的几个月,Meta预计将推出新功能、更长的上下文窗口、额外的模型大小和增强的性能,并会分享 Llama 3 研究论文。
Llama 3开源,魔搭社区手把手带你推理,部署,微调和评估