将人工智能生成的住宅平面图转换为CAD图纸和BIM模型的统一工程-语义框架

《Buildings》:A Unified Engineering–Semantic Framework for Transforming AI-Generated Residential Floor Plans into CAD Drawings and BIM Models

【字体: 大 中 小 】 时间:2026年08月27日 来源:Buildings 3.4

编辑推荐:

  人工智能日益广泛应用于住宅平面图生成,产生了语义栅格图像、图结构布局和矢量多边形等多种形式的输出。然而,这些输出在进入常规的计算机辅助设计(CAD)和建筑信息模型(BIM)工作流之前,仍需要大量的解释和重建。本研究开发了一个统一的工程-语义框架,将异构的AI生

  
人工智能日益广泛应用于住宅平面图生成,产生了语义栅格图像、图结构布局和矢量多边形等多种形式的输出。然而,这些输出在进入常规的计算机辅助设计(CAD)和建筑信息模型(BIM)工作流之前,仍需要大量的解释和重建。本研究开发了一个统一的工程-语义框架,将异构的AI生成平面图转换为可编辑的CAD图纸和初步BIM信息模型。研究建立了三个特定路线程序——ColorPlan、TopoPlan和PolyPlan——来解析和规范化这三种代表性输入形式。处理后的信息被重组为一个通用的工程-语义JSON核心,随后映射到原生AutoCAD实体和Revit对象。该工作流通过165个可转换的单层住宅样本进行了评估。ColorPlan的有效CAD/BIM转换率分别达到100.0%/97.7%,TopoPlan为93.3%/85.3%,PolyPlan为100.0%/97.9%。结果表明,转换稳定性与源表示中的语义、几何、拓扑和开口信息的完整性密切相关。一项人机对照实验进一步表明,与全手工制作相比,所提出的工作流使CAD绘图时间减少了约85.2%,BIM建模时间减少了90.0%。本研究展示了一种可行的方法,将异构的AI生成布局扩展为可编辑且包含信息的工程表示,同时大幅减少了重复的绘图和初步建模工作。
研究背景
人工智能在建筑平面图生成和早期设计探索中已成为重要工具。当前的生成方法可以通过栅格图像、图结构布局和矢量多边形等不同形式表示住宅布局。然而,这些AI生成的输出在进入后续建筑工程工作流时面临新的挑战。专业的计算机辅助设计(CAD)图纸和BIM模型要求墙壁具有明确的几何位置和尺寸,门窗需要有效的位置和主体关系,房间需要可识别的边界和语义类别,而AI生成的平面图通常仅提供部分信息,缺失的工程关系必须在后续设计开发前进行重建。此外,现有研究多孤立关注生成质量、识别矢量化或从图纸到BIM的重建,缺乏对异构AI输出共享工程表示的探索,且对转换工作流的纠正工作量和实际效率缺乏定量评估。为解决这些问题,研究人员在《Buildings》发表论文,开展了一项将异构AI生成的住宅平面图转换为可编辑CAD图纸和初步BIM信息模型的研究。研究得出结论,所提出的框架能够实现异构AI输出到工程表示的连续转换,显著减少重复性绘图和初步建模工作,对于连接AI生成布局与下游CAD/BIM工作流具有重要工程价值。

主要关键技术方法
研究采用了三条特定的解析与几何正则化路线:针对扩散模型生成的彩色编码语义栅格图像的ColorPlan路线,针对House-GAN++生成的图结构JSON输出的TopoPlan路线,以及针对HouseDiffusion生成的多边形JSON输出的PolyPlan路线。通过Python脚本进行输入解析,将处理后的空间、语义、几何和组件信息重组为通用的工程-语义JSON核心文件。随后,基于AutoCAD 2026 .NET API和Revit 2026 API的C#插件分别读取该JSON文件,以生成可编辑的绘图实体和建筑构件。研究使用了165个符合转换条件的单层住宅样本作为验证集,其中包含43个ColorPlan样本、75个TopoPlan样本和47个PolyPlan样本,并开展了由4名参与者完成的人机对照实验以评估实际效率。

研究结果
实验样本
研究人员对三种AI模型生成的原始输出进行了筛选,剔除了功能不全、空间组织混乱、几何极不规则等无效样本,最终保留了165个可作为有效住宅平面图的实验样本,用于后续的CAD/BIM转换评估。

转换质量分级与纠正时间准则
研究采用A/B/C/F四级评分系统对CAD和BIM输出进行单独评估。A级至C级代表有效转换结果,主要根据测量的手动纠正时间和错误特征进行区分;F级代表无法通过局部纠正产生实际价值的转换失败。纠正时间阈值分别设为1分钟和2.5分钟,用于量化评估后续处理的工作量。

转换质量结果
在整体转换结果方面,三条路线均表现出较高的可靠性。A级别结果在所有CAD/BIM结果组中占比最大,有效转换率介于85.3%至100.0%之间。ColorPlan的转换稳定性最高,CAD和平均纠正时间最短,这得益于其相对简短的信息处理链,RGB分类和连通分量分析能够直接识别房间、墙壁和门窗等候选区域。TopoPlan的错误传播过程更为复杂,由于拓扑关系必须与几何边界相协调,且需要为门窗推断有效的主体墙并自动生成窗户信息,导致其A级别比例较低且BIM的F级别失败率达14.7%。PolyPlan得益于更明确的几何起点,直接提供房间多边形,其CAD/BIM失败率分别仅为0%和2.1%,剩余纠正工作主要集中在门窗拟合上。这表明转换稳定性与源表示中信息的完整性密切相关。

人机效率对比
通过对照实验发现,自动CAD或BIM生成在2秒内即可完成。机器辅助的平均CAD完成时间从人工的约10分37秒降至1分35秒,时间减少率达85.2%;BIM完成时间从15分52秒降至1分35秒,减少率达90.0%。该工作流的主要实际效果是将任务从重复性绘图和建模转变为检查和局部纠正,这一优势在BIM建模中尤为显著。

总结讨论
异构输出转换
研究为语义栅格图像、图结构布局和多边形输出建立了三条转换路线。特定路线的解析和正则化允许这些异构表示进入通用的CAD/BIM工作流,证明了在一个工程框架内容纳不同原生AI输出结构的可行性。

统一工程-语义表示
开发了共享的工程-语义JSON层来组织墙轴、房间、开口、网格、轮廓及相关属性,同时保留特定路线的信息。该结构将特定源处理与下游实现分离,并支持向可编辑AutoCAD实体和Revit对象的一致映射。

转换可靠性
在165个样本中,ColorPlan的有效CAD/BIM转换率为100.0%/97.7%,TopoPlan为93.3%/85.3%,PolyPlan为100.0%/97.9%。结果表明,下游可转换性强烈依赖于源表示中语义、几何、拓扑和开口信息的完整性和稳定性。从应用角度看,当有明确的语义和开口信息时首选ColorPlan,强调房间拓扑时选用TopoPlan,具有稳定多边形几何时选用PolyPlan。

工程效率
对照人机实验表明,该工作流将平均CAD完成时间从10分37秒缩短至1分35秒,BIM完成时间从15分52秒缩短至1分35秒,分别减少了85.2%和90.0%。该工作流大幅减少了重复性绘图和初步建模工作,将人工努力转移到检查和局部纠正上。总体而言,所提出的框架为从异构AI生成布局到可编辑CAD和BIM表示提供了连续的工程路径。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号