CN110517223A - 图纸审查方法、装置、计算机设备和存储介质 - Google Patents

图纸审查方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110517223A
CN110517223A CN201910625614.1A CN201910625614A CN110517223A CN 110517223 A CN110517223 A CN 110517223A CN 201910625614 A CN201910625614 A CN 201910625614A CN 110517223 A CN110517223 A CN 110517223A
Authority
CN
China
Prior art keywords
pel
layer
classification
unexamined
picture
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
Application number
CN201910625614.1A
Other languages
English (en)
Inventor
田岱
夏晨曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wanyi Technology Co Ltd
Original Assignee
Wanyi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wanyi Technology Co Ltd filed Critical Wanyi Technology Co Ltd
Priority to CN201910625614.1A priority Critical patent/CN110517223A/zh
Publication of CN110517223A publication Critical patent/CN110517223A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
    • G06V30/194—References adjustable by an adaptive method, e.g. learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2201/00—General purpose image data processing
    • G06T2201/005—Image watermarking
    • G06T2201/0052—Embedding of the watermark in the frequency domain

Abstract

本申请涉及一种图纸审查方法、装置、计算机设备和存储介质，所述方法包括：获取待审查图纸中每个图元的属性信息；所述属性信息包括图元类别；确定所述图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。采用本方法能够提高图纸审查效率及准确性。

Description

图纸审查方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种图纸审查方法、装置、计算机设备和存储介质。
背景技术
施工图纸审查是施工图设计文件审查简称，是指建设主管部门认定的施工图审查机构按照有关法律、法规，对施工图纸涉及公共利益、公众安全和工程建设强制性标准的内容进行的审查。施工图纸记录了按照一定空间顺序布局的大量施工元素。传统的图纸审查主要依赖人工对施工图纸中繁杂的施工元素进行逐一审查，不仅效率低，且易出错。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高图纸审查效率及准确性的图纸审查方法、装置、计算机设备和存储介质。
一种图纸审查方法，包括：获取待审查图纸中每个图元的属性信息；所述属性信息包括图元类别；确定所述图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中，所述获取待审查图纸中每个图元的属性信息包括：获取待审查图纸；对所述待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定所述图片对应的图元类别。
在一个实施例中，所述基于预训练的图元分类器确定所述图片对应的图元类别包括：提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与所述描述文本语义相似的图元标签；若是，根据所述图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定所述图片对应的图元类别。
在一个实施例中，图元分类器的训练步骤包括：获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；通过预训练的文本特征提取模型提取所述描述文本的文本特征；通过待训练的图片特征提取模型提取所述图片的图元特征；将所述文本特征及所述图元特征输入图元分类器，得到预测分类结果；按照预测分类结果与所述分类标签的差异，调整所述图元特征提取模型及所述图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
在一个实施例中，上述图纸审查方法还包括：获取空间域水印图像；对控件域水印图像进行频域变换，得到频域水印图像；获取与所述频域水印图像相应配置的透明参数；根据所述透明参数，将所述频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
在一个实施例中，所述根据所述透明参数，将所述频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染包括：根据所述透明参数，将所述频域水印图像转化为相应的透明图层；将所述透明图层作为前景图层；根据完成缺陷标记的图层生成背景图层；将所述前景图层覆盖于所述背景图层之上进行图层叠加渲染。
一种图纸审查装置，包括：信息获取模块，用于获取待审查图纸中每个图元的属性信息；所述属性信息包括图元类别；缺陷审查模块，用于确定所述图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；缺陷标记模块，用于在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中，所述信息获取模块还用于获取待审查图纸；对所述待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定所述图片对应的图元类别。
在一个实施例中，所述信息获取模块还用于提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与所述描述文本语义相似的图元标签；若是，根据所述图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定所述图片对应的图元类别。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项图纸审查方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项图纸审查方法的步骤。
上述图纸审查方法、装置、计算机设备和存储介质，根据待审查图纸中每个图元的图元类别，可以确定所述图元类别对应的审查项及审查条件；根据属性信息，可以确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件，可以进行缺陷识别及缺陷标记。根据预先针对不同图元类别设置的审查项，可以自动对每个图层进行缺陷识别，进而提高图纸审查效率。此外，由于是基于图层进行缺陷识别，相比对待审查图纸整体进行缺陷识别，可以减少图元之间的干扰，进而提高图纸审查结果准确性。
附图说明
图1为一个实施例中图纸审查方法的应用场景图；
图2为一个实施例中图纸审查方法的流程图；
图3为一个实施例中图纸审查装置的框图；
图4为一个实施例中计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供图纸审查方法，可以应用于如图1所示的应用环境中。其中，终端110通过网路与服务器120连接。图纸审查方法可以在终端110或服务器120完成。终端110可以获取待审查图纸后采用上述图纸审查方法识别待审查图纸中的缺陷，并进行缺陷标记。或者终端110可以获取到用户上传的待审查图纸后，通过网络连接将待审查图纸发送至服务器120，服务器120采用上述图纸审查方法识别待审查图纸中的缺陷，并进行缺陷标记。终端110可以是智能手机、平板电脑、台式计算机、车载电脑中的至少一种，但并不局限于此。服务器120可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群。
在一个实施例中，如图2所示，提供了一种图纸审查方法，以该方法应用于终端或服务器为例进行说明，具体包括以下步骤：
S202，获取待审查图纸中每个图元的属性信息；属性信息包括图元类别。
其中，待审查图纸可以是建筑工程中的施工图纸。根据建筑工程的工程类别不同，待审查图纸具体可以是轨道交通图纸、园林图纸、电气图纸、供给水图纸、供暖图纸、防火图纸、安全通道图纸或防空地下室图纸等。待审查图纸可以是基于CAD(Computer AidedDesign，计算机辅助设计)、Pro/Engineer(三维软件)等工具绘制而成的二维或三维图纸，也可以是基于BIM(Building Information Modeling，建筑信息模型)设计而成的三维图纸。
在一个实施例中，获取待审查图纸中每个图元的属性信息包括：获取待审查图纸；对待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定图片对应的图元类别。
多个待审查图纸可以记录在同一图纸文件中。图纸文件基于图框对不同的待审查图纸进行区分。图框是指用于框取待审查图纸处于图纸文件中的位置区域的边框。待审查图纸包括多个含有文字或图形等元素的图层。多个图层按顺序叠加在一起形成待审查图纸的最终效果。图层可以将待审查图纸上的元素精确定位。本实施例每个图层记录了一个或多个图元的属性信息。同一图层中的多个图元是相同类别(以下称图元类别)的。图元类别是指图元所代表施工元素的类别，如窗户、消防栓、门、停车位等。根据图元类别不同，可以对不同的图层进行区分。属性信息包括图元的描述文本，如图元编号、图元名称等。
具体地，计算机设备获取待审查图纸，并对待审查图纸进行图层解构，得到多个图层。在一个实施例中，计算机设备也可通过USB(Universal Serial Bus，通用串行总线)接口连接或网络连接等通信方式从其他计算机设备处获取待审查图纸。容易理解，若图纸文件记录了多个待审查图纸，则计算机设备首先进行图框识别，提取图框内的待审查图纸，可以减少图框外边线对待审查图纸造成的干扰。
S204，确定图元类别对应的审查项及审查条件。
计算机设备预存储了多种图元类别及每种图元类别对应的一个或多个审查项。审查项是指需要对图元进行哪些方面的审查，如图元距离、图元相对位置等。每种审查项具有对应的审查指标和审查条件。比如，审查项“图元距离”对应的审查指标包括与其他图元的坐标距离；审查项“图元相对位置”对应的审查指标包括与其他图元的相对位置关系等。
S206，根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系。
S208，通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别。
在一个实施例中，根据不同图元类别对应的审查项，对相应图层进行缺陷识别包括：通过将不同图元类别对应的图层进行叠加，确定每个图元与其他图元之间的坐标距离及相对位置关系；根据审查项比较坐标距离是否达到阈值，或判断相对位置关系是否符合预设条件。
当审查项为图元距离时，计算机设备通过将不同图元类别对应的图层进行叠加，确定每个图元与其他图元之间的坐标距离。计算机设备比较该坐标距离是否达到阈值，以判断该图元与其他图元的坐标距离是否符合相应审查条件。
当审查项为图元相对位置时，计算机设备按照预设方式针对每个图层构建坐标系，确定每个图元在相应图层的位置坐标，进而根据位置坐标确定不同图元的相对位置关系。计算机设备判断不同图元之间的相对位置关系是否符合预设的审查条件。
S210，在待审查图纸中相应图元所在位置标记识别得到的缺陷。
当某项审查指标的审查结果为审查失败时，计算机设备根据图元实际对应审查指标的指标值(如上述坐标距离或相对位置关系等)以及审查条件生成缺陷标记文本，将缺陷标记文本添加在待审查图纸中相应图元所在位置。
上述图纸审查方法，根据待审查图纸中每个图元的图元类别，可以确定图元类别对应的审查项及审查条件；根据属性信息，可以确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件，可以进行缺陷识别及缺陷标记。根据预先针对不同图元类别设置的审查项，可以自动对每个图层进行缺陷识别，进而提高图纸审查效率。此外，由于是基于图层进行缺陷识别，相比对待审查图纸整体进行缺陷识别，可以减少图元之间的干扰，进而提高图纸审查结果准确性。
在一个实施例中，基于预训练的图元分类器确定图片对应的图元类别包括：提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与描述文本语义相似的图元标签；若是，根据图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定图片对应的图元类别。
如上文，描述文本包括图元名称、图元编号、图元所在待审查图纸的用途描述或人工赋予的其他语义描述信息等。不同用户在设计待审查图纸时对同一类别的图元，可能采用不同的命名或编号方式。比如，对于施工元素“墙”，对应的描述文本可能是“墙”、“wall”、“ABC”或者“123”等。图元标签是指能够指代图元在实际施工中所代表含义的标准名称，如施工元素“墙”对应的图元标签可以是“墙”或“wall”。
具体地，计算机设备首先对描述文本进行语义识别，判断图元库中是否存在与描述文本语义相似的图元标签。图元库存储了多种图元的图元标签。容易理解，若描述文本为图元名称，可以通过关键词匹配的方式，识别图元库中是否将相应描述文本作为图元名称的图元。若图元库中存在将相应描述文本作为图元名称的图元，则根据该描述文本可以直接确定相应图元的图元类别。
图元库还存储了每个图元标签对应的文本特征。若描述文本为人工赋予的语义描述信息，可以采用上述预训练的文本特征提取模型确定该描述文本的文本特征，计算描述文本的文本特征与图元库中每个图元标签对应文本特征的特征相似度。计算机设备判断是否存在特征相似度达到阈值的图元标签。若图元库存在特征相似度达到阈值的图元标签，则根据特征相似度最大且达到阈值的图元标签直接确定相应图元的图元类别。
当根据描述文本无法确定图元的图元类别时，计算机设备图元的图片是指图层中图元所在区域的局部图像。图元所在区域是图元在图层中的位置。具体地，计算机设备可根据图元定义信息识别每个图层中的图元区域，如通过矩形框标识图元的位置。计算机设备在确定每个图层中的图元区域后，可沿该图元区域截取图层得到该图元对应的图片。每个图层可截取得到一个或多个图元的图片。
计算机设备基于预训练的图元分类器确定图元的图元类别。在一个实施例中，计算机设备还可以将整个图层输入图元分类器，进行全量识别，可以免去图元分割的步骤，提高图纸审查效率。
上述实施例中，首先根据描述文本进行图元类别识别，简单的描述文本语义分析可以节约计算机计算资源，且可以提高图元类别识别效率。只有在描述文本无法准确识别得到图元类别时才进行图元分割，基于图元分类器对图元图片进行分析处理，实现多层级图元识别逻辑，可以同时兼顾图元识别效率和准确性。
在一个实施例中，图元分类器的训练步骤包括：获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；通过预训练的文本特征提取模型提取描述文本的文本特征；通过待训练的图片特征提取模型提取图片的图元特征；将文本特征及图元特征输入图元分类器，得到预测分类结果；按照预测分类结果与分类标签的差异，调整图元特征提取模型及图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
如上文，描述文本包括图元名称、图元编号、图元所在待审查图纸的用途描述或人工赋予的其他语义描述信息等。不同用户在设计待审查图纸时对同一类别的图元，可能采用不同的命名或编号方式。比如，对于施工元素“墙”，对应的描述文本可能是“墙”、“wall”、“ABC”或者“123”等。图元标签是指能够指代图元在实际施工中所代表含义的标准名称，如施工元素“墙”对应的图元标签可以是“墙”或“wall”。
具体地，计算机设备首先对描述文本进行语义识别，判断图元库中是否存在与描述文本语义相似的图元标签。图元库存储了多种图元的图元标签。容易理解，若描述文本为图元名称，可以通过关键词匹配的方式，识别图元库中是否将相应描述文本作为图元名称的图元。若图元库中存在将相应描述文本作为图元名称的图元，则根据该描述文本可以直接确定相应图元的图元类别。
图元库还存储了每个图元标签对应的文本特征。若描述文本为人工赋予的语义描述信息，可以采用上述预训练的文本特征提取模型确定该描述文本的文本特征，计算描述文本的文本特征与图元库中每个图元标签对应文本特征的特征相似度。计算机设备判断是否存在特征相似度达到阈值的图元标签。若图元库存在特征相似度达到阈值的图元标签，则根据特征相似度最大且达到阈值的图元标签直接确定相应图元的图元类别。
当根据描述文本无法确定图元的图元类别时，计算机设备按照方式基于预训练的图元分类器确定图元的图元类别。在一个实施例中，计算机设备还可以将整个图层输入图元分类器，进行全量识别，可以免去图元分割的步骤，提高图纸审查效率。
上述实施例中，首先根据描述文本进行图元类别识别，简单的描述文本语义分析可以节约计算机计算资源，且可以提高图元类别识别效率。只有在描述文本无法准确识别得到图元类别时才进行图元分割，基于图元分类器对图元图片进行分析处理，实现多层级图元识别逻辑，可以同时兼顾图元识别效率和准确性。
在一个实施例中，上述图纸审查方法还包括：获取空间域水印图像；对控件域水印图像进行频域变换，得到频域水印图像；获取与频域水印图像相应配置的透明参数；根据透明参数，将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
为了提高数据安全性，计算机设备采用数字水印技术为完成缺陷标记的每个图层添加水印。数字水印技术是将水印图像嵌入到待保护的数字载体(比如待审查图纸等)当中。传统方式将空间域的水印图像直接覆盖在待保护的数字载体上，会让水印的颜色和原图有色差，容易被用户感知。此外，由于水印的内容和位置信息等很明显，很容易被不法分子知晓，从而做相应的防范处理。但如果在空间域上让用户不易区分，则叠加的水印信息需要非常微弱，容易受到图片压缩、涂抹等干扰，同样起不到数据保护的效果。具体地，计算机设备获取携带有标记信息的空间域水印图像，将空间域水印图像覆盖在每个完成缺陷标记的图层上，得到空间域标记图层。
为了解决上述问题，计算机设备获取空间域的水印图像，对空间域水印图像进行频域变换，得到频域水印图像。其中，空间域水印图像是图像数据属于空间域的图像。频域水印图像是图像数据属于频率域的图像。空间域水印图像和频域水印图像都可称作水印图像，只是一个从空间上表示标记信息，另一个从频率上表示标记信息。水印图像是可通过嵌入到待保护信息中的图像，用来标记待保护的信息，便于后续的侵权追踪和版权保护等。水印图像是根据标记信息生成的图像。标记信息具体可以是文字或图形等。
图像的空间域是指图像平面所在的二维平面，对于空间域的图像的处理主要是对像素灰度值的改变，其位置不变。图像的频率域是指图像像素的灰度值随位置变化的空间频率，以频谱表示信息分布特征。比如，通过傅立叶变换能把遥感图像从空间域变换到只包含不同频率信息的频率域，原图像上的灰度突变部位、图像结构复杂的区域、图像细节及干扰噪声等信息集中在高频区，而原图像上灰度变化平缓部位的信息集中在低频区。频域水印图像和空间域水印图像之间可以通过离散余弦、傅里叶变换等图像变换/逆变换进行相互转化。
计算机设备可预先配置与频域标记图像对应的透明参数。透明参数是对图像进行透明化处理的参数，取值范围可以是0至1中的任意数值。透明参数越接近0或1的端值则图像越透明。该透明参数决定了在进行图层渲染时频域标记图像的透明程度。当计算机设备获取频域水印图像时，可对应查询与该频域水印图像对应配置的透明参数。在一个实施例中，在对图像进行处理时，可将图像的图像数据转化成四通道表示的图像数据。其中，四通道包括R(red，红色)通道、G(green，绿色)通道、B(blue，蓝色)通道和alpha通道。其中，R通道、G通道和B通道所对应的图像数据决定了图像的色彩情况，而alpha通道所对应的图像数据则决定了图像的透明程度。此时，透明参数就可以是与alpha通道对应的α系数。
计算机设备按图层的上下顺序将多个图层进行叠加渲染。具体地，计算机设备可按照透明参数，将频域标记图像叠加至待审查图纸中每个待保护的图层之上进行图层叠加渲染。在对多个图层进行图层叠加渲染时，上层图层的像素会覆盖下层图层的像素。
上述实施例中，将空间域水印图像经过频域变换得到频域水印图像，将频域水印图像按预配置的透明参数与待审查图纸进行图层叠加渲染。这样，展示的页面中就包括了透明化的频域水印图像，由于频域和空间域的像素分布位置是不同的，这样能很好地隐藏标记信息，具有很好的抗压缩和涂抹的鲁棒性。当用户对展示的渲染图像进行截图或分享时，所传递的截图图像就自动包括了隐藏的频域水印图像，便于对泄露的图纸数据进行侵权追踪和版权保护等，有效地保护了图纸数据。
在一个实施例中，根据透明参数，将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染包括：根据透明参数，将频域水印图像转化为相应的透明图层；将透明图层作为前景图层；根据完成缺陷标记的图层生成背景图层；将前景图层覆盖于背景图层之上进行图层叠加渲染。
计算机设备在渲染页面时是无法改变图像的alpha通道所对应的alpha值(也就是透明值)，只能对多个图层进行叠加渲染。因而，为了将频域水印图像覆盖至目标页面进行展示，可先将频域水印图像转换成透明化的透明图层，再将该透明图像作为前景图层，将完成缺陷标记的每个图层分为作为背景图层，将透明图层覆盖于之上进行最终展示，即可实现在待审查图纸上添加隐藏水印的效果。
计算机设备将频域水印图像转化为相应的透明图层主要是将频域水印图像转换成带alpha通道的图像。其中，alpha通道是用来处理透明色的一种方式。在每个像素中保存一个alpha值(也就是透明值)，用来表示这个像素的透明程度。加了alpha通道的透明值后，就变成用RGBA来表示一个像素。
由于频域水印图像是图像的频域图，计算机设备可确定频域水印图像中各像素对应的频率值，再将频率值乘以透明参数即可得到alpha通道对应的透明值。或者，计算机设备也可将频率值乘以透明参数的反值(也就是1-透明参数)，得到alpha通道对应的透明值。其中，alpha通道对应的透明值用来表示图像的透明程度。通常alpha通道对应的透明值为一个端值时，图像是完全透明的，当alpha通道对应的透明值为另一个端值时，图像是完全不透明的。
在一个实施例中，对频域水印图像进行图片透明化处理时，频域水印图像中的无效像素区域的alpha通道对应的透明值为0，而有效像素区域的alpha通道对应的透明值为当前像素的频率值乘以α系数(比如α＝0.1，其中，α系数越高，则水印越明显，α系数越低则相反)，得到透明图层。
在一个实施例中，计算机设备在将频域水印图像转换为相应的透明图层时，主要是将当前的频域水印图像转换为带alpha通道的四通道透明图层。当空间域水印图像为一通道的灰度图像时，计算机设备在将频域水印图像转换为相应的透明图层时，可设置对应的R通道、G通道、和B通道所对应的亮度值分别为预设亮度值(比如255)，或者为空间域水印图像的灰度值等。在一个实施例中，当空间域水印图像为三通道的彩色图像时，计算机设备可设置对应的R通道、G通道、和B通道所对应的亮度值分别为空间域水印图像中各像素在各通道中的亮度值。计算机设备根据频域水印图像中各像素的透明值和亮度值，生成与频域水印图像对应的透明图层。此时生成的透明图层是带alpha通道的透明图层。
上述实施例中，根据透明参数和各像素所对应的频率值，计算得到相应像素的透明值。依据频域水印图像中各像素的透明值和亮度值，则可方便快捷地生成与频域水印图像对应的透明图层。
计算机设备将前景图层覆盖于背景图层之上进行图层叠加渲染时，具体可采用如下方式：首先分别将前景图层和背景图层中各像素的RGB三个颜色分量分离；在这里称前景图层中的像素为前景像素，称背景图层中的像素为背景像素，然后把前景像素的三个颜色分量分别乘上Alpha的值，并把背景像素的三个颜色分量分别乘上Alpha的反值(也就是透明值的反值)；进一步地，将相应前景像素和背景像素所对应的颜色分量分别相加，并分别将各颜色分量除以alpha的最大值；最后将三个颜色分量重新合成为一个像素输出。容易理解，alpha值越大，透明效果就越弱。当alpha值达到最大时，就是不透明的，相反，如果alpha值为0，则是全透明。其中，alpha的取值一般为0到255。
上述实施例中，根据透明参数，将频域水印图像转化为相应的透明图层，将透明图层作为前景图层，并根据待审查图纸中每个图层生成背景图层。再将前景图层覆盖于背景图层之上进行图层叠加渲染，可以实现将透明图层叠加至待审查图纸进行展示的效果，也就是实现在待审查图纸上添加水印的效果。
在一个实施例中，如图3所示，提供了一种图纸审查装置，包括：信息获取模块302，缺陷审查模块304和缺陷标记模块306，其中：
信息获取模块302，用于获取待审查图纸中每个图元的属性信息；属性信息包括图元类别。
缺陷审查模块304，用于确定图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别。
缺陷标记模块306，用于在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中，信息获取模块302还用于获取待审查图纸；对待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，信息获取模块302还用于提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与描述文本语义相似的图元标签；若是，根据图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，信息获取模块302还用于获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；通过预训练的文本特征提取模型提取描述文本的文本特征；通过待训练的图片特征提取模型提取图片的图元特征；将文本特征及图元特征输入图元分类器，得到预测分类结果；按照预测分类结果与分类标签的差异，调整图元特征提取模型及图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
在一个实施例中，上述图纸审查装置还包括图纸保护模块308，用于获取空间域水印图像；对控件域水印图像进行频域变换，得到频域水印图像；获取与频域水印图像相应配置的透明参数；根据透明参数，将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
在一个实施例中，图纸保护模块308还用于根据透明参数，将频域水印图像转化为相应的透明图层；将透明图层作为前景图层；根据完成缺陷标记的图层生成背景图层；将前景图层覆盖于背景图层之上进行图层叠加渲染。
上述的图纸审查装置可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，也可以是移动终端。当该计算机设备为服务器时，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图纸审查方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或组合某些部件，或具有不同的部件布置。处理器执行计算机程序时可以执行以下步骤：获取待审查图纸中每个图元的属性信息；属性信息包括图元类别；确定图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：获取待审查图纸；对待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与描述文本语义相似的图元标签；若是，根据图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：
获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；通过预训练的文本特征提取模型提取描述文本的文本特征；通过待训练的图片特征提取模型提取图片的图元特征；将文本特征及图元特征输入图元分类器，得到预测分类结果；按照预测分类结果与分类标签的差异，调整图元特征提取模型及图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：获取空间域水印图像；对控件域水印图像进行频域变换，得到频域水印图像；获取与频域水印图像相应配置的透明参数；根据透明参数，将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：根据透明参数，将频域水印图像转化为相应的透明图层；将透明图层作为前景图层；根据完成缺陷标记的图层生成背景图层；将前景图层覆盖于背景图层之上进行图层叠加渲染。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现计算机程序以下步骤：获取待审查图纸中每个图元的属性信息；属性信息包括图元类别；确定图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中，计算机程序被处理器执行时还执行以下步骤：获取待审查图纸；对待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，计算机程序被处理器执行时还执行以下步骤：提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与描述文本语义相似的图元标签；若是，根据图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中，处理器执行计算机程序时还执行以下步骤：获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；通过预训练的文本特征提取模型提取描述文本的文本特征；通过待训练的图片特征提取模型提取图片的图元特征；将文本特征及图元特征输入图元分类器，得到预测分类结果；按照预测分类结果与分类标签的差异，调整图元特征提取模型及图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
在一个实施例中，计算机程序被处理器执行时还执行以下步骤：获取空间域水印图像；对控件域水印图像进行频域变换，得到频域水印图像；获取与频域水印图像相应配置的透明参数；根据透明参数，将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
在一个实施例中，计算机程序被处理器执行时还执行以下步骤：根据透明参数，将频域水印图像转化为相应的透明图层；将透明图层作为前景图层；根据完成缺陷标记的图层生成背景图层；将前景图层覆盖于背景图层之上进行图层叠加渲染。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，前述计算机程序可存储于一非易失性存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，前述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种图纸审查方法，包括：
获取待审查图纸中每个图元的属性信息；所述属性信息包括图元类别；
确定所述图元类别对应的审查项及审查条件；
根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；
通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；
在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
2.根据权利要求1所述的方法，其特征在于，所述获取待审查图纸中每个图元的属性信息包括：
获取待审查图纸；
对所述待审查图纸进行图层结构，得到多个图层；
在每个图层截取一个或多个图元的图片；
基于预训练的图元分类器确定所述图片对应的图元类别。
3.根据权利要求2所述的方法，其特征在于，所述基于预训练的图元分类器确定所述图片对应的图元类别包括：
提取每个图层中不同图元对应的描述文本；
识别图元库中是否存在与所述描述文本语义相似的图元标签；
若是，根据所述图元标签确定相应图元的图元类别；
否则，基于预训练的图元分类器确定所述图片对应的图元类别。
4.根据权利要求2所述的方法，其特征在于，图元分类器的训练步骤包括：
获取训练样本对及对应分类标签；训练样本对包括图元的描述文本和图片；
通过预训练的文本特征提取模型提取所述描述文本的文本特征；
通过待训练的图片特征提取模型提取所述图片的图元特征；
将所述文本特征及所述图元特征输入图元分类器，得到预测分类结果；
按照预测分类结果与所述分类标签的差异，调整所述图元特征提取模型及所述图元分类器的参数并继续训练，直至满足训练停止条件时结束训练。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取空间域水印图像；
对控件域水印图像进行频域变换，得到频域水印图像；
获取与所述频域水印图像相应配置的透明参数；
根据所述透明参数，将所述频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
6.根据权利要求5所述的方法，其特征在于，所述根据所述透明参数，将所述频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染包括：
根据所述透明参数，将所述频域水印图像转化为相应的透明图层；
将所述透明图层作为前景图层；
根据完成缺陷标记的图层生成背景图层；
将所述前景图层覆盖于所述背景图层之上进行图层叠加渲染。
7.一种图纸审查装置，其特征在于，包括：
信息获取模块，用于获取待审查图纸中每个图元的属性信息；所述属性信息包括图元类别；
缺陷审查模块，用于确定所述图元类别对应的审查项及审查条件；根据属性信息确定每个图元与其他图元之间的坐标距离及相对位置关系；通过判断坐标距离及相对位置关系是否符合相应审查项的审查条件进行缺陷识别；
缺陷标记模块，用于在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
8.根据权利要求7所述的装置，其特征在于，所述信息获取模块还用于获取待审查图纸；对所述待审查图纸进行图层结构，得到多个图层；在每个图层截取一个或多个图元的图片；基于预训练的图元分类器确定所述图片对应的图元类别。
9.根据权利要求7所述的装置，其特征在于，所述信息获取模块还用于提取每个图层中不同图元对应的描述文本；识别图元库中是否存在与所述描述文本语义相似的图元标签；若是，根据所述图元标签确定相应图元的图元类别；否则，基于预训练的图元分类器确定所述图片对应的图元类别。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任意一项所述方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-6任意一项所述方法的步骤。
CN201910625614.1A 2019-07-11 2019-07-11 图纸审查方法、装置、计算机设备和存储介质 Pending CN110517223A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910625614.1A CN110517223A (zh) 2019-07-11 2019-07-11 图纸审查方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910625614.1A CN110517223A (zh) 2019-07-11 2019-07-11 图纸审查方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN110517223A true CN110517223A (zh) 2019-11-29

Family

ID=68622975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910625614.1A Pending CN110517223A (zh) 2019-07-11 2019-07-11 图纸审查方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110517223A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160334A (zh) * 2019-12-31 2020-05-15 湖南特能博世科技有限公司 标注归属确认方法、装置和设备
CN111401231A (zh) * 2020-03-13 2020-07-10 华黔科技有限公司 工程图纸识别审核方法和装置
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN111798649A (zh) * 2020-06-23 2020-10-20 深圳市富思源智慧消防股份有限公司 火灾自动报警平面图的消防构件编号方法、系统、智能终端和存储介质
CN111831873A (zh) * 2020-06-24 2020-10-27 万翼科技有限公司 图纸审查方法及相关装置
CN111859503A (zh) * 2020-07-09 2020-10-30 万翼科技有限公司 图纸审查方法、电子设备与图形服务器
CN111931269A (zh) * 2020-07-10 2020-11-13 上海建工四建集团有限公司 Bim与图纸中重要构件信息一致性的自动审核方法和系统
CN112749434A (zh) * 2021-01-12 2021-05-04 苍穹数码技术股份有限公司 施工审查模型处理方法、装置、设备及存储介质
CN112883799A (zh) * 2021-01-20 2021-06-01 上海品览智造科技有限公司 一种cad坡道大样图中坡道精准识别的方法
CN113536561A (zh) * 2021-07-08 2021-10-22 万翼科技有限公司 一种审核车位图纸的方法及其相关产品
CN114722483A (zh) * 2022-06-09 2022-07-08 江西少科智能建造科技有限公司 一种地库出入口的智能审查方法、装置及设备
CN114972659A (zh) * 2022-07-28 2022-08-30 江西少科智能建造科技有限公司 一种二维图纸转换三维模型用于图纸审查的方法及系统
CN116959020A (zh) * 2023-07-20 2023-10-27 广州市规划和自然资源自动化中心(广州市基础地理信息中心) 一种图纸文件指标自检方法和系统
CN117172042A (zh) * 2023-06-05 2023-12-05 北京求解科技有限公司 基于计算机辅助设计的构件校验方法、系统和计算机设备

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050275663A1 (en) * 2004-06-09 2005-12-15 Yoshiyuki Kokojima Rendering apparatus, rendering processing method and computer program product
US20060109242A1 (en) * 2004-11-19 2006-05-25 Simpkins Daniel S User interface for impaired users
US20120265716A1 (en) * 2011-01-19 2012-10-18 Qualcomm Incorporated Machine learning of known or unknown motion states with sensor fusion
CN103605970A (zh) * 2013-12-02 2014-02-26 华中师范大学 一种基于机器学习的图纸建筑元素识别方法及系统
CN105590153A (zh) * 2014-10-29 2016-05-18 张英杰 一种建筑工程质量检验系统及方法
CN105868440A (zh) * 2016-03-21 2016-08-17 扬州大学 一种基于bim技术的建设工程数据建模方法
CN108268862A (zh) * 2018-02-09 2018-07-10 广州大学 基于建筑图纸的门和窗自动识别方法
WO2018140223A1 (en) * 2017-01-25 2018-08-02 Advanced Micro Devices, Inc. Stereo rendering
CN108376248A (zh) * 2018-02-09 2018-08-07 广州大学 基于建筑图纸的柱和墙自动识别方法
CN108875599A (zh) * 2018-05-30 2018-11-23 成都小智审图科技有限公司 一种建筑行业工程cad图纸的识别审图方法
CN109035914A (zh) * 2018-08-20 2018-12-18 广东小天才科技有限公司 一种基于智能台灯的学习方法及智能台灯
CN109191576A (zh) * 2018-09-06 2019-01-11 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的图层分类方法
CN109767378A (zh) * 2019-01-02 2019-05-17 腾讯科技（深圳）有限公司 图像处理方法和装置
CN109993827A (zh) * 2019-03-29 2019-07-09 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的立面图识别方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050275663A1 (en) * 2004-06-09 2005-12-15 Yoshiyuki Kokojima Rendering apparatus, rendering processing method and computer program product
US20060109242A1 (en) * 2004-11-19 2006-05-25 Simpkins Daniel S User interface for impaired users
US20120265716A1 (en) * 2011-01-19 2012-10-18 Qualcomm Incorporated Machine learning of known or unknown motion states with sensor fusion
CN103605970A (zh) * 2013-12-02 2014-02-26 华中师范大学 一种基于机器学习的图纸建筑元素识别方法及系统
CN105590153A (zh) * 2014-10-29 2016-05-18 张英杰 一种建筑工程质量检验系统及方法
CN105868440A (zh) * 2016-03-21 2016-08-17 扬州大学 一种基于bim技术的建设工程数据建模方法
WO2018140223A1 (en) * 2017-01-25 2018-08-02 Advanced Micro Devices, Inc. Stereo rendering
CN108268862A (zh) * 2018-02-09 2018-07-10 广州大学 基于建筑图纸的门和窗自动识别方法
CN108376248A (zh) * 2018-02-09 2018-08-07 广州大学 基于建筑图纸的柱和墙自动识别方法
CN108875599A (zh) * 2018-05-30 2018-11-23 成都小智审图科技有限公司 一种建筑行业工程cad图纸的识别审图方法
CN109035914A (zh) * 2018-08-20 2018-12-18 广东小天才科技有限公司 一种基于智能台灯的学习方法及智能台灯
CN109191576A (zh) * 2018-09-06 2019-01-11 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的图层分类方法
CN109767378A (zh) * 2019-01-02 2019-05-17 腾讯科技（深圳）有限公司 图像处理方法和装置
CN109993827A (zh) * 2019-03-29 2019-07-09 宁波睿峰信息科技有限公司 一种将建筑图纸转换为三维bim模型的立面图识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蔡冠华: "试论船舶电气图纸审查的基本方法与注意要点", 《南通航运职业技术学院学报》 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160334A (zh) * 2019-12-31 2020-05-15 湖南特能博世科技有限公司 标注归属确认方法、装置和设备
CN111160334B (zh) * 2019-12-31 2023-05-19 湖南特能博世科技有限公司 标注归属确认方法、装置和设备
CN111401231A (zh) * 2020-03-13 2020-07-10 华黔科技有限公司 工程图纸识别审核方法和装置
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN111782583B (zh) * 2020-06-12 2023-08-18 万翼科技有限公司 智能审图方法及相关装置
CN111798649A (zh) * 2020-06-23 2020-10-20 深圳市富思源智慧消防股份有限公司 火灾自动报警平面图的消防构件编号方法、系统、智能终端和存储介质
CN111831873A (zh) * 2020-06-24 2020-10-27 万翼科技有限公司 图纸审查方法及相关装置
CN111859503A (zh) * 2020-07-09 2020-10-30 万翼科技有限公司 图纸审查方法、电子设备与图形服务器
CN111859503B (zh) * 2020-07-09 2024-04-26 深圳市万翼数字技术有限公司 图纸审查方法、电子设备与图形服务器
CN111931269A (zh) * 2020-07-10 2020-11-13 上海建工四建集团有限公司 Bim与图纸中重要构件信息一致性的自动审核方法和系统
CN112749434A (zh) * 2021-01-12 2021-05-04 苍穹数码技术股份有限公司 施工审查模型处理方法、装置、设备及存储介质
CN112883799A (zh) * 2021-01-20 2021-06-01 上海品览智造科技有限公司 一种cad坡道大样图中坡道精准识别的方法
CN112883799B (zh) * 2021-01-20 2024-04-09 上海品览智造科技有限公司 一种cad坡道大样图中坡道精准识别的方法
CN113536561A (zh) * 2021-07-08 2021-10-22 万翼科技有限公司 一种审核车位图纸的方法及其相关产品
CN114722483A (zh) * 2022-06-09 2022-07-08 江西少科智能建造科技有限公司 一种地库出入口的智能审查方法、装置及设备
CN114972659B (zh) * 2022-07-28 2022-11-01 江西少科智能建造科技有限公司 一种二维图纸转换三维模型用于图纸审查的方法及系统
CN114972659A (zh) * 2022-07-28 2022-08-30 江西少科智能建造科技有限公司 一种二维图纸转换三维模型用于图纸审查的方法及系统
CN117172042A (zh) * 2023-06-05 2023-12-05 北京求解科技有限公司 基于计算机辅助设计的构件校验方法、系统和计算机设备
CN117172042B (zh) * 2023-06-05 2024-01-23 北京求解科技有限公司 基于计算机辅助设计的构件校验方法、系统和计算机设备
CN116959020A (zh) * 2023-07-20 2023-10-27 广州市规划和自然资源自动化中心(广州市基础地理信息中心) 一种图纸文件指标自检方法和系统
CN116959020B (zh) * 2023-07-20 2024-02-23 广州市规划和自然资源自动化中心(广州市基础地理信息中心) 一种图纸文件指标自检方法和系统

Similar Documents

Publication Publication Date Title
CN110517223A (zh) 图纸审查方法、装置、计算机设备和存储介质
CN110502984B (zh) 图纸审查方法、装置、计算机设备和存储介质
AU2017362937B2 (en) Information processing device, information processing method, and program
US8090196B2 (en) Album creating apparatus, album creating method and computer readable medium storing thereon program therefor
Hsu et al. Detecting image splicing using geometry invariants and camera characteristics consistency
RU2349957C1 (ru) Смешанный код, и способ и устройство для его генерирования, и способ и устройство для его декодирования
US11636639B2 (en) Mobile application for object recognition, style transfer and image synthesis, and related systems, methods, and apparatuses
US11507777B2 (en) Labeling techniques for a modified panoptic labeling neural network
WO2019223586A1 (zh) 车位使用状况的检测方法、装置、电子设备及存储介质
Sanocki et al. Are edges sufficient for object recognition?
JP2008085695A (ja) 電子透かし埋め込み装置および検出装置
CN101529495A (zh) 图像遮罩生成
CN111739027B (zh) 一种图像处理方法、装置、设备及可读存储介质
CN101201939A (zh) 图片验证码生成方法和图片验证码生成系统
CN107622497A (zh) 图像裁剪方法、装置、计算机可读存储介质和计算机设备
Li et al. A simple framework for face photo-sketch synthesis
CN113393471A (zh) 图像处理方法和装置
JP2010211498A (ja) 画像処理プログラム及び画像処理システム
CN106295627A (zh) 用于识别文字牛皮癣图片的方法及装置
JP3394988B2 (ja) 画像処理システム
CN109544438A (zh) 一种基于神经网络与dct变换的数字水印方法
CN112380940A (zh) 一种高空抛物监控图像的处理方法、装置、电子设备和存储介质
CN107798649A (zh) 图片的识别方法和装置
CN112884074B (zh) 基于决策树的图像设计方法、设备、存储介质及装置
US11468658B2 (en) Systems and methods for generating typographical images or videos

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: 20191129