CN109684936B - 一种基于构件与构件之间关系的户型图识别方法 - Google Patents
一种基于构件与构件之间关系的户型图识别方法 Download PDFInfo
- Publication number
- CN109684936B CN109684936B CN201811485771.9A CN201811485771A CN109684936B CN 109684936 B CN109684936 B CN 109684936B CN 201811485771 A CN201811485771 A CN 201811485771A CN 109684936 B CN109684936 B CN 109684936B
- Authority
- CN
- China
- Prior art keywords
- window
- identifying
- sliding door
- basic window
- basic
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于构件与构件之间关系的户型图构件识别方法，构件包括标尺、承重墙、非承重墙、门洞、单开门、双开门、推拉门、普通窗、飘窗和阳台。本发明侧重于探讨各个构件之间的位置依赖关系，用已识别出的构件辅助识别未识别出的构件，可以提高部件识别的正确率，从而实现自动、高效地识别户型图，利用大量户型图片建立户型库，节省大量人力成本。
Description
技术领域
本发明涉及图形学和图像学技术，涉及利用图形学和图像学技术设计算法进行特定构件的检测。
背景技术
随着房地产以及装修行业的发展，积累了大量的户型图，而仅仅有这些户型图，已不能满足公司和用户的需求。户型图识别技术可以把户型图中各个特定构件的位置识别出来，生成结构化的数据，从而可以在装修、设计、三维建模和VR体验上得到广泛应用。
目前，户型图识别严重依赖于人力，要识别户型图上的部件，只能依靠人力进行标注，而人工对像素级别的标注很难做到准确。而简单的图形学和图像学算法并不能准确识别户型图的各个部件。因此，需要一种能够自动、高效的识别户型图构件的方法。
发明内容
发明目的：传统的户型图构件识别方法采用直接识别的方法，忽略构件与构件之间的联系，识别率较低。
在本发明中，其主要的技术目的是识别出户型图中的阳台和飘窗，这两个构件如果按照常规的机器识图时，其图像特征与其它的房间、家具等具有一些的相似性，容易出现识别判定错误的问题。
本发明采用的技术构思是：在户型图识别过程中，先通过图像识别出其中容易被判定且准确率较高的构件，再利用现实中构件与构件之间存在的设计关系，将已经识别出的构件作为基础，通过设计关系逐步确定出未识别的构件，使得整个识别过程将机器识别与人工先验知识相互融合，从整体上提高了识别的准确率和速度。
技术方案是：
一种基于构件与构件之间关系的户型图识别方法，包括如下步骤：
步骤103，识别基础窗户构件；
步骤104，识别推拉门；
步骤105，根据推拉门和基础窗户构件的位置关系识别阳台；
步骤106，根据基础窗户构件和线段的位置关系来识别飘窗。
在一个实施方式中，还包括：步骤100，原始图片二值化。
在一个实施方式中，还包括：步骤101，识别标尺和数字。
在一个实施方式中，还包括：步骤102，识别承重墙和非承重墙。
在一个实施方式中，步骤105中，遍历所有推拉门和基础窗户构件，将推拉门和窗户构件两两组合，如果满足如下条件，则该组合是阳台：①该基础窗户构件和该推拉门所处的平面朝向一致；②基础窗户构件所在的平面与推拉门所在的平面之间的距离少于设定的阈值；③基础窗户构件的中心与推拉门的中心在它们所在平面上的投影之间的距离少于1/4个窗户构件长度。
在一个实施方式中，步骤106中，先把步骤105中识别出的阳台对应的基础窗户构件删除。
在一个实施方式中，步骤106中，将基础窗户构件和所有与这个基础窗户构件的长边平行且长度相同的线段两两组合，满足如下条件的组合就是飘窗：①线段距离基础窗户构件长边的垂直距离在设定的阈值范围内；②线段的两端与基础窗户长边的两端都有线段相连。
一种基于构件与构件之间关系的户型图识别装置，包括：
识别基础窗户构件模块，用于识别基础窗户构件；
识别推拉门模块，用于识别推拉门；
阳台识别模块，用于根据推拉门和基础窗户构件的位置关系识别阳台；
飘窗识别模块，用于根据基础窗户构件和线段的位置关系来识别飘窗。
还包括：二值化处理模块，用于对原始图片二值化处理；
还包括：标尺和数字识别模块，用于识别户型图中的标尺和数字；
还包括：承重墙和非承重墙识别模块，用于识别户型图中的承重墙和非承重墙；
所述的阳台识别模块遍历所有推拉门和基础窗户构件，将推拉门和窗户构件两两组合，如果满足如下条件，则该组合是阳台：①该基础窗户构件和该推拉门所处的平面朝向一致；②基础窗户构件所在的平面与推拉门所在的平面之间的距离少于设定的阈值；③基础窗户构件的中心与推拉门的中心在它们所在平面上的投影之间的距离少于1/4个窗户构件长度。
所述的飘窗识别模块将阳台识别模块别出的阳台对应的基础窗户构件删除。
所述的飘窗识别模块将基础窗户构件和所有与这个基础窗户构件的长边平行且长度相同的线段两两组合，满足如下条件的组合就是飘窗：①线段距离基础窗户构件长边的垂直距离在设定的阈值范围内；②线段的两端与基础窗户长边的两端都有线段相连。
有益效果
识别阳台的识别方法利用了推拉门的位置信息。该方法通过利用推拉门的朝向和推拉门的中心位置与基础窗户构件的朝向和基础窗户构件的中心位置，来辅助识别阳台。这种识别方式增加了识别率。
为了避免重复检测，该方法采用逐步检测法，先检测最有把握的构件。即先检测阳台，从检测完阳台的结果中，再检测飘窗。
飘窗的识别方法利用了飘窗的机构信息。如图4所示，飘窗由一个基础窗户构件和一个与其平行的线段相连构成。所以，在识别出基础窗户构件后，判断其两端是否有相连的平行线段可以有效的识别出飘窗。其中飘窗的平行线段距离其基础窗户构件的垂直距离小于一个阈值（300个像素）且大于一个阈值（150个像素）。
与现有技术相比，本发明所提供的一种基于构件与构件之间关系的户型图构件识别方法，实施过程中自动、高效、节省人力成本，并且大大增加了阳台和飘窗的识别结果，提高了各个构件的识别准确率。
附图说明
图1为本发明的工作流程图。
图2为实例图片。
图3为最终效果图片。1内是阳台，2是推拉门，3是飘窗，4内为普通窗。
图4为飘窗示意图。
图5为基础窗户构件（普通窗）。
图6为推拉门构件
具体实施方式
本发明的整体流程如图1所示，步骤包括：
步骤100，原始图片二值化
步骤101，识别标尺和数字；
步骤102，识别承重墙和非承重墙；
步骤103，识别基础窗户构件；
步骤104，识别推拉门；
步骤105，根据推拉门和基础窗户构件的位置关系识别阳台；
步骤106，根据基础窗户构件和线段的位置关系来识别飘窗。
其中，步骤100-步骤102可以采用常规的识别技术来实现。对于步骤103-步骤104，是作为本发明中识别的基础，由于推拉门和基础窗户具有比较特定的形状，在机器识别过程中非常容易被判定。图5为基础窗户，它由3个长边相邻的矩形构成。图6为推拉门构件，它由2个矩形构成，上面矩形的右下角和下面矩形的左下角相连。其中，矩形检测在Opencv开源包中有专门的包实现。
对于步骤105，其用于识别出阳台，需要遍历所有推拉门和基础窗户构件，并结合先验知识进行判定，在大多数的户型图当中，进入阳台的那一扇门通常都是推拉门，因此，将这一条实际规则应用于机器识别当中，将推拉门和窗户构件两两组合，如果满足如下条件，则该组合是阳台：①该基础窗户构件和该推拉门所处的平面朝向一致。这里的朝向一致可以通过推拉门和基础窗户构件的长边和短边来进行判定，如果长边在图中是竖直方向，而短边是垂直方向，那么如果推拉门和基础窗户构件的竖直长度都大于水平长度，则可以认为他们所在的平面都朝着同一个方向；同理，如果长边在图中是垂直方向，而短边是竖直方向，那么如果推拉门和基础窗户构件的竖直长度都小于水平长度，则可以认为他们所在的平面都朝着同一个方向；②该基础窗户构件所在的平面与推拉门所在的平面之间的距离少于设定的阈值，例如500个像素，这个条件是利用了靠近阳台的那扇推拉门与阳台的窗户较为接近这样的设计关系；③基础窗户构件的中心与推拉门的中心在它们所在平面上的投影之间的距离少于1/4个窗户构件长度。
对于步骤106，将其设于步骤105之后的目的是：在实际的检测过程中，通过结合推拉门和基础窗户构件的设计结构关系来判定阳台的准确率较高，比较容易判别；而直接判定飘窗的识别率较差，它和其他的一些房间或者家具的形状比较类似，因此，将步骤105进行先对阳台识别，然后再将阳台识别结果中所对应的基础窗户构件删除之后，可以避免掉这些窗户对后续的飘窗的识别过程的影响，使得飘窗的判定准确率得到了明显提高。
在步骤106中，首先把步骤105中识别出的阳台对应的基础窗户构件删除，然后将基础窗户构件和所有与这个基础窗户构件的长边平行且长度相同的线段两两组合，满足如下条件的组合就是飘窗：①如图4所示，线段AB距离基础窗户构件长边的垂直距离小于一定阈值（300个像素）且大于一定阈值（150个像素）；②线段的两端（图4中的A点和B点）与基础窗户长边的两端都有线段相连。如果满足这两个条件就把该线段与基础窗户的组合识别成飘窗。
Claims (1)
1.一种基于构件与构件之间关系的户型图识别方法，其特征在于，包括如下步骤：
步骤103，识别基础窗户构件；
步骤104，识别推拉门；
步骤105，根据推拉门和基础窗户构件的位置关系识别阳台；
步骤106，根据基础窗户构件和线段的位置关系来识别飘窗；
还包括：步骤100，原始图片二值化；还包括：步骤101，识别标尺和数字；还包括：步骤102，识别承重墙和非承重墙；
步骤105中，遍历所有推拉门和基础窗户构件，将推拉门和窗户构件两两组合，如果满足如下条件，则该组合是阳台：①该基础窗户构件和该推拉门所处的平面朝向一致；②基础窗户构件所在的平面与推拉门所在的平面之间的距离少于设定的阈值；③基础窗户构件的中心与推拉门的中心在它们所在平面上的投影之间的距离少于1/4个窗户构件长度；
步骤106中，先把步骤105中识别出的阳台对应的基础窗户构件删除；
步骤106中，将基础窗户构件和所有与这个基础窗户构件的长边平行且长度相同的线段两两组合，满足如下条件的组合就是飘窗：①线段距离基础窗户构件长边的垂直距离在设定的阈值范围内；②线段的两端与基础窗户长边的两端都有线段相连。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811485771.9A CN109684936B (zh) | 2018-12-06 | 2018-12-06 | 一种基于构件与构件之间关系的户型图识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811485771.9A CN109684936B (zh) | 2018-12-06 | 2018-12-06 | 一种基于构件与构件之间关系的户型图识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109684936A CN109684936A (zh) | 2019-04-26 |
| CN109684936B true CN109684936B (zh) | 2020-10-13 |
Family
ID=66187100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811485771.9A Active CN109684936B (zh) | 2018-12-06 | 2018-12-06 | 一种基于构件与构件之间关系的户型图识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109684936B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894016A (zh) * | 2009-05-20 | 2010-11-24 | 上海同颉软件有限公司 | 构件多特征点的动态对齐及显示方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100893073B1 (ko) * | 2007-09-15 | 2009-05-07 | 주식회사 진도리빙텍 | 발코니 결로 방지 기능이 통합된 욕실 환기 시스템 |
| CN106528904B (zh) * | 2016-07-09 | 2018-05-04 | 陈志静 | 住宅户型图建筑结构智能识别及功能区自动规划设计方法 |
| CN108664860B (zh) * | 2017-04-01 | 2022-02-01 | 中山市琪朗灯饰厂有限公司 | 房间平面图的识别方法及装置 |
| CN108229073B (zh) * | 2018-02-09 | 2021-05-14 | 广州大学 | 基于建筑图纸的阳台自动识别方法 |
| CN108763606B (zh) * | 2018-03-12 | 2019-12-10 | 江苏艾佳家居用品有限公司 | 一种基于机器视觉的户型图元素自动提取方法与系统 |
-
2018
- 2018-12-06 CN CN201811485771.9A patent/CN109684936B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894016A (zh) * | 2009-05-20 | 2010-11-24 | 上海同颉软件有限公司 | 构件多特征点的动态对齐及显示方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109684936A (zh) | 2019-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111008597B (zh) | Cad图纸的空间识别方法、装置、电子设备及存储介质 | |
| CN108763606B (zh) | 一种基于机器视觉的户型图元素自动提取方法与系统 | |
| Zhu et al. | Concrete column recognition in images and videos | |
| US9142011B2 (en) | Shadow detection method and device | |
| CN110008809A (zh) | 表格数据的获取方法、装置和服务器 | |
| WO2019062706A1 (zh) | 二维码定位方法及装置 | |
| Peng et al. | Model and context‐driven building extraction in dense urban aerial images | |
| CN109753918B (zh) | 一种户型图中的墙体识别方法及系统 | |
| CN106845338B (zh) | 视频流中行人检测方法与系统 | |
| CN105184308B (zh) | 一种基于全局优化决策的遥感图像建筑物检测分类方法 | |
| CN110852241A (zh) | 一种应用于护理机器人的小目标检测方法 | |
| CN110516527B (zh) | 一种基于实例分割的视觉slam回环检测改进方法 | |
| CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
| CN109615679B (zh) | 一种户型构件的识别方法 | |
| Shi et al. | Investigating the performance of corridor and door detection algorithms in different environments | |
| CN109684936B (zh) | 一种基于构件与构件之间关系的户型图识别方法 | |
| CN112036232B (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
| CN110796129A (zh) | 一种文本行区域检测方法及装置 | |
| CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
| Saleem et al. | Effects of ground manifold modeling on the accuracy of stixel calculations | |
| CN110781851A (zh) | 一种基于图片的装修户型图识别方法 | |
| Shim et al. | Depth-relative self attention for monocular depth estimation | |
| Damaryam | A Method to Determine End-Points ofStraight Lines Detected Using the Hough Transform | |
| CN105930813B (zh) | 一种在任意自然场景下检测行文本的方法 | |
| CN104537679A (zh) | 一种基于超像素拓扑分析的卡通图片显著性检测方法 |
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 |