(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210961937.X (22)申请日 2022.08.11 (71)申请人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 申请人 国家电网有限公司 　 国网河北省电力有限公司 (72)发明人 李佳　王金丽　段祥骏　冯德志　 李运硕　许媛媛　张琳　符金伟　 王庆杰　段青　沙广林　曾军　 肖征　邢田伟　李腾　 (74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文(51)Int.Cl. G06T 17/00(2006.01) G06F 17/11(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 3/40(2006.01) G06T 7/73(2017.01) G06V 10/22(2022.01) G06V 10/46(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种配网工程图纸二三维转换方法、 系统、 设备及介质 (57)摘要 本发明提供了一种配网工程图纸二三维转 换方法、 系统、 设备及介质， 包括： 基于预先构建 的构件识别模 型， 从获取的二维配网工程图纸中 提取基础构 件； 基于基础构 件在二维配网工程图 纸的坐标系中选定多个控制点， 同时获取多个控 制点的二维坐标， 并在预先构建的三维BIM模型 坐标系中选取同名控制点； 基于多个控制点的二 维坐标结合一次线性方程得到同名控制点的三 维坐标； 基于二维配网工程图纸的关键元素、 基 础构件、 同名控制点的三维坐标结合预先构建的 BIM模型得到配网工程三维图纸； 本发明基于构 件识别模型引入的深度学习算法， 实现了二维图 纸关键元素的提取， 并通过构建的三维BIM模型 解决了二维图纸难以转换三维的问题， 实现了配 网工程的二维图纸 转三维。 权利要求书3页 说明书14页 附图4页 CN 115457195 A 2022.12.09 CN 115457195 A 1.一种配网工程图纸 二三维转换 方法， 其特 征在于， 包括： 基于预先构建的构件识别模型， 从获取的二维配网工程图纸中提取基础构件； 基于所述基础构件在二维配网工程图纸的坐标系中选定多个控制点， 同时获取所述多 个控制点的二维坐标， 并在预 先构建的三维BIM模型坐标系中选取同名控制点； 基于所述多个控制点的二维坐标 结合一次线性方程得到所述同名控制点的三维坐标； 基于二维配网工程图纸的关键元素、 所述基础构件、 所述同名控制点的三维坐标结合 预先构建的BIM模型 得到配网工程 三维图纸； 其中， 所述构件识别模型是基于标记好关键元素的配网工程图纸和所述关键元素对应 的基础构件 对引入注意力机制模块的深度学习算法进行深度学习得到的； 其中， 所述预先构建的BIM模型是基于所述二维配网工程图纸的关键元素、 所述基础构 件、 所述同名控制点的三维坐标作为输入， 所述 三维图纸作为输出构建的。 2.如权利要求1所述的方法， 其特 征在于， 所述构件识别模型的构建包括： 获取标记好的关键元素的二维配网工程图纸和所述二维配网工程图纸中关键元素对 应的基础构件； 将所述二维配网工程图纸按设定比例缩放， 得到缩放后的二维配网工程图纸； 将所述缩放后的二维配网工程图纸作为引入注意力 机制模块的深度学习算法的输入， 将所述二维配网工程图纸中关键元素对应的基础构件作为引入注意力机制模块的深度学 习算法的输出进行训练， 得到所述关键元 素与基础构件的关系； 其中， 所述关键元 素包括以下一种或多种： 二维图纸的比例尺、 图像 类型、 设备信息 。 3.如权利要求2所述的方法， 其特征在于， 所述标记好的关键元素是基于所述二维配网 工程图纸的基础构件的标记信息得到的。 4.如权利要求1所述的方法， 其特征在于， 所述基于所述基础构件在二维配网工程图纸 的坐标系中选定多个控制点， 同时获取所述多个控制点的二维坐标， 并在预先构建的三维 BIM模型坐标系中选取同名控制点， 包括： 基于所述基础构件的尺寸属性在二维配网工程图纸的坐标系中的同程值相同的多个 点作为选 定的多个控制点， 并得到所述多个控制点的二维坐标； 基于所述多个控制点的二维坐标在所述预先构建的三维BIM模型坐标系以相同高程值 为标准选取每 个控制点对应的同名控制点； 其中， 所述多个控制点的个数至少为3 。 5.如权利要求1所述的方法， 其特征在于， 所述基于所述多个控制点的二维坐标结合一 次线性方程得到所述同名控制点的三维坐标， 包括： 基于所述多个控制点坐标和所述同名控制点坐标结合一次线性方程模拟转换得到所 述同名控制点的三维坐标。 6.如权利要求5所述的方法， 其特 征在于， 所述 一次线性方程如下式所示： U＝a×u+b×u+c； V＝d×v+e×v+f； 式中， a、 b、 c、 d、 e、 f为 坐标转换参数； U、 V为 三维BIM模型坐标系中的同名控制点 坐标。 7.如权利要求1所述的方法， 其特征在于， 在所述基于二维配网工程图纸的关键元素、 所述基础构件、 所述同名控制点的三维坐标结合预先构建的BIM模型得到配网工程三维 图权　利　要　求　书 1/3 页 2 CN 115457195 A 2纸之后还 包括： 对配网工程 三维图纸的各基础构件进行碰撞检查。 8.如权利要求7所述的方法， 其特征在于， 所述对配网工程三维图纸的各基础构件进行 碰撞检查， 包括： 对配网工程三维图纸中的碰撞基础构件的位置、 图元进行反向尺寸检查， 判断是否按 照二维图纸尺寸布局， 若是， 则完成碰撞检查， 否则未完成碰撞检查。 9.一种配网工程图纸 二三维转换系统， 其特 征在于， 包括： 基础构件提取模块， 用于基于预先构建的构件识别模型， 从获取的二维配网工程图纸 中提取基础构件； 控制点获取模块， 用于基于所述基础构件在二维配网工程图纸的坐标系中选定多个控 制点， 同时获取所述多个控制点的二 维坐标， 并在预先构建的三 维BIM模型坐标系中选取同 名控制点； 三维坐标获取模块， 用于基于所述多个控制点的二维坐标结合一 次线性方程得到所述 同名控制点的三维坐标； 转换模块， 用于基于二维配网工程图纸的关键元素、 所述基础构件、 所述同名控制点的 三维坐标 结合预先构建的BIM模型 得到配网工程 三维图纸； 其中， 所述构件识别模型是基于标记好关键元素的配网工程图纸和所述关键元素对应 的基础构件 对引入注意力机制模块的深度学习算法进行深度学习得到的； 其中， 所述预先构建的BIM模型是基于所述二维配网工程图纸的关键元素、 所述基础构 件、 所述同名控制点的三维坐标作为输入， 所述 三维图纸作为输出构建的。 10.如权利要求9所述的系统， 其特征在于， 还包括构件识别模型构建模块， 所述构件识 别模型构建模块用于： 获取标记好的关键元素的二维配网工程图纸和所述二维配网工程图纸中关键元素对 应的基础构件； 将所述二维配网工程图纸按设定比例缩放， 得到缩放后的二维配网工程图纸； 将所述缩放后的二维配网工程图纸作为引入注意力 机制模块的深度学习算法的输入， 将所述二维配网工程图纸中关键元素对应的基础构件作为引入注意力机制模块的深度学 习算法的输出进行训练， 得到所述关键元 素与基础构件的关系； 其中， 所述关键元 素包括以下一种或多种： 二维图纸的比例尺、 图像 类型、 设备信息 。 11.如权利要求9所述的系统， 其特征在于， 所述标记好的关键元素是基于所述二维配 网工程图纸的基础构件的标记信息得到的。 12.如权利要求1 1所述的系统， 其特 征在于， 所述控制点获取模块具体用于： 基于所述基础构件的尺寸属性在二维配网工程图纸的坐标系中的同程值相同的多个 点作为选 定的多个控制点， 并得到所述多个控制点的二维坐标； 基于所述多个控制点的二维坐标在所述预先构建的三维BIM模型坐标系以相同高程值 为标准选取每 个控制点对应的同名控制点； 其中， 所述多个控制点的个数至少为3 。 13.如权利要求12所述的系统， 其特 征在于， 所述 三维坐标获取模块具体用于： 基于所述多个控制点坐标和所述同名控制点坐标结合一次线性方程模拟转换得到所权　利　要　求　书 2/3 页 3 CN 115457195 A 3