CN111881951A - 工程图纸中的曲线分类方法和分类装置 - Google Patents
工程图纸中的曲线分类方法和分类装置 Download PDFInfo
- Publication number
- CN111881951A CN111881951A CN202010670523.2A CN202010670523A CN111881951A CN 111881951 A CN111881951 A CN 111881951A CN 202010670523 A CN202010670523 A CN 202010670523A CN 111881951 A CN111881951 A CN 111881951A
- Authority
- CN
- China
- Prior art keywords
- point
- curve
- points
- discrete
- clusters
- 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 23
- 238000004590 computer program Methods 0.000 claims description 13
- 239000006185 dispersion Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种工程图纸中的曲线分类方法和分类装置,所述方法包括:将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;根据点密度对所述多个点进行聚类,形成多个点簇;根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;基于所述多个线簇对所述曲线进行分类。本发明将曲线离散为多个点,首先基于多个离散点进行点簇聚类,然后再基于点簇进行线簇聚类,可以消除曲线在形状、距离上产生的误差,实现更加快速、准确的聚类效果。
Description
技术领域
本发明涉及建筑工程领域,具体涉及一种工程图纸中的曲线分类方法和分类装置。
背景技术
在算量软件中识别工程图纸时,经常需要处理曲线分类问题。该类问题的特点是,多个曲线距离接近,可能相交或者不相交,通过距离和相对位置关系判断是否成一簇。
现有技术在解决曲线分类问题时主要包括两个步骤:第一步是计算曲线在当前坐标系下的外包围盒,判断外包围盒的相交关系,将外包围盒相交的所有曲线归为一簇;第二步对于上述步骤得到的每一簇曲线,进一步得到的曲线图元两两之间的距离,将距离小于一定阈值的曲线归为新的一簇。最终实现所有曲线的聚类,生成一簇簇曲线图元。
然而,曲线在当前坐标系下的外包围盒并不能实际反映曲线的覆盖范围,也不能定量的反应曲线的距离或者位置关系。一方面,对于同样长度的曲线,倾斜状态下的外包围盒远大于垂直状态下的外包围盒。另一方面,直接计算两个曲线的距离会占用大量资源,且不能反应曲线整体上接近的程度。以上原因导致在实际应用中曲线分类的效果并不理想。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中曲线分类效果不好的缺陷,从而提供一种更加准确、高效的曲线分类方案
根据本发明一个方面,提供了一种工程图纸中的曲线分类方法,包括:
将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;
根据点密度对所述多个点进行聚类,形成多个点簇;
根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;
基于所述多个线簇对所述曲线进行分类。
示例性地,所述将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系的步骤包括:
根据特定步长对所述曲线进行离散,得到间距为所述特定步长的多个点;
为每个点添加点标识,为每条曲线添加曲线标识,记录每个点标识和对应的曲线标识之间的归属关系。
示例性地,所述根据点密度对所述多个点进行聚类,形成多个点簇的步骤包括:
获取任一个未经聚类的第一离散点;
确定与所述第一离散点相邻的多个第二离散点,其中所述第二离散点与所述第一离散点之间的距离小于或等于第一阈值,并且所述第二离散点的个数大于或等于第二阈值;
将任一个所述第二离散点作为所述第一离散点,重复执行确定与所述第一离散点相邻的多个第二离散点的步骤,直至所述第一离散点的周围不存在所述第二离散点;
将全部所述第一离散点和所述第二离散点划分为第一点簇。
示例性地,所述根据点密度对所述多个点进行聚类,形成多个点簇的步骤还包括:
将与所述第一离散点相邻的一个或多个第三离散点划分为与所述第一点簇不同的第二点簇,其中所述第三离散点的个数小于所述第二阈值。
示例性地,所述根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇的步骤包括:
根据所述归属关系,确定所述每个点簇中包含的曲线标识;
获取包含在所述每个点簇中并与所述曲线标识相对应的目标点的第一个数;
当所述第一个数与第二个数的比值大于或等于第三阈值时,将与所述曲线标识对应的曲线划分为同一个线簇;其中所述第二个数是指与所述曲线标识对应的曲线经过离散后形成的所有点的个数。
示例性地,所述基于所述多个线簇对所述曲线进行分类的步骤包括:
将属于同一个线簇的曲线划分为同一类。
示例性地,所述曲线离散成的多个点是通过四叉树或八叉树的形式存储的。
根据本发明第二方面,提供了一种工程图纸中的曲线分类装置,包括:
离散单元,适用于将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;
点簇单元,适用于根据点密度对所述多个点进行聚类,形成多个点簇;
线簇单元,适用于根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;
分类单元,适用于基于所述多个线簇对所述曲线进行分类。
根据本发明第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在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方法的步骤。
根据本发明第四方面,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方法的步骤。
与现有技术相比,本发明具有以下有益效果:
(1)本发明将曲线离散为多个点,首先基于多个离散点进行点簇聚类,然后再基于点簇进行线簇聚类,可以消除曲线在形状、距离上产生的误差,实现更加快速、准确的聚类效果。
(2)本发明可以通过改变相应阈值参数来调整曲线聚类的效果,从而根据实际需求对聚类结果进行不同程度的优化。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例1中曲线分类方法的一个具体示例的流程图;
图2示出了本发明实施例1中将曲线离散为多个点的示意图;
图3示出了根据本发明实施例1中确定第二离散点的示意图;
图4示出了本实施例1中对离散点进行聚类的示意图;
图5示出了本实施例1中对离散点进行聚类的示意图;
图6示出了步骤S300中划分线簇的示意性流程图;
图7示出了本实施例中根据点簇确定线簇的示意图;
图8示出了根据本发明实施例2中曲线分类装置的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种工程图纸中的曲线分类方法,如图1所示,包括以下步骤:
S100:将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系。
可以通过给定步长,获取曲线上每个步长对应的点。图2示出了本发明实施例1中将曲线离散为多个点的示意图。图2中AB为工程图纸中的待分类曲线,起点为A,终点为B。沿着曲线从A点出发,每当经过弧长为step的整数倍时,记录曲线上的点,如图2右半部分所示。这样,从曲线AB中计算得到了一个二维点集{A,C1,C2,C3,B}。经过以上步骤,可以按步长,将任意二维曲线离散成点集。三维曲线同理,离散后可以得到一个三维点集。
对于二维点集或三维点集,可以分别构造四叉树/八叉树的方式进行存储,就是将平面/空间划分为多个集合,将所有的点分配到对应的集合里。构造四叉树/八叉树后,可以通过检索框实现框覆盖范围内所有点的快速检索。通过这种方式可以实现临近点的快速查找,使得时间复杂度为log4N或log8N。
在离散曲线的同时,可以记录下所有点与曲线的归属关系,以实现通过点可以追溯到曲线,并且记录每条曲线离散后点的个数。以图2为例,点A、C1、C2、C3和B均归属于曲线AB,可以对点A、C1、C2、C3和B分别添加曲线AB的标识。可以看出,曲线AB离散后得到的所有点的个数为5个。
S200:根据点密度对所述多个点进行聚类,形成多个点簇。
本实施例中可以使用一种贪心聚类的算法,即给定邻域大小,利用四叉树或者八叉树,从一个点开始去搜索临近点,生成一簇簇点集。
S300:根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇。
可以理解,每个点簇中包含的点可能归属于一条或者多条曲线,可以将同一个点簇中所归属的所有曲线划分为同一个线簇。当然,同一条曲线中的多个点可能会被划分到多个点簇中,这种情况下,可以将包含离散点较多的曲线划分到对应的线簇中,对于包含离散点较多的曲线可以暂时不划分。线簇的具体划分方法本发明会在后文中详细描述。
S400:基于所述多个线簇对所述曲线进行分类。
例如第一线簇中包含曲线1、曲线2和曲线3,第二线簇中包含曲线4、曲线5和曲线6,第三线簇中包含曲线7、曲线8和曲线9。基于线簇对曲线分类,可以是曲线1、曲线2和曲线3划分为第一类,将曲线4、曲线5和曲线6划分为第二类,将曲线7、曲线8和曲线9划分为第三类。
图3示出了步骤S200中对多个点进行聚类的示意性流程图。如图3所示,对多个点聚类的步骤包括:
S210:获取任一个未经聚类的第一离散点。
假设所有曲线离散得到的点的集合为V,那么获取集合V中的未经聚类的任意一点A。可以理解,未经聚类的食肆是指尚未被分类的点,如果该店已经被分类,显然不在本实施例的考虑范围之内。
S220:确定与所述第一离散点相邻的多个第二离散点,其中所述第二离散点与所述第一离散点之间的距离小于或等于第一阈值,并且所述第二离散点的个数大于或等于第二阈值。
图4示出了根据本发明实施例1中确定第二离散点的示意图。其中A为第一离散点,虚线圆表示与点A距离在r之内的范围,可以看出,点a、b和c落在虚线圆的范围之内。这里的距离r相当于上文中的第一阈值,而第二阈值代表落在虚线圆范围内的相邻点的个数。在一个示例中,第二阈值为3。可以看出,图3中落在虚线圆范围内的与A相邻的点包括三个,满足大于或等于第二阈值的条件,因此图3中的a、b和c可以确定为本实施例中的第二离散点。
需要说明的是,第二离散点的确定与第二阈值的设定有关。如果图4的示例中将第二阈值设定为4,而落在虚线框范围内的相邻点的个数小于4,那么这些落在虚线圆中的点a、b和c就不能作为第二离散点。换句话说,只有A附近的离散点满足一定的密度时,才有可能与点A归为同一个点簇,这样可以提高点聚类的准确性。
S230:将任一个所述第二离散点作为所述第一离散点,重复执行步骤S220,直至所述第一离散点的周围不存在所述第二离散点。
图5示出了本实施例1中对离散点进行聚类的示意图。假设第一阈值为r,第二阈值为3,第一离散点为点A。首先查找到以A点为中心,r为半径的圆内的点,如图5(1)。半径为r的圆内包括a、b和c三个点,与第二阈值相等,因此点a、b和c与点A形成一个点簇,如图5(2)。从加入的点开始,去找其临近点,如图5(3)、图5(4)和图5(5)。其中图5(3)以点a作为第一离散点,查找半径r的圆内包含的第二离散点。此时落在半径r的圆内的离散点包括点d、e和f,个数为3个,符合第二阈值的条件,因此点d、e和f可以加入点A所在的点簇。图5(4)和图5(5)中第一离散点的临近点数小于3,因此不予记录。
S240:将全部所述第一离散点和所述第二离散点划分为第一点簇。
重复对新加入的点进行计算,最终的结果如图5(6)所示,实心点表示从A点出发找到的一簇点集。完成从点A出发的点簇聚类后,从下一个点开始进行新一轮的聚类。
图6示出了步骤S300中划分线簇的示意性流程图。如图6所示,划分线簇的步骤包括:
S310:根据所述归属关系,确定所述每个点簇中包含的曲线标识。例如,第一点簇中包含离散点1、离散点2、离散点3、离散点4、离散点5、离散点6和离散点7,其中离散点1、离散点2和离散点3归属于曲线1,离散点4和离散点5归属于曲线2,离散点6和离散点7归属于曲线3。
S320:获取包含在所述每个点簇中的、与所述曲线标识相对应的目标点的第一个数。
上例中,与曲线1对应的目标点的个数为3(离散点1、离散点2和离散点3),与曲线2对应的目标点的个数为2(离散点4和离散点5),与曲线3对应的目标点的个数为2(离散点6和离散点7)。
S330:当所述第一个数与第二个数的比值大于或等于第三阈值时,将与所述曲线标识对应的曲线划分为同一个线簇;其中所述第二个数是指与所述曲线标识对应的曲线经过离散后形成的所有点的个数。
上述第二个数是在步骤S100中确定的,例如曲线AB包含的所有离散点的个数为5个。
图7示出了本实施例中根据点簇确定线簇的示意图。如图7所示,对于每一个点集Vi,对其中每个点按其所属的曲线进行聚类,得到曲线和该曲线在该点集内的点数。如{curve1:4,curve2:3},表示Vi中有4个点属于曲线curve1,有3个点属于curve2。接下来计算每个曲线对应点数,占曲线离散后总点数的比例。比如curve1离散后共有8个点,则其在Vi内的点数占比为4/8=50%,这表示curve1有50%的点位于Vi。对于任意点簇Vi,计算点数比例大于第三阈值α的曲线,放入线簇集合中,这样便完成了一组曲线的聚类。
综上所述,本发明将曲线离散为多个点,首先基于多个离散点进行点簇聚类,然后再基于点簇进行线簇聚类,可以消除曲线在形状、距离上产生的误差,实现更加快速、准确的聚类效果。进一步,本发明可以通过改变相应阈值参数来调整曲线聚类的效果,从而根据实际需求对聚类结果进行不同程度的优化。
实施例2
本施例提供一种工程图纸中的曲线分类装置800,如图8所示,包括:
离散单元810,适用于将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;
点簇单元820,适用于根据点密度对所述多个点进行聚类,形成多个点簇;
线簇单元830,适用于根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;
分类单元840,适用于基于所述多个线簇对所述曲线进行分类。
本发明将曲线离散为多个点,首先基于多个离散点进行点簇聚类,然后再基于点簇进行线簇聚类,可以消除曲线在形状、距离上产生的误差,实现更加快速、准确的聚类效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种工程图纸中的曲线分类方法,其特征在于,包括:
将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;
根据点密度对所述多个点进行聚类,形成多个点簇;
根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;
基于所述多个线簇对所述曲线进行分类。
2.根据权利要求1所述的曲线分类方法,其特征在于,所述将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系的步骤包括:
根据特定步长对所述曲线进行离散,得到间距为所述特定步长的多个点;
为每个点添加点标识,为每条曲线添加曲线标识,记录每个点标识和对应的曲线标识之间的归属关系。
3.根据权利要求1或2所述的曲线分类方法,其特征在于,所述根据点密度对所述多个点进行聚类,形成多个点簇的步骤包括:
获取任一个未经聚类的第一离散点;
确定与所述第一离散点相邻的多个第二离散点,其中所述第二离散点与所述第一离散点之间的距离小于或等于第一阈值,并且所述第二离散点的个数大于或等于第二阈值;
将任一个所述第二离散点作为所述第一离散点,重复执行确定与所述第一离散点相邻的多个第二离散点的步骤,直至所述第一离散点的周围不存在所述第二离散点;
将全部所述第一离散点和所述第二离散点划分为第一点簇。
4.根据权利要求3所述的曲线分类方法,其特征在于,所述根据点密度对所述多个点进行聚类,形成多个点簇的步骤还包括:
将与所述第一离散点相邻的一个或多个第三离散点划分为与所述第一点簇不同的第二点簇,其中所述第三离散点的个数小于所述第二阈值。
5.根据权利要求1所述的曲线分类方法,其特征在于,所述根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇的步骤包括:
根据所述归属关系,确定所述每个点簇中包含的曲线标识;
获取包含在所述每个点簇中并与所述曲线标识相对应的目标点的第一个数;
当所述第一个数与第二个数的比值大于或等于第三阈值时,将与所述曲线标识对应的曲线划分为同一个线簇;其中所述第二个数是指与所述曲线标识对应的曲线经过离散后形成的所有点的个数。
6.根据权利要求1所述的曲线分类方法,其特征在于,所述基于所述多个线簇对所述曲线进行分类的步骤包括:
将属于同一个线簇的曲线划分为同一类。
7.根据权利要求1所述的曲线分类方法,其特征在于,所述曲线离散成的多个点是通过四叉树或八叉树的形式存储的。
8.一种工程图纸中的曲线分类装置,其特征在于,包括:
离散单元,适用于将工程图纸中的曲线离散成多个点,记录每个点与所述曲线的归属关系;
点簇单元,适用于根据点密度对所述多个点进行聚类,形成多个点簇;
线簇单元,适用于根据每个点簇中包含的点所对应的归属关系,将所述多个点簇划分为多个线簇;
分类单元,适用于基于所述多个线簇对所述曲线进行分类。
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在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任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670523.2A CN111881951A (zh) | 2020-07-13 | 2020-07-13 | 工程图纸中的曲线分类方法和分类装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010670523.2A CN111881951A (zh) | 2020-07-13 | 2020-07-13 | 工程图纸中的曲线分类方法和分类装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111881951A true CN111881951A (zh) | 2020-11-03 |
Family
ID=73150781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010670523.2A Pending CN111881951A (zh) | 2020-07-13 | 2020-07-13 | 工程图纸中的曲线分类方法和分类装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881951A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874943A (zh) * | 2017-01-23 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 业务对象分类方法和系统 |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN108345908A (zh) * | 2018-02-10 | 2018-07-31 | 武汉轻工大学 | 电网数据的分类方法、分类设备及存储介质 |
CN111738308A (zh) * | 2020-06-03 | 2020-10-02 | 浙江中烟工业有限责任公司 | 基于聚类及半监督学习的监控指标动态阈值检测方法 |
-
2020
- 2020-07-13 CN CN202010670523.2A patent/CN111881951A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874943A (zh) * | 2017-01-23 | 2017-06-20 | 腾讯科技(深圳)有限公司 | 业务对象分类方法和系统 |
CN107423769A (zh) * | 2017-08-03 | 2017-12-01 | 四川大学 | 基于形态特征的电力负荷曲线自适应聚类方法 |
CN108345908A (zh) * | 2018-02-10 | 2018-07-31 | 武汉轻工大学 | 电网数据的分类方法、分类设备及存储介质 |
CN111738308A (zh) * | 2020-06-03 | 2020-10-02 | 浙江中烟工业有限责任公司 | 基于聚类及半监督学习的监控指标动态阈值检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10776400B2 (en) | Clustering using locality-sensitive hashing with improved cost model | |
US11335073B2 (en) | 3D print selection based on voxel property association and conflict resolution | |
CN110599506B (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN106919957B (zh) | 处理数据的方法及装置 | |
CN112733318B (zh) | 一种自适应网格细分方法、装置、设备及存储介质 | |
CN112766113B (zh) | 一种路口检测方法、装置、设备及存储介质 | |
US11250175B2 (en) | Spatial-information generation apparatus, spatial-information generation method, and non-transitory computer readable medium | |
CN112328880A (zh) | 地理区域聚类方法、装置、存储介质和电子设备 | |
CN101510228B (zh) | 产品stl模型非均匀精简方法 | |
CN115908715A (zh) | 建筑信息模型的加载方法及装置、设备、存储介质 | |
EP3367296A1 (en) | A computer-implemented method of identifying a perforated face in a geometrical three-dimensional model | |
JP4903671B2 (ja) | 解析モデル作成装置 | |
CN111881951A (zh) | 工程图纸中的曲线分类方法和分类装置 | |
CN113191311A (zh) | 矢量pdf图纸的填充边界识别方法、装置、设备及存储介质 | |
Guo et al. | Boolean operations of STL models based on loop detection | |
CN110275895B (zh) | 一种缺失交通数据的填充设备、装置及方法 | |
CN114743385B (zh) | 车辆处理方法、装置及计算机设备 | |
CN114357099B (zh) | 一种聚类方法、聚类系统和存储介质 | |
CN107203916B (zh) | 一种用户信用模型建立方法及装置 | |
CN113284245B (zh) | 巷道三维模型构建方法、装置和电子设备 | |
CN113111458B (zh) | 一种基于dxf的钣金件自动识别和定位方法 | |
US9367937B2 (en) | Apparatus and method for effective graph clustering of probabilistic graphs | |
JP6087242B2 (ja) | モデル変換方法およびモデル変換装置 | |
CN114780646A (zh) | 车辆处理方法、装置、计算机设备及存储介质 | |
JP4292293B2 (ja) | k−means法を用いるクラスタ分析装置、クラスタ分析方法、クラスタ分析プログラム、及びそのプログラムを記録した記録媒体 |
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 |