CN111008597A - Cad图纸的空间识别方法、装置、电子设备及存储介质 - Google Patents
Cad图纸的空间识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111008597A CN111008597A CN201911237788.7A CN201911237788A CN111008597A CN 111008597 A CN111008597 A CN 111008597A CN 201911237788 A CN201911237788 A CN 201911237788A CN 111008597 A CN111008597 A CN 111008597A
- Authority
- CN
- China
- Prior art keywords
- image
- picture
- space
- edge detection
- target building
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了一种CAD图纸的空间识别方法、装置、电子设备及存储介质,其中该CAD图纸的空间识别方法通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;基于导出的图片,获取所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
Description
技术领域
本申请涉及计算机图形处理技术领域,尤其涉及一种CAD图纸的空间识别方法、装置、电子设备及存储介质。
背景技术
随着计算机技术的发展,市面上出现了诸多绘图工具,其中应用最为广泛的就是计算机辅助设计(Computer Aided Design,CAD),在建筑、机械等行业,CAD绘图起着至关重要的作用。现有的欧特克CAD定义空间需要依靠专业二次开发设计工具,例如:天正,由设计师在制作图纸时预先定义。但是,此类设计工具种类众多,定义空间的标准不一,且设计院交付图纸通常要转换成CAD通用格式(不支持定义空间)以便各方使用,因此,如何识别出通用格式的CAD图纸中的目标建筑空间成为行业内亟待解决的问题。
发明内容
针对上述技术问题,本申请提供了一种CAD图纸的空间识别方法、装置、电子设备及存储介质,能够识别出通用格式的CAD图纸中的目标建筑空间。
为实现上述目的,本申请实施例第一方面提供了一种CAD图纸的空间识别方法,该CAD图纸的空间识别方法包括:
获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
将目标构件所在的图层中的对象按图纸导出为图片;
基于导出的图片,获取所述待识别图纸中的目标建筑空间;
获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
结合第一方面,在一种可能的实施方式中,所述基于导出的图片,获取所述待识别图纸中的目标建筑空间,包括:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
结合第一方面,在一种可能的实施方式中,所述对导出的图片进行边缘检测,识别所述图片中所有空间的边缘,包括:
采用预设函数对所述图片进行灰度化处理,得到所述图片的灰度图像,所述预设函数的公式为:Y=0.299R+0.587G+0.114B,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
结合第一方面,在一种可能的实施方式中,所述对所述灰度图像进行平滑,得到平滑图像,包括:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
结合第一方面,在一种可能的实施方式中,所述利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,包括:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
结合第一方面,在一种可能的实施方式中,所述根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间,包括:
以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
本申请实施例第二方面提供了一种CAD图纸的空间识别装置,该CAD图纸的空间识别装置包括:
图层获取模块,用于获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
图层导出模块,用于将目标构件所在的图层中的对象按图纸导出为图片;
空间识别模块,用于基于导出的图片,获取所述待识别图纸中的目标建筑空间;
空间名称确定模块,用于获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
本申请实施例第三方面提供了一种电子设备,所述电子设备包括输入设备、输出设备,
处理器,适于实现一条或多条指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行上述的的CAD图纸的空间识别方法。
本申请实施例第四方面提供了一种计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行上述的CAD图纸的空间识别方法。
本申请的上述方案至少包括以下有益效果:通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;基于导出的图片,获取所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种应用架构图;
图2为本申请实施例提供的一种CAD图纸的空间识别方法的流程示意图;
图3为本申请实施例提供的一种另一种CAD图纸的空间识别方法的流程示意图;
图4a为本申请实施例提供的一阶边缘检测算子的模板示例图;
图4b为本申请实施例提供的二阶边缘检测算子的模板示例图;
图5为本申请实施例提供的一种识别出目标建筑空间的示例图;
图6为本申请实施例提供的一种目标建筑空间内文本信息的示例图;
图7为本申请实施例提供的一种CAD图纸的空间识别装置的结构示意图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
本申请说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形,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,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同的对象,而并非用于描述特定的顺序。
首先结合相关附图来举例介绍下本申请实施例的方案可能应用到的网络系统架构。请参见图1,图1为本申请实施例提供的一种应用架构图,如图1所示,包括用户端和智能审图平台,用户端可以理解为用户使用的终端,例如:笔记本电脑、台式电脑、平板电脑等,智能审图平台的服务器是本方案的执行主体,该服务器可以是本地服务器,也可以是云端服务器,还可以是服务器集群,此处不作限定。用户端与智能审图平台的服务器通过网络连接通信,具体的,用户端可安装CAD软件,用户在绘画完成后可直接将保存的CAD图纸文件提交至智能审图平台,智能审图平台提供有一键审图功能,用户触发一键审图功能,服务器开始执行识别目标建筑空间的构件、获取构件所在图层、导出图片、获取目标建筑空间等相关步骤。当然,此处提交至智能审图平台的CAD图纸并不局限于用户绘画完成直接导出的图纸,还可以是其他用户转发过来的图纸,例如:设计院向审图组发送的图纸。基于上述网络系统架构,使得本申请实施例提出的方案并不依赖于二次开发专业设计工具、不需要设计师对目标建筑空间预先定义,依靠CAD的通用数据便能识别出图纸中的目标建筑空间。
基于上述描述,请参见图2,图2为本申请实施例提供的一种CAD图纸的空间识别方法的流程示意图,如图2所示,该CAD图纸的空间识别方法包括以下步骤:步骤S21-S24:
S21,获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
本申请具体实施例中,待识别图纸指绘画完成的CAD图纸,例如:企业设计院完成的楼层平面图、户型图等;目标建筑空间指为了满足人生活或生产需要,由各种构件所构成的内部空间与外部空间的统称,可以理解为CAD图纸中的封闭空间,例如:卧室、厨房、车道、阳台等;目标构件指构成目标建筑空间的构件,例如:构成房间的墙、门、窗,构成阳台的墙、栏杆等,构成目标建筑空间的目标构件类型可以预先设置好,包括但不限于门、墙、窗、栏杆、柱。具体的,可以通过识别线、圆、块等图元确定出预先设置的目标构件,例如:四条长线加两条短线识别为窗,获取到目标构件后,再提取构成目标建筑空间的所有目标构件所在的图层,例如:构成主卧的目标构件所在的图层。
S22,将目标构件所在的图层中的对象按图纸导出为图片。
本申请具体实施例中,目标构件所在的图层除了存在组成目标构件的对象,还可能存在其他对象,将该图层所有的对象以图纸的形式导成一张图片,例如:JPG格式、RGB格式的图片。
S23,基于导出的图片,获取所述待识别图纸中的目标建筑空间。
本申请具体实施例中,可采用图像分割算法对导出的图片进行处理,以分割出待识别图纸中的目标建筑空间。例如:可以采用大量经过标注的样本图像训练U型卷积神经网络,得到一训练好的U型分割模型,采用训练好的U型分割模型对导出的图片进行分割,得到待识别图纸中的目标建筑空间;还可以采用图像配准的方法,寻求一最佳空间变换关系S,将导出的图片与模板图像进行配准,以从图片中分割出待识别图纸中的目标建筑空间;或者还可以对导出的图片进行平滑滤波,采用微分算子对其进行边缘检测,以获取待识别图纸中的目标建筑空间。
S24,获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
本申请具体实施例中,由于CAD模型空间中一些点通常会标注有坐标,例如:卧室墙线的一个交点坐标(x=121.9061,y=87.4008),且设计师在绘制建筑平面图时通常会在目标建筑空间内标注相应的文本,例如:卧室A、卧室B、阳台A、阳台B、卫生间等,在步骤S23获取到待识别图纸中的目标建筑空间后,再读取围成目标建筑空间的一些点的坐标,通过预设接口获取这些点的坐标范围内的文本,该文本即为目标建筑空间的名称。例如:阳台墙线之间有两个交点、墙线与栏杆之间有两个交点,在这四个点的坐标范围内存在“阳台A”的文本,则读取到该文本便可确定相应的目标建筑空间为阳台A。
可以看出,本申请实施例通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;基于导出的图片,获取所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
基于图2所示的实施例的描述,请参见图3,图3为本申请实施例提供的另一种CAD图纸的空间识别方法的流程示意图,如图3所示,包括步骤S31-S36:
S31,获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
S32,将目标构件所在的图层中的对象按图纸导出为图片;
S33,对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
本申请具体实施例中,可以采用一些边缘检测算子对导出的图片进行边缘检测,例如:一阶边缘检测算子Roberts、Sobel、Prewitt,三者的模板如图4a所示,使用两个方向的算子模板在图片上滑动,模板与其覆盖的区域的像素进行卷积以计算出梯度值和方向;再例如:二阶边缘检测算子:Laplacian、Marr-Hildreth、Canny,其中,Laplacian算子、Marr-Hildreth算子的模板如图4b所示。具体的,对于目标构件所在的图层导出的RGB格式的图片,本申请采用Canny算子进行边缘检测,采用预设函数:Y=0.299R+0.587G+0.114B将所述图片转换为灰度图像,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;采用二维高斯模板对所述灰度图像进行高斯滤波,得到平滑图像;使用算子:计算所述平滑图像的梯度值和方向;利用梯度的方向对梯度值进行非极大值抑制,得到初始边缘检测图像;采用双阈值算法对所述初始边缘检测图像进行边缘检测和连接,得到边缘检测图像,即识别出所述图片中所有空间的边缘,此处的边缘可以是目标构件所在的图层中的墙线、柱线、窗线、卫生间洗漱台线等等。此处采用Canny算子进行边缘检测,能最大程度降低噪声的干扰,对于图片中以线为主体的弱边缘更加适用。
S34,根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
本申请具体实施例中,闭包搜索算法也可称为传递闭包算法,对于一个包括n个顶点的有向图,若其中的顶点p到顶点q有路径(直接可达),则将邻接矩阵A[p,q]记为1,若其中的顶点p到顶点q没有路径,即顶点p无法直接到达顶点q,闭包搜索算法的目的就是以邻接矩阵A开始,计算出有向图中所有顶点间的可达路径情况,得到一传递闭包矩阵,根据传递闭包矩阵中各顶点间的可达路径便能确定出顶点构成的空间。
同理,此处以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
例如:空间的边缘的端点可以是墙线与墙线之间的交点、墙线与栏杆之间的交点等任意交点或构造点,R(0)表示该矩阵不允许它的路径中包含任何中间顶点,即从该矩阵的任意顶点出发的路径不含有中间顶点,即邻接矩阵T1本身,而R(1)表示允许路径中包含第一个顶点,R(2)表示允许路径中包含第一个和第二个顶点,等等,顶点的编号或顺序可自定义。
S35,过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间;
本申请具体实施例中,在步骤S34识别出所有封闭空间后,根据预设规则将对识别出的封闭空间进行过滤,对于墙体内部、柱子内部、管道内部等细小的空间,明显不是想要获取的目标建筑空间,因此,可设定一个面积阈值,将封闭空间中面积小于该阈值的空间过滤掉,最后得到的就是所有的目标建筑空间,例如:客厅、卧室、书房等,对于图5中的待识别图纸,采用上述步骤S33-S35可识别出如图5中右侧所示的目标建筑空间。
S36,获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
本申请具体实施例中,如图6所示,每一目标建筑空间内均有标注的文本,当然,标注的文本可能不仅仅是“卧室”、“阳台”等目标建筑空间的名称,还可能包括其他信息,此时,可采用OCR(Optical Character Recognition,光学字符识别技术)直接识别目标建筑空间的坐标范围内的文本,也可以查找文本信息所在的图层,再读取目标建筑空间的坐标范围内的文本,具体不作限定。
其中,上述部分步骤在图2所示的实施例中,已有相关描述,且能达到相同或相似的有益效果,为避免重复,此处不再赘述。
在一些示例中,上述对导出的图片进行边缘检测,识别所述图片中所有空间的边缘,包括:
采用预设函数:Y=0.299R+0.587G+0.114B对所述图片进行灰度化处理,得到所述图片的灰度图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
在一些示例中,所述对所述灰度图像进行平滑,得到平滑图像,包括:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
具体的,上述一维高斯模板即一维高斯函数,采用一维高斯函数现在X方向上进行卷积,得到的结果再采用一维高斯函数在Y方向进行卷积,得到高斯图,即上述的平滑图像。
在一些示例中,所述利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,包括:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
本申请具体实施例中,预设的一阶边缘检测算子、二阶边缘检测算子可以是预定义的,也可以是采用现有的边缘检测算子,此处采用R个一阶边缘检测算子对平滑图像进行边缘检测,得到R个第一结果,对该R个第一结果进行融合便得到上述的第一边缘检测图像,同理,采用R个二阶边缘检测算子对平滑图像进行边缘检测,得到R个第二结果,对该R个第二结果进行融合便得到上述的第二边缘检测图像,最后对得到的第一边缘检测图像和第二边缘检测图像进行逻辑或运算,得到最终的边缘检测图像。
本申请实施例通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
基于上述描述,请参见图7,图7为本申请实施例提供的一种CAD图纸的空间识别装置的结构示意图,如图7所示,该装置包括:
图层获取模块71,用于获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
图层导出模块72,用于将目标构件所在的图层中的对象按图纸导出为图片;
空间识别模块73,用于基于导出的图片,获取所述待识别图纸中的目标建筑空间;
空间名称确定模块74,用于获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
在一种可能的实施方式中,所述空间识别模块73在基于导出的图片,获取所述待识别图纸中的目标建筑空间方面,具体用于:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
在一种可能的实施方式中,所述空间识别模块73在对导出的图片进行边缘检测,识别所述图片中所有空间的边缘方面,具体用于:
采用预设函数对所述图片进行灰度化处理,得到所述图片的灰度图像,所述预设函数的公式为:Y=0.299R+0.587G+0.114B,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
在一种可能的实施方式中,所述空间识别模块73在对所述灰度图像进行平滑,得到平滑图像方面,具体用于:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
在一种可能的实施方式中,所述空间识别模块73在利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像方面,具体用于:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
在一种可能的实施方式中,所述空间识别模块73在所述根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间方面,具体用于:
以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
需要说明的是,本申请实施例提供的CAD图纸的空间识别装置能够实现图2或图3所示的CAD图纸的空间识别方法中的步骤,且能达到相同或相似的有益效果,该装置可以应用于实际CAD图纸审核场景中。
本申请实施例提供的上述CAD图纸的空间识别装置通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;基于导出的图片,获取所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
根据本申请的一个实施例,图7所示的CAD图纸的空间识别装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本发明的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本发明的其它实施例中,CAD图纸的空间识别装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2或图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图7中所示的CAD图纸的空间识别装置设备,以及来实现本发明实施例的CAD图纸的空间识别方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
基于上述方法实施例以及装置实施例的描述,本发明实施例还提供一种电子设备。请参见图8,该电子设备至少包括处理器81、输入设备82、输出设备83以及计算机存储介质84。其中,电子设备内的处理器81、输入设备82、输出设备83以及计算机存储介质84可通过总线或其他方式连接。
计算机存储介质84可以存储在电子设备的存储器中,所述计算机存储介质84用于存储计算机程序,所述计算机程序包括程序指令,所述处理器81用于执行所述计算机存储介质84存储的程序指令。处理器81(或称CPU(Central Processing Unit,中央处理器))是电子设备的计算核心以及控制核心,其适于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能。
在一个实施例中,本申请实施例提供的电子设备的处理器81可以用于进行一系列基于CAD图纸的空间识别处理,包括:获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
将目标构件所在的图层中的对象按图纸导出为图片;
基于导出的图片,获取所述待识别图纸中的目标建筑空间;
获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
在一个实施例中,处理器81执行所述基于导出的图片,获取所述待识别图纸中的目标建筑空间,包括:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
在一个实施例中,处理器81执行所述对导出的图片进行边缘检测,识别所述图片中所有空间的边缘,包括:
采用预设函数对所述图片进行灰度化处理,得到所述图片的灰度图像,所述预设函数的公式为:Y=0.299R+0.587G+0.114B,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
在一个实施例中,处理器81执行所述对所述灰度图像进行平滑,得到平滑图像,包括:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
在一个实施例中,处理器81执行所述利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,包括:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
在一个实施例中,处理器81执行所述根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间,包括:
以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
可以看出,本申请提供的电子设备通过获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;将目标构件所在的图层中的对象按图纸导出为图片;基于导出的图片,获取所述待识别图纸中的目标建筑空间;获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称,从而在不依赖其他专业设计工具、不需要设计师预先定义的情况下,识别出通用格式的CAD图纸中的目标建筑空间。
示例性的,上述电子设备可以是计算机、笔记本电脑、平板电脑、掌上电脑、服务器、云端服务器等。电子设备可包括但不仅限于处理器81、输入设备82、输出设备83以及计算机存储介质84。本领域技术人员可以理解,所述示意图仅仅是电子设备的示例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
需要说明的是,由于电子设备的处理器81执行计算机程序时实现上述的CAD图纸的空间识别方法中的步骤,因此上述CAD图纸的空间识别方法的实施例或实施方式均适用于该电子设备,且均能达到相同或相似的有益效果。
本申请实施例还提供了一种计算机存储介质(Memory),所述计算机存储介质是电子设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括终端中的内置存储介质,当然也可以包括终端所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器81加载并执行的一条或多条的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的,还可以是至少一个位于远离前述处理器81的计算机存储介质。在一个实施例中,可由处理器81加载并执行计算机存储介质中存放的一条或多条指令,以实现上述有关CAD图纸的空间识别方法的相应步骤;具体实现中,计算机存储介质中的一条或多条指令由处理器81加载并执行如下步骤:
获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
将目标构件所在的图层中的对象按图纸导出为图片;
基于导出的图片,获取所述待识别图纸中的目标建筑空间;
获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
在一个实施例中,计算机存储介质中的一条或多条指令由处理器81加载时,还用于实现如下步骤:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
在一个实施例中,计算机存储介质中的一条或多条指令由处理器81加载时,还用于实现如下步骤:
采用预设函数对所述图片进行灰度化处理,得到所述图片的灰度图像,所述预设函数的公式为:Y=0.299R+0.587G+0.114B,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
在一个实施例中,计算机存储介质中的一条或多条指令由处理器81加载时,还用于实现如下步骤:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
在一个实施例中,计算机存储介质中的一条或多条指令由处理器81加载时,还用于实现如下步骤:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
在一个实施例中,计算机存储介质中的一条或多条指令由处理器81加载时,还用于实现如下步骤:
以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
示例性的,计算机可读存储介质的计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,由于计算机可读存储介质的计算机程序被处理器执行时实现上述的CAD图纸的空间识别方法中的步骤,因此上述CAD图纸的空间识别方法的所有实施例或实施方式均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种CAD图纸的空间识别方法,其特征在于,所述方法包括:
获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
将目标构件所在的图层中的对象按图纸导出为图片;
基于导出的图片,获取所述待识别图纸中的目标建筑空间;
获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
2.根据权利要求1所述的方法,其特征在于,所述基于导出的图片,获取所述待识别图纸中的目标建筑空间,包括:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
3.根据权利要求2所述的方法,其特征在于,所述对导出的图片进行边缘检测,识别所述图片中所有空间的边缘,包括:
采用预设函数对所述图片进行灰度化处理,得到所述图片的灰度图像,所述预设函数的公式为:Y=0.299R+0.587G+0.114B,其中,Y表示转换后得到的所述灰度图像,R表示所述图片的红色通道图像,G表示所述图片的绿色通道图像,B表示所述图片的蓝色通道图像;
对所述灰度图像进行平滑,得到平滑图像;
利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,所述边缘检测图像包括所述图片中所有空间的边缘。
4.根据权利要求3所述的方法,其特征在于,所述对所述灰度图像进行平滑,得到平滑图像,包括:
使用一维高斯模板对所述灰度图像进行X方向的高斯滤波,得到初始滤波图像;
使用所述一维高斯模板对所述初始滤波图像进行Y方向的高斯滤波,得到所述平滑图像。
5.根据权利要求3所述的方法,其特征在于,所述利用边缘检测算子对所述平滑图像进行边缘检测,得到边缘检测图像,包括:
利用预设的一阶边缘检测算子对所述平滑图像进行边缘检测,得到第一边缘检测图像;
利用预设的二阶边缘检测算子对所述平滑图像进行边缘检测,得到第二边缘检测图像;
根据所述第一边缘检测图像与所述第二边缘检测图像得到所述边缘检测图像。
6.根据权利要求2-5中任一项所述的方法,其特征在于,所述根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间,包括:
以空间的边缘的端点为顶点、空间的边缘为路径,构造有向图;
获取所述有向图的邻接矩阵T1;
以所述邻接矩阵T1为初始矩阵,通过n阶矩阵r(k)计算传递闭包矩阵r(n),k=0,1,2,…,n;
由所述传递闭包矩阵r(n)确定所述图片中的封闭空间。
7.一种CAD图纸的空间识别装置,其特征在于,所述装置包括:
图层获取模块,用于获取待识别图纸中构成目标建筑空间的目标构件,并提取所述目标构件所在的图层;
图层导出模块,用于将目标构件所在的图层中的对象按图纸导出为图片;
空间识别模块,用于基于导出的图片,获取所述待识别图纸中的目标建筑空间;
空间名称确定模块,用于获取目标建筑空间的坐标范围内的文本以确定目标建筑空间的名称。
8.根据权利要求7所述的装置,其特征在于,所述空间识别模块在基于导出的图片,获取所述待识别图纸中的目标建筑空间方面,具体用于:
对导出的图片进行边缘检测,识别所述图片中所有空间的边缘;
根据所有空间的边缘使用闭包搜索算法获取所述图片中的封闭空间;
过滤掉所述封闭空间中面积小于规定阈值的空间,得到所述待识别图纸中的目标建筑空间。
9.一种电子设备,包括输入设备和输出设备,其特征在于,还包括:
处理器,适于实现一条或多条指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行如权利要求1-6任一项所述的CAD图纸的空间识别方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由处理器加载并执行如权利要求1-6任一项所述的CAD图纸的空间识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237788.7A CN111008597B (zh) | 2019-12-05 | 2019-12-05 | Cad图纸的空间识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911237788.7A CN111008597B (zh) | 2019-12-05 | 2019-12-05 | Cad图纸的空间识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008597A true CN111008597A (zh) | 2020-04-14 |
CN111008597B CN111008597B (zh) | 2023-03-24 |
Family
ID=70114790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911237788.7A Active CN111008597B (zh) | 2019-12-05 | 2019-12-05 | Cad图纸的空间识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008597B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563898A (zh) * | 2020-04-29 | 2020-08-21 | 万翼科技有限公司 | 图像分割方法、电子设备及相关产品 |
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 |
CN111782584A (zh) * | 2020-06-15 | 2020-10-16 | 万翼科技有限公司 | 建筑图纸预处理系统、方法、电子设备及存储介质 |
CN111881947A (zh) * | 2020-07-09 | 2020-11-03 | 广联达科技股份有限公司 | 特征点集对的筛选方法、目标匹配方法、装置及电子设备 |
CN111950422A (zh) * | 2020-08-05 | 2020-11-17 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
CN112528755A (zh) * | 2020-11-19 | 2021-03-19 | 上海至冕伟业科技有限公司 | 一种消防疏散设施智能识别方法 |
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 |
CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 基于深度学习建筑专业住宅平面图空间内构件的识别方法 |
CN113011719A (zh) * | 2021-03-03 | 2021-06-22 | 苏州盛弘森科技有限公司 | 用于工业生产的可视化质量检测方法和系统 |
CN113128457A (zh) * | 2021-04-30 | 2021-07-16 | 杭州品茗安控信息技术股份有限公司 | 一种建筑模型的识别方法、系统及相关装置 |
CN113205551A (zh) * | 2021-04-13 | 2021-08-03 | 万翼科技有限公司 | 计算建筑剖面图层高的方法、装置、设备及存储介质 |
CN113392453A (zh) * | 2021-06-10 | 2021-09-14 | 万翼科技有限公司 | 工程图纸中的空间提取方法、装置、电子设备和存储介质 |
CN113392761A (zh) * | 2021-06-15 | 2021-09-14 | 万翼科技有限公司 | 构件识别方法、装置、设备及存储介质 |
CN113435289A (zh) * | 2021-06-22 | 2021-09-24 | 万翼科技有限公司 | 空间分割方法、装置、设备及存储介质 |
CN113780190A (zh) * | 2021-09-14 | 2021-12-10 | 万翼科技有限公司 | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 |
CN114022895A (zh) * | 2021-10-27 | 2022-02-08 | 上海品览数据科技有限公司 | 一种对建筑专业住宅平面图中户型的精准识别方法 |
CN115082952A (zh) * | 2022-07-19 | 2022-09-20 | 北京国盛华兴科技有限公司 | 一种电子图纸的识别方法、装置、电子设备及存储介质 |
CN117058338A (zh) * | 2023-07-07 | 2023-11-14 | 北京畅图科技有限公司 | 基于cad的三维建筑模型构建方法、系统、设备及介质 |
WO2024045826A1 (zh) * | 2022-08-29 | 2024-03-07 | 上海智臻智能网络科技股份有限公司 | 建筑图纸的空间面积计算方法及系统、建筑图纸的处理方法、设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209973A (zh) * | 2008-11-07 | 2011-10-05 | 松利得宇株式会社 | 用于设施管理的方法和系统 |
CN105009125A (zh) * | 2012-12-19 | 2015-10-28 | 帕特克有限公司 | 使用标准化结构构件的方法和系统 |
CN109829198A (zh) * | 2018-12-29 | 2019-05-31 | 浙江精工钢结构集团有限公司 | 一种基于bim的钢结构质检信息化管理系统 |
CN110008366A (zh) * | 2018-11-06 | 2019-07-12 | 北京居然设计家网络科技有限公司 | 一种施工图纸预览方法及其系统 |
-
2019
- 2019-12-05 CN CN201911237788.7A patent/CN111008597B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209973A (zh) * | 2008-11-07 | 2011-10-05 | 松利得宇株式会社 | 用于设施管理的方法和系统 |
CN105009125A (zh) * | 2012-12-19 | 2015-10-28 | 帕特克有限公司 | 使用标准化结构构件的方法和系统 |
CN110008366A (zh) * | 2018-11-06 | 2019-07-12 | 北京居然设计家网络科技有限公司 | 一种施工图纸预览方法及其系统 |
CN109829198A (zh) * | 2018-12-29 | 2019-05-31 | 浙江精工钢结构集团有限公司 | 一种基于bim的钢结构质检信息化管理系统 |
Non-Patent Citations (1)
Title |
---|
胡薇薇: "基于Grab Cut的快速交互式图像分割算法研究", 《中国优秀硕士论文全文数据库》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563898A (zh) * | 2020-04-29 | 2020-08-21 | 万翼科技有限公司 | 图像分割方法、电子设备及相关产品 |
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 |
CN111782584B (zh) * | 2020-06-15 | 2023-06-23 | 万翼科技有限公司 | 建筑图纸预处理系统、方法、电子设备及存储介质 |
CN111782584A (zh) * | 2020-06-15 | 2020-10-16 | 万翼科技有限公司 | 建筑图纸预处理系统、方法、电子设备及存储介质 |
CN111881947A (zh) * | 2020-07-09 | 2020-11-03 | 广联达科技股份有限公司 | 特征点集对的筛选方法、目标匹配方法、装置及电子设备 |
CN111881947B (zh) * | 2020-07-09 | 2024-05-14 | 广联达科技股份有限公司 | 特征点集对的筛选方法、目标匹配方法、装置及电子设备 |
CN111950422A (zh) * | 2020-08-05 | 2020-11-17 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
CN111950422B (zh) * | 2020-08-05 | 2024-06-28 | 万翼科技有限公司 | 图纸识别方法及相关装置 |
CN112528755A (zh) * | 2020-11-19 | 2021-03-19 | 上海至冕伟业科技有限公司 | 一种消防疏散设施智能识别方法 |
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 |
CN112883798B (zh) * | 2021-01-20 | 2024-02-13 | 上海品览智造科技有限公司 | 基于深度学习建筑专业住宅平面图空间内构件的识别方法 |
CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 上海品览智造科技有限公司 | 基于深度学习建筑专业住宅平面图空间内构件的识别方法 |
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 |
CN113011719A (zh) * | 2021-03-03 | 2021-06-22 | 苏州盛弘森科技有限公司 | 用于工业生产的可视化质量检测方法和系统 |
CN113205551A (zh) * | 2021-04-13 | 2021-08-03 | 万翼科技有限公司 | 计算建筑剖面图层高的方法、装置、设备及存储介质 |
CN113128457A (zh) * | 2021-04-30 | 2021-07-16 | 杭州品茗安控信息技术股份有限公司 | 一种建筑模型的识别方法、系统及相关装置 |
CN113392453A (zh) * | 2021-06-10 | 2021-09-14 | 万翼科技有限公司 | 工程图纸中的空间提取方法、装置、电子设备和存储介质 |
CN113392761A (zh) * | 2021-06-15 | 2021-09-14 | 万翼科技有限公司 | 构件识别方法、装置、设备及存储介质 |
CN113435289A (zh) * | 2021-06-22 | 2021-09-24 | 万翼科技有限公司 | 空间分割方法、装置、设备及存储介质 |
CN113780190A (zh) * | 2021-09-14 | 2021-12-10 | 万翼科技有限公司 | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 |
CN114022895A (zh) * | 2021-10-27 | 2022-02-08 | 上海品览数据科技有限公司 | 一种对建筑专业住宅平面图中户型的精准识别方法 |
CN114022895B (zh) * | 2021-10-27 | 2024-05-10 | 上海品览数据科技有限公司 | 一种对建筑专业住宅平面图中户型的精准识别方法 |
CN115082952A (zh) * | 2022-07-19 | 2022-09-20 | 北京国盛华兴科技有限公司 | 一种电子图纸的识别方法、装置、电子设备及存储介质 |
WO2024045826A1 (zh) * | 2022-08-29 | 2024-03-07 | 上海智臻智能网络科技股份有限公司 | 建筑图纸的空间面积计算方法及系统、建筑图纸的处理方法、设备和存储介质 |
CN117058338A (zh) * | 2023-07-07 | 2023-11-14 | 北京畅图科技有限公司 | 基于cad的三维建筑模型构建方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111008597B (zh) | 2023-03-24 |
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 | |
CN111782584B (zh) | 建筑图纸预处理系统、方法、电子设备及存储介质 | |
CN111611643A (zh) | 户型矢量化数据获得方法、装置、电子设备及存储介质 | |
CN112883801B (zh) | Cad配电系统图中住户配电箱系统图子图的精准识别方法 | |
CN111008654A (zh) | 一种户型图中房间的识别方法及系统 | |
CN111079638A (zh) | 基于卷积神经网络的目标检测模型训练方法、设备和介质 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
WO2015001967A1 (ja) | 画像処理フィルタの作成装置及びその方法 | |
CN113592886A (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
Wang et al. | Static gesture segmentation technique based on improved Sobel operator | |
CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
CN116385859A (zh) | 图元识别方法、装置、计算机设备及其介质 | |
CN115984662A (zh) | 一种多模态数据预训练及识别方法、装置、设备及介质 | |
CN110889229A (zh) | Cad图纸识别方法、装置、电子设备及存储介质 | |
CN113239785A (zh) | 一种基于卷积神经网络的户型自动识别的方法、系统、存储介质及电子设备 | |
Belhedi et al. | Adaptive scene‐text binarisation on images captured by smartphones | |
CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
Wang et al. | Multivariate analysis-based image enhancement model for machine vision inspection | |
CN113808192B (zh) | 一种户型图生成方法、装置、设备及存储介质 | |
TWI384418B (zh) | 採用區域架構之影像處理方法及系統 | |
CN105930813B (zh) | 一种在任意自然场景下检测行文本的方法 | |
Ruwanthika et al. | Dynamic 3D model construction using architectural house plans | |
CN114283440A (zh) | 户型图识别方法、装置、电子设备及存储介质 | |
Wang et al. | Edge extraction by merging the 3D point cloud and 2D image data |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230705 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518063 Patentee after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Patentee before: WANYI TECHNOLOGY Co.,Ltd. |