基于光栅化平面图样的立体仓库数字孪生参数化建模方法*

doi:10.16731/j.cnki.1671-3133.2026.08.010

现代制造工程 ›› 2026, Vol. 551 ›› Issue (8): 75-83.doi: 10.16731/j.cnki.1671-3133.2026.08.010

• CAD/CAE/CAPP/CAM • 上一篇下一篇

基于光栅化平面图样的立体仓库数字孪生参数化建模方法^*

束搏¹, 王竹²

1 山东协和学院,济南 250107;
2 南京沙鸥信息科技有限公司,南京 210003

收稿日期:2025-12-15 出版日期:2026-08-18 发布日期:2026-09-01
通讯作者: 束搏,博士,副教授,主要研究方向为计算机图形学、计算机视觉。E-mail:shubo@sdxiehe.edu.cn
作者简介:王竹,硕士,主要研究方向为计算机图形学、虚拟现实。
基金资助:
^*山东协和学院高层次人才科研基金项目(SDXHQD2025028)

A parametric modeling method for digital twins of automated warehouses based on rasterized drawings

SHU Bo¹, WANG Zhu²

1 Shandong Xiehe University,Jinan 250107,China;
2 Shevor Information Technology Co.,Ltd.,Nanjing 210003,China

Received:2025-12-15 Online:2026-08-18 Published:2026-09-01

摘要/Abstract

摘要： 立体仓库的数字孪生需要基于三维模型,而目前三维模型的建模方式主要通过手工建模,其效率低、成本高。光栅化平面图样具有易于生成与传播的优势,实现了一种基于光栅化平面图样的自动三维建模方法。通过使用基于双重模板检测算法的货架检测、基于YOLOv11算法的搬运设备检测和基于Hough变换算法的轨道检测,结合基于密度的带噪声应用空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的聚类算法,并使用基于零件库几何变换与拼装的参数化建模方法,实现了从光栅化平面图样到结构化语义信息,并最终生成参数化的三维模型,由于生成的三维模型包含结构化语义信息,可将其应用于数字孪生、动画仿真等方面。

关键词: 矢量图样, 立体仓库, 参数化建模, 数字孪生

Abstract: Digital twins of automated warehouses must be built on 3D models,but today these models are still created manually,which is slow and expensive. Rasterized drawings are easy to generate and share. It present an automatic 3D modeling pipeline that based on rasterized drawings,including a dual-template detector locates storage racks,a YOLOv11 neural network detects vehicles,a hough transform based track detection algorithm,and a DBSCAN clustering method to analyze structure information. These detected components are then matched against a parts library and turned into parametric models by geometry transform and assembly,then the final 3D models with rich semantic information is ready for digital-twin or animation and simulation tasks.

Key words: rasterized drawing, automated warehouse, parametric modeling, digital twins

中图分类号:

TP391.9

束搏, 王竹. 基于光栅化平面图样的立体仓库数字孪生参数化建模方法^*[J]. 现代制造工程, 2026, 551(8): 75-83.

SHU Bo, WANG Zhu. A parametric modeling method for digital twins of automated warehouses based on rasterized drawings[J]. Modern Manufacturing Engineering, 2026, 551(8): 75-83.

参考文献

[1] 刘大同,郭凯,王本宽,等. 数字孪生技术综述与展望[J]. 仪器仪表学报,2018,39(11):1-10
[2] 陈旺,马强,刘治红. 基于数字孪生的车间生产数据感知方法设计及实现[J]. 现代制造工程,2024(7):49-60. DOI:10.16731/j.cnki.1671-3133.2024.07.007.
[3] YAZED M S M,SHAUBARI E F A,YAP M H. A review of neural network approach on engineering drawing recognition and future directions[J]. JOIV:International Journal on Inform-atics Visualization,2023,7(4):2513-2522.
[4] OR S,WONG K H,YU Y,et al. Highly automatic approach to architectural floorplan image understanding & model generation[C]//Proceedings of Vision, Modeling and Visualization. Erlangen Germany: IOS Press, 2025.
[5] SHARMA D,CHATTOPADHYAY C,HARIT G. A unified framework for semantic matching of architectural floorplans[C]//2016 23rd international conference on pattern recognition (ICPR). Cancun, Mexico:IEEE,2016.
[6] ZHU R,SHEN J,DENG X,et al. Training strategies for cnn-based models to parse complex floor plans[C]//Proceedings of the 2020 9th International Conference on Software and Computer Applications. New York, NY, USA:Association for Computing Machinery, 2020.
[7] JUNG M,GIM M,YANG S. Analysis of the floor plan dataset with YOLO v5[J]. Journal of the Korean Society for Industrial and Applied Mathematics,2023,27(4):311-323.
[8] ZHENG Z,LI J,ZHU L,et al. GAT-CADNet:Graph attention network for panoptic symbol spotting in CAD drawings[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. Cham: Springer, 2022.
[9] FAN Z,CHEN T,WANG P,et al. Cadtransformer:Panoptic symbol spotting transformer for cad drawings[C]//Proceed-ings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New Orleans, LA, USA: IEEE, 2022.
[10] 李建勋,李明万,信婷婷. 面向数字孪生的物流仓储管理系统设计与开发[J]. 现代制造工程,2025(5):34-41,72.
[11] XIANG J,LV Z,XU S,et al. Structured 3d latents for scalable and versatile 3d generation[C]//Proceedings of the Computer Vision and Pattern Recognition Conference. Nashville, TN, USA: IEEE, 2025.
[12] LI Y,ZOU Z X,LIU Z,et al. Triposg:High-fidelity 3d shape synthesis using large-scale rectified flow models[J]. arXiv preprint arXiv:2502.06608,2025.
[13] 杨彬,杨春贺,肖建庄,等. 基于BIM的装配式建筑施工场地布置及优化技术[J]. 建筑结构,2019,49(S1):921-925.
[14] 闫泽文,王子庠,闫伟文,等. 基于BIM技术的古建筑典型构件参数化建模方法研究[J]. 武汉大学学报(工学版),2020,53(S1):323-329.
[15] RUBLEE E,RABAUD V,KONOLIGE K,et al. ORB:An efficient alternative to SIFT or SURF[C]//2011 International conference on computer vision. Barcelona, Spain: IEEE, 2011.
[16] WU K. Creating panoramic images using ORB feature detection and RANSAC-based image alignment[J]. Advances in Computer and Communication,2023,4(4):220-224.
[17] ESTER M,KRIEGEL H P,SANDER J,et al. A density-based algorithm for discovering clusters in large spatial databases with noise[C]//kdd. Portland, OR, USA: AAAI Press, 1996.
[18] REDMON J,DIVVALA S,GIRSHICK R,et al. You only look once:Unified,real-time object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. Las Vegas, NV, USA: IEEE, 2016.

基于光栅化平面图样的立体仓库数字孪生参数化建模方法^*

A parametric modeling method for digital twins of automated warehouses based on rasterized drawings

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	李东宣, 孙文磊, 李品文, 刘爱田, 陈俊, 毕士海. 基于混合现实与数字孪生的工业机器人虚拟示教系统设计^*[J]. 现代制造工程, 2026, 549(6): 21-31.
[2]	王海燕, 周俊宏, 王涛, 沈春杨, 钟良, 曾志. 基于数字孪生的新能源张力机关键部件的优化^*[J]. 现代制造工程, 2026, 547(4): 29-36.
[3]	杨美观, 唐宏宾, 王红宇, 任广安. 液压机械臂数字孪生建模方法^*[J]. 现代制造工程, 2026, 544(1): 38-47.
[4]	宋世杰, 孙文磊, 张学东, 姜任奔, 李品文, 郎双曼. 基于数字孪生和标识解析的特种变压器制造车间协同智能物料配送方法研究^*[J]. 现代制造工程, 2025, 537(6): 45-57.
[5]	李建勋, 李明万, 信婷婷. 面向数字孪生的物流仓储管理系统设计与开发^*[J]. 现代制造工程, 2025, 536(5): 34-41.
[6]	李颖, 朱志松. 扑翼飞行器数字孪生交互系统的研究与实现^*[J]. 现代制造工程, 2025, 535(4): 53-60.
[7]	刘亮, 贺禹铭, 祁思远. 基于数字孪生仿真的柔性作业车间调度优化研究^*[J]. 现代制造工程, 2025, 534(3): 41-51.
[8]	师素双, 李云风, 黄天一, 孙乐天, 张浩. 基于数字孪生的转子系统状态在线监控方法研究^*[J]. 现代制造工程, 2025, 533(2): 109-120.
[9]	王林森, 王存堂, 王海霞, 刘庆升, 李东亚, 陈鑫, 刘润, 牛首印. 基于数字孪生的自动贴标设备开发及应用^*[J]. 现代制造工程, 2025, 542(11): 9-20.
[10]	阴艳超, 曾晋东, 唐军, 梁敏. 基于数字孪生的流程生产过程质量自适应预测方法[J]. 现代制造工程, 2025, 541(10): 35-46.
[11]	李云风, 姚爽, 师素双, 师占群. 面向轴承圈数字孪生几何模型的检测线测量方法[J]. 现代制造工程, 2025, 541(10): 106-113.
[12]	李云风, 师素双, 姚爽, 师占群. 轴承圈尺寸检测线虚拟调试不同步问题研究^*[J]. 现代制造工程, 2025, 532(1): 15-22.
[13]	陈旺, 马强, 刘治红. 基于数字孪生的车间生产数据感知方法设计及实现^*[J]. 现代制造工程, 2024, 526(7): 49-60.
[14]	郑苏芮, 杨德生, 张昕, 杜贤震, 李家鹏. 数字孪生驱动的堆垛机模型可视化设计与实现^*[J]. 现代制造工程, 2024, 526(7): 109-116.
[15]	吴小超, 王维佳, 李家喜, 王宁, 万年彬. 基于混合现实的数字孪生车间调度智能管理系统设计与实现[J]. 现代制造工程, 2024, 525(6): 36-48.