CN110390304A - 自动分类方法、装置、电子设备及存储介质 - Google Patents
自动分类方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110390304A CN110390304A CN201910675656.6A CN201910675656A CN110390304A CN 110390304 A CN110390304 A CN 110390304A CN 201910675656 A CN201910675656 A CN 201910675656A CN 110390304 A CN110390304 A CN 110390304A
- Authority
- CN
- China
- Prior art keywords
- house
- sorted
- information
- floor plan
- mark
- 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.)
- Pending
Links
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Civil Engineering (AREA)
- Architecture (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)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种自动分类方法、装置、电子设备及存储介质,涉及房屋测绘技术领域。该方法包括:获取待分类房屋的户型图和待分类房屋的标识;其中,标识用于指示待分类房屋所在的楼层及门牌号;根据待分类房屋的户型图和待分类房屋的标识,获取待分类房屋的待检测信息;待检测信息包括:待分类房屋的图形信息和待分类房屋的外包框上多个预设位置点的信息,其中,图形信息包括:待分类房屋的面积、待分类房屋的周长;根据预设模型对待检测信息进行处理,得到待分类房屋的功能区信息。相对于现有技术,解决了现有技术中,通过人工标注户型图,导致效率低下的问题,降低了作图的复杂度。
Description
技术领域
本申请涉及房屋测绘技术领域,具体而言,涉及一种自动分类方法、装置、电子设备及存储介质。
背景技术
测绘是房屋建筑领域的必要步骤之一,一般需要在绘制出房屋的户型图之后,根据房屋的户型图对该房屋进行具体描述和标注。
长期以来,测绘中对各类型的实体定义是通过人工判别和定义完成是,其中,实体定义分为:户室、阳台、楼梯、过道、车位等。通常每栋房屋建筑层数较多,同时每层具有多个房屋,因此,需要分别针对每个房屋对其进行实体定义。
但是现在的建筑物层数普遍较高、每层的复杂程度也更高,完全依赖人工对建筑物内的房屋进行实体分类的判断,大大制约了生成效率,且人工成本较高。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种自动分类方法、装置、电子设备及存储介质,以解决现有技术中依赖人工对建筑物内的房屋进行实体分类的判断,从而导致生成效率较低,且人工成本较高的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请一实施例提供了一种自动分类方法,应用于房屋测绘领域,包括:
获取待分类房屋的户型图和所述待分类房屋的标识;其中,所述标识用于指示所述待分类房屋所在的楼层及门牌号;
根据所述待分类房屋的户型图和所述待分类房屋的标识,获取所述待分类房屋的待检测信息;所述待检测信息包括:所述待分类房屋的图形信息和所述待分类房屋的外包框上多个预设位置点的信息,其中,所述图形信息包括:所述待分类房屋的面积、所述待分类房屋的周长;
根据预设模型对所述待检测信息进行处理,得到所述待分类房屋的功能区信息。
进一步地,所述获取待分类房屋的户型图和所述待分类房屋的标识,包括:
按照预设顺序,依次获取待检测建筑中多个楼层的各所述待分类房屋的户型图和各所述待分类房屋的标识。
进一步地,所述方法还包括:根据所述待分类房屋的功能区信息和所述图形信息,得到所述待分类房屋的目标户型图;其中,所述目标户型图上标注有所述待分类房屋的所述功能区信息、所述图形信息以及所述待分类房屋的标识。
进一步地,所述待检测信息还包括:所述待分类房屋的标识;所述图形信息,还包括:所述待分类房屋所在楼层中心点的横坐标和纵坐标、所述待分类房屋的节点数、所述待分类房屋的节点的横坐标和纵坐标。
进一步地,所述功能区为:户室、阳台、公共区域中的任一项。
第二方面,本申请另一实施例提供了一种自动分类装置,包括:第一获取模块、第二获取模块和处理模块,其中:
所述第一获取模块,用于获取待分类房屋的户型图和所述待分类房屋的标识;其中,所述标识用于指示所述待分类房屋所在的楼层及门牌号;
所述第二获取模块,用于根据所述待分类房屋的户型图和所述待分类房屋的标识,获取所述待分类房屋的待检测信息;所述待检测信息包括:所述待分类房屋的图形信息和待分类房屋的外包框上多个预设位置点的信息,其中,所述图形信息包括:所述待分类房屋的面积、所述待分类房屋的周长;
所述处理模块,用于根据预设模型对所述待检测信息进行处理,得到所述待分类房屋的功能区信息;
进一步地,所述装置还包括生成模块,用于根据所述待分类房屋的功能区信息和所述图形信息,得到所述待分类房屋的目标户型图,所述目标户型图上标注有所述待分类房屋的所述功能区信息、所述图形信息以及所述待分类房屋的标识。
进一步地,所述第一获取模块,还用于按照预设顺序,依次获取待检测建筑中的各所述待分类房屋的户型图。
第三方面,本申请另一实施例提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述第一方面任一所述方法的步骤。
第四方面,本申请另一实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述第一方面任一所述方法的步骤。
本申请的有益效果是:采用本申请提供的自动分类方法,可以根据待分类房屋的户型图和待分类房屋的标识,获取待检测信息,并根据待检测信息中的图形信息和待分类房屋的外包框上多个预设位置点的信息通过预设模型进行处理,进而得到待分类房屋的功能区信息,从而解决了现有技术中,通过人工判断并标注户型图,导致效率低下的问题,降低了作图的复杂度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请一实施例提供的自动分类方法的流程示意图;
图2为本申请另一实施例提供的自动分类方法的流程示意图;
图3为本申请一实施例提供的标注好的目标户型图的示意图;
图4为本申请另一实施例提供的标注好的目标户型图的示意图;
图5为本申请另一实施例提供的标注好的目标户型图的示意图;
图6为本申请一实施例提供的自动分类装置的结构示意图;
图7为本申请另一实施例提供的自动分类装置的结构示意图;
图8为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
本申请提供一种自动分类方法,无需通过人工进行房屋的实体分类即确定房屋的功能区,便可根据预设模型对待检测房屋的待检测信息进行处理,以确定该待分类房屋的功能区信息,有效提高了房屋实体分类的效率,降低房屋实体分类的成本。该方法的执行主体可以是各种具有数据处理功能的终端设备,平板电脑、台式电脑、笔记本电脑、或是其他任一类型的计算机设备,本申请在此不做任何限制。
图1为本申请一实施例提供的一种自动分类方法的流程示意图,如图1所示,该方法包括:
S101:获取待分类房屋的户型图和待分类房屋的标识。
其中,待分类房屋的户型图是用户事先提供的,以整栋房屋建筑为单位的图片文件或图片信息,其中,该图片文件或图片信息中,整栋房屋建筑中每一层建筑的图片都是拆分开的,并且每一层中的每一个房屋的户型图也是相互独立的,同时,每个房屋的户型图均标注有其对应的标识。
获取时,逐一获取当前整栋房屋建筑中的各待分类房屋的户型图。
该方法中,在获取该待分类房屋的户型图的同时,还需获取该待分类房屋的标识,该标识用于指示待分类房屋所在的楼层及门牌号,可用于建立该待分类房屋的户型图与该标识之间的对应关系,一个待分类房屋,可具有一个对应的房屋标识。
其中,该待分类房屋的标识可包括:该待分类房屋所在的楼层标识,用以指示该待分类房屋所在的楼层;还可包括:该待分类房屋在该楼层的序号标识,用以指示该待分类房屋在该楼层的房屋序号。例如:若当前待分类房屋的标识为603,其中,6为楼层标识,用以表示该待分类房屋所在楼层为6层,03为序号标识,用以表示该待分类房屋在该楼层的房屋序号03。
S102:根据待分类房屋的户型图和待分类房屋的标识,获取待分类房屋的待检测信息。
需要说明的是,待检测信息包括:待分类房屋的图形信息和待分类房屋的外包框上多个预设位置点的信息。
其中,图形信息包括:待分类房屋的面积、待分类房屋的周长;待分类房屋的外包框上多个预设位置点的信息为:各预设位置点与其房屋实体的关联信息。
S103:根据预设模型对待检测信息进行处理,得到待分类房屋的功能区信息。
其中,该预设模型可以为预设的房屋功能区的分类模型,其可以为基于全连接神经网络、深度学习,预先训练好的,用于房屋测绘的自动功能区分类模型。该预设模型可以为通过算法深度学习,对大量房屋建筑样本进行功能区的分类训练所得到的分类模型。其中,每个房屋建筑样本包括:非地下室的房屋,该房屋建筑样本的层数大于或等于预设楼层数,如房屋建筑的层数至少为4层,该房屋建筑样本中每层的户室数量可大于或等于预设户数值,如每层至少具有10户的房屋。
对于每个房屋建筑样本,可将该房屋建筑样本中各房屋的户型图以及该房屋建筑样本中各房屋的标识均输入至该预设模型。可选地,具体的训练过程中,可按照预设顺序逐一输入各房屋建筑样本中:各待检测房屋的户型图以及其对应的标识。
该预设模型可包括:多层神经网络,其中,多层神经网络可包括:输入层、多层隐含层以及输出层。每个隐含层可包括1024个神经元。每个神经元可以为该隐含层中的一个处理节点。例如,该预设模型例如可以为包括输入层、两个隐含层、输出层的4层神经网络。对于每个房屋建筑样本,可依次通过该多层神经网络,对该每个房屋建筑样本中各房屋的户型图以及房屋标识进行处理,从而实现对该每个房屋建筑样本中各房屋的功能区分类训练。
本实施例中,通过根据获取的待分类房屋的户型图和标识,进一步获取待分类房屋的待检测信息,其中,待分类房屋的待检测信息包括:图形信息和待分类房屋的外包框上多个预设位置点的信息,从而根据预设模型对待检测信息进行处理,得到待分类房屋的功能区信息,从而解决了现有技术中,通过人工标注户型图,导致效率低下的问题,降低了作图的复杂度。
可选地,S101可包括:按照预设顺序,依次获取待检测建筑中的各待分类房屋的户型图和各待分类房屋的标识。
可选地,预设顺序可以为按照楼层的由低到高以及门牌号的由小到大(若门牌号相同,则先获取并判断面积较大的房屋的功能区信息,随后获取并判断面积较小的房屋的功能区信息);或按照楼层的由低到高以及门牌号的由大到小;或按照楼层的由高到低以及门牌号的由小到大;或按照楼层的由高到低以及门牌号的由大到小;也可以从中间楼层开始向更高的楼层获取完后,获取更低楼层的待分类房屋的户型图;具体预设顺序的选择根据用户需要设计,在此并不做任何限制。
可选地,待检测信息还包括:待分类房屋的标识;图形信息还包括:待分类房屋所在楼层中心点的横坐标和纵坐标、待分类房屋的节点数、待分类房屋的节点的横坐标和纵坐标。
可选地,功能区为:户室、阳台、公共区域中的任一项。
通过如下示例,对预设模型的训练过程进行解释说明。
首先,逐一将房屋建筑样本的每个楼层的外包框中心点归为原点后,重新计算该楼层各房屋结点的坐标,其中,房屋结点可以为房屋外包框的四个端点。
随后,可按照预设顺序逐一提取每个房屋的待检测信息,例如:待检测房屋的面积、待检测房屋的周长、待检测房屋的节点数、各节点数的横坐标和纵坐标、当前待分类房屋所在楼层的层中心横坐标和纵坐标、各预设位置点与其房屋实体的关联信息。
其中,房屋户型图上每个折线的端点为一个节点;待分类房屋的外包框每条边线扩张0.3毫米后,均匀选取3个点,这3个点分别为3个预设位置点;每个待分类房屋的外包框具有4条边线,因此每个待分类房屋对应有12个预设位置点;预设位置点的信息为:预设位置点与其他房屋的边线是否存在相交的信息,若存在相交的情况则返回是,若不存在相交的情况则返回否。
将上述每一个待检测信息对应的值作为一个输入项,输入至当前的训练模型中,其中,每个待分类房屋均需要48个输入项,若当前输入项不足48个,则将不足的输入项用0补齐;若当前输入项超过48项,则按照预设顺序输入48个输入项后,舍去其他未输入的输入项;模型通过对48个输入项的处理后,输出待分类房屋的目标户型图。
随后,预设模型对待检测信息进行处理,得到待分类房屋的功能区信息。
举例说明:对待分类房屋的功能区信息的判断,可以依据面积和周长来判断:比如面积和周长均较大的房屋可能为户室、面积和周长均较小的房屋可能为阳台或公共区域;或可以依据节点数量来判断:房屋节点数量较多的可能为户室,较少的可能为阳台或公共区域;或依据待检测房屋的各预设位置点与其房屋实体的关联信息进行判断:若待检测房屋仅与一个户室相交,则该待检测房屋的可能是阳台;若待检测房屋与多个户室相交,则该待检测房屋的可能是公共区域;或依据上述三种判断依据的任意组合后,进行综合判断,从而得到待检测房屋对应的功能区分类,具体判断依据根据用户需要设计,本申请在此不做任何限制。
其中,公共区域可以为:楼梯、内梯、过道中的一项或多项。
图2为本申请另一实施例提供的自动分类方法的流程示意图,如图2所示,该方法还包括:
S104:根据待分类房屋的功能区信息和图形信息,得到待分类房屋的目标户型图。
可选地,目标户型图上可以标注有:待分类房屋的功能区信息、图形信息以及待分类房屋的标识;其中,周长是根据待分类房屋每条边线的长度之和计算出来的,对目标户型图标注时,可仅标注房屋的每条边线对应的长度信息。
可选地,得到待分类房屋的目标户型图后,可将该目标户型图直接输出展示、也可将该户型图保存至具有存储功能的终端设备上,便于用户需要时查看,具体根据用户需要设计,在此不做任何限制。
可选地,若得到待分类房屋的目标户型图后,直接将目标户型图输出展示,其展示方式可以为:可以以层为单位,将每一层的所有房屋,按照门牌号排列,并逐一输出标注好的目标户型图;门牌号相同但功能区不同的房屋,可以通过折线连接,同一折线经过的所有房屋,表示均属于同一门牌号,无序重复标注门牌号;具体展示方式根据用户需要设计,在此不做任何限制。
图3为本申请一实施例提供的标注好的目标户型图的示意图,如图3所示,此时已经输出目标户型图的是待分类房屋106,其他房屋尚未进行处理,因此其他房屋的户型图上还没有任何标注;预设模型根据待分类房屋106的待检测信息,判断得到待分类房屋的面积和周长均较大,且节点数为8个,相对较多,表示其户型结构较为复杂,由此判定待分类房屋106的功能区信息为住宅,随后根据待分类房屋的待检测信息和判断得到的功能信息,得到待分类房屋的目标户型图,并在目标户型图上进行相应的标注,此时的目标户型图上标注有:户室-106和户室106的每条边的边长信息。
图4为本申请一实施例提供的标注好的目标户型图的示意图,如图4所示,此时已经输出目标户型图的是户室-106和106的阳台,其他房屋尚未进行处理,因此其他房屋的户型图上还没有任何标注;预设模型在判断中间的房屋为户室-106后,按照预设顺序逐一获取户室-106上面/或下面的房屋户型图作为待检测户型图,此时,该待检测户型图的面积和周长均较小,且节点数为4个,相对较少,并且该待检测房屋的户型图仅与户室-106的一条边相交,因此,判断该待检测房屋的功能区信息为阳台,随后根据待分类房屋的待检测信息和判断得到的功能信息,得到待分类房屋的目标户型图,并在目标户型图上进行相应的批注,此时目标户型图上批注有户室-106、阳台以及每条边的边长信息。
图5为本申请另一实施例提供的标注好的目标户型图的示意图,如图5所示,此时已经输出的目标户型图是一层的多个待分类房屋的目标户型图,包括待分类房屋106、待分类房屋105、内梯、和房屋105、106分别对应的阳台,每个户型图上均标注有对应的功能区信息和每条边的边长信息,并且门牌号相同的房屋,通过折线连接。
本实施例中,通过根据获取的待分类房屋的户型图和标识,进一步获取待分类房屋的待检测信息,从而根据预设模型对待检测信息进行处理,得到待分类房屋的功能区信息,再根据待分类房屋的功能信息和图形信息对待分类房屋的目标户型图进行标注,并输出标注后的目标户型图,从而解决了现有技术中,通过人工标注户型图,导致在效率低下的问题,降低了作图的复杂度。
图6为本申请一实施例提供的自动分类装置的结构示意图,如图6所示,该装置包括:第一获取模块201、第二获取模块202和处理模块203,其中:
第一获取模块201,用于获取待分类房屋的户型图和待分类房屋的标识;其中,标识用于指示待分类房屋所在的楼层及门牌号。
第二获取模块202,用于根据待分类房屋的户型图和待分类房屋的标识,获取待分类房屋的待检测信息;待检测信息包括:待分类房屋的图形信息和待分类房屋的外包框上多个预设位置点的信息,其中,图形信息包括:待分类房屋的面积、待分类房屋的周长。
处理模块203,用于根据预设模型对待检测信息进行处理,得到待分类房屋的功能区信息。
图7为本申请另一实施例提供的自动分类装置的结构示意图,如图7所示,该装置还包括:生成模块204,用于根据待分类房屋的功能区信息和图形信息,得到待分类房屋的目标户型图,目标户型图标注有:待分类房屋的功能区信息、图形信息以及待分类房屋的标识。
可选地,第一获取模块201,还用于按照预设顺序,依次获取待检测建筑中的各待分类房屋的户型图。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图8为本申请一实施例提供的电子设备的结构示意图,如图8所示,该电子设备可以集成于终端设备或者终端设备的芯片,该终端可以是具备图像处理功能的计算设备。
该电子设备包括:处理器501、存储介质502和总线503。
处理器501用于存储程序,处理器501调用存储介质502存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种程序产品,例如存储介质,该存储介质上存储有计算机程序,包括程序,该程序在被处理器运行时执行上述方法实施例。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种自动分类方法,应用于房屋测绘领域,其特征在于,包括:
获取待分类房屋的户型图和所述待分类房屋的标识;其中,所述标识用于指示所述待分类房屋所在的楼层及门牌号;
根据所述待分类房屋的户型图和所述待分类房屋的标识,获取所述待分类房屋的待检测信息;所述待检测信息包括:所述待分类房屋的图形信息和所述待分类房屋的外包框上多个预设位置点的信息,其中,所述图形信息包括:所述待分类房屋的面积、所述待分类房屋的周长;
根据预设模型对所述待检测信息进行处理,得到所述待分类房屋的功能区信息。
2.如权利要求1所述的方法,其特征在于,所述获取待分类房屋的户型图和所述待分类房屋的标识,包括:
按照预设顺序,依次获取待检测建筑中多个楼层的各所述待分类房屋的户型图和各所述待分类房屋的标识。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述待分类房屋的功能区信息和所述图形信息,得到所述待分类房屋的目标户型图;其中,所述目标户型图上标注有所述待分类房屋的所述功能区信息、所述图形信息以及所述待分类房屋的标识。
4.如权利要求1所述的方法,其特征在于,所述待检测信息还包括:所述待分类房屋的标识;所述图形信息,还包括:所述待分类房屋所在楼层中心点的横坐标和纵坐标、所述待分类房屋的节点数、所述待分类房屋的节点的横坐标和纵坐标。
5.如权利要求1所述的方法,其特征在于,所述功能区为:户室、阳台、公共区域中的任一项。
6.一种自动分类装置,应用于房屋测绘领域,其特征在于,包括:第一获取模块、第二获取模块和处理模块,其中:
所述第一获取模块,用于获取待分类房屋的户型图和所述待分类房屋的标识;其中,所述标识用于指示所述待分类房屋所在的楼层及门牌号;
所述第二获取模块,用于根据所述待分类房屋的户型图和所述待分类房屋的标识,获取所述待分类房屋的待检测信息;所述待检测信息包括:所述待分类房屋的图形信息和待分类房屋的外包框上多个预设位置点的信息,其中,所述图形信息包括:所述待分类房屋的面积、所述待分类房屋的周长;
所述处理模块,用于根据预设模型对所述待检测信息进行处理,得到所述待分类房屋的功能区信息。
7.如权利要求6所述的装置,其特征在于,所述装置还包括生成模块,用于根据所述待分类房屋的功能区信息和所述图形信息,得到所述待分类房屋的目标户型图,所述目标户型图上标注有所述待分类房屋的所述功能区信息、所述图形信息以及所述待分类房屋的标识。
8.如权利要求6所述的装置,其特征在于,所述第一获取模块,还用于按照预设顺序,依次获取待检测建筑中的各所述待分类房屋的户型图。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-5任一所述的自动分类方法的步骤。
10.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-5任一所述的自动分类方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675656.6A CN110390304A (zh) | 2019-07-24 | 2019-07-24 | 自动分类方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910675656.6A CN110390304A (zh) | 2019-07-24 | 2019-07-24 | 自动分类方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110390304A true CN110390304A (zh) | 2019-10-29 |
Family
ID=68287298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910675656.6A Pending CN110390304A (zh) | 2019-07-24 | 2019-07-24 | 自动分类方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390304A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880167A (zh) * | 2019-11-20 | 2020-03-13 | 广东三维家信息科技有限公司 | 室内效果图描述的生成方法、装置和电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别系统 |
CN107808035A (zh) * | 2016-10-14 | 2018-03-16 | 合肥迈斯软件科技有限公司 | 一种基于计算机开发的智能装饰设计系统 |
CN108009598A (zh) * | 2017-12-27 | 2018-05-08 | 北京诸葛找房信息技术有限公司 | 基于深度学习的户型图识别方法 |
US10031974B1 (en) * | 2014-10-03 | 2018-07-24 | Walgreen Co. | Systems and methods for conducting a planogram search |
CN108764022A (zh) * | 2018-04-04 | 2018-11-06 | 链家网(北京)科技有限公司 | 一种图像识别方法及系统 |
CN108763606A (zh) * | 2018-03-12 | 2018-11-06 | 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 |
CN109522803A (zh) * | 2018-10-18 | 2019-03-26 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
CN109816004A (zh) * | 2019-01-17 | 2019-05-28 | 平安城市建设科技(深圳)有限公司 | 房源图片分类方法、装置、设备及存储介质 |
-
2019
- 2019-07-24 CN CN201910675656.6A patent/CN110390304A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10031974B1 (en) * | 2014-10-03 | 2018-07-24 | Walgreen Co. | Systems and methods for conducting a planogram search |
CN107808035A (zh) * | 2016-10-14 | 2018-03-16 | 合肥迈斯软件科技有限公司 | 一种基于计算机开发的智能装饰设计系统 |
CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别系统 |
CN108009598A (zh) * | 2017-12-27 | 2018-05-08 | 北京诸葛找房信息技术有限公司 | 基于深度学习的户型图识别方法 |
CN108763606A (zh) * | 2018-03-12 | 2018-11-06 | 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 |
CN108764022A (zh) * | 2018-04-04 | 2018-11-06 | 链家网(北京)科技有限公司 | 一种图像识别方法及系统 |
CN109522803A (zh) * | 2018-10-18 | 2019-03-26 | 深圳乐动机器人有限公司 | 一种室内区域划分和识别方法、装置及终端设备 |
CN109816004A (zh) * | 2019-01-17 | 2019-05-28 | 平安城市建设科技(深圳)有限公司 | 房源图片分类方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110880167A (zh) * | 2019-11-20 | 2020-03-13 | 广东三维家信息科技有限公司 | 室内效果图描述的生成方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11100265B2 (en) | Structural design systems and methods for selective simulation of equipment coverage in a floor plan | |
CN113987637B (zh) | 基于生成对抗网络的楼盖结构设计方法和装置 | |
CN106295502B (zh) | 一种人脸检测方法及装置 | |
CN109697434A (zh) | 一种行为识别方法、装置和存储介质 | |
CN106713083A (zh) | 基于知识图谱的智能家居设备控制方法、装置及系统 | |
CN105303195B (zh) | 一种词袋图像分类方法 | |
CN113486436B (zh) | 基于树形结构的软装设计方法、装置、设备及存储介质 | |
CN105095564B (zh) | 基于建筑信息模型的数据处理方法和装置 | |
CN110069959A (zh) | 一种人脸检测方法、装置及用户设备 | |
CN107153775A (zh) | 一种智能分诊方法及装置 | |
CN106815377B (zh) | 基于建筑信息模型的设计指标自动计算的编制方法及系统 | |
CN109885597A (zh) | 基于机器学习的用户分群处理方法、装置及电子终端 | |
CN110390107A (zh) | 基于人工智能的下文关系检测方法、装置及计算机设备 | |
US20160085831A1 (en) | Method and apparatus for map classification and restructuring | |
CN110390304A (zh) | 自动分类方法、装置、电子设备及存储介质 | |
CN108664860A (zh) | 房间平面图的识别方法及装置 | |
CN106992884B (zh) | 一种智能建筑业务系统的多子系统联动方法 | |
CN101964008A (zh) | 布线设计辅助设备和布线设计辅助方法 | |
CN110516700A (zh) | 基于度量学习的细粒度图像分类方法 | |
CN109858530A (zh) | 一种基于复合金字塔的旋转目标检测方法 | |
CN115375873B (zh) | 一种建筑空间的处理方法、装置及相关设备 | |
CN109461198A (zh) | 网格模型的处理方法及装置 | |
CN107229640A (zh) | 相似度处理方法、对象筛选方法和装置 | |
CN103488651B (zh) | 用于获得成员之间的关系路径的方法和装置 | |
CN107437089A (zh) | 一种多传感器目标识别属性约简方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191029 |