一、所属领域

AI识图、智能审图、数字建筑、城市信息模型、3D模型重建

二、项目介绍

1. 痛点问题

PDF电子工程图作为一类重要的非结构化数据，承载了丰富的业务知识和信息。然而，因其复杂性和专业性，PDF工程图难以被机器直接处理，目前主要还是靠人来读取、理解、核对和应用，限制了工程建设领域行业的深层次智能发展。若机器能够像人类一样理解图纸的内涵，就可以支撑丰富多彩的下游智慧应用。如规范智能审查、3D模型智能重建、面向应急逃生、无障碍等特定应用场景的信息智能提取等。这些基于图纸的智慧应用，其核心挑战就是对图纸内容的有效识别和理解。

2. 解决方案

清华大学软件学院BIMChecker Group，自主研发了“图智”-PDF工程图AI识别与审查重建系统，基于深度学习技术和工程领域业务知识应用的有效融合，解决了现实PDF工程图纸信息高分辨率、高密度、相互遮挡等识别难题，实现了对建筑平面图图元和空间布局的智能识别和结构化表达。主要特点如下。

1） 适用于住宅建筑、公共建筑等民用建筑以及仓库、厂房等工业建筑；

2） 支持建筑设计说明、表格、建筑平面图的一键式AI识别；

3） 支持Revit模型一键生成和面向《建筑设计防火规范》的一键审查；

4）支持对现有防火条文、其他国家规范、企业规范的修改和自定义，系统的审查算法可自动适配更新。

图纸空间构件识别、SNL条文审查和BIM模型生成结果展示

3. 竞争优势分析

（1）业内针对CAD图纸的识别技术，不支持广泛存在的PDF像素工程图，在应用对象上存在局限性。

（2）能应对现实PDF工程图的规模、类别、复杂度、遮挡性等问题，无需用户任何预处理，即可实现一键识别；

（3）在非矩形空间识别、非横平竖直构件识别、空间图元关系计算算法方面，具有技术优势；

（4）依托自主研发并已纳入国家标准（GB/T 36456.3-2018）的工程领域规范描述语言SNL和规范智能审查引擎，形成体系性下游应用支撑，可快速扩展条文数。

4. 市场应用前景

AI审图：针对设计院、业主、审图单位等，自动给出AI审图的结果，实现机器辅助人类审查、审查经验知识逐渐固定化等效果，促进提质增效。

BIM模型自动生成：支撑高效、自动化、低成本的BIM模型自动生成，为城市数字孪生、CIM数字底座、应急智慧、建筑智能运维等提供室内空间数据支撑。

图纸特定信息的智能提取：面向特定应用场景如消防逃生、无障碍等场景，将“图纸人工查看”，升级为智能高亮提示预警，辅助快速决策支持。

更多创新应用场景：具有“撬动式”作用，大量被存档但未被充分应用的PDF图纸数据有望形成创新应用场景，发挥新的价值。

5. 发展规划

已形成产品雏形，未来重点考虑从图纸识别、图纸审查和3D重建、面向特定应用的智能提取等角度，形成行业应用。

6. 知识产权情况

已申请发明专利及软件著作权。

三、合作需求

寻找在AI审图、室内矢量模型重建、图纸特定信息智能提取及其它基于图纸的智能应用场景方面有需求的合作方；开展系统的应用推广、定制化图纸内容识别服务等内容，为各类下游应用、平台提供核心AI图纸理解技术支撑。合作方需具备项目或资金支持。

四、团队介绍

团队负责人：张荷花，清华大学软件学院副研究员，研究方向为可信软件、领域建模、智能审查。团队多年来坚持做服务于国家战略主战场、服务于龙头企业现实需求、具有自主知识产权的科研工作。聚焦于工程建设行业领域知识建模验证应用，提出了工程规范形式化描述语言SNL,现已纳入国家标准（GB/T36456.3-2018）推荐使用；自主研发了规范智能审查软件BIMChecker，已成功应用于十余家企业单位，于2021年荣获“清华软件奖”。

五、联系方式

E-mail：ott@tsinghua.edu.cn

成果编号：2022018

注：所有成果发布内容未经授权，请勿转载！

授权请联系yaoxiahan@tsinghua.edu.cn