买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于图像学习的商业类建筑群自动建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115713605B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211505407.0，技术领域涉及：G06T17/10；该发明授权一种基于图像学习的商业类建筑群自动建模方法是由杨俊宴;朱骁;薛琴;蔡纪尧;史宜;孙昊成;盛华星;杨晓方;周景翎;王艺潼设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种基于图像学习的商业类建筑群自动建模方法在说明书摘要公布了：本发明公开了一种基于图像学习的商业类建筑群自动建模方法，属于城市规划领域,包括数据获取、形态量化核心指标提取、基于Pix2Pix算法的建筑群形态生成模型训练、建筑群平面图像生成、基于OpenCV的建筑群形态生成五个步骤。本发明目的在于通过构建建筑群空间形态类型数据库与基于Pix2Pix的建筑群形态智能生成方法，实现了短时间内地块尺度商业类建筑群布局形态多方案的自动生成。解决了设计师画图劳动机械重复周期长的问题，为建筑群形态设计实践提供技术支持。

本发明授权一种基于图像学习的商业类建筑群自动建模方法在权利要求书中公布了：1.一种基于图像学习的商业类建筑群自动建模方法，其特征在于，包括以下步骤： 获取并清理目标地区商业类建筑的信息数据；基于地块形态、建筑二维和建筑三维建立地块尺度商业类建筑群形态的核心指标；从建筑数据中提取对应核心指标的数据构成I~； 基于核心指标库I~使用两步聚类法实现形态相似样本的划分归并，构建建筑群类别库C~；对核心指标库I~中的指标进行区间划分并将属性附加给建筑群类别库C~；定义网络结构，使用Pix2pix深度卷积神经网络模型迭代训练，构建建筑群的平面图像生成的生成算法模型库G~； 基于建筑群类别库C~确定设计地块轮廓的建筑群类别，并将设计地块轮廓数据输入算法模型库G~，生成地块建筑群平面形态图； 从地块建筑群平面形态图获取地块边界矢量数据和包含建筑高度信息的建筑边界矢量数据；基于地块边界矢量数据和建筑边界矢量数据构建目标地区商业类建筑的设计地块建筑群方案的三维模型； 所述基于地块形态、建筑二维和建筑三维建立地块尺度商业类建筑群形态的核心指标包括以下步骤： 地块形态量化方面，选择地块周长PER、地块面积BLA、地块形状指数BLS作为量化地块特征的核心指标； 其中，地块周长PER、地块面积BLA使用地理信息平台作为数据清洗的工作平台统计得出，地块形状指数BLS是地块周长与相同面积的正方形的周长比值，计算公式如下： 二维形态量化方面，选择建筑密度BD、建筑基底平均面积ABA、建筑基底面积差异度DBA、建筑基底平均形状指数ASH、建筑基底形状差异度DSH、建筑个数BN、分散度DR作为度量指标刻画建筑群体二维平面形态； 其中，建筑密度BD是建筑投影面积之和与建筑用地面积之比，计算公式如下： 其中为地块内所有建筑基底面积之和； 建筑基底平均面积ABA是所有地块内建筑基底面积的平均值，计算公式如下： 建筑基底面积差异度DBA是所有地块基底面积的标准差，计算公式为： 分散度DR是建筑数量与用地面积和建筑体积差异度之积的比值，计算公式如下： 其中DTBA是建筑体积差异度； 建筑基底平均形状指数ASH是地块内所有建筑基底形状指数的平均值，计算公式如下： 其中是建筑基底形状指数； 建筑基底形状差异度DSH是地块内任一建筑基底形状指数的标准差，计算公式如下： 三维形态量化方面，选取容积率FAR、建筑平均容量ATBA、建筑容量差异度DTBA、建筑平均高度ABH、错落度DBH作为度量指标刻画建筑群体三维立体形态； 其中，容积率FAR是指地块内建筑面积总和与地块面积的比值，计算公式如下： 其中为地块内所有建筑基底面积之和；其中TBA是建筑体积； 建筑平均容量ATBA为地块内所有建筑体积的平均值，计算公式如下： 建筑体积差异DTBA为地块内任一建筑体积的标准差，计算公式如下： 建筑平均高度ABH为地块内所有建筑高度的平均值，计算公式如下： 错落度DBH为地块内任一建筑高度的标准差，计算公式如下： 其中BHi为建筑高度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。