CN111881868A - 一种图层自动化识别方法及装置 - Google Patents
一种图层自动化识别方法及装置 Download PDFInfo
- Publication number
- CN111881868A CN111881868A CN202010768602.7A CN202010768602A CN111881868A CN 111881868 A CN111881868 A CN 111881868A CN 202010768602 A CN202010768602 A CN 202010768602A CN 111881868 A CN111881868 A CN 111881868A
- Authority
- CN
- China
- Prior art keywords
- layer
- target
- foundation
- category
- wall
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000012216 screening Methods 0.000 claims abstract description 26
- 230000003014 reinforcing effect Effects 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 230000002787 reinforcement Effects 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种图层自动化识别方法,该方法包括:通过对目标图纸的图纸名称进行文本识别分类,得到所述目标图纸的图纸类别;所述目标图纸包括地铁建筑工程CAD图纸;根据预先存储的图纸类别与处理方式的映射关系,确定所述目标图纸对应的处理方式;所述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;所述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,所述目标特征包括几何特征和/或标记特征;根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
Description
技术领域
本申请涉及工程图纸识别领域,具体而言,涉及一种图层自动化识别方法及装置。
背景技术
目前,在建筑工程等领域普遍要使用CAD制图软件来绘制建筑工程CAD图纸,为了以建筑工程CAD图纸为基础进行建筑的三维模型的构建等应用,需要提取建筑工程CAD图纸中各个构件的图层。
现有技术中,建筑工程CAD图纸中的构件图层识别方法是通过人工进行图纸分割,然后通过人工点选需要的构件图元,软件通过对点选的构件图元进行分析后,从图纸中识别相似的图层图元或几何图元,得到的图元还要通过人工的筛查、更正和复检才能使用。现有技术的图层识别方法需要在专业人士的协助下进行,并且依赖人工操作,识别处理的效率较低。
发明内容
有鉴于此,本申请的目的在于提供一种图层自动化识别方法及装置,用于解决现有技术中如何提高建筑工程CAD图纸的图层的识别效率的问题。
第一方面,本申请实施例提供了一种图层自动化识别方法,该方法包括:
通过对目标图纸的图纸名称进行文本识别分类,得到所述目标图纸的图纸类别;所述目标图纸包括地铁建筑工程CAD图纸;
根据预先存储的图纸类别与处理方式的映射关系,确定所述目标图纸对应的处理方式;所述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;所述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,所述目标特征包括几何特征和/或标记特征;
根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
在一些实施例中,当所述图层类别是轴网时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据轴网的目标特征,从所述目标图纸的图层集中筛选出轴网的待选图层;所述轴网的目标特征是包含与轴线标识相交的线条和/或延长线与轴线标识相交的线条;
根据轴网的各待选图层中与轴线标识相交的线条和/或延长线与轴线标识相交的线条的数量对所述轴网的待选图层进行加权处理,确定权值最高的待选图层为轴网的目标图层。
在一些实施例中,当所述图层类别是基础柱时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据基础柱的目标特征,从所述目标图纸的图层集中筛选出基础柱的待选图层;所述基础柱的目标特征是边界线与轴线相交,且被轴线平分;
根据基础柱的各待选图层中与轴线相交且被轴线平分的线的数量对所述基础柱的待选图层进行加权处理,确定权值最高的待选图层为基础柱的目标图层。
在一些实施例中,当所述图层类别是基础梁时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据基础梁的目标特征,从所述目标图纸的图层集中筛选出基础梁的待选图层;所述基础梁的目标特征是与基础柱交叉;
根据各基础梁的待选图层中存在交叉关系的基础柱的数量对所述基础梁的待选图层进行加权处理,确定权值最高的待选基础梁图层为基础梁的目标图层。
在一些实施例中,当所述图层类别是基础柱配筋时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:所述基础柱配筋图层包括基础柱的纵筋图层和基础柱的箍筋图层;
根据纵筋的目标特征,从所述目标图纸的图层集中识别纵筋,并根据识别到的纵筋进行基础柱的纵筋图层的初始化,得到基础柱的纵筋的目标图层;所述纵筋的目标特征是在基础柱的边界线内闭合的线段或圆;
根据箍筋的目标特征,从目标图纸的图层集中筛选出箍筋的待选图层;所述箍筋的目标特征是与所述纵筋相邻;
根据箍筋的各待选图层中与所述纵筋相邻的线段的数量对所述箍筋的待选图层进行加权处理,确定权值最高的箍筋的待选图层为基础柱的箍筋的目标图层。
在一些实施例中,当所述图层类别是墙时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据墙的目标特征,从所述目标图纸的图层集中筛选出墙的待选图层;所述墙的目标特征是与轴线相交的最外侧的非标注线条;
根据墙的各待选图层中与轴线相交的最外侧的非标注线条的数量对所述墙的待选图层进行加权处理,确定权值最高的墙的待选图层为墙的目标图层。
在一些实施例中,当所述图层类别是墙配筋时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据墙配筋的目标特征,从所述目标图纸的图层集中筛选出墙配筋的待选图层;所述墙配筋的目标特征是墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条;
根据墙配筋的各待选图层中墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条的数量对所述墙配筋的待选图层进行加权处理,确定权值最高的墙配筋的待选图层为墙配筋的目标图层。
第二方面,本申请实施例提供了一种图层自动化识别装置,包括:
文本识别模块,用于通过对目标图纸的图纸名称进行文本识别分类,得到所述目标图纸的图纸类别;所述目标图纸包括地铁建筑工程CAD图纸;
确定模块,用于根据预先存储的图纸类别与处理方式的映射关系,确定所述目标图纸对应的处理方式;所述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;所述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,所述目标特征包括几何特征和/或标记特征;
处理模块,用于根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器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第一方面中任一实施例所述的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面中任一实施例所述的方法的步骤。
本申请实施例提出的一种图层自动化识别方法,通过文本识别根据目标图纸的名称分析出目标图纸的图纸类别,根据图纸类别对应的处理方式对目标图纸进行图层识别,通过对各个图层类别的目标特征进行识别,将识别到各个图层类别的目标特征的图层作为图层类别的待选图层,在根据图层类别对应的加权处理规则为各个待选图层进行加权,将各图层类别中权值最高的待选图层确定为目标图层。本申请实施例所提出的图层自动化识别方法在脱离人工的情况下实现了对建筑工程CAD图纸中各构件图层的自动化识别,提高了图层识别的效率和准确性。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种图层自动化识别方法的流程示意图;
图2为本申请实施例提供的又一种图层自动化识别方法的流程示意图;
图3为本申请实施例提供的一种图层自动化识别装置的结构示意图;
图4为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,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实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例以地铁建筑工程中的建筑工程CAD图纸的构件图层识别为例,提供了一种图层自动化识别方法,如图1所示,包括以下步骤:
步骤S101、通过对目标图纸的图纸名称进行文本识别分类,得到上述目标图纸的图纸类别;上述目标图纸包括地铁建筑工程CAD图纸;
步骤S102、根据预先存储的图纸类别与处理方式的映射关系,确定上述目标图纸对应的处理方式;上述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;上述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,上述目标特征包括几何特征和/或标记特征;
步骤S103、根据上述目标图纸各图层类别将要识别的目标特征,从上述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
具体地,从整个项目中找出描述项目的目录图纸,并在目录图纸中利用表格识别算法提取出工程的目录信息,并对目录信息文本进行分类识别,确定目标图纸的图纸类别。得到的图纸类别的识别结果填充进分类列表内。
根据该目标图纸的图纸类别,确定对于目标图纸的构件图层的识别的处理方式,该处理方式中包含了目标图纸的图纸类别所对应的图层类别所要识别的目标特征和对于各图层类别的加权处理规则。目标特征是用于从目标图纸的图层集中筛选出具有图层类别的目标特征的图层,作为图层类别的待选图层;加权处理规则是用于根据各待选图层中的目标特征数量进行加权计算,以得到各待选图层的权值,选择权值最大的作为图层类别的目标图层。
由于在通过CAD制图软件进行建筑工程CAD图纸的绘制时,同一构件通常会设置在同一图层中,利用该特性,通过各构件的在图纸中的几何特征和/或标记特征就可以将构件的图层通过自动化识别提取出来,减少了人工识别中由于专业人员的疲劳或经验不足等情况导致的失误,提高了各构件的图层识别的准确性,减少人工处理的工作量,从而提高工作效率。
并且通过对图层识别的自动化,大幅减少了人工的参与,只需将建筑工程CAD图纸输入,就可快速完成构件图层的识别,提高了各构件的图层识别的效率。
在一些实施例中,当上述图层类别是轴网时,上述步骤S103,如图2所示,包括:
步骤S201、根据轴网的目标特征,从上述目标图纸的图层集中筛选出轴网的待选图层;上述轴网的目标特征是包含与轴线标识相交的线条和/或延长线与轴线标识相交的线条;
步骤S202、根据轴网的各待选图层中与轴线标识相交的线条和/或延长线与轴线标识相交的线条的数量对上述轴网的待选图层进行加权处理,确定权值最高的待选图层为轴网的目标图层。
具体地,轴网中的每一条轴线都在建筑工程CAD图纸有对应的轴线标识,通过对轴线标识相交的线条进行识别,将可能是目标图纸的轴网图层的待选图层筛选出来。
然后,再通过对各个待选图层中的与轴线标识相交的线条的数量对各个待选图层进行加权,权值最高的待选图层包含的与轴线标识相交的线条最多,就可判定该待选图层是轴网的目标图层。
在一些实施例中,当上述图层类别是基础柱时,上述步骤S103,包括:
步骤301、根据基础柱的目标特征,从上述目标图纸的图层集中筛选出基础柱的待选图层;上述基础柱的目标特征是边界线与轴线相交,且被轴线平分;
步骤302、根据基础柱的各待选图层中与轴线相交且被轴线平分的线的数量对上述基础柱的待选图层进行加权处理,确定权值最高的待选图层为基础柱的目标图层。
具体地,在得到了目标图纸的轴网图层后,通过筛选轴网图层中各线条的相关信息,通过识别算法进行轴网图的构建,就可以根据轴网的轴线位置与柱构件形成的几何关系进行基础柱的图层识别,大多数基础柱一般设置在轴网中横向轴线和纵向轴线的交叉点上,且基础柱的四条边界线在多数情况下被轴线平分,因此,根据该特征对目标图纸的图层集中的图层进行筛选,选出具有被轴线平分的线段的图层作为基础柱的待选图层。
然后,再通过对各个待选图层中被轴线平分的线段的数量对各个待选图层进行加权,权值最高的待选图层包含的被轴线平分的线段最多,就可判定该待选图层是基础柱的目标图层。
在一些实施例中,当上述图层类别是基础梁时,上述步骤S103,包括:
步骤401、根据基础梁的目标特征,从上述目标图纸的图层集中筛选出基础梁的待选图层;上述基础梁的目标特征是与基础柱交叉;
步骤402、根据各基础梁的待选图层中存在交叉关系的基础柱的数量对上述基础梁的待选图层进行加权处理,确定权值最高的待选基础梁图层为基础梁的目标图层。
具体地,由于基础梁是架在基础柱上的,所以,在基础柱图层识别后,通过筛选基础柱图层中各线条的相关信息,通过识别算法进行基础柱图的构建,就可根据基础柱在图纸中的位置,以及基础柱与基础梁形成的几何关系进行基础梁的图层识别。
基础梁在建筑工程CAD图纸上是两条平行的线条组成的长条,该长条一般是与基础柱交叉的,根据基础梁的这一几何特征从目标图纸的图层集中的图层筛选出具有与基础柱交叉的平行线条的图层,作为基础梁的待选图层。
然后,通过对各个待选图层中与基础柱交叉的平行线条的数量对各个待选图层进行加权,权值最高的待选图层包含的与基础柱交叉的平行线条最多,就可判定该待选图层是基础梁的目标图层。
在一些实施例中,当上述图层类别是基础柱配筋时,上述步骤S103,包括:上述基础柱配筋图层包括基础柱的纵筋图层和基础柱的箍筋图层;
步骤501、根据纵筋的目标特征,从上述目标图纸的图层集中识别纵筋,并根据识别到的纵筋进行基础柱的纵筋图层的初始化,得到基础柱的纵筋的目标图层;上述纵筋的目标特征是在基础柱的边界线内闭合的线段或圆;
步骤502、根据箍筋的目标特征,从目标图纸的图层集中筛选出箍筋的待选图层;上述箍筋的目标特征是与上述纵筋相邻;
步骤503、根据箍筋的各待选图层中与上述纵筋相邻的线段的数量对上述箍筋的待选图层进行加权处理,确定权值最高的箍筋的待选图层为基础柱的箍筋的目标图层。
具体地,在基础柱的截面图中纵筋是在基础柱的边界线所围成的闭合区域内的闭合线段或圆,根据这一几何特征,就可在基础柱的截面图中识别出纵筋,并对基础住的纵筋图层初始化,将识别到纵筋添加到该图层中,得到基础柱的纵筋的目标图层。
在得到基础柱的纵筋的目标图层后,由于箍筋是与纵筋紧贴的,因此箍筋的部分线段与纵筋是紧贴相邻的,通过这一目标特征,筛选出目标图纸的图层集中有与纵筋相邻紧贴相邻的线段的图层,作为箍筋的待选图层。
然后,根据各个待选图层中与纵筋紧贴相邻的线段的数量对各个带选图层进行加权处理,权值最高的待选图层就是基础梁的目标图层。
基础柱和基础梁的配筋识别方法相同,基础柱中的纵筋和基础梁中的贯通筋从建筑工程CAD图纸中的截面图中的展示方式相同。
在一些实施例中,当上述图层类别是墙时,上述步骤S103,包括:
步骤601、根据墙的目标特征,从上述目标图纸的图层集中筛选出墙的待选图层;上述墙的目标特征是与轴线相交的最外侧的非标注线条;
步骤602、根据墙的各待选图层中与轴线相交的最外侧的非标注线条的数量对上述墙的待选图层进行加权处理,确定权值最高的墙的待选图层为墙的目标图层。
具体地,在建筑工程CAD图纸的外侧一般会有一些标注有长度的标注线,将这些标注线排除后在图纸的最外侧,并且与轴线相交的线条就是墙体的线条,因此,目标图纸中最外侧与轴线相交的非标注线条所在的图层就是墙的待选图层。
接着,通过各待选图层中与轴线相交的非标注线条的数量来为各待选图层进行加权处理,权值最高的图层,也就是非标注线条的数量最多的图层,就可确定为墙的目标图层。
在一些实施例中,当上述图层类别是墙配筋时,上述步骤S103,包括:
步骤701、根据墙配筋的目标特征,从上述目标图纸的图层集中筛选出墙配筋的待选图层;上述墙配筋的目标特征是墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条;
步骤702、根据墙配筋的各待选图层中墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条的数量对上述墙配筋的待选图层进行加权处理,确定权值最高的墙配筋的待选图层为墙配筋的目标图层。
具体地,这里所说墙配筋的图层识别,是针对于墙的横剖图进行的。
在建筑工程CAD图纸中进行配筋绘制时,对于垂直于图纸平面的配筋,会使用闭合的线段或圆进行绘制,而对于非垂直于图纸平面的配筋,则会用较长的线段进行绘制,针对该类非垂直于图纸平面的配筋进行添加配筋引出线时,会在该类配筋的线段与配筋引出线的交点处添加一条较短的标注线,该标注线与配筋和配筋引出线都不平行,添加该标注线的目的是为了明确配筋引出线所标注的配筋。
墙体的配筋一般是有相应的配筋引出线的,根据这一特征,在得到了墙图层后,筛选墙图层中各线条的相关信息,通过识别算法进行墙体图的构建,根据墙体图对目标图纸的图层集中具有墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条的图层进行筛选,以得到墙配筋的待选图层。然后通过各待选图层中墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条的个数对各待选图层进行加权处理,将权值最高的待选图层确定为墙配筋的目标图层。
本申请实施例还提供了一种图层自动化识别装置,如图3所示,该装置包括:
文本识别模块80,用于通过对目标图纸的图纸名称进行文本识别分类,得到上述目标图纸的图纸类别;上述目标图纸包括地铁建筑工程CAD图纸;
确定模块81,用于根据预先存储的图纸类别与处理方式的映射关系,确定上述目标图纸对应的处理方式;上述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;上述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,上述目标特征包括几何特征和/或标记特征;
处理模块82,用于根据上述目标图纸各图层类别将要识别的目标特征,从上述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
对应于图1中的一种图层自动化识别方法,本申请实施例还提供了一种计算机设备900,如图4所示,该设备包括存储器901、处理器902及存储在该存储器901上并可在该处理器902上运行的计算机程序,其中,上述处理器902执行上述计算机程序时实现上述一种图层自动化识别方法。
具体地,上述存储器901和处理器902能够为通用的存储器和处理器,这里不做具体限定,当处理器902运行存储器901存储的计算机程序时,能够执行上述一种图层自动化识别方法,解决了现有技术中如何提高建筑工程CAD图纸的图层的识别效率的问题。
对应于图1中的一种图层自动化识别方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述一种图层自动化识别方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述一种图层自动化识别方法,解决了现有技术中如何提高建筑工程CAD图纸的图层的识别效率的问题,本申请实施例提出的一种图层自动化识别方法,通过文本识别根据目标图纸的名称分析出目标图纸的图纸类别,根据图纸类别对应的处理方式对目标图纸进行图层识别,通过对各个图层类别的目标特征进行识别,将识别到各个图层类别的目标特征的图层作为图层类别的待选图层,在根据图层类别对应的加权处理规则为各个待选图层进行加权,将各图层类别中权值最高的待选图层确定为目标图层。本申请实施例所提出的图层自动化识别方法在脱离人工的情况下实现了对建筑工程CAD图纸中各构件图层的自动化识别,提高了图层识别的效率和准确性。
在本申请所提供的实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种图层自动化识别方法,其特征在于,包括:
通过对目标图纸的图纸名称进行文本识别分类,得到所述目标图纸的图纸类别;所述目标图纸包括地铁建筑工程CAD图纸;
根据预先存储的图纸类别与处理方式的映射关系,确定所述目标图纸对应的处理方式;所述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;所述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,所述目标特征包括几何特征和/或标记特征;
根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
2.如权利要求1所述的方法,其特征在于,当所述图层类别是轴网时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据轴网的目标特征,从所述目标图纸的图层集中筛选出轴网的待选图层;所述轴网的目标特征是包含与轴线标识相交的线条和/或延长线与轴线标识相交的线条;
根据轴网的各待选图层中与轴线标识相交的线条和/或延长线与轴线标识相交的线条的数量对所述轴网的待选图层进行加权处理,确定权值最高的待选图层为轴网的目标图层。
3.如权利要求2所述的方法,其特征在于,当所述图层类别是基础柱时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据基础柱的目标特征,从所述目标图纸的图层集中筛选出基础柱的待选图层;所述基础柱的目标特征是边界线与轴线相交,且被轴线平分;
根据基础柱的各待选图层中与轴线相交且被轴线平分的线的数量对所述基础柱的待选图层进行加权处理,确定权值最高的待选图层为基础柱的目标图层。
4.如权利要求3所述的方法,其特征在于,当所述图层类别是基础梁时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据基础梁的目标特征,从所述目标图纸的图层集中筛选出基础梁的待选图层;所述基础梁的目标特征是与基础柱交叉;
根据各基础梁的待选图层中存在交叉关系的基础柱的数量对所述基础梁的待选图层进行加权处理,确定权值最高的待选基础梁图层为基础梁的目标图层。
5.如权利要求3所述的方法,其特征在于,当所述图层类别是基础柱配筋时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:所述基础柱配筋图层包括基础柱的纵筋图层和基础柱的箍筋图层;
根据纵筋的目标特征,从所述目标图纸的图层集中识别纵筋,并根据识别到的纵筋进行基础柱的纵筋图层的初始化,得到基础柱的纵筋的目标图层;所述纵筋的目标特征是在基础柱的边界线内闭合的线段或圆;
根据箍筋的目标特征,从目标图纸的图层集中筛选出箍筋的待选图层;所述箍筋的目标特征是与所述纵筋相邻;
根据箍筋的各待选图层中与所述纵筋相邻的线段的数量对所述箍筋的待选图层进行加权处理,确定权值最高的箍筋的待选图层为基础柱的箍筋的目标图层。
6.如权利要求2所述的方法,其特征在于,当所述图层类别是墙时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据墙的目标特征,从所述目标图纸的图层集中筛选出墙的待选图层;所述墙的目标特征是与轴线相交的最外侧的非标注线条;
根据墙的各待选图层中与轴线相交的最外侧的非标注线条的数量对所述墙的待选图层进行加权处理,确定权值最高的墙的待选图层为墙的目标图层。
7.如权利要求6所述的方法,其特征在于,当所述图层类别是墙配筋时,所述根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层,包括:
根据墙配筋的目标特征,从所述目标图纸的图层集中筛选出墙配筋的待选图层;所述墙配筋的目标特征是墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条;
根据墙配筋的各待选图层中墙内闭合的线段或圆,以及墙内与配筋引出线相交的标注线所标注的线条的数量对所述墙配筋的待选图层进行加权处理,确定权值最高的墙配筋的待选图层为墙配筋的目标图层。
8.一种图层自动化识别装置,其特征在于,包括:
文本识别模块,用于通过对目标图纸的图纸名称进行文本识别分类,得到所述目标图纸的图纸类别;所述目标图纸包括地铁建筑工程CAD图纸;
确定模块,用于根据预先存储的图纸类别与处理方式的映射关系,确定所述目标图纸对应的处理方式;所述处理方式包括图纸类别对应的各图层类别将要识别的目标特征和加权处理规则;所述图层类别包括以下至少一种:轴网、基础柱、基础梁、基础柱配筋、墙和墙配筋,所述目标特征包括几何特征和/或标记特征;
处理模块,用于根据所述目标图纸各图层类别将要识别的目标特征,从所述目标图纸的图层集中筛选出各图层类别具有对应的目标特征的待选图层,并根据各图层类别的加权处理规则,确定各图层类别的目标图层。
9.一种计算机设备,包括存储器、处理器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上述权利要求1-7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010768602.7A CN111881868B (zh) | 2020-08-03 | 2020-08-03 | 一种图层自动化识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010768602.7A CN111881868B (zh) | 2020-08-03 | 2020-08-03 | 一种图层自动化识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881868A true CN111881868A (zh) | 2020-11-03 |
CN111881868B CN111881868B (zh) | 2024-02-27 |
Family
ID=73205531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010768602.7A Active CN111881868B (zh) | 2020-08-03 | 2020-08-03 | 一种图层自动化识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881868B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597325A (zh) * | 2020-12-25 | 2021-04-02 | 巨立电梯股份有限公司 | 一种图纸管理平台 |
CN112990092A (zh) * | 2021-04-09 | 2021-06-18 | 福建省晨曦信息科技股份有限公司 | 图例识别方法、计算机设备及可读存储介质 |
CN113760834A (zh) * | 2021-09-22 | 2021-12-07 | 北京字跳网络技术有限公司 | 文件分类方法、装置、设备及介质 |
CN114419248A (zh) * | 2021-12-23 | 2022-04-29 | 深圳健路网络科技有限责任公司 | 一种三维建筑模型动态加载方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008033875A (ja) * | 2006-07-03 | 2008-02-14 | Bigvan Inc | Cad製図データのレイヤ振分けプログラム、記録媒体及びその装置、並びにそのレイヤ振分けシステム、cad製図基準データチェック装置 |
CN102799854A (zh) * | 2011-05-23 | 2012-11-28 | 株式会社摩如富 | 图像识别装置以及图像识别方法 |
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 |
CN109308386A (zh) * | 2018-09-11 | 2019-02-05 | 深圳市彬讯科技有限公司 | 工程图墙体识别方法、装置及电子设备 |
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 |
CN111368757A (zh) * | 2020-03-09 | 2020-07-03 | 广联达科技股份有限公司 | 面向机器学习的柱大样建筑图纸图层分类方法及系统 |
-
2020
- 2020-08-03 CN CN202010768602.7A patent/CN111881868B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008033875A (ja) * | 2006-07-03 | 2008-02-14 | Bigvan Inc | Cad製図データのレイヤ振分けプログラム、記録媒体及びその装置、並びにそのレイヤ振分けシステム、cad製図基準データチェック装置 |
CN102799854A (zh) * | 2011-05-23 | 2012-11-28 | 株式会社摩如富 | 图像识别装置以及图像识别方法 |
US20120301015A1 (en) * | 2011-05-23 | 2012-11-29 | Ntt Docomo, Inc. | Image identification device, image identification method and recording medium |
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 |
CN109308386A (zh) * | 2018-09-11 | 2019-02-05 | 深圳市彬讯科技有限公司 | 工程图墙体识别方法、装置及电子设备 |
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 |
CN111368757A (zh) * | 2020-03-09 | 2020-07-03 | 广联达科技股份有限公司 | 面向机器学习的柱大样建筑图纸图层分类方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597325A (zh) * | 2020-12-25 | 2021-04-02 | 巨立电梯股份有限公司 | 一种图纸管理平台 |
CN112990092A (zh) * | 2021-04-09 | 2021-06-18 | 福建省晨曦信息科技股份有限公司 | 图例识别方法、计算机设备及可读存储介质 |
CN113760834A (zh) * | 2021-09-22 | 2021-12-07 | 北京字跳网络技术有限公司 | 文件分类方法、装置、设备及介质 |
CN113760834B (zh) * | 2021-09-22 | 2024-04-09 | 北京字跳网络技术有限公司 | 文件分类方法、装置、设备及介质 |
CN114419248A (zh) * | 2021-12-23 | 2022-04-29 | 深圳健路网络科技有限责任公司 | 一种三维建筑模型动态加载方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111881868B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881868A (zh) | 一种图层自动化识别方法及装置 | |
US6941000B2 (en) | Computer automated process for analyzing and interpreting engineering drawings | |
CN111127457A (zh) | 钢筋数目统计模型训练方法、统计方法、装置及设备 | |
JP6347022B1 (ja) | 機械学習装置、予測システム、及び、プログラム | |
CN1269040A (zh) | 基于基准的参数标注尺寸方法和系统 | |
CN111881809A (zh) | 基于cad图纸的图元识别方法和识别装置 | |
CN112241565A (zh) | 建模方法及相关装置 | |
CN113901550A (zh) | 装配式建筑bim模型生成方法及相关设备 | |
CN101385022A (zh) | 将效果应用于合并的文本路径 | |
KR950012381B1 (ko) | 퍼지 추론 룰의 재배열방법, 코드화방법 및 그 룰에 따른 퍼지추론 처리방법 | |
CN109658415B (zh) | 一种图纸分割方法、电子设备以及存储介质 | |
CN111400924A (zh) | 一种基于配色引擎的自动配色方法、存储介质及终端 | |
CN113887043A (zh) | 在钢筋图元上确定断点的方法、装置、设备及存储介质 | |
JP3096223B2 (ja) | 家屋評価点数計算処理装置 | |
CN115935559B (zh) | 井下工具弯曲模拟方法及装置 | |
CN111832906A (zh) | Cad图纸复杂度评估方法及装置 | |
JP4166251B2 (ja) | 設計図面検査プログラム及び設計図面検査装置 | |
CN111626789A (zh) | 房屋价格预测方法、装置、设备及存储介质 | |
JP7424440B2 (ja) | コンピュータプログラム、情報処理方法及びコンピュータ | |
US10078801B2 (en) | System, method and software for representing decision trees | |
US20070073757A1 (en) | Method and arrangement for the visualisation of data | |
CN116030486B (zh) | 构件特征数据提取方法、装置、电子设备及存储介质 | |
CN112417351B (zh) | 用户视觉轨迹的确定方法、装置、计算机设备及存储介质 | |
CN116665242A (zh) | 矢量图纸的梁跨识别方法、装置、设备及可读存储介质 | |
KR101798145B1 (ko) | 서버 사이드 데이터 처리 방법 및 시스템 |
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 |