工程图识别和三维重建是图形识别与 CAD 领域的研究热点，具有重要的理论意义和应用价值。本文总结现有的工程图识别方法及其在处理建筑工程图时的局限性；在此基础上，对建筑工程图的识别与重建方法进行了深入与系统的研究。 由于建筑图的特殊性和艺术性，以往研究工作较少，仅有的研究集中于建筑工程图中基本图形元素识别（直线段、弧、圆、文字）及简单建筑符号识别（如等宽线条围成的门、窗、房间等）。本文提出通过电子工程图识别、理解与三维重建，自动生成具有精确定义和细节描述的建筑物数字模型的新方法，有效推动了建筑行业内除设计以外工序的信息化与自动化水平的提高。这种精确定义的、具有内部细节结构的三维建筑从根本上改变了以往建筑工程图识别和还原的目标及研究方法，使得相关研究工作更具理论意义和应用价值。 在识别方法方面，提出创新的基于轴网、结构语义驱动的层次式自生长全局识别模型（Self-Incremental Axis-Ne-based Hierarchical Recognition model,简称为 SINEHIR 模型）。建筑工程图外在表达上的示意性、内部描述上的多样性、三维信息的分散性，以及局部对环境的依赖性给识别和理解带来困难。许多情况下不可能仅从局部几何描述确定一个构件，因此，必须仿照专业人员读图时将环境、位置等信息作为条件、结构语义作为先验的思路才能正确地识别和理解各种构件。在识别次序上，SINEHIR 对同层二维图按照“建筑符号一尺寸线－柱－墙－梁－板”的次序按序识别，及由下往上逐层生长。在多图整合方法上，SINEHIR 以轴网为基础，结合标高分析生成全局坐标系统。在识别方法上，充分利用领域知识和视觉原理，按照由简单到复杂、由局部到整体的原则，以强化约束条件识别先导建筑构件，从而解决实际建筑工程图图形元素多、入手难的问题；利用先导构件确后续识别的空间和方向，按可能的探测方向在模型约束下完成后继识别，同时利用已识别构件的语义约束削减识别空间，有效排除各种绘图噪音、提高识别率。识别过程被划分为不同层次，因此算法易于实现、图形数据计算量较小。 针对整个建筑三维信息的分散性和示意性，本文提出建筑三维信息渐进式整合与规范化重组的新方法 （Progressive Integration and Normalized Recombination method,简称为 PINR 方法）。建筑三维信息分散度较高，一般一幢建筑由许多张二维图描述，每张二维图可能对应一到多个楼层的某一种构件；同一楼层中的不同建筑构件，如柱、墙、梁、板等，一般分别单独绘制（如柱图、墙图、梁图、板图等），以便清晰地突出表达各种构件各自的结构与定位数据。各图之间只存在逻辑上的对应，物理上则并未被限定。建筑信息还可能分散在不同类型的二维图中，如平面图、立面图、截面图、表格，乃至文字标注和工程经验。各种不同类型的建筑工程图之间有内在的语义关系，精确的三维还原取决于这些内在约束关系的提取和整合。本文提出的建筑三维信息渐进式整合及规范化重组的方法将不同的表达方式、示意性的构件画法、分布在不同二维图中的三维信息进行进行整合和规范化：首先在尺寸线和轴线识别的基础上按语义关系组合轴网，其次对每张图中的多个轴网整合，然后对每一层楼中各张图的轴网进行平面整合，最后对各层整合后的轴网进行空间整合，得到实现建筑物整体三维还原的全局基准坐标系统，并在此基础上还原出精确定义的三维建筑，有效解决了三维信息分散性和示意性带来的难以精确还原问题。