CN109359366B - 一种机电标识的自动识别方法、装置、设备及存储介质 - Google Patents
一种机电标识的自动识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109359366B CN109359366B CN201811160151.8A CN201811160151A CN109359366B CN 109359366 B CN109359366 B CN 109359366B CN 201811160151 A CN201811160151 A CN 201811160151A CN 109359366 B CN109359366 B CN 109359366B
- Authority
- CN
- China
- Prior art keywords
- electromechanical
- identification
- graphs
- identifications
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013461 design Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims 4
- 230000002349 favourable effect Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例公开了一种机电标识的自动识别方法、装置、设备及计算机可读存储介质。其中,方法包括将待识别设计图中选择包含机电预埋的子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,生成待识别机电标识特征;根据待识别机电标识特征在机电标识库中匹配相应的机电标识,从而实现自动识别待识别设计图的机电标识类别。本申请通过对设计图中机电标识的种类自动识别为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确将各子设计图形成总设计图,实现设计图的规范化,提升工作效率。
Description
技术领域
本发明实施例涉及建筑工程项目技术领域,特别是涉及一种机电标识的自动识别方法、装置、设备及计算机可读存储介质。
背景技术
随着建筑工程行业的发展,传统建筑的现浇方式,由于工序繁琐、人工需求大、管理混乱、资源浪费、噪音大、工期较长、建筑质量不可控,导致建筑质量问题较多。而装配式建筑方式,即将设计-制造-装配(施工)一体化,可有效的避免上述问题,广泛应用于建筑行业。
在装配式建筑形成工艺设计图时,由于时间周期或者项目本身性质问题(不同类型的部分,例如预留预埋、外轮廓、外墙等),一个项目可能会分成多个部分,各个部分由不同的设计院绘制设计图。
机电预埋在各个部分的设计图均会存在,而各个设计院对于机电预埋的标识可能不一致,导致在将各个设计图形成总设计图时,同一类型的机电预埋会有多种不同风格样式的标识。
发明内容
本发明实施例的目的是提供一种机电标识的自动识别方法、装置、设备及计算机可读存储介质,自动识别设计图中的各机电标识类型,为不同设计院的协同工作提供机电预埋的基础。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种机电标识的自动识别方法,包括:
从待识别设计图中选择包含机电预埋的子图块;
将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;
根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征;
根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别所述待识别设计图的机电标识类别;
其中,所述机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征。
可选的,所述根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征包括:
从各目标图形中选择多个闭合目标图形,并计算各类闭合目标图形的数量;
从各目标图形中确定长度最长的直线,并记录与所述直线平行和垂直方向上的线段,和各闭合目标图形的交点个数;
判断所述直线分别与其非平行方向和非垂直方向上的线段的空间关系并计算二者的距离;
根据各类闭合目标图形的数量、所述交点个数、所述空间关系和相应距离生成所述待识别机电标识特征。
可选的,所述从中选择多类满足预设条件的目标图形包括:
从各图形中选取矩形、圆形、半圆形和长度最长的直线,作为目标图形。
可选的,所述将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形包括:
将所述子图块中的所有线段转化为直线,并将各直线的首尾相连,得到多个形状的图形。
可选的,所述根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识之后,还包括:
统计同一类型的不同样式的机电标识出现的次数;
为所述机电标识库各个样式的机电标识对设置权重值,所述权重值随着出现次数的增多而增大;
将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
可选的,所述根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识包括:
依次计算所述机电标识库中各机电标识特征和所述待识别机电标识特征之间的相似度;
对所述机电标识库中每个机电标识特征,判断所述待识别机电标识特征与当前机电标识特征的相似度是否超过预设相似度阈值;
若是,则所述当前机电标识特征对应的机电标识所属类别为所述子图块的机电标识类别。
本发明实施例另一方面提供了一种机电标识的自动识别装置,包括:
机电预埋图块选择模块,用于从待识别设计图中选择包含机电预埋的子图块;
线段处理模块,用于将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;
机电标识特征生成模块,用于根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征;
机电标识识别模块,用于根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别所述待识别设计图的机电标识类别;所述机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征。
可选的,还包括高使用度机电标识库生成模块,所述高使用度机电标识库生成模块包括:
次数统计子模块,用于统计同一类型的不同样式的机电标识出现的次数;
权重值设置子模块,用于为所述机电标识库各个样式的机电标识对设置权重值,所述权重值随着出现次数的增多而增大;
机电标识样式删除子模块,用于将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
本发明实施例还提供了一种机电标识的自动识别设备,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如前任一项所述机电标识的自动识别方法的步骤。
本发明实施例最后还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有机电标识的自动识别程序,所述机电标识的自动识别程序被处理器执行时实现如前任一项所述机电标识的自动识别方法的步骤。
本发明实施例提供了一种机电标识的自动识别方法,将待识别设计图中选择包含机电预埋的子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,生成待识别机电标识特征;根据待识别机电标识特征在机电标识库中匹配相应的机电标识,从而实现自动识别待识别设计图的机电标识类别。
本申请提供的技术方案的优点在于,通过对设计图中的机电预埋的图块的机电标识样式进行分析得到相对应的机电标识特征,通过比较机电标识库中各样式机电标识特征的相似度来确定其所属类别,实现了对设计图中机电标识的种类的自动识别,为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确、标准将各子设计图形成总设计图,还有利于实现设计图的规范化,进而提升工作效率。
此外,本发明实施例还针对机电标识的自动识别方法提供了相应的实现装置、设备及计算机可读存储介质,进一步使得所述方法更具有实用性,所述装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种机电标识的自动识别方法的流程示意图;
图2为本发明实施例提供的另一种机电标识的自动识别方法的流程示意图;
图3为本发明实施例提供的机电标识的自动识别装置的一种具体实施方式结构图;
图4为本发明实施例提供的机电标识的自动识别装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种机电标识的自动识别方法的流程示意图,本发明实施例可包括以下内容:
S101:从待识别设计图中选择包含机电预埋的子图块。
从建筑项目的设计图中找出包含机电预埋的图像块,为了方便后续操作,提高机电标识识别的准确度和效率,一般一个图像块只有一个机电预埋。
具体的,如何从设计图中将包含机电预埋的图像块选择出来,可参见现有技术中任何一种从原始图像中截取目标图像块的图像处理方法,本领域技术人员可根据实际需求选择任何一种可实现的方法,本申请对此不做任何限定。
S102:将子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形。
线段处理规则可为直线化处理,也即将子图块中的所有线段(包括子图块中的曲线)均转化为直线,然后将各直线的两两首尾相连,形成曲线或者连接为直线,得到多个形状的图形。这多个图形中必然包括闭合曲线图形(起点终点相同的图形),也包含半封闭图形,还可包括由多条直线连接起来的长直线段。
可从各图形中选取矩形、圆形、半圆形和长度最长的直线,作为目标图形。对各目标图像的选择过程可通过下述方式:
针对矩形,可对每个闭合图形依次判断,对每个闭合图形,先找该图形中的最长线段,然后在计算其与相连接的其他两条线段的角度,若角度在预设误差之内为近似直角且线段数量误差在预设范围内,则认为当前的闭合图形为矩形。
针对半圆,可对每个闭合图形依次判断,对每个闭合图形,先找该图形中的最长线段,若最长线段的中点与其它线端点距离相似,即在预设范围内(例如10%),则认为当前的闭合图形为半圆。
针对整圆,对每个闭合图形,把所有曲线的端点坐标进行平均取值,得到中点,若中心点与所有端点距离相似在预设范围内,且以中心点为中心构成的图形为整圆。
S103:根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征。
目标图形间的空间关系可为各目标图形之间的几何位置关系(例如相交、平行、垂直、包含关系或被包含关系)、线段间的距离、目标图形间的焦点等。
根据各类目标图形的数量及各目标图形间的空间关系形成字段规则,字段规则也即记录这些数据的字符,作为待识别机电标识特征。
当然,也可对每个指标(各指标即为上述统计的一些数据)设置一个权重值,例如矩形个数为1个得分为4分,将各指标对应的权重值相加求和得到的值作为待识别机电标识特征。
当然,也可使用其他可以反映各类目标图形的数量及各目标图形间的空间关系的形式进行表示以形成待识别机电标识特征,这均不影响本申请的实现。
S104:根据待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别待识别设计图的机电标识类别。
机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征。
对机电标识库中的每个样式的机电标识利用S 102-S103的方法计算得到其对应的机电标识特征。
机电标识库中的机电标识可为二维矢量图,也可为三维矢量图,这些机电标识均为业内常用的一些机电标识的样式,也即对每类机电标识,均对应多种样式的机电标识。
在本发明实施例提供的技术方案中,通过对设计图中的机电预埋的图块的机电标识样式进行分析得到相对应的机电标识特征,通过比较机电标识库中各样式机电标识特征的相似度来确定其所属类别,实现了对设计图中机电标识的种类的自动识别,为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确、标准将各子设计图形成总设计图,还有利于实现设计图的规范化,进而提升工作效率。
在一种具体的实施方式中,根据图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,生成待识别机电标识特征的步骤可包括:
从各目标图形中选择多个闭合目标图形,并计算各类闭合目标图形的数量;
从各目标图形中确定长度最长的直线,并记录与直线平行和垂直方向上的线段,和各闭合目标图形的交点个数;
判断直线分别与其非平行方向和非垂直方向上的线段的空间关系并计算二者的距离;
根据各类闭合目标图形的数量、交点个数、空间关系和相应距离生成待识别机电标识特征。
其中,最长直线时指在步骤102得到的所有形状中,从这些形状中选择直线段,在从所有直线段中选择长度最长的那条直线,即为上述实施例中的直线。
以矩形、圆形和半圆形、最长直线为例,首先记录矩形、圆形和半圆形的数量,也即步骤102得到的所有形状中,矩形有多少个,圆有多少个,半圆有多少个。然后将半圆和圆的包含关系计算出来,判断多少个半圆是在圆内;找出最长直线对应的平行线和垂直线,并记录直线与圆形、半圆、矩形的所有交点;确定最长直线的所有非垂直方向非平行线,判断这些线与最长直线的上下空间关系以及计算二者之间距离。
在另外一种具体实施方式中,根据待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识的具体过程可包括:
依次计算机电标识库中各机电标识特征和待识别机电标识特征之间的相似度;
对机电标识库中每个机电标识特征,判断待识别机电标识特征与当前机电标识特征的相似度是否超过预设相似度阈值;
若是,则当前机电标识特征对应的机电标识所属类别为子图块的机电标识类别。
相似度阈值(例如95%)可为经过多次试验或者凭经验所确定的一个数值,超过这个数值,认为相互比较的两个具有极高的相似性,也就是同属一个类别。
例如,当机电标识特征用打分制得到,那么在机电标识库中的机电标识特征的分数值与待识别机电标识特征的分数值最接近的那个就是同属一个类别的机电标识,举例来说,待识别机电标识特征为85分,机电标识库中的第一机电标识特征的分数值为80分,第二机电标识特征的分数值为84分,第三机电标识特征的分数值为84.8分、第四机电标识特征的分数值为86分,那么可认为第三机电标识特征对应的机电标识的类别即为子图块中机电标识的类别。
当在机电标识库中超过相似度阈值的机电标识特征个数超过1个时,可将所有的机电标识特征对应类型均输出,当然,也可由相关工作人员进行确认,从中选择准确的类型,以作为待识别机电标识特征对应机电标识的类别。
为了进一步提升机电标识识别的准确度,在自动识别机电标识类型并输出相对应的类型时,还可预先设置检验时间(预设时长),用于在工作人员或者确认输出的类型是否准确,在这个检验时间内可实时接收用户反馈的识别错误信息,如果在预设时长内接收到用户反馈的识别错误信息;则根据待识别机电标识特征在机电标识库中二次匹配相应的目标机电标识,并输出二次匹配得到的机电标识的类型。
基于上述实施例,请参阅图2,还可包括以下内容:
S105:统计同一类型的不同样式的机电标识出现的次数。
可通过调研,或者是搜集大量历史数据进行分析得到。
S106:为机电标识库各个样式的机电标识对设置权重值。
权重值随着出现次数的增多而增大,也即用的次数越多,权重值也就越大。
S107:将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
例如,可将权重值低于10%的机电标识的样式删除。
由于同一类的机电标识有多个不同的样式,各个设计院或各个设计人员有不同的偏好,为了提高机电标识识别的效率,降低识别过程要比对的数据,可进一步的将使用度最多的一些机电标识有限进行比对,也即可建立高使用度机电标识库,该库中的机电标识的样式均为常用的一些样式,而对于比较冷门或者是不常用的机电标识样式可以删除,也可以另外创建一个子数据库,当在高使用度机电标识库中无法匹配得到相对应的机电标识后,可在这个子数据库中进行匹配。此外,如果当前子图块中的机电预埋的机电标识的样式不属于机电标识库,可进行人工识别,并将识别后的机电标识样式及相对应的机电识别标识特征加入在机电标识库中,优选的,可作为子数据加入至机电标识库中相对应的类别的数据库中,举例来说,机电标识库可建立多个级别,第一级别为电标识,第二级别为电标识中的开关标识,第三级即为各种各样的开关标识,那么可作为第三级数据将其加入在第二级别下。
由上可知,通过创建高使用度机电标识库,可进一步提升机电标识的准确度和识别效率。
本发明实施例还针对机电标识的自动识别方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的机电标识的自动识别装置进行介绍,下文描述的机电标识的自动识别装置与上文描述的机电标识的自动识别方法可相互对应参照。
参见图3,图3为本发明实施例提供的机电标识的自动识别装置在一种具体实施方式下的结构图,该装置可包括:
机电预埋图块选择模块301,用于从待识别设计图中选择包含机电预埋的子图块;
线段处理模块302,用于将子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;
机电标识特征生成模块303,用于根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征;
机电标识识别模块304,用于根据待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别待识别设计图的机电标识类别;机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征。
可选的,在本实施例的一些实施方式中,所述机电标识特征生成模块303可包括:
闭合图形数量统计子模块,用于从各目标图形中选择多个闭合目标图形,并计算各类闭合目标图形的数量;
闭合图形与直线的交点个数计算子模块,用于从各目标图形中确定长度最长的直线,并记录与直线平行和垂直方向上的线段,和各闭合目标图形的交点个数;
直线间的空间位置关系计算模块,用于判断直线分别与其非平行方向和非垂直方向上的线段的空间关系并计算二者的距离;
特征生成子模块,用于根据各类闭合目标图形的数量、交点个数、空间关系和相应距离生成待识别机电标识特征。
此外,所述线段处理模块302可为将子图块中的所有线段转化为直线,并将各直线的首尾相连,得到多个形状的图形的模块。
所述线段处理模块302还可为从各图形中选取矩形、圆形、半圆形和长度最长的直线,作为目标图形的模块。
在另外一些实施方式中,所述机电标识识别模块304具体可包括:
相似度计算子模块,用于依次计算机电标识库中各机电标识特征和待识别机电标识特征之间的相似度;
特征比对子模块,用于对机电标识库中每个机电标识特征,判断待识别机电标识特征与当前机电标识特征的相似度是否超过预设相似度阈值;
特征识别子模块,用于待识别机电标识特征与当前机电标识特征的相似度超过预设相似度阈值,则当前机电标识特征对应的机电标识所属类别为子图块的机电标识类别。
可选的,在本实施例的一些实施方式中,请参阅图4,所述装置例如还可以包括高使用度机电标识库生成模块305,所述高使用度机电标识库生成模块305具体可包括:
次数统计子模块,用于统计同一类型的不同样式的机电标识出现的次数;
权重值设置子模块,用于为机电标识库各个样式的机电标识对设置权重值,权重值随着出现次数的增多而增大;
机电标识样式删除子模块,用于将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
本发明实施例所述机电标识的自动识别装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例通过对设计图中机电标识的种类自动识别为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确将各子设计图形成总设计图,实现设计图的规范化,提升工作效率。
本发明实施例还提供了一种机电标识的自动识别设备,具体可包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如上任意一实施例所述机电标识的自动识别方法的步骤。
本发明实施例所述机电标识的自动识别设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例通过对设计图中机电标识的种类自动识别为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确将各子设计图形成总设计图,实现设计图的规范化,提升工作效率。
本发明实施例还提供了一种计算机可读存储介质,存储有机电标识的自动识别程序,所述机电标识的自动识别程序被处理器执行时如上任意一实施例所述机电标识的自动识别方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例通过对设计图中机电标识的种类自动识别为不同设计院的协同工作提供机电预埋的基础,有利于快速、准确将各子设计图形成总设计图,实现设计图的规范化,提升工作效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种机电标识的自动识别方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种机电标识的自动识别方法,其特征在于,包括:
从待识别设计图中选择包含机电预埋的子图块;
将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;
根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征;
根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别所述待识别设计图的机电标识类别;
其中,所述机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征;
其中,所述根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征包括:
从各目标图形中选择多个闭合目标图形,并计算各类闭合目标图形的数量;从各目标图形中确定长度最长的直线,并记录与所述直线平行和垂直方向上的线段,和各闭合目标图形的交点个数;判断所述直线分别与其非平行方向和非垂直方向上的线段的空间关系并计算二者的距离;根据各类闭合目标图形的数量、所述交点个数、所述空间关系和相应距离生成所述待识别机电标识特征;
其中,将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形包括:将所述子图块中的所有线段转化为直线,并将各直线的首尾相连,得到多个形状的图形;
其中,所述根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识包括:
依次计算所述机电标识库中各机电标识特征和所述待识别机电标识特征之间的相似度;对所述机电标识库中每个机电标识特征,判断所述待识别机电标识特征与当前机电标识特征的相似度是否超过预设相似度阈值;若是,则所述当前机电标识特征对应的机电标识所属类别为所述子图块的机电标识类别。
2.根据权利要求1所述的机电标识的自动识别方法,其特征在于,所述从中选择多类满足预设条件的目标图形包括:
从各图形中选取矩形、圆形、半圆形和长度最长的直线,作为目标图形。
3.根据权利要求1或2所述的机电标识的自动识别方法,其特征在于,所述根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识之后,还包括:
统计同一类型的不同样式的机电标识出现的次数;
为所述机电标识库各个样式的机电标识对设置权重值,所述权重值随着出现次数的增多而增大;
将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
4.一种机电标识的自动识别装置,其特征在于,包括:
机电预埋图块选择模块,用于从待识别设计图中选择包含机电预埋的子图块;
线段处理模块,用于将所述子图块中的线段按照预先设置的线段处理规则进行处理,得到多个形状的图形,并从中选择多类满足预设条件的目标图形;
机电标识特征生成模块,用于根据预设设置的图形关系分析规则,统计各类目标图形的数量及各目标图形间的空间关系,以用于生成待识别机电标识特征;
机电标识识别模块,用于根据所述待识别机电标识特征在预先构建的机电标识库中匹配相应的机电标识,以实现自动识别所述待识别设计图的机电标识类别;所述机电标识库包括多类机电标识,每类机电标识包含多种样式的机电标识与其相对应的机电标识特征;
其中,所述线段处理模块进一步用于:将所述子图块中的所有线段转化为直线,并将各直线的首尾相连,得到多个形状的图形;
其中,所述机电标识特征生成模块进一步用于:从各目标图形中选择多个闭合目标图形,并计算各类闭合目标图形的数量;从各目标图形中确定长度最长的直线,并记录与所述直线平行和垂直方向上的线段,和各闭合目标图形的交点个数;判断所述直线分别与其非平行方向和非垂直方向上的线段的空间关系并计算二者的距离;根据各类闭合目标图形的数量、所述交点个数、所述空间关系和相应距离生成所述待识别机电标识特征;
其中,所述机电标识识别模块进一步用于:依次计算所述机电标识库中各机电标识特征和所述待识别机电标识特征之间的相似度;对所述机电标识库中每个机电标识特征,判断所述待识别机电标识特征与当前机电标识特征的相似度是否超过预设相似度阈值;若是,则所述当前机电标识特征对应的机电标识所属类别为所述子图块的机电标识类别。
5.根据权利要求4所述的机电标识的自动识别装置,其特征在于,还包括高使用度机电标识库生成模块,所述高使用度机电标识库生成模块包括:
次数统计子模块,用于统计同一类型的不同样式的机电标识出现的次数;
权重值设置子模块,用于为所述机电标识库各个样式的机电标识对设置权重值,所述权重值随着出现次数的增多而增大;
机电标识样式删除子模块,用于将权重值低于预设阈值的机电标识删除,生成高使用度机电标识库。
6.一种机电标识的自动识别设备,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至3任一项所述机电标识的自动识别方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有机电标识的自动识别程序,所述机电标识的自动识别程序被处理器执行时实现如权利要求1至3任一项所述机电标识的自动识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811160151.8A CN109359366B (zh) | 2018-09-30 | 2018-09-30 | 一种机电标识的自动识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811160151.8A CN109359366B (zh) | 2018-09-30 | 2018-09-30 | 一种机电标识的自动识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109359366A CN109359366A (zh) | 2019-02-19 |
CN109359366B true CN109359366B (zh) | 2022-11-15 |
Family
ID=65348652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811160151.8A Active CN109359366B (zh) | 2018-09-30 | 2018-09-30 | 一种机电标识的自动识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359366B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111752557A (zh) * | 2019-03-27 | 2020-10-09 | 阿里巴巴集团控股有限公司 | 一种展示方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005346467A (ja) * | 2004-06-03 | 2005-12-15 | Nintendo Co Ltd | 図形認識プログラム |
CN103246951A (zh) * | 2012-12-11 | 2013-08-14 | 中建三局第一建设工程有限责任公司 | 基于bim的机电设备智能管理系统和方法 |
CN107748951A (zh) * | 2017-09-26 | 2018-03-02 | 中国建筑第八工程局有限公司 | 基于bim的建筑工程施工质量验收方法及系统 |
CN108256578B (zh) * | 2018-01-18 | 2022-04-19 | 广东工业大学 | 一种灰度图像的识别方法、装置、设备及可读存储介质 |
-
2018
- 2018-09-30 CN CN201811160151.8A patent/CN109359366B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109359366A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344900B (zh) | 一种构件识别方法、装置、设备及计算机可读存储介质 | |
CN110472534A (zh) | 基于rgb-d数据的3d目标检测方法、装置、设备和存储介质 | |
JP5798632B2 (ja) | 現場管理方法および現場管理装置 | |
CN111680681B (zh) | 排除非正常识别目标的图像后处理方法及系统及计数方法 | |
CN109359366B (zh) | 一种机电标识的自动识别方法、装置、设备及存储介质 | |
CN109658415B (zh) | 一种图纸分割方法、电子设备以及存储介质 | |
CN112749894A (zh) | 一种缺陷检测模型评价方法以及装置 | |
CN116740060A (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
JP6800178B2 (ja) | 設備情報処理装置、設備情報処理方法及びプログラム | |
CN112561989A (zh) | 一种建造场景下吊装对象的识别方法 | |
CN106022183B (zh) | 维保电梯的识别方法 | |
CN116343254A (zh) | 剖面图识别方法、装置、电子设备和存储介质 | |
CN115758738A (zh) | 交通事故仿真测试方法、数据格式转换方法、系统、设备及计算机可读存储介质 | |
CN111679991B (zh) | 一种利用大数据生成测试用例的方法及系统 | |
CN114444185A (zh) | 原位标注的识别方法、装置及电子设备 | |
JP2021182243A (ja) | 画像判定装置、方法、及びプログラム | |
CN113077179A (zh) | 一种车辆虚假索赔识别方法、系统、设备及存储介质 | |
CN112598059A (zh) | 一种工人着装检测方法、装置、存储介质及电子设备 | |
CN117197730B (zh) | 一种城市空间畸变图像的修复评估方法 | |
CN115880442B (zh) | 一种基于激光扫描的三维模型重建方法以及系统 | |
CN115127856B (zh) | 一种混凝土试块抗压试验机器人取样识别的方法及装置 | |
CN117520526B (zh) | 一种人工智能的对话方法及系统 | |
CN117472885B (zh) | 一种用于区域边界内企业信息统计的方法及系统 | |
CN116881386B (zh) | 一种空间环境时空基准模型的构建方法及系统 | |
CN116596411B (zh) | 一种结合两票检测的生产安全评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |