CN111368915A - 一种图纸校对方法、装置、设备及存储介质 - Google Patents

一种图纸校对方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111368915A
CN111368915A CN202010143953.9A CN202010143953A CN111368915A CN 111368915 A CN111368915 A CN 111368915A CN 202010143953 A CN202010143953 A CN 202010143953A CN 111368915 A CN111368915 A CN 111368915A
Authority
CN
China
Prior art keywords
image
original
corrected
target image
difference
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.)
Withdrawn
Application number
CN202010143953.9A
Other languages
English (en)
Inventor
张超
胡浩
黄聿
黄深能
利啟东
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.)
Guangdong Bozhilin Robot Co Ltd
Original Assignee
Guangdong Bozhilin Robot 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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN202010143953.9A priority Critical patent/CN111368915A/zh
Publication of CN111368915A publication Critical patent/CN111368915A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08Construction

Abstract

本发明实施例公开了一种图纸校对方法、装置、设备及存储介质。该方法包括:分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像;将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。本发明实施例通过图纸中的结构图像确定原始目标图像和待校对目标图像,解决了图纸校对过程中计算量大的问题,提高了图纸校对的效率和校对质量。

Description

一种图纸校对方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机技术领域,尤其涉及一种图纸校对方法、装置、设备及存储介质。
背景技术
图纸校对是工业施工生产过程中的重要环节,在房地产领域的重要性尤甚。通常来说,房地产开发商从项目开始图纸制作到项目结束楼盘交楼要持续两年以上的时间。在整个周期过程中建筑图纸会随着开发的进度不断的进行更改,图纸的更新具有很强的不确定性。图纸的频繁改动给楼盘建设,统筹和营销等带来诸多不便。图纸的每一次改动,相关工作人员都要重新进行一次校对,确定出图纸中被改动的部分。
现有的图纸校对方法多依靠人工进行手动比较。图纸校对是一项机械而繁琐的工作,由于图纸中包含大量的精细线条和组成部件。因此人工校对出错率高,同时沟通管理的成本也很高。人工图纸校对的方式很难提高工作效率,在校对质量上也没有很好的保障。
发明内容
本发明实施例提供了一种图纸校对方法、装置、设备及存储介质,以提高图纸校对的效率和校对质量。
第一方面,本发明实施例提供了一种图纸校对方法,该方法包括:
分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
第二方面,本发明实施例还提供了一种图纸校对装置,该装置包括:
结构图像获取模块,用于分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
目标图像确定模块,用于分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
差异图像确定模块,用于将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
第三方面,本发明实施例还提供了一种设备,该设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述所涉及的任一所述的图纸校对方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行上述所涉及的任一所述的图纸校对方法。
本发明实施例通过图纸中的结构图像确定原始目标图像和待校对目标图像,解决了图纸校对过程中计算量大的问题,提高了图纸校对的效率和校对质量。
附图说明
图1是本发明实施例一提供的一种图纸校对方法的流程图。
图2是本发明实施例一提供的一种原始图纸的示意图。
图3是本发明实施例一提供的一种待校对图纸的示意图。
图4是本发明实施例一提供的一种剪力墙结构图像。
图5是本发明实施例一提供的一种原始目标图像的示意图。
图6是本发明实施例二提供的一种图纸校对方法的流程图。
图7是本发明实施例二提供的一种锚点区域图像的示意图。
图8是本发明实施例二提供的一种差异图像的标注的示意图。
图9是本发明实施例二提供的一种图纸校对方法的具体示例流程图。
图10是本发明实施例三提供的一种图纸校对装置的示意图。
图11是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种图纸校对方法的流程图,本实施例可适用于对图纸进行校对的情况,该方法可以由图纸校对装置来执行,该装置可采用软件和/或硬件的方式实现,该装置可以配置于终端设备中。具体包括如下步骤:
S110、分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像。
其中,原始图纸和待校对图纸是指用于说明工程建筑、机械、设备和服饰等的结构、形状、尺寸和其他要求的技术文件,通常,图纸包括对象图形、图形尺寸和文字等信息。其中,示例性的,对象图形可以是门。在一个实施例中,图纸的类型包括建筑图纸。其中,建筑图纸是一种包含总体布局、建筑物形状、内部结构和装修设备等建筑信息的图纸。
在一个实施例中,可选的,分别对原始图纸和待校对图纸进行图层分解,获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像,其中,预设对象包括剪力墙。
在一个实施例中,可选的,原始图纸和待校对图纸的文件类型包括CAD图纸。CAD图纸在制作过程中,通常在不同的图层对不同的预设对象进行绘制,各图层叠加组合后构成原始图纸或待校对图纸。示例性的,在图层1绘制对象1,在图层2绘制对象2。具体的,当图纸的类型是建筑图纸时,在图层1绘制剪力墙,在图层2绘制门。因此,通过对CAD图纸进行图层分解,可以得到图纸中包含的各预设对象对应的结构图像。
在一个实施例中,可选的,根据图纸的类型确定预设对象。示例性的,当图纸的类型为建筑图纸时,预设对象可以是承重墙、门和窗户等。当图纸的类型为化工图纸时,预设对象可以是管道、设备和支架等。
在一个实施例中,图纸的类型为建筑图纸,可选的,预设对象包括剪力墙。其中,剪力墙主要用于承受风荷载或地震作用引起的水平荷载的墙体,防止结构剪切破坏。建筑领域中的承重墙主要用于承受竖向荷载的墙体。示例性的,剪力墙可作为承重墙,也可以是非承重墙,是建筑图纸中的重要结构对象。图2是本发明实施例一提供的一种原始图纸的示意图。图2所示的原始图纸包括标尺、文字说明、剪力墙和内部装修设备等诸多信息。图3是本发明实施例一提供的一种待校对图纸的示意图。图3所示的待校对图纸包括标尺、文字说明、剪力墙和内部装修设备等诸多信息。从图2和图3分别所示的原始图纸和待校对图纸的示意图可以看出,原始图纸和待校对图纸均包含非必要信息,如原始图纸和待校对图纸中的标尺信息。在本实施例中,原始结构图像和待校对结构图像为原始图纸和待校对图纸分别对应的剪力墙结构图像,图4是本发明实施例一提供的一种剪力墙结构图像。如图4所示的剪力墙结构图像可以通过对图2所示的原始图纸进行图层分解,提取其中的剪力墙图层得到。
S120、分别根据原始结构图像和待校对结构图像,确定原始图纸和待校对图纸中的原始目标图像和待校对目标图像。
在一个实施例中,可选的,分别对原始结构图像和待校对结构图像进行多维数组梯度计算,确定原始结构图像和待校对结构图像的边界坐标;分别根据原始结构图像和待校对结构图像的边界坐标,确定原始图纸和待校对图纸中原始目标图像和待校对目标图像。
在一个实施例中,可选的,分别获取由原始结构图像和待校对结构图像的像素数据构成的维度数组,其中,维度数组包括从上到下维度数组、从下到上维度数组、从左到右维度数组和从右到左维度数组;基于原始结构图像和待校对结构图像的各维度数组分别进行数组梯度计算,确定原始结构图像和待校对结构图像在各维度上的边界坐标。
在一个实施例中,可选的,将输入的原始图纸和待校对图纸转换为灰度图像,将转换后的图像作为原始图纸和待校对图纸。在一个实施例中,可选的,将获取得到的原始结构图像和待校对结构图像转换为灰度图像,将转换后的图像作为原始结构图像和待校对结构图像。后续实施例均以图像类型为灰度图像的原始结构图像和待校对结构图像为例进行解释说明。
在一个实施例中,可选的,基于原始结构图像和待校对结构图像的各维度数组中的相邻像素数据,计算各维度数组对应的数组梯度。在一个实施例中,可选的,数组梯度满足如下公式:
Figure BDA0002400062760000061
其中,W表示数组梯度,px和py分别表示图像中位置点x和位置点y处的像素数据,其中,位置点x和位置点y为相邻像素点。
在另一个实施例中,可选的,数组梯度满足如下公式:W=px-py
举例而言,以原始结构图像为例,假设原始图纸包括3行4列的像素数据,获取得到的原始结构图像的尺寸同样也包括3行4列的像素数据。其中,从上到下维度数组是指将原始结构图像的像素数据从上到下进行排列得到的数组;从下到上维度数组是指将原始结构图像的像素数据从下到上进行排列得到的数组;从左到右维度数组是指将原始结构图像的像素数据从左到右进行排列得到的数组;从右到左维度数组是指将原始结构图像的像素数据从右到左进行排列得到的数组。示例性的,假设原始结构图像的像素数据只包括0像素数据和255像素数据时,从上到下维度数组包括0,255,0,0,则对应的从下到上维度数组包括0,0,255,0。假设从左到右维度数组包括0,255,255,则对应的从右到左维度数组包括255,255,0。在一个实施例中,可选的,各维度数组包括与结构图像的像素维度对应的二维数组。其中,结构图像也可以是原始结构图像,也可以是待校对结构图像。示例性的,当结构图像包括3行4列的像素数据时,则从上到下维度数组和从下到上维度数组为3行4列的数组,从左到由右维度数组和从右到左维度数组为4行3列的数组。或从上到下维度数组和从下到上维度数组为4行3列的数组,从左到由右维度数组和从右到左维度数组为3行4列的数组。在另一个实施例中,可选的,各维度数组包括一维数组。其中,一维数组包括结构图像的所有像素数据。此处对各维度数组的具体赋值方式不作限定。
在一个实施例中,可选的,统计各维度数组的数组梯度满足预设条件的数组位置坐标;将各数组位置坐标进行比较,根据比较结果确定原始结构图像和待校对结构图像的边界坐标。其中,示例性的,预设条件可以是数组梯度等于127.6,也可以是数组梯度等于255,还可以是数组梯度不为0。在一个实施例中,可选的,将数组位置坐标中的最大值或最小值对应的位置坐标,作为边界坐标。举例而言,以原始结构图像的从上到下维度数组为例,对数组中各相邻数组元素进行梯度计算,满足预设条件的数组位置坐标包括位置坐标1和位置坐标2,其中,位置坐标1大于位置坐标2。如果原始结构图像设置的坐标为从上到下依次增大,则将位置坐标2作为边界坐标;如果原始结构图像设置的坐标为从上到下依次减小,则将位置坐标1作为边界坐标。
在一个实施例中,可选的,分别对原始结构图像和待校对结构图像进行多维数组梯度计算,确定原始结构图像和待校对结构图像的边界坐标,包括:分别基于原始结构图像和待校对结构图像的像素数据进行多维度计算,确定原始结构图像和待校对结构图像在各维度上的边界坐标。其中,多维度包括从上到下、从下到上、从左到右和从右到左。在一个实施例中,可选的,根据数组梯度计算公式,对结构图像的像素数据进行多维度梯度计算。具体的,对结构图像的每行像素数据分别进行从左到右和从右到左的维度计算,对每列像素数据分别进行从上到下和从下到上的维度计算。
其中,根据原始结构图像和待校对结构图像的边界坐标,分别对原始图纸进行裁剪,得到原始目标图像和待校对图像。图5是本发明实施例一提供的一种原始目标图像的示意图。如图5所示,原始目标图像包括原始图纸中的剪力墙结构图像所构成的图像,去除了原始图纸中的非必要的图像信息。这样设置的好处在于,通过获取原始图纸和待校对图纸分别对应的结构图像,可以对原始图纸和待校对图纸中需校对的图像进行定位,从而可以降低校对的计算量。
S130、将原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
在一个实施例中,可选的,对原始目标图像或待校对目标图像进行插值处理,使得原始目标图像和待校对目标图像的尺寸相同。其中,示例性的,插值处理的算法包括最近邻插值算法。具体的,当原始目标图像的尺寸大于待校对目标图像尺寸时,对待校对目标图像进行插值处理;当原始目标图像的尺寸小于待校对目标图像尺寸时,对原始目标图像进行插值处理;当原始目标图像的尺寸等于待校对目标图像尺寸时,不进行插值处理。这样设置的好处在于,解决了对原始图纸和待校对图纸提取原始目标图像和待校对目标图像后,原始目标图像和待校对目标图像的尺寸不一致的问题,以便执行后续步骤,提高差异校对的准确率。
在一个实施例中,可选的,将原始目标图像和待校对目标图像配准对齐后进行差异校对,确定待校对图纸中的差异图像。具体的,将对齐后的原始目标图像和待校对目标图像进行对应像素点的像素差值计算,将差值结果满足预设阈值的待校对目标图像中的像素点作为差异像素点;将各差异像素点构成的图像作为差异图像,并在待校对图纸中对差异图像进行标注。其中,示例性的,预设阈值的范围可以是大于90%或80%~90%,此处对差值结果的预设阈值范围不作限定。其中,示例性的,标注的形状可以是圆形、椭圆形或方形,标注的颜色可以是红色或蓝色,此处不对标注作具体的限定。这样设置的好处在于方便用户快速确定待校对图纸中的差异图像,从而提高后续工作的效率。
本实施例的技术方案,通过图纸中的结构图像确定原始目标图像和待校对目标图像,解决了图纸校对过程中计算量大的问题,提高了图纸校对的效率和校对质量。
实施例二
图6是本发明实施例二提供的一种图纸校对方法的流程图,本实施例的技术方案是上述实施例的基础上的进一步细化。可选的,所述将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像,包括:确定所述原始目标图像或待校对目标图像中的锚点区域图像,基于所述锚点区域图像对所述原始目标图像和待校对目标图像进行配准对齐;对对齐后的所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
本实施例的具体实施步骤包括:
S210、分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像。
S220、分别根据原始结构图像和待校对结构图像,确定原始图纸和待校对图纸中的原始目标图像和待校对目标图像。
S230、确定原始目标图像或待校对目标图像中的锚点区域图像,基于锚点区域图像对原始目标图像和待校对目标图像进行配准对齐。
在一个实施例中,可选的,对原始目标图像或待校对目标图像进行插值处理,使得原始目标图像和待校对目标图像的尺寸相同。
其中,锚点区域图像是指用于对原始目标图像和待校对目标图像进行配准对齐的基准图像,属于原始目标图像或待校对目标图像中的局部图像。在一个实施例中,可选的,根据原始目标图像或待校对目标图像中的特征对象确定锚点区域图像。示例性的,当图纸的类型为建筑图纸时,特征对象可以阳台、电梯或走廊,相应的,锚点区域图像为包含特征对象的多个局部图像中的一个或多个。这样设置的好处在于,突出锚点区域图像的图像特征信息,提高配准对齐的效率。此处对锚点区域图像的选取方式、选取位置和选取形状均不作限定。
在一个实施例中,可选的,根据锚点区域图像,对原始目标图像或待校对目标图像进行查找匹配,将原始目标图像和待校对目标图像进行配准对齐。其中,具体的,以在原始目标图像中选取锚点区域图像为例,根据锚点区域图像在待校对目标图像中进行查找匹配。在一个实施例中,可选的,采用滑动窗口的方式对待校对图像进行遍历,将原始目标图像和待校对目标图像进行配准对齐。其中,滑动窗口的尺寸可以与锚点区域图像的尺寸相同,滑动窗口每次的滑动距离长度小于锚点区域图像沿滑动方向上的长度尺寸。具体的,以锚点区域图像的横向为长度,纵向为宽度。当滑动窗口从上到下移动时,则滑动距离小于锚点区域图像的宽度,当滑动窗口从左到右移动时,则滑动距离小于锚点区域图像的长度。
在一个实施例中,可选的,根据锚点区域图像的坐标信息,确定锚点区域图像在待校对目标图像或原始目标图像中的对齐范围;基于对齐范围、锚点区域图像和标准化差值平方和匹配算法,将原始目标图像和待校对目标图像进行配准对齐。
以下以原始目标图像中选取锚点区域图像为例进行解释说明。其中,锚点区域图像的坐标信息为锚点区域图像在原始目标图像中的坐标位置,示例性的,将锚点区域图像的中心位置在原始目标图像中的坐标位置作为锚点区域图像的坐标信息,也可以是将锚点区域图像的任一位置原始目标图像中的坐标位置作为锚点区域图像的坐标信息。此处对坐标信息的选取不作限定。图7是本发明实施例二提供的一种锚点区域图像的示意图,图7中的(x,y)表示锚点区域图像在原始目标图像中的一个坐标信息。在一个实施例中,可选的,锚点区域图像的坐标信息包括边界坐标信息,其中,示例性的,边界坐标信息包括上边界坐标信息、下边界坐标信息、左边界坐标信息和右边界坐标信息中至少一项。其中,当锚点区域图像的形状不是规则的方形时,边界坐标信息可以根据锚点区域图像的形状进行调整设置。
其中,根据锚点区域图像的坐标信息和图像尺寸,确定锚点区域在待校对图像中的对齐范围。其中,对齐范围通常等于锚点区域图像的图像尺寸。在一个实施例中,将待校对目标图像中对齐范围内的对齐图像和锚点区域图像进行标准化差值平方和匹配计算,根据计算结果确定原始目标图像和待校对目标图像的对齐位置。
在一个实施例中,可选的,标准化差值平方和匹配算法满足如下公式:
Figure BDA0002400062760000121
其中,T表示锚点区域图像,I表示待校对目标图像或原始目标图像;m和n分别表示锚点区域图像的长度和宽度;i表示锚点区域图像的像素点,j表示待校对目标图像或原始目标图像的像素点;L表示匹配的准确度。
其中,当匹配的准确度满足预设匹配阈值时,根据锚点区域图像在待校对图像中的匹配位置,将原始目标图像和待校对目标图像进行配准对齐。其中,示例性的,预设匹配阈值可以是0.9、0.8或0.95,此处对预设匹配阈值不作限定。
S240、对对齐后的原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
在一个实施例中,可选的,将对齐后的原始目标图像和待校对目标图像进行对应像素点的像素差值计算,将差值结果满足预设阈值的待校对目标图像中的像素点作为差异像素点;将各差异像素点构成的图像作为差异图像,并在待校对图纸中对差异图像进行标注。
图8是本发明实施例二提供的一种差异图像的标注的示意图。图8中所示的圆形标注区域内的图像表示待校对图纸与原始图纸之间存在差异的差异图像。图8中的圆形标注位置在图8所示的下方左右两个阳台的位置,结合图2所示的原始图纸和图3所示的待校对图纸的示意图可以得到,图2所示的原始图纸中与图8的圆形标注位置对应的位置处,存在两个横向的剪力墙结构,但在图3所示的待校对图纸中与图8的圆形标注位置对应的位置处,则不存在上述横向的剪力墙结构。
图9是本发明实施例二提供的一种图纸校对方法的具体示例流程图。如图9所示,当接收到输入的原始图纸和待校对图纸时,分别提取原始图纸和待校对图纸中预设对象对应的原始结构图像和待校对结构图像。示例性的,预设对象可以是剪力墙。分别对原始结构图像和待校对结构图像进行数组梯度计算,得到原始结构图像和待校对结构图像相对于原始图纸和待校对图纸的边界坐标,其中,边界坐标包括上边界坐标、下边界坐标、左边界坐标和右边界坐标。根据边界坐标分别对原始图纸和待校对图纸进行提取,得到原始目标图像和待校对目标图像,并通过插值计算统计原始目标图像和待校对目标图像的尺寸大小。在本实施例中,在待校对目标图像中选取锚点区域图像,并基于锚点区域图像对原始目标图像进行匹配,根据匹配得到的锚点区域图像在原始目标图像中的坐标位置对齐两张图纸。具体的,将锚点区域图像在原始目标图像中的坐标位置和锚点区域图像在待校对目标图像中的坐标位置进行对齐。对对齐后的两张图像进行差异校对,确定待校对图纸中的差异图像,并进行标注。
本实施例的技术方案,通过选取目标图像中的锚点区域图像,解决了图纸对齐过程中计算量大的问题,缩短了图纸对齐的时间,进而提高了图纸校对的效率和校对质量。
实施例三
图10是本发明实施例三提供的一种图纸校对装置的示意图。本实施例可适用于对图纸进行校对的情况,该装置可采用软件和/或硬件的方式实现,该装置可以配置于终端设备中。该图纸校对装置包括:结构图像获取模块310、目标图像确定模块320和差异图像确定模块330。
其中,结构图像获取模块310,用于分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
目标图像确定模块320,用于分别根据原始结构图像和待校对结构图像,确定原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
差异图像确定模块330,用于将原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
本实施例的技术方案,通过图纸中的结构图像确定原始目标图像和待校对目标图像,解决了图纸校对过程中计算量大的问题,提高了图纸校对的效率和校对质量。
在上述技术方案的基础上,可选的,目标图像确定模块320包括:
边界坐标确定单元,用于分别对原始结构图像和待校对结构图像进行多维数组梯度计算,确定原始结构图像和待校对结构图像的边界坐标;
目标图像确定单元,用于分别根据原始结构图像和待校对结构图像的边界坐标,确定原始图纸和待校对图纸中原始目标图像和待校对目标图像。
可选的,边界坐标确定单元包括:
维度数组获取子单元,用于分别获取由原始结构图像和待校对结构图像的像素数据构成的维度数组,其中,维度数组包括从上到下维度数组、从下到上维度数组、从左到右维度数组和从右到左维度数组;
边界坐标确定子单元,用于基于原始结构图像和待校对结构图像的各维度数组分别进行数组梯度计算,确定原始结构图像和待校对结构图像在各维度上的边界坐标。
可选的,边界坐标确定子单元具体用于:
基于原始结构图像和待校对结构图像的各维度数组中的相邻像素数据,计算各维度数组对应的数组梯度。
可选的,差异图像确定模块330包括:
配准对齐单元,用于确定原始目标图像或待校对目标图像中的锚点区域图像,基于锚点区域图像对原始目标图像和待校对目标图像进行配准对齐;
差异图像确定单元,用于对对齐后的原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
可选的,配准对齐单元具体用于:
根据锚点区域图像的坐标信息,确定锚点区域图像在待校对目标图像或原始目标图像中的对齐范围;
基于对齐范围、锚点区域图像和标准化差值平方和匹配算法,将原始目标图像和待校对目标图像进行配准对齐。
可选的,标准化差值平方和匹配算法满足如下公式:
Figure BDA0002400062760000151
其中,T表示锚点区域图像,I表示待校对目标图像或原始目标图像;m和n分别表示锚点区域图像的长度和宽度;i表示锚点区域图像的像素点,j表示待校对目标图像或原始目标图像的像素点;L表示匹配的准确度。
可选的,差异图像确定单元具体用于:
将对齐后的原始目标图像和待校对目标图像进行对应像素点的像素差值计算,将差值结果满足预设阈值的待校对目标图像中的像素点作为差异像素点;
将各差异像素点构成的图像作为差异图像,并在待校对图纸中对差异图像进行标注。
可选的,该装置还包括:
插值处理模块,用于对原始目标图像或待校对目标图像进行插值处理,使得原始目标图像和待校对目标图像的尺寸相同。
可选的,结构图像获取模块310具体用于:
分别对原始图纸和待校对图纸进行图层分解,获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像,其中,预设对象包括剪力墙。
本发明实施例所提供的图纸校对装置可以用于执行本发明实施例所提供的图纸校对方法,具备执行方法相应的功能和有益效果。
值得注意的是,上述图纸校对装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图11是本发明实施例四提供的一种设备的结构示意图,本发明实施例为本发明上述实施例的图纸校对方法的实现提供服务,可配置上述实施例中的图纸校对装置。图11示出了适于用来实现本发明实施方式的示例性设备12的框图。图11显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图11未显示,通常称为“硬盘驱动器”)。尽管图11中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图11所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的图纸校对方法。
通过上述设备,解决了图纸校对过程中计算量大的问题,提高了图纸校对的效率和校对质量。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种图纸校对方法,该方法包括:
分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
分别根据原始结构图像和待校对结构图像,确定原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
将原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的图纸校对方法中的相关操作。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种图纸校对方法,其特征在于,包括:
分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
2.根据权利要求1所述的方法,其特征在于,所述分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像,包括:
分别对所述原始结构图像和待校对结构图像进行多维数组梯度计算,确定所述原始结构图像和待校对结构图像的边界坐标;
分别根据所述原始结构图像和待校对结构图像的边界坐标,确定所述原始图纸和待校对图纸中原始目标图像和待校对目标图像。
3.根据权利要求2所述的方法,其特征在于,所述分别对所述原始结构图像和待校对结构图像进行多维数组梯度计算,确定所述原始结构图像和待校对结构图像的边界坐标,包括:
分别获取由所述原始结构图像和待校对结构图像的像素数据构成的维度数组,其中,所述维度数组包括从上到下维度数组、从下到上维度数组、从左到右维度数组和从右到左维度数组;
基于所述原始结构图像和待校对结构图像的各维度数组分别进行数组梯度计算,确定所述原始结构图像和待校对结构图像在各维度上的边界坐标。
4.根据权利要求3所述的方法,其特征在于,所述基于所述原始结构图像和待校对结构图像的各维度数组分别进行数组梯度计算,包括:
基于所述原始结构图像和待校对结构图像的各维度数组中的相邻像素数据,计算各维度数组对应的数组梯度。
5.根据权利要求1所述的方法,其特征在于,所述将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像,包括:
确定所述原始目标图像或待校对目标图像中的锚点区域图像,基于所述锚点区域图像对所述原始目标图像和待校对目标图像进行配准对齐;
对对齐后的所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
6.根据权利要求5所述的方法,其特征在于,所述基于所述锚点区域图像对所述原始目标图像和待校对目标图像进行配准对齐,包括:
根据所述锚点区域图像的坐标信息,确定所述锚点区域图像在待校对目标图像或所述原始目标图像中的对齐范围;
基于所述对齐范围、所述锚点区域图像和标准化差值平方和匹配算法,将所述原始目标图像和待校对目标图像进行配准对齐。
7.根据权利要求6所述的方法,其特征在于,所述标准化差值平方和匹配算法满足如下公式:
Figure FDA0002400062750000021
其中,T表示锚点区域图像,I表示待校对目标图像或原始目标图像;m和n分别表示锚点区域图像的长度和宽度;i表示锚点区域图像的像素点,j表示待校对目标图像或原始目标图像的像素点;L表示匹配的准确度。
8.根据权利要求5所述的方法,其特征在于,所述对对齐后的所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像,包括:
将对齐后的所述原始目标图像和待校对目标图像进行对应像素点的像素差值计算,将差值结果满足预设阈值的待校对目标图像中的像素点作为差异像素点;
将所述各差异像素点构成的图像作为差异图像,并在待校对图纸中对所述差异图像进行标注。
9.根据权利要求1所述的方法,其特征在于,在将所述原始目标图像和待校对目标图像进行差异校对之前,包括:
对所述原始目标图像或待校对目标图像进行插值处理,使得所述原始目标图像和待校对目标图像的尺寸相同。
10.根据权利要求1所述的方法,其特征在于,所述分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像,包括:
分别对原始图纸和待校对图纸进行图层分解,获取所述原始图纸和待校对图纸中与所述预设对象对应的原始结构图像和待校对结构图像,其中,所述预设对象包括剪力墙。
11.一种图纸校对装置,其特征在于,包括:
结构图像获取模块,用于分别获取原始图纸和待校对图纸中与预设对象对应的原始结构图像和待校对结构图像;
目标图像确定模块,用于分别根据所述原始结构图像和待校对结构图像,确定所述原始图纸和待校对图纸中的原始目标图像和待校对目标图像;
差异图像确定模块,用于将所述原始目标图像和待校对目标图像进行差异校对,确定待校对图纸中的差异图像。
12.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一所述的图纸校对方法。
13.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的图纸校对方法。
CN202010143953.9A 2020-03-04 2020-03-04 一种图纸校对方法、装置、设备及存储介质 Withdrawn CN111368915A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010143953.9A CN111368915A (zh) 2020-03-04 2020-03-04 一种图纸校对方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010143953.9A CN111368915A (zh) 2020-03-04 2020-03-04 一种图纸校对方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN111368915A true CN111368915A (zh) 2020-07-03

Family

ID=71210200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010143953.9A Withdrawn CN111368915A (zh) 2020-03-04 2020-03-04 一种图纸校对方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111368915A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449690A (zh) * 2021-07-21 2021-09-28 华雁智科(杭州)信息技术有限公司 图像场景变化的检测方法、系统及电子设备
CN116137045A (zh) * 2023-04-04 2023-05-19 深圳前海硬之城信息技术有限公司 焊盘图纸的调整方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103292725A (zh) * 2012-02-29 2013-09-11 鸿富锦精密工业(深圳)有限公司 特殊边界量测系统及方法
CN106096659A (zh) * 2016-06-16 2016-11-09 网易(杭州)网络有限公司 图像匹配方法和装置
US20180075608A1 (en) * 2015-05-29 2018-03-15 Alibaba Group Holding Limited Efficient acquisition of a target image from an original image
CN108734665A (zh) * 2017-04-13 2018-11-02 深圳怡化电脑股份有限公司 一种图像的校正方法、装置、设备及存储介质
CN109377538A (zh) * 2018-10-25 2019-02-22 天津津航计算技术研究所 一种自动化图像构造方法
CN109493293A (zh) * 2018-10-30 2019-03-19 京东方科技集团股份有限公司 一种图像处理方法及装置、显示设备
CN110133556A (zh) * 2019-05-29 2019-08-16 上海联影医疗科技有限公司 一种磁共振图像处理方法、装置、设备及存储介质
CN110176010A (zh) * 2019-05-24 2019-08-27 上海联影医疗科技有限公司 一种图像检测方法、装置、设备及存储介质
CN110472543A (zh) * 2019-08-05 2019-11-19 电子科技大学 一种基于局部连接特征匹配的机械图纸对比方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103292725A (zh) * 2012-02-29 2013-09-11 鸿富锦精密工业(深圳)有限公司 特殊边界量测系统及方法
US20180075608A1 (en) * 2015-05-29 2018-03-15 Alibaba Group Holding Limited Efficient acquisition of a target image from an original image
CN106096659A (zh) * 2016-06-16 2016-11-09 网易(杭州)网络有限公司 图像匹配方法和装置
CN108734665A (zh) * 2017-04-13 2018-11-02 深圳怡化电脑股份有限公司 一种图像的校正方法、装置、设备及存储介质
CN109377538A (zh) * 2018-10-25 2019-02-22 天津津航计算技术研究所 一种自动化图像构造方法
CN109493293A (zh) * 2018-10-30 2019-03-19 京东方科技集团股份有限公司 一种图像处理方法及装置、显示设备
CN110176010A (zh) * 2019-05-24 2019-08-27 上海联影医疗科技有限公司 一种图像检测方法、装置、设备及存储介质
CN110133556A (zh) * 2019-05-29 2019-08-16 上海联影医疗科技有限公司 一种磁共振图像处理方法、装置、设备及存储介质
CN110472543A (zh) * 2019-08-05 2019-11-19 电子科技大学 一种基于局部连接特征匹配的机械图纸对比方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449690A (zh) * 2021-07-21 2021-09-28 华雁智科(杭州)信息技术有限公司 图像场景变化的检测方法、系统及电子设备
CN116137045A (zh) * 2023-04-04 2023-05-19 深圳前海硬之城信息技术有限公司 焊盘图纸的调整方法、装置、设备及存储介质
CN116137045B (zh) * 2023-04-04 2023-09-12 深圳前海硬之城信息技术有限公司 焊盘图纸的调整方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109993827B (zh) 一种将建筑图纸转换为三维bim模型的立面图识别方法
CN108764048B (zh) 人脸关键点检测方法及装置
CN110222703B (zh) 图像轮廓识别方法、装置、设备和介质
CN110334390B (zh) Cad中外墙识别方法、装置、存储介质及处理器
US20210357710A1 (en) Text recognition method and device, and electronic device
CN111461113B (zh) 一种基于变形平面物体检测网络的大角度车牌检测方法
CN112016638B (zh) 一种钢筋簇的识别方法、装置、设备及存储介质
CN111368915A (zh) 一种图纸校对方法、装置、设备及存储介质
CN111428749A (zh) 一种图像标注任务的预校验方法、装置、设备及存储介质
CN111563429A (zh) 一种图纸校对方法、装置、电子设备及存储介质
CN114359383A (zh) 一种图像定位方法、装置、设备以及存储介质
CN111523169A (zh) 一种装修方案生成方法、装置、电子设备及存储介质
CN114926849A (zh) 一种文本检测方法、装置、设备及存储介质
CN112857746A (zh) 一种灯光检测仪的追踪方法、装置、电子设备及存储介质
CN115810132A (zh) 一种裂缝朝向识别方法、装置、设备及存储介质
CN116343251A (zh) 一种基于ai建筑识图的建筑图纸识别方法及系统
US20190102619A1 (en) Identifying hand drawn tables
CN112288759B (zh) 一种边界提取方法、装置、设备及存储介质
CN114841965A (zh) 钢结构形变检测方法、装置、计算机设备及存储介质
CN114240737A (zh) 用于从图纸生成数字模型的方法、装置、设备和介质
CN114139701A (zh) 一种用于边界线提取的神经网络模型训练方法及相关设备
JP7231036B2 (ja) メッシュ構造設備検出装置、メッシュ構造設備検出方法、及びプログラム
CN109815307B (zh) 位置确定方法、装置、设备和介质
CN113537026A (zh) 建筑平面图中的图元检测方法、装置、设备及介质
CN113469086A (zh) 建筑平面图中的区域划分方法、装置、设备及介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200703