CN111738145A - 识别箍筋绕法的方法、装置、计算机设备及可读存储介质 - Google Patents
识别箍筋绕法的方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN111738145A CN111738145A CN202010568869.1A CN202010568869A CN111738145A CN 111738145 A CN111738145 A CN 111738145A CN 202010568869 A CN202010568869 A CN 202010568869A CN 111738145 A CN111738145 A CN 111738145A
- Authority
- CN
- China
- Prior art keywords
- stirrup
- combination
- line
- wire
- hoop
- 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
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000004804 winding Methods 0.000 title claims abstract description 58
- 238000010586 diagram Methods 0.000 claims abstract description 36
- 230000002787 reinforcement Effects 0.000 claims abstract description 26
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 23
- 239000010959 steel Substances 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 210000002435 tendon Anatomy 0.000 claims description 5
- 238000011960 computer-aided design Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Reinforcement Elements For Buildings (AREA)
Abstract
本发明公开了一种识别箍筋绕法的方法、装置、计算机设备及可读存储介质，所述方法包括：获取待识别的柱大样图；在所述柱大样图中识别出钢筋线；基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法；本发明可以高效、准确的识别柱大样图中的箍筋绕法。
Description
技术领域
本发明涉及图像识别技术领域，特别涉及一种识别箍筋绕法的方法、装置、计算机设备及可读存储介质。
背景技术
在建筑领域，图纸翻模是指对设计人员的CAD工程图纸进行三维建模；由于CAD作图的开放性，并没有强有力的图纸规范来约束设计人员的细节设计，仅存在一些约定俗称的规则，但这些规则不足以指导翻模过程的顺利实现。
在翻模过程中需要对柱大样图中的箍筋绕法进行识别，现有的识别方式是利用固化的绕法规则进行识别；但是，固化的绕法规则并不适用于所有的图纸，此外，由于设计人员较为开放式的作图习惯，固化的绕法规则也不能抓住设计人员的设计意图，以此识别出的箍筋绕法存在准确率较低的缺点。
发明内容
本发明的目的在于提供一种识别箍筋绕法的方法、装置、计算机设备及可读存储介质，可以高效、准确的识别柱大样图中的箍筋绕法。
根据本发明的一个方面，提供了一种识别箍筋绕法的方法，所述方法包括：
获取待识别的柱大样图；
在所述柱大样图中识别出钢筋线；
基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
可选的，所述钢筋线包括：拉筋起止特征线、纵筋特征线、箍筋起止特征线和箍筋主体线。
可选的，所述基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合，包括：
根据所述拉筋起止特征线在所述箍筋主体线中确定出拉筋主体线；
将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线；
针对一个箍筋起止特征线，根据所述纵筋特征线，在所述箍筋主体线中确定出所有样式的箍筋环；其中，所述箍筋环为围绕多个纵筋线的封闭环；
根据每个箍筋起止特征线的所有样式的箍筋环，形成不同组合方式的箍筋环组合；其中，箍筋环组合包括：每个箍筋起止特征线的一种样式的箍筋环；
将所有拉筋线分别添加到各个箍筋环组合中，形成多个箍筋组合。
可选的，在所述将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线之后，所述方法还包括：
从所述箍筋主体线中识别出多段线，并将识别出的所有多段线形成一个箍筋环组合；
将所有拉筋线添加到所述箍筋环组合中，形成一个箍筋组合。
可选的，基于形成的所有箍筋组合，所述方法还包括：
针对一个箍筋组合，从所述箍筋主体线中删除所述箍筋组合所使用的箍筋主体线，得到剩余箍筋主体线；
判断在所述剩余箍筋主体线中是否可以形成箍筋环；
若是，则将形成的箍筋环添加到所述箍筋组合中；若否，则将所述剩余箍筋主体线作为拉筋线添加到所述箍筋组合中。
可选的，所述计算每个箍筋组合的可信度值，包括：
分别从每个箍筋组合中提取出箍筋特征参数，以形成特征向量；
将每个箍筋组合的特征向量输入预设分类模型中，得到每个箍筋组合的可信度值。
可选的，所述箍筋特征参数包括以下一种或多种：
柱截面形状、纵筋特征线数目、箍筋主体线中的线段数目、当前箍筋组合中的箍筋环占有率、当前箍筋组合中的拉筋线占有率、当前箍筋组合中的拉筋线的长度占比、当前箍筋组合中的箍筋环的面积占比、当前箍筋组合中的箍筋起止特征线的使用率、当前箍筋组合中的箍筋大环数目占比、当前箍筋组合中的箍筋主体线的重复使用率、当前箍筋组合中的箍筋小环的面积占比、当前箍筋组合中是否存在非矩形的箍筋环、在所述钢筋线中是否存在多余的柱边线图层线、当前箍筋组合中是否存在被两个箍筋环包围的纵筋特征线、在所述柱大样图的箍筋拆分图中箍筋环和拉筋线的总数目与当前箍筋组合中箍筋环和拉筋线的总数目的比值、所述柱大样图的箍筋拆分图中箍筋环和拉筋线与当前箍筋组合中箍筋环和拉筋线的匹配度值。
为了实现上述目的，本发明还提供一种识别箍筋绕法的装置，所述装置包括：
获取模块，用于获取待识别的柱大样图；
识别模块，用于在所述柱大样图中识别出钢筋线；
分组模块，用于基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
确定模块，用于计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
为了实现上述目的，本发明还提供一种计算机设备，该计算机设备具体包括：存储器、处理器以及存储在所述存储器上并可在所述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介绍的识别箍筋绕法的方法的步骤。
为了实现上述目的，本发明还提供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介绍的识别箍筋绕法的方法的步骤。
本发明提供的识别箍筋绕法的方法、装置、计算机设备及可读存储介质，先识别出柱大样图中的所有钢筋线，并基于钢筋线确定出所有可能的箍筋组合，再提取出每个钢筋组合的特征向量，最后借助机器学习算法，确定出最可靠的箍筋组合以作为柱大样图的箍筋绕法；在本发明中，通过应用人工智能的方式来解决柱大样图箍筋绕法的识别问题，无需人工干预，可以适用于所有图纸，并可以高效、准确的识别柱大样图中的箍筋绕法；本发明解决了现有技术中存在的箍筋绕法识别不准确的技术问题，使得识别出的箍筋绕法更加贴近设计人员的设计思路。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为实施例一提供的识别箍筋绕法的方法的一种可选的流程示意图；
图2为实施例一中的柱大样图的一种可选的示意图；
图3(a)为实施例一中的确定箍筋环的一种可选的示意图；
图3(b)为实施例一中的确定箍筋环的另一种可选的示意图；
图3(c)为实施例一中的确定箍筋环的再一种可选的示意图；
图4为实施例二提供的识别箍筋绕法的装置的一种可选的组成结构示意图；
图5为实施例三提供的计算机设备的一种可选的硬件架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例一
本发明实施例提供了一种识别箍筋绕法的方法，如图1所示，该方法具体包括以下步骤：
步骤S101：获取待识别的柱大样图。
步骤S102：在所述柱大样图中识别出钢筋线。
具体的，所述钢筋线包括：拉筋起止特征线、纵筋特征线、箍筋起止特征线和箍筋主体线。
进一步的，步骤S102，具体包括：
步骤A1：删除所述柱大样图中的柱线、墙线和梁线，并删除所述柱大样图中的所有标注，得到所述柱大样图中的钢筋线；
步骤A2：利用预设的识别规则，从所述钢筋线中识别出拉筋起止特征线、纵筋特征线和箍筋起止特征线；
步骤A3：从所述钢筋线中删除所述拉筋起止特征线、纵筋特征线和箍筋起止特征线，得到所述箍筋主体线。
需要说明的是，由于在柱大样图中包含各式噪音数据，例如碎线、重复线、明显绘制出错的线条等，需要通过合并线条、去除碎线、去除无关线条的方式对柱大样图进行预处理，并删除柱大样图中的非钢筋线条。在本实施例中，钢筋线指在柱大样图中用于表征纵筋、拉筋、箍筋的线条；例如，如图2所示，为柱大样图的一种可选的示意图；其中，201为纵筋特征线、202为拉筋起止特征线、203为箍筋起止特征线；由于在CAD建筑制图中，对于拉筋起止特征线、纵筋特征线和箍筋起止特征线有固定的表示方式，所以可以通过预设的识别规则从柱大样图中识别出拉筋起止特征线、纵筋特征线和箍筋起止特征线，并将剩余的非特征线作为箍筋主体线。其中，纵筋特征线用于表征柱子中的垂直纵筋，在一个柱大样图中存在多个纵筋；拉筋起止特征线用于表征在施工中水平向拉着两个纵筋的拉筋；箍筋起止特征线用于表征箍筋的起止点，通常表示为双斜线。
步骤S103：基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法。
在本实施例中，根据在CAD建筑制图中拉筋线和箍筋环的线条特征，从钢筋线中确定出多个箍筋组合；其中，拉筋线具有以下线条特征：为一条线段、且在拉筋线的一侧有两个纵筋特征线，箍筋环具有以下线条特征：线条形成封闭的多边形或圆形、且在形成的封闭区域内包含多个纵筋特征线。
具体的，步骤S103，包括：
步骤A1：根据所述拉筋起止特征线在所述箍筋主体线中确定出拉筋主体线；
其中，连接拉筋起止特征线的箍筋主体线为拉筋主体线。
步骤A2：将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线。
步骤A3：针对一个箍筋起止特征线，根据所述纵筋特征线，在所述箍筋主体线中确定出所有样式的箍筋环；其中，所述箍筋环为围绕多个纵筋线的封闭环；
在本实施例中，分别为每个箍筋起止特征线在箍筋主体线中确定出所有可能的箍筋环，例如，如图3(a)、图3(b)、图3(c)所示，包括三个箍筋起止特征线，图3(a)的箍筋起止特征线可以在箍筋主体线中形成一种样式的箍筋环，图3(b)的箍筋起止特征线可以在箍筋主体线中形成两种样式的箍筋环，图3(c)的箍筋起止特征线可以在箍筋主体线中形成两种样式的箍筋环。
步骤A4：根据每个箍筋起止特征线的所有样式的箍筋环，形成不同组合方式的箍筋环组合；其中，箍筋环组合包括：每个箍筋起止特征线的一种样式的箍筋环；
其中，箍筋环组合的数量为各个箍筋起止特征线的箍筋环的样式种类的乘积；例如，在图3中，箍筋环组合的数量＝1*2*2＝4，即可以形成4种箍筋环组合。
步骤A5：将所有拉筋线分别添加到各个箍筋环组合中，形成多个箍筋组合；
其中，箍筋组合的数量与箍筋环组合的数量一致；
需要说明的是，由于拉筋是箍筋的一种，所以在本实施例中，不仅需要识别出箍筋环，还需要识别出拉筋线，通过识别出的箍筋环和拉筋线确定出柱大样图的箍筋绕法。
此外，在步骤A2之后，所述方法还包括：
从所述箍筋主体线中识别出多段线，并将识别出的所有多段线形成一个箍筋环组合；
将所有拉筋线添加到所述箍筋环组合中，形成一个箍筋组合。
其中，多段线是由几段线段或圆弧构成的连续线条，多段线是一个单独的图形对象；设计人员在使用CAD制图时会使用多段线绘制出箍筋环；在CAD制图中不能对多段线中的某一段线进行单独编辑。因此，在本实施例中，除了通过上述步骤A1至A5的方式确定出多个箍筋组合之外，还会通过识别多段线另外形成一个箍筋组合，并基于形成的所有箍筋组合确定出箍筋绕法。
进一步的，在步骤S103之后，基于形成的所有箍筋组合，所述方法还包括：
步骤B1：针对一个箍筋组合，从所述箍筋主体线中删除所述箍筋组合所使用的箍筋主体线，得到剩余箍筋主体线；
步骤B2：判断在所述剩余箍筋主体线中是否可以形成箍筋环；
步骤B3：若是，则将形成的箍筋环添加到所述箍筋组合中；若否，则将所述剩余箍筋主体线作为拉筋线添加到所述箍筋组合中。
需要说明的是，由于通过上述步骤A1至A5确定出的箍筋组合存在并没有使用所有的箍筋主体线的情况，所以在本实施例中，还可以根据步骤B1至B3从剩余箍筋主体线中确定出箍筋环和/或拉筋线，从而更新箍筋组合。
步骤S104：计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
在本实施例中，若箍筋组合的可信度值越大，则说明箍筋组合对应的箍筋绕法越接近设计人员的真实设计思路。
具体的，所述计算每个箍筋组合的可信度值，具体包括：
步骤C1：分别从每个箍筋组合中提取出箍筋特征参数，以形成特征向量。
进一步的，箍筋特征参数包括以下一种或多种：柱截面形状、纵筋特征线数目、箍筋主体线中的线段数目、当前箍筋组合中的箍筋环占有率、当前箍筋组合中的拉筋线占有率、当前箍筋组合中的拉筋线的长度占比、当前箍筋组合中的箍筋环的面积占比、当前箍筋组合中的箍筋起止特征线的使用率、当前箍筋组合中的箍筋大环数目占比、当前箍筋组合中的箍筋主体线的重复使用率、当前箍筋组合中的箍筋小环的面积占比、当前箍筋组合中是否存在非矩形的箍筋环、在所述钢筋线中是否存在多余的柱边线图层线、当前箍筋组合中是否存在被两个箍筋环包围的纵筋特征线、在所述柱大样图的箍筋拆分图中箍筋环和拉筋线的总数目与当前箍筋组合中箍筋环和拉筋线的总数目的比值、所述柱大样图的箍筋拆分图中箍筋环和拉筋线与当前箍筋组合中箍筋环和拉筋线的匹配度值。
优选的，各个箍筋特征参数的量化方式如表1所示：
表1
步骤C2：将每个箍筋组合的特征向量输入预设分类模型中，得到每个箍筋组合的可信度值。
进一步的，在步骤C2之前，所述方法还包括：
步骤C21：获取设定数量的样本数据；其中，样本数据包括：样本柱大样图以及所述样本柱大样图的真实箍筋绕法；
步骤C22：针对一个样本数据，从所述样本数据的样本柱大样图中确定出参考箍筋组合；
可按照上述步骤A1至A5的方式确定出参考箍筋组合；
步骤C23：将所述样本数据的真实箍筋绕法作为真实箍筋组合；
步骤C24：分别从每个参考箍筋组合和真实箍筋组合中提取出箍筋特征参数，以形成特征向量；
可按照上述表1中的方式提取出箍筋特征参数；
步骤C25：通过所有样本数据的参考箍筋组合和真实箍筋组合的特征向量进行模型训练，以得到分类模型。
在本实施例中，基于大量的样本数据，通过有监督的机器学习方式训练得到分类模型。优选的，所述分类模型是基于随机森林算法或决策树算法训练出来的。
在本实施例中，通过应用人工智能的方式来解决柱大样图箍筋绕法的识别问题，无需人工干预；具体的，对柱大样钢筋图进行特征抽象，以训练模型，从而得到泛化能力更高的分类模型，而非使用简单的业务规则来进行箍筋绕法识别；此外，分类模型可以随着样本的累积不断迭代更新。
实施例二
本发明实施例提供了一种识别箍筋绕法的装置，如图4所示，该装置具体包括以下组成部分：
获取模块401，用于获取待识别的柱大样图；
识别模块402，用于在所述柱大样图中识别出钢筋线；
分组模块403，用于基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
确定模块404，用于计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
具体的，所述钢筋线包括：拉筋起止特征线、纵筋特征线、箍筋起止特征线和箍筋主体线。
进一步的，分组模块403，具体用于：
根据所述拉筋起止特征线在所述箍筋主体线中确定出拉筋主体线；
将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线；
针对一个箍筋起止特征线，根据所述纵筋特征线，在所述箍筋主体线中确定出所有样式的箍筋环；其中，所述箍筋环为围绕多个纵筋线的封闭环；
根据每个箍筋起止特征线的所有样式的箍筋环，形成不同组合方式的箍筋环组合；其中，箍筋环组合包括：每个箍筋起止特征线的一种样式的箍筋环；
将所有拉筋线分别添加到各个箍筋环组合中，形成多个箍筋组合。
进一步的，分组模块403，还用于：
从所述箍筋主体线中识别出多段线，并将识别出的所有多段线形成一个箍筋环组合；
将所有拉筋线添加到所述箍筋环组合中，形成一个箍筋组合。
进一步的，所述装置还包括：
更新模块，用于针对一个箍筋组合，从所述箍筋主体线中删除所述箍筋组合所使用的箍筋主体线，得到剩余箍筋主体线；
判断在所述剩余箍筋主体线中是否可以形成箍筋环；
若是，则将形成的箍筋环添加到所述箍筋组合中；若否，则将所述剩余箍筋主体线作为拉筋线添加到所述箍筋组合中。
进一步的，确定模块404，具体用于：
分别从每个箍筋组合中提取出箍筋特征参数，以形成特征向量；
将每个箍筋组合的特征向量输入预设分类模型中，得到每个箍筋组合的可信度值。
更进一步的，所述箍筋特征参数包括以下一种或多种：柱截面形状、纵筋特征线数目、箍筋主体线中的线段数目、当前箍筋组合中的箍筋环占有率、当前箍筋组合中的拉筋线占有率、当前箍筋组合中的拉筋线的长度占比、当前箍筋组合中的箍筋环的面积占比、当前箍筋组合中的箍筋起止特征线的使用率、当前箍筋组合中的箍筋大环数目占比、当前箍筋组合中的箍筋主体线的重复使用率、当前箍筋组合中的箍筋小环的面积占比、当前箍筋组合中是否存在非矩形的箍筋环、在所述钢筋线中是否存在多余的柱边线图层线、当前箍筋组合中是否存在被两个箍筋环包围的纵筋特征线、在所述柱大样图的箍筋拆分图中箍筋环和拉筋线的总数目与当前箍筋组合中箍筋环和拉筋线的总数目的比值、所述柱大样图的箍筋拆分图中箍筋环和拉筋线与当前箍筋组合中箍筋环和拉筋线的匹配度值。
实施例三
本实施例还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图5所示，本实施例的计算机设备50至少包括但不限于：可通过系统总线相互通信连接的存储器501、处理器502。需要指出的是，图5仅示出了具有组件501-502的计算机设备50，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器501(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器501可以是计算机设备50的内部存储单元，例如该计算机设备50的硬盘或内存。在另一些实施例中，存储器501也可以是计算机设备50的外部存储设备，例如该计算机设备50上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器501还可以既包括计算机设备50的内部存储单元也包括其外部存储设备。在本实施例中，存储器501通常用于存储安装于计算机设备50的操作系统和各类应用软件。此外，存储器501还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器502在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器502通常用于控制计算机设备50的总体操作。
具体的，在本实施例中，处理器502用于执行处理器502中存储的识别箍筋绕法的方法的程序，所述识别箍筋绕法的方法的程序被执行时实现如下步骤：
获取待识别的柱大样图；
在所述柱大样图中识别出钢筋线；
基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。
实施例四
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，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如下方法步骤：
获取待识别的柱大样图；
在所述柱大样图中识别出钢筋线；
基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
上述方法步骤的具体实施例过程可参见第一实施例，本实施例在此不再重复赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种识别箍筋绕法的方法，其特征在于，所述方法包括：
获取待识别的柱大样图；
在所述柱大样图中识别出钢筋线；
基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
2.根据权利要求1所述的识别箍筋绕法的方法，其特征在于，所述钢筋线包括：拉筋起止特征线、纵筋特征线、箍筋起止特征线和箍筋主体线。
3.根据权利要求2所述的识别箍筋绕法的方法，其特征在于，所述基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合，包括：
根据所述拉筋起止特征线在所述箍筋主体线中确定出拉筋主体线；
将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线；
针对一个箍筋起止特征线，根据所述纵筋特征线，在所述箍筋主体线中确定出所有样式的箍筋环；其中，所述箍筋环为围绕多个纵筋线的封闭环；
根据每个箍筋起止特征线的所有样式的箍筋环，形成不同组合方式的箍筋环组合；其中，箍筋环组合包括：每个箍筋起止特征线的一种样式的箍筋环；
将所有拉筋线分别添加到各个箍筋环组合中，形成多个箍筋组合。
4.根据权利要求3所述的识别箍筋绕法的方法，其特征在于，在所述将每个拉筋起止特征线和对应的拉筋主体线形成拉筋线之后，所述方法还包括：
从所述箍筋主体线中识别出多段线，并将识别出的所有多段线形成一个箍筋环组合；
将所有拉筋线添加到所述箍筋环组合中，形成一个箍筋组合。
5.根据权利要求3或4所述的识别箍筋绕法的方法，其特征在于，基于形成的所有箍筋组合，所述方法还包括：
针对一个箍筋组合，从所述箍筋主体线中删除所述箍筋组合所使用的箍筋主体线，得到剩余箍筋主体线；
判断在所述剩余箍筋主体线中是否可以形成箍筋环；
若是，则将形成的箍筋环添加到所述箍筋组合中；若否，则将所述剩余箍筋主体线作为拉筋线添加到所述箍筋组合中。
6.根据权利要求1所述的识别箍筋绕法的方法，其特征在于，所述计算每个箍筋组合的可信度值，包括：
分别从每个箍筋组合中提取出箍筋特征参数，以形成特征向量；
将每个箍筋组合的特征向量输入预设分类模型中，得到每个箍筋组合的可信度值。
7.根据权利要求6所述的识别箍筋绕法的方法，其特征在于，所述箍筋特征参数包括以下一种或多种：
柱截面形状、纵筋特征线数目、箍筋主体线中的线段数目、当前箍筋组合中的箍筋环占有率、当前箍筋组合中的拉筋线占有率、当前箍筋组合中的拉筋线的长度占比、当前箍筋组合中的箍筋环的面积占比、当前箍筋组合中的箍筋起止特征线的使用率、当前箍筋组合中的箍筋大环数目占比、当前箍筋组合中的箍筋主体线的重复使用率、当前箍筋组合中的箍筋小环的面积占比、当前箍筋组合中是否存在非矩形的箍筋环、在所述钢筋线中是否存在多余的柱边线图层线、当前箍筋组合中是否存在被两个箍筋环包围的纵筋特征线、在所述柱大样图的箍筋拆分图中箍筋环和拉筋线的总数目与当前箍筋组合中箍筋环和拉筋线的总数目的比值、所述柱大样图的箍筋拆分图中箍筋环和拉筋线与当前箍筋组合中箍筋环和拉筋线的匹配度值。
8.一种识别箍筋绕法的装置，其特征在于，所述装置包括：
获取模块，用于获取待识别的柱大样图；
识别模块，用于在所述柱大样图中识别出钢筋线；
分组模块，用于基于所述钢筋线确定出不同组合方式的拉筋线和箍筋环线，以形成多个箍筋组合；其中，每个箍筋组合表征一种箍筋绕法；
确定模块，用于计算每个箍筋组合的可信度值，并根据可信度值最大的箍筋组合确定出所述柱大样图的箍筋绕法。
9.一种计算机设备，所述计算机设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568869.1A CN111738145A (zh) | 2020-06-19 | 2020-06-19 | 识别箍筋绕法的方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568869.1A CN111738145A (zh) | 2020-06-19 | 2020-06-19 | 识别箍筋绕法的方法、装置、计算机设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111738145A true CN111738145A (zh) | 2020-10-02 |
Family
ID=72651889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010568869.1A Pending CN111738145A (zh) | 2020-06-19 | 2020-06-19 | 识别箍筋绕法的方法、装置、计算机设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738145A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051640A (zh) * | 2021-03-05 | 2021-06-29 | 福建省晨曦信息科技股份有限公司 | 柱大样数据重制方法、计算机设备及可读存储介质 |
| CN113051639A (zh) * | 2021-03-05 | 2021-06-29 | 福建省晨曦信息科技股份有限公司 | 箍筋及拉筋的识别方法、计算机设备及可读存储介质 |
| CN113268798A (zh) * | 2021-05-24 | 2021-08-17 | 福建省晨曦信息科技股份有限公司 | 柱截面内钢筋的生成方法、计算机设备及可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9917473D0 (en) * | 1999-07-27 | 1999-09-29 | Hermes Vh Software Intelligenc | Method for reading,analysing and interpreting engineering drawings |
| CN109684736A (zh) * | 2018-12-26 | 2019-04-26 | 中民筑友科技投资有限公司 | 构件内箍筋模型生成方法、系统、装置及可读存储介质 |
| CN111127457A (zh) * | 2019-12-25 | 2020-05-08 | 上海找钢网信息科技股份有限公司 | 钢筋数目统计模型训练方法、统计方法、装置及设备 |
-
2020
- 2020-06-19 CN CN202010568869.1A patent/CN111738145A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9917473D0 (en) * | 1999-07-27 | 1999-09-29 | Hermes Vh Software Intelligenc | Method for reading,analysing and interpreting engineering drawings |
| CN109684736A (zh) * | 2018-12-26 | 2019-04-26 | 中民筑友科技投资有限公司 | 构件内箍筋模型生成方法、系统、装置及可读存储介质 |
| CN111127457A (zh) * | 2019-12-25 | 2020-05-08 | 上海找钢网信息科技股份有限公司 | 钢筋数目统计模型训练方法、统计方法、装置及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 刘成斌;: "AutoLISP在结构配筋校对中的应用与实现方法", 福建建筑, no. 03, 31 March 2013 (2013-03-31) * |
| 洪建武, 张树有: "基于特征与知识关联的建筑图钢筋量提取方法", 计算机工程与应用, no. 02, 29 February 2004 (2004-02-29) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051640A (zh) * | 2021-03-05 | 2021-06-29 | 福建省晨曦信息科技股份有限公司 | 柱大样数据重制方法、计算机设备及可读存储介质 |
| CN113051639A (zh) * | 2021-03-05 | 2021-06-29 | 福建省晨曦信息科技股份有限公司 | 箍筋及拉筋的识别方法、计算机设备及可读存储介质 |
| CN113268798A (zh) * | 2021-05-24 | 2021-08-17 | 福建省晨曦信息科技股份有限公司 | 柱截面内钢筋的生成方法、计算机设备及可读存储介质 |
| CN113268798B (zh) * | 2021-05-24 | 2022-04-12 | 福建晨曦信息科技集团股份有限公司 | 柱截面内钢筋的生成方法、计算机设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738145A (zh) | 识别箍筋绕法的方法、装置、计算机设备及可读存储介质 | |
| US20190080164A1 (en) | Classification of character strings using machine-learning | |
| CN111414353A (zh) | 智能化的缺失数据填充方法、装置及计算机可读存储介质 | |
| CN111723841A (zh) | 文本检测方法、装置、电子设备及存储介质 | |
| CN110866115A (zh) | 序列标注方法、系统、计算机设备及计算机可读存储介质 | |
| CN111814283B (zh) | 喷淋管线工程量的计算方法、装置、存储介质和计算机设备 | |
| CN114329711B (zh) | 一种基于图形算量平台的预制构件数据处理方法及系统 | |
| CN115080038A (zh) | 图层处理方法、模型生成方法及设备 | |
| CN116798053B (zh) | 图标生成方法及装置 | |
| CN114022891A (zh) | 扫描文本的关键信息提取方法、装置、设备及存储介质 | |
| CN112241470B (zh) | 一种视频分类方法及系统 | |
| KR102082899B1 (ko) | 건조사양서 분석을 통한 상이율 자동산정 장치 및 그를 이용한 설계공수 자동산정 방법 | |
| CN107885781A (zh) | 一种版本管理方法及系统 | |
| CN111401394B (zh) | 一种图像标注方法及装置、计算机可读存储介质 | |
| CN111753763A (zh) | 识别建筑图纸表格内容的方法、装置和计算机设备 | |
| CN113051639B (zh) | 箍筋及拉筋的识别方法、计算机设备及可读存储介质 | |
| CN116935010A (zh) | 一种标注内外墙的方法、装置、设备及可读存储介质 | |
| CN115033936A (zh) | 一种用于SolidWorks系统的物料模型管理方法 | |
| CN114549884A (zh) | 一种异常图像检测方法、装置、设备及介质 | |
| CN113963082A (zh) | 线式图元的处理方法、装置、计算机设备和可读存储介质 | |
| CN112241994A (zh) | 模型训练方法及渲染方法、装置、电子设备及存储介质 | |
| CN113469237A (zh) | 用户意图识别方法、装置、电子设备及存储介质 | |
| CN115512375A (zh) | 文本纠错模型的训练方法、文本识别方法及相关设备 | |
| CN111738116B (zh) | 识别板洞区域的方法、装置、计算机设备及可读存储介质 | |
| CN118332481B (zh) | 一种用于电力施工的项目数据异常预警方法及系统 |
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 |