CN111814664B - 识别图纸中标注的方法、装置、计算机设备及存储介质 - Google Patents
识别图纸中标注的方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111814664B CN111814664B CN202010647346.6A CN202010647346A CN111814664B CN 111814664 B CN111814664 B CN 111814664B CN 202010647346 A CN202010647346 A CN 202010647346A CN 111814664 B CN111814664 B CN 111814664B
- Authority
- CN
- China
- Prior art keywords
- line
- characteristic
- association
- association line
- level
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000002372 labelling Methods 0.000 claims abstract description 38
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- UQDJGEHQDNVPGU-UHFFFAOYSA-N serine phosphoethanolamine Chemical compound [NH3+]CCOP([O-])(=O)OCC([NH3+])C([O-])=O UQDJGEHQDNVPGU-UHFFFAOYSA-N 0.000 description 1
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
- G06V30/41—Analysis of document content
- G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种识别图纸中标注的方法、装置、计算机设备及存储介质，所述方法包括：从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；从所述标注集合中确定出属于所述特征线的目标标注；本发明可以高效、准确的识别图纸中的目标对象的标注。
Description
技术领域
本发明涉及图像识别技术领域，特别涉及一种识别图纸中标注的方法、装置、计算机设备及存储介质。
背景技术
二维图纸具有绘图简单、便于打印传播的特性，在工程领域得到了广泛的应用；在二维图纸中包括：线条和标注，线条用于描述实体对象的几何形状，标注用于描述实体对象的编号、几何参数及相关属性；其中，编号用于唯一标识实体对象，以方便工程人员定位，几何参数及相关属性用于描述实体对象的各种性质，以对实体对象进行全面的表达。由于线条描述的局限性，可通过标注对二维图纸中的实体对象进行具体描述，利用标注文字信息对二维实体对象进行描述，是扩展矢量图信息的重要手段。随着信息技术的发展，通过计算机识图的需求越来越多；例如，可通过计算机识图将二维图纸重建为三维模型，在重建三维模型过程中就需要自动识别二维实体对象的标注信息。在现有技术中，主要是根据“最近距离”的特征来识别二维图纸中的标注，即认为距离表征实体对象的线条最近的标注就是该实体对象的标注，这种识别方式具有算法实现简单且运行高效的优点；但是，当二维图纸中的表征实体对象的线条比较密集时，就不能保证距离线条最近的标注就是属于对应实体对象的；此外，设计人员还会利用引线，通过引线对实体对象进行标注；而现有的根据“最近距离”的特征来识别标注的方式无法识别出二维图纸中的引线，因而不能准确的识别出实体对象的标注；因此，现有的识别二维图纸中的实体对象的标注的方式存在准确性不高的问题。
发明内容
本发明的目的在于提供一种识别图纸中标注的方法、装置、计算机设备及存储介质，可以高效、准确的识别图纸中的目标对象的标注。
根据本发明的一个方面，提供了一种识别图纸中标注的方法，所述方法包括：
从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
从所述标注集合中确定出属于所述特征线的目标标注。
可选的，所述从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线，具体包括：
从所述待识别图纸中分别确定出每个特征线的关联线组；其中，所述关联线组包括一条或多条关联线；
判断任一关联线是否存在于多个关联线组中，若是，则将所述多个关联线组中的所有关联线重新分组，以使每个关联线仅存在于一个关联线组中；
分别将重新分组后的每个关联线组中的关联线形成对应特征线的标注引线。
可选的，所述从所述待识别图纸中分别确定出每个特征线的关联线组，具体包括：
针对一个特征线，从所述待识别图纸中确定出所述特征线的一级关联线；其中，所述一级关联线的一个端点位于所述特征线上或位于所述特征线形成的封闭区域内；
从所述一级关联线开始，在所述待识别图纸中逐级确定出与N级关联线相交的N+1级关联线；其中，N为正整数；
将所述特征线的各级关联线形成所述特征线的关联线组。
可选的，所述将所述多个关联线组中的所有关联线重新分组，以使每个关联线仅存在于一个关联线组中，具体包括：
针对一个关联线组，从一级关联线开始，逐级检测是否存在相交类型为X型的N级关联线与N+1级关联线；
当检测到存在相交类型为X型的N级关联线与N+1级关联线时，仅将一级关联线至N级关联线保存在所述关联线组中；
当检测到不存在相交类型为X型的N级关联线与N+1级关联线时，从所述一级关联线开始，逐级判断是否存在相交类型为T型的N级关联线与N+1级关联线，若是，则仅将一级关联线至N级关联线保存在所述关联线组中；若否，则仅将一级关联线保存在所述关联线组中。
可选的，所述从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合，具体包括：
在所述待识别图纸上，将以所述特征线的中心为圆心、第一设定长度为半径所形成的圆形区域作为第一区域；
在所述待识别图纸上，将所述标注引线分别水平向上、水平向下、水平向左、水平向右各平移第二设定长度所形成的区域作为第二区域；
获取在所述第一区域和所述第二区域内的所有标注，形成标注集合。
可选的，所述从所述标注集合中确定出属于所述特征线的目标标注，具体包括：
基于每个特征线的标注集合，在预设无向图中分别绘制用于表征各个特征线的第一节点，并分别绘制用于表征各个标注的第二节点；
根据特征线与标注集合的对应关系，在所述第一节点和所述第二节点之间绘制边；
识别出包含在所述无向图中的所有连通子图；其中，所述连通子图中的各个节点通过边互相连接；
针对一个连通子图，判断所述连通子图是否仅包含一个第一节点和一个第二节点；
若是，则将与所述第二节点对应的标注作为与所述第一节点对应的特征线的目标标注；若否，则按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，并根据所述匹配关系，确定出属于对应特征线的目标标注。
可选的，所述按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，具体包括：
针对所述连通子图中的一个边，在所述待识别图纸中，计算所述边连接的第二节点所对应的标注到所述边连接的第一节点所对应的特征线的第一距离，以及计算所述标注到所述特征线的标注引线的第二距离；
根据所述第一距离和所述第二距离中的最小距离计算出所述边的权重值，并将所述边的权重值添加到所述连通子图中；
根据所述连通子图，利用最大权二分图匹配算法，计算出所述连通子图中的第一节点和第二节点的匹配关系。
为了实现上述目的，本发明还提供一种识别图纸中标注的装置，所述装置包括：
提取模块，用于从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
获取模块，用于从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
确定模块，用于从所述标注集合中确定出属于所述特征线的目标标注。
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图纸中标注的方法的步骤。
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图纸中标注的方法的步骤。
本发明提供的识别图纸中标注的方法、装置、计算机设备及存储介质，通过表征目标对象的特征线和该特征线的引线确定出属于该特征线的标注；在本发明中可以识别出二维图纸中的引线，并借助引线，更精准的识别出目标对象与标注的对应关系，从而更准确的表达出设计人员的设计初衷。
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图纸中标注的方法的一种可选的流程示意图；
图2为实施例一中的相邻两级关联线的相交类型为X型的示意图；
图3为实施例一中的相邻两级关联线的相交类型为T型的示意图；
图4为实施例一中的相邻两级关联线的相交类型为L型的示意图；
图5为实施例一中的市政工程排水平面图纸的示意图；
图6(a)为实施例一中的用于表征关联线组1的树状结构示意图；
图6(b)为实施例一中的用于表征关联线组2的树状结构示意图；
图7(a)为实施例一中的重新分组后的用于表征关联线组1的树状结构示意图；
图7(b)为实施例一中的重新分组后的用于表征关联线组2的树状结构示意图；
图8为实施例二提供的识别图纸中标注的装置的一种可选的组成结构示意图；
图9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图纸中标注的方法，如图1所示，该方法具体包括以下步骤：
步骤S101：从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线。
在工程制图中，设计人员会利用引线对目标对象进行标注，从而解决因图纸中的线条布局密集而导致标注不清楚的问题。通常设计人员会使用特定形状的特征线表征某一类实体对象，例如，在市政工程排水平面图纸中，使用圆圈表征排水井，且会通过在图纸中添加引线以对排水井进行标注。本实施例提出的技术方案适用于通过引线对目标对象进行标注的场景，因此在确定目标对象与标注的对应关系之前，需要从图纸中识别出表征目标对象的特征线以及用于对所述目标对象进行标注的标注引线。
具体的，步骤S101，包括：
步骤A1：从所述待识别图纸中分别确定出每个特征线的关联线组；其中，所述关联线组包括一条或多条关联线；
步骤A2：判断任一关联线是否存在于多个关联线组中，若是，则将所述多个关联线组中的所有关联线重新分组，以使每个关联线仅存在于一个关联线组中；
步骤A3：分别将重新分组后的每个关联线组中的关联线形成对应特征线的标注引线。
在本实施例中，由于在待识别图纸中会存在多个用于表征目标对象的特征线，因此需要分别确定出每个特征线的标注引线；通常标注引线是基于特征线的关联线段，因此，以一个特征线为基础从待识别图纸中识别出所有与该特征线关联的线段，以形成该特征线的关联线组；虽然会存在一个关联线被划分到多个关联线组的情况，但在实际应用中，一个标注引线仅用于描述一个目标对象，因此，一个关联线仅能存在于一个关联线组中；在本实施例中，将包含同一关联线的多个关联线组重新分组，经过重新分组后的一个关联线组中的所有关联线就可以形成与该关联线组对应的特征线的标注引线。
进一步的，步骤A1，具体包括：
步骤A11：针对一个特征线，从所述待识别图纸中确定出所述特征线的一级关联线；其中，所述一级关联线的一个端点位于所述特征线上或位于所述特征线形成的封闭区域内；
步骤A12：从所述一级关联线开始，在所述待识别图纸中逐级确定出与N级关联线相交的N+1级关联线；其中，N为正整数；
步骤A13：将所述特征线的各级关联线形成所述特征线的关联线组。
优选的，关联线的相交类型包括：X型、T型和L型；其中，X型如图2所示，当N级关联线与N+1级关联线相交时，交点不在这两级关联线的任一端点处；T型如图3所示，当N级关联线与N+1级关联线相交时，N级关联线的一个端点位于N+1级关联线上、或N+1级关联线的一个端点位于N级关联线上；L型如图4所示，当N级关联线与N+1级关联线相交时，N级关联线的一个端点与N+1级关联线的一个端点重合。
在本实施例中，先从待识别图纸中确定出特征线的一级关联线，再确定出与一级关联线相交的二级关联线，再确定出与二级关联线相交的三级关联线，以此类推，最终确定出与该特征线关联的所有级关联线。
例如，如图5所示，以市政工程排水平面图纸为例，在该图纸中包括用于表征排水井的特征线1和特征线2，以及线段L1至L4；按照上述步骤A11至步骤A13的方式，分别确定出特征线1的关联线组1和特征线2的关联线组2；如图6(a)所示，为用于表征关联线组1的树状结构图，对于特征线1，线段L1为特征线1的一级关联线、线段L2为特征线1的二级关联线、线段L3为特征线1的三级关联线、线段L4为特征线1的四级关联线；如图6(b)所示，为用于表征关联线组2的树状结构图，对于特征线2，线段L3为特征线2的一级关联线、线段L2和线段L4为特征线2的二级关联线、线段L1为特征线2的三级关联线。
更进一步的，步骤A2，具体包括：
步骤A21：针对一个关联线组，从一级关联线开始，逐级检测是否存在相交类型为X型的N级关联线与N+1级关联线；
步骤A22：当检测到存在相交类型为X型的N级关联线与N+1级关联线时，仅将一级关联线至N级关联线保存在所述关联线组中；
步骤A23：当检测到不存在相交类型为X型的N级关联线与N+1级关联线时，从所述一级关联线开始，逐级判断是否存在相交类型为T型的N级关联线与N+1级关联线，若是，则仅将一级关联线至N级关联线保存在所述关联线组中；若否，则仅将一级关联线保存在所述关联线组中。
在本实施例中，针对一个关联线组，从一级关联线开始逐级遍历，先判断是否存在相邻两级关联线的相交类型为X型，再判断是否存在相邻两级关联线的相交类型为T型，最终判断是否存在相邻两级关联线的相交类型为L型；当存在相交类型为X型的相邻两级关联线时，断开所述相邻两级关联线的连接，并停止遍历；当存在相交类型为T型的相邻两级关联线时，断开所述相邻两级关联线的连接，并停止遍历；当存在相交类型为L型的相邻两级关联线时，断开所述相邻两级关联线的连接，并停止遍历。
例如，如图5所示，以市政工程排水平面图纸为例，根据图6(a)和图6(b)可知，线段L1至L4分别存在于关联线组1和关联线组2中；因此需要按照上述步骤A21至步骤A23的方式，分别对关联线组1和关联线组2中的关联线进行重新分组；例如，在关联线组1中一级关联线L1和二级关联线L2的相交类型不是X型，但二级关联线L2与三级关联线L3的相交类型为X型，因此，在图6(a)中断开二级关联线L2与三级关联线L3的连接，将三级关联线L3和基于L3形成的四级关联系L4从关联线组1中删除，因此，如图7(a)所示，为重新分组后的关联线组1的树状结构图；同理可得，在关联线组2中，断开一级关联线L3与二级关联线L2的连接，如图7(b)所示，为重新分组后的关联线组2的树状结构图。
步骤S102：从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合。
具体的，步骤S102，包括：
步骤B1：在所述待识别图纸上，将以所述特征线的中心为圆心、第一设定长度为半径所形成的圆形区域作为第一区域；
步骤B2：在所述待识别图纸上，将所述标注引线分别水平向上、水平向下、水平向左、水平向右各平移第二设定长度所形成的区域作为第二区域；
步骤B3：获取在所述第一区域和所述第二区域内的所有标注，形成标注集合。
在本实施例中，将位于特征线和标注引线周围的标注都作为用于描述目标对象的候选标注，此时，在标注集合中可能存在多个标注，即一个特征线对应多个标注；此外，按照上述步骤B1至步骤B3的方式，确定出每个特征线的标注集合，由于在确定一个特征线的标注时并没有考虑到该标注是否已加入其它特征线的标注集合中，因此，一个标注也可能会存在于多个标注集合中，即特征线与标注的关系可为多对多的关系。
步骤S103：从所述标注集合中确定出属于所述特征线的目标标注。
具体的，步骤S103，包括：
步骤C1：基于每个特征线的标注集合，在预设无向图中分别绘制用于表征各个特征线的第一节点，并分别绘制用于表征各个标注的第二节点；
步骤C2：根据特征线与标注集合的对应关系，在所述第一节点和所述第二节点之间绘制边；
步骤C3：识别出包含在所述无向图中的所有连通子图；其中，所述连通子图中的各个节点通过边互相连接；
步骤C4：针对一个连通子图，判断所述连通子图是否仅包含一个第一节点和一个第二节点；
步骤C5：若是，则将与所述第二节点对应的标注作为与所述第一节点对应的特征线的目标标注；若否，则按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，并根据所述匹配关系，确定出属于对应特征线的目标标注。
进一步的，所述按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，具体包括：
步骤D1：针对所述连通子图中的一个边，在所述待识别图纸中，计算所述边连接的第二节点所对应的标注到所述边连接的第一节点所对应的特征线的第一距离，以及计算所述标注到所述特征线的标注引线的第二距离；
步骤D2：根据所述第一距离和所述第二距离中的最小距离计算出所述边的权重值，并将所述边的权重值添加到所述连通子图中；
需要说明的是，最小距离与权重值成反比，即最小距离越大，权重值越小；
步骤D3：根据所述连通子图，利用最大权二分图匹配算法，计算出所述连通子图中的第一节点和第二节点的匹配关系。
在本实施例中，将特征线作为第一节点、标注作为第二节点、并根据特征线与标注的归属关系在第一节点和第二节点之间添加边，从而构建出用于表征特征线与标注关系的无向图。在构建好的无向图中查找出连通子图，依次遍历各个连通子图，若连通子图中只有一个第一节点和一个第二节点，则特征线与标注是1对1的关系，匹配成功。对于节点数大于2的连通子图，需要对连通子图中的各个节点进行匹配，为连通子图中的每个第一节点匹配对应的第二节点，从而确定出特征线与标注的对应关系。
通过本实施例，不仅解决了现有技术中无法识别标注引线的技术问题，还解决了当通过引线对实体对象进行标注时如何确定实体对象与标注的对应关系的技术问题。本实施例通过表征目标对象的特征线和该特征线的引线确定出属于该特征线的标注，可以高效、准确的识别图纸中的目标对象的标注。本实施例的技术方案具有识别准确率高、受图纸特性干扰小的优点，此外，还具有很好的泛化性能，对图纸的适用性广，适用于查找各类实体对象的标注的情况。
实施例二
本发明实施例提供了一种识别图纸中标注的装置，如图8所示，该装置具体包括以下组成部分：
提取模块801，用于从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
获取模块802，用于从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
确定模块803，用于从所述标注集合中确定出属于所述特征线的目标标注。
具体的，提取模块801，包括：
确定单元，用于从所述待识别图纸中分别确定出每个特征线的关联线组；其中，所述关联线组包括一条或多条关联线；
判断单元，用于判断任一关联线是否存在于多个关联线组中，若是，则将所述多个关联线组中的所有关联线重新分组，以使每个关联线仅存在于一个关联线组中；
重组单元，用于分别将重新分组后的每个关联线组中的关联线形成对应特征线的标注引线。
进一步的，确定单元，具体用于：
针对一个特征线，从所述待识别图纸中确定出所述特征线的一级关联线；其中，所述一级关联线的一个端点位于所述特征线上或位于所述特征线形成的封闭区域内；从所述一级关联线开始，在所述待识别图纸中逐级确定出与N级关联线相交的N+1级关联线；其中，N为正整数；将所述特征线的各级关联线形成所述特征线的关联线组。
重组单元，具体用于：
针对一个关联线组，从一级关联线开始，逐级检测是否存在相交类型为X型的N级关联线与N+1级关联线；当检测到存在相交类型为X型的N级关联线与N+1级关联线时，仅将一级关联线至N级关联线保存在所述关联线组中；当检测到不存在相交类型为X型的N级关联线与N+1级关联线时，从所述一级关联线开始，逐级判断是否存在相交类型为T型的N级关联线与N+1级关联线，若是，则仅将一级关联线至N级关联线保存在所述关联线组中；若否，则仅将一级关联线保存在所述关联线组中。
进一步的，获取模块802，具体用于：
在所述待识别图纸上，将以所述特征线的中心为圆心、第一设定长度为半径所形成的圆形区域作为第一区域；在所述待识别图纸上，将所述标注引线分别水平向上、水平向下、水平向左、水平向右各平移第二设定长度所形成的区域作为第二区域；获取在所述第一区域和所述第二区域内的所有标注，形成标注集合。
进一步的，确定模块803，具体包括：
绘制单元，用于基于每个特征线的标注集合，在预设无向图中分别绘制用于表征各个特征线的第一节点，并分别绘制用于表征各个标注的第二节点；根据特征线与标注集合的对应关系，在所述第一节点和所述第二节点之间绘制边；
识别单元，用于识别出包含在所述无向图中的所有连通子图；其中，所述连通子图中的各个节点通过边互相连接；
处理单元，用于针对一个连通子图，判断所述连通子图是否仅包含一个第一节点和一个第二节点；若是，则将与所述第二节点对应的标注作为与所述第一节点对应的特征线的目标标注；若否，则按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，并根据所述匹配关系，确定出属于对应特征线的目标标注。
更进一步的，处理单元，具体用于：
针对所述连通子图中的一个边，在所述待识别图纸中，计算所述边连接的第二节点所对应的标注到所述边连接的第一节点所对应的特征线的第一距离，以及计算所述标注到所述特征线的标注引线的第二距离；根据所述第一距离和所述第二距离中的最小距离计算出所述边的权重值，并将所述边的权重值添加到所述连通子图中；根据所述连通子图，利用最大权二分图匹配算法，计算出所述连通子图中的第一节点和第二节点的匹配关系。
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9所示，本实施例的计算机设备90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901、处理器902。需要指出的是，图9仅示出了具有组件901-902的计算机设备90，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901(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901可以是计算机设备90的内部存储单元，例如该计算机设备90的硬盘或内存。在另一些实施例中，存储器901也可以是计算机设备90的外部存储设备，例如该计算机设备90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901还可以既包括计算机设备90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901通常用于存储安装于计算机设备90的操作系统和各类应用软件。此外，存储器901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902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902通常用于控制计算机设备90的总体操作。
具体的，在本实施例中，处理器902用于执行处理器902中存储的识别图纸中标注的方法的程序，所述识别图纸中标注的方法的程序被执行时实现如下步骤：
从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
从所述标注集合中确定出属于所述特征线的目标标注。
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：
从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
从所述标注集合中确定出属于所述特征线的目标标注。
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 (8)
1.一种识别图纸中标注的方法，其特征在于，所述方法包括：
从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
从所述标注集合中确定出属于所述特征线的目标标注；
其中，所述从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线，包括：
从所述待识别图纸中分别确定出每个特征线的关联线组；其中，所述关联线组中的一级关联线与所述特征线相交、且N+1级关联线与N级关联线相交；
针对一个关联线组进行如下处理：从一级关联线开始，逐级判断是否存在相交类型为X型的N级关联线与N+1级关联线；当检测到存在相交类型为X型的N级关联线与N+1级关联线时，仅将一级关联线至N级关联线保存在所述关联线组中；当检测到不存在相交类型为X型的N级关联线与N+1级关联线时，重新从一级关联线开始，逐级判断是否存在相交类型为T型的N级关联线与N+1级关联线，若是，则仅将一级关联线至N级关联线保存在所述关联线组中，若否，则仅将一级关联线保存在所述关联线组中；
将处理后的每个关联线组中的关联线形成对应特征线的标注引线。
2.根据权利要求1所述的识别图纸中标注的方法，其特征在于，所述从所述待识别图纸中分别确定出每个特征线的关联线组，具体包括：
针对一个特征线，从所述待识别图纸中确定出所述特征线的一级关联线；其中，所述一级关联线的一个端点位于所述特征线上或位于所述特征线形成的封闭区域内；
从所述一级关联线开始，在所述待识别图纸中逐级确定出与N级关联线相交的N+1级关联线；其中，N为正整数；
将所述特征线的各级关联线形成所述特征线的关联线组。
3.根据权利要求1所述的识别图纸中标注的方法，其特征在于，所述从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合，具体包括：
在所述待识别图纸上，将以所述特征线的中心为圆心、第一设定长度为半径所形成的圆形区域作为第一区域；
在所述待识别图纸上，将所述标注引线分别水平向上、水平向下、水平向左、水平向右各平移第二设定长度所形成的区域作为第二区域；
获取在所述第一区域和所述第二区域内的所有标注，形成标注集合。
4.根据权利要求1所述的识别图纸中标注的方法，其特征在于，所述从所述标注集合中确定出属于所述特征线的目标标注，具体包括：
基于每个特征线的标注集合，在预设无向图中分别绘制用于表征各个特征线的第一节点，并分别绘制用于表征各个标注的第二节点；
根据特征线与标注集合的对应关系，在所述第一节点和所述第二节点之间绘制边；
识别出包含在所述无向图中的所有连通子图；其中，所述连通子图中的各个节点通过边互相连接；
针对一个连通子图，判断所述连通子图是否仅包含一个第一节点和一个第二节点；
若是，则将与所述第二节点对应的标注作为与所述第一节点对应的特征线的目标标注；若否，则按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，并根据所述匹配关系，确定出属于对应特征线的目标标注。
5.根据权利要求4所述的识别图纸中标注的方法，其特征在于，所述按照预设匹配算法确定出所述连通子图中的第一节点和第二节点的匹配关系，具体包括：
针对所述连通子图中的一个边，在所述待识别图纸中，计算所述边连接的第二节点所对应的标注到所述边连接的第一节点所对应的特征线的第一距离，以及计算所述标注到所述特征线的标注引线的第二距离；
根据所述第一距离和所述第二距离中的最小距离计算出所述边的权重值，并将所述边的权重值添加到所述连通子图中；
根据所述连通子图，利用最大权二分图匹配算法，计算出所述连通子图中的第一节点和第二节点的匹配关系。
6.一种识别图纸中标注的装置，其特征在于，所述装置包括：
提取模块，用于从待识别图纸中提取出用于表征目标对象的特征线，以及所述特征线的标注引线；
获取模块，用于从所述待识别图纸中获取在所述特征线和所述标注引线周围设定范围内的所有标注，形成标注集合；
确定模块，用于从所述标注集合中确定出属于所述特征线的目标标注；
其中，所述提取模块，具体用于：
从所述待识别图纸中分别确定出每个特征线的关联线组；其中，所述关联线组中的一级关联线与所述特征线相交、且N+1级关联线与N级关联线相交；
针对一个关联线组进行如下处理：从一级关联线开始，逐级判断是否存在相交类型为X型的N级关联线与N+1级关联线；当检测到存在相交类型为X型的N级关联线与N+1级关联线时，仅将一级关联线至N级关联线保存在所述关联线组中；当检测到不存在相交类型为X型的N级关联线与N+1级关联线时，重新从一级关联线开始，逐级判断是否存在相交类型为T型的N级关联线与N+1级关联线，若是，则仅将一级关联线至N级关联线保存在所述关联线组中，若否，则仅将一级关联线保存在所述关联线组中；
将处理后的每个关联线组中的关联线形成对应特征线的标注引线。
7.一种计算机设备，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5中任一项所述方法的步骤。
8.一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5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010647346.6A CN111814664B (zh) | 2020-07-07 | 2020-07-07 | 识别图纸中标注的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010647346.6A CN111814664B (zh) | 2020-07-07 | 2020-07-07 | 识别图纸中标注的方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111814664A CN111814664A (zh) | 2020-10-23 |
| CN111814664B true CN111814664B (zh) | 2024-04-12 |
Family
ID=72841945
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010647346.6A Active CN111814664B (zh) | 2020-07-07 | 2020-07-07 | 识别图纸中标注的方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814664B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112651378B (zh) * | 2021-01-08 | 2021-10-15 | 唐旸 | 紧固件二维图纸的标注信息识别方法、设备及介质 |
| CN112861485B (zh) * | 2021-03-23 | 2024-02-09 | 台山核电合营有限公司 | 核电dcs控制逻辑图纸的处理方法、装置及设备 |
| CN113591739B (zh) * | 2021-08-04 | 2024-07-05 | 广联达科技股份有限公司 | 识别图纸中面域的方法、装置、计算机设备和存储介质 |
| CN113657325B (zh) * | 2021-08-24 | 2024-04-12 | 北京百度网讯科技有限公司 | 用于确定标注样式信息的方法、装置、介质及程序产品 |
| CN114429639B (zh) * | 2022-01-27 | 2024-05-03 | 广联达科技股份有限公司 | 一种管线标注识别方法及装置 |
| CN114817604B (zh) * | 2022-06-24 | 2022-10-11 | 万翼科技有限公司 | 图纸尺寸标注的检索方法、装置、电子设备和存储介质 |
| CN115116084A (zh) * | 2022-07-25 | 2022-09-27 | 万翼科技有限公司 | 引注识别方法、装置、设备及存储介质 |
| CN117392269B (zh) * | 2023-12-08 | 2024-02-27 | 中交第一航务工程勘察设计院有限公司 | 一种管网图纸数据提取方法及装置 |
| CN117953187B (zh) * | 2024-03-26 | 2024-05-24 | 北京鸿鹄云图科技股份有限公司 | 一种图纸重叠标注快速优化方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005107769A (ja) * | 2003-09-30 | 2005-04-21 | Fukui Computer Kk | 測量情報処理装置、ｃａｄ装置、測量情報処理方法、及び測量情報処理プログラム |
| CN111177813A (zh) * | 2019-12-31 | 2020-05-19 | 湖南特能博世科技有限公司 | 图元识别的方法、装置和电子系统 |
-
2020
- 2020-07-07 CN CN202010647346.6A patent/CN111814664B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005107769A (ja) * | 2003-09-30 | 2005-04-21 | Fukui Computer Kk | 測量情報処理装置、ｃａｄ装置、測量情報処理方法、及び測量情報処理プログラム |
| CN111177813A (zh) * | 2019-12-31 | 2020-05-19 | 湖南特能博世科技有限公司 | 图元识别的方法、装置和电子系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于IFC标准的楼层平面尺寸标注自动生成方法研究;侯文龙;邓雪原;;图学学报(06);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111814664A (zh) | 2020-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111814664B (zh) | 识别图纸中标注的方法、装置、计算机设备及存储介质 | |
| CN107644070B (zh) | 数据索引方法、数据查询方法及电子设备 | |
| CN110737592A (zh) | 一种链路异常识别方法、服务器及计算机可读存储介质 | |
| WO2019075970A1 (zh) | 表格信息换行识别方法、电子设备及计算机可读存储介质 | |
| WO2022100154A1 (zh) | 基于人工智能的地址标准化方法、装置、设备和存储介质 | |
| CN109670091B (zh) | 一种基于数据标准的元数据智能维护方法和装置 | |
| CN110704564B (zh) | 一种地址纠错方法和装置 | |
| CN108733810B (zh) | 一种地址数据匹配方法及装置 | |
| WO2019119635A1 (zh) | 种子用户拓展方法、电子设备及计算机可读存储介质 | |
| WO2019075968A1 (zh) | 表格信息跨页识别方法、电子设备及计算机可读存储介质 | |
| CN112231416A (zh) | 知识图谱本体更新方法、装置、计算机设备及存储介质 | |
| CN112860993A (zh) | 兴趣点的分类方法、装置、设备、存储介质及程序产品 | |
| CN114201756A (zh) | 一种智能合约代码片段的漏洞检测方法和相关装置 | |
| CN111444368B (zh) | 构建用户画像的方法、装置、计算机设备及存储介质 | |
| CN110489416B (zh) | 一种基于数据处理的信息存储方法及相关设备 | |
| CN110688995A (zh) | 地图查询的处理方法，计算机可读存储介质和移动终端 | |
| CN110826488A (zh) | 一种针对电子文档的图像识别方法、装置及存储设备 | |
| WO2023050670A1 (zh) | 虚假信息检测方法、系统、计算机设备及可读存储介质 | |
| CN111460088A (zh) | 相似文本的检索方法、装置和系统 | |
| CN112990092B (zh) | 图例识别方法、计算机设备及可读存储介质 | |
| CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
| CN111610908B (zh) | 一种生成框架图的方法、计算机设备及可读存储介质 | |
| CN115221360A (zh) | 树形结构配置方法和系统 | |
| CN111695441A (zh) | 图像文档处理方法、装置及计算机可读存储介质 | |
| CN111143626A (zh) | 团伙识别方法、装置、设备及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |