CN112883799B - 一种cad坡道大样图中坡道精准识别的方法 - Google Patents

一种cad坡道大样图中坡道精准识别的方法 Download PDF

Info

Publication number
CN112883799B
CN112883799B CN202110074097.0A CN202110074097A CN112883799B CN 112883799 B CN112883799 B CN 112883799B CN 202110074097 A CN202110074097 A CN 202110074097A CN 112883799 B CN112883799 B CN 112883799B
Authority
CN
China
Prior art keywords
ramp
cad
contour
area
accurately identifying
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
Application number
CN202110074097.0A
Other languages
English (en)
Other versions
CN112883799A (zh
Inventor
张璐
李一帆
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.)
Shanghai Pinlan Zhizao Technology Co ltd
Original Assignee
Shanghai Pinlan Zhizao Technology 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 Shanghai Pinlan Zhizao Technology Co ltd filed Critical Shanghai Pinlan Zhizao Technology Co ltd
Priority to CN202110074097.0A priority Critical patent/CN112883799B/zh
Publication of CN112883799A publication Critical patent/CN112883799A/zh
Application granted granted Critical
Publication of CN112883799B publication Critical patent/CN112883799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G06F16/90344—Query processing by using string matching techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种CAD坡道大样图中坡道精准识别的方法，涉及CAD图纸识别技术领域。本发明包括如下步骤：S1、收集大样图绘制墙线及坡道线的图；S2、解析并将每个图层包含的图元信息进行分类存储；S3、创建一张等比例缩放的黑色底图；S4、绘制；S5、获取封闭轮廓；S6、过滤；S7、判断轮廓是否与步骤S2中获取到的弧形图元有交集；S8、获取文本的内容以及图中坐标位置；S9、找到的坡道轮廓；S10、轮廓进行合并；S11、最终找的坡道轮廓；S12、重复操作。本发明可以高效精准的获取图框中所有的平面坡道空间及剖面空间，弥补了CAD图纸中识别坡道空间的技术空白，为后续开展坡道空间研究，审查等提供了坚实的基础。

Description

一种CAD坡道大样图中坡道精准识别的方法
技术领域
本发明属于CAD图纸识别技术领域，特别是涉及一种CAD坡道大样图中坡道精准识别的方法。
背景技术
CAD施工图，是表示通过AutoCAD软件将工程项目总体布局，建筑物的外部形状、内部布置、结构构造、内外装修、材料作法以及设备、施工等制作的图样。CAD施工图具有图纸齐全、表达准确、要求具体的特点，是进行工程施工、编制施工图预算和施工组织设计的依据，也是进行技术管理的重要技术文件，在施工之前需要对施工图纸进行仔细的审查才能进入施工阶段，目的是保障施工的顺利进行，并且可以避免因图纸有误对完成施工后的使用阶段产生的影响。
CAD施工图中的坡道大样图主要绘制的是坡道的平面及剖面图，包含坡道的起坡点、坡度等详尽参数，随着人工智能的兴起，一大波由人工参与的项目可以用人工智能代替，其中CAD施工图的审查就是一项耗时耗力的重复性工作。为了便于人工智能对CAD施工图的审查，需要精准的识别图纸中的构件，本发明正是针对CAD坡道大样图图纸中坡道的精准识别，提出了一种覆盖范围广，准确率高的坡道的空间识别方法。
发明内容
本发明提供了一种CAD坡道大样图中坡道精准识别的方法，解决了以上问题。
为解决上述技术问题，本发明是通过以下技术方案实现的：
本发明的一种CAD坡道大样图中坡道精准识别的方法，包括如下步骤：
S1、收集不同设计院设计的CAD施工图纸中坡道大样图绘制墙线及坡道线的图层；
S2、选取一张CAD坡道大样图进行解析并获取若干图框，并获取每个图框中所包含的图层以及每个图层绘制的图元，将每个图层包含的图元信息进行分类存储；
S3、将解析到的CAD图纸图框的大小进行一定比例的缩放，利用计算机python语言中的numpy计算库创建一张等比例缩放的黑色底图；
S4、将所述步骤S2中获取到的坡道图层的图元及墙线图层的图元，按照相应的坐标适用计算机python语言中的opencv库将所有图元适用亮色绘制在所述步骤S3创建的黑色底图上；
S5、对所述步骤S4中已经绘制了的特种图元的黑色背景图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S6、对所述S5中获取到的所有封闭轮廓，计算每个封闭轮廓的面积，将面积根据S3中的缩放比例获取到实际面积值，根据经验实际建筑中坡道的面积在一定面积范围内，通过实际的面积范围过滤掉不符合条件的轮廓；
S7、粗略区分平面坡道及剖面坡道，判断轮廓是否与步骤S2中获取到的每个图框中所包含的图层以及每个图层绘制的图元有交集，如果没有交集的情况下计算轮廓的面积与轮廓的正外接矩形面积比值；
S8、对解析出来的该图框内的所有文本，使用正则匹配的方法找到图框中代表坡道的文本，获取文本的内容及文本在图中坐标位置；
S9、将所述S8中获取到的文本坐标组成的矩形进行外扩，计算与文本外扩区域相交面积最大的轮廓视为初步找到的坡道轮廓，此处是绘图时坡道的相关标注文本是包含在坡道空间内部的；
S10、坡道轮廓的周围会因为绘制了其它线条导致找到的坡道轮廓不是全面完整的轮廓，将找到的坡道轮廓周围1m范围内的小轮廓和坡道轮廓进行合并；
S11、所述步骤S10中合并后的轮廓即为最终找的坡道轮廓，可以进行后续其它判断；
S12、重复以上操作找到所有的坡道空间，精准识别CAD坡道大样图中坡道空间。
进一步地，所述S1中墙线绘制于大样图中墙和wall的图层上。
进一步地，所述S2中每个图框包含的图层包括墙、柱子的图层；每个图层绘制的图元包括直线型图元和弧线形图元。
进一步地，所述S4中坡道图层的图元相对于图框的具体坐标表示为直线起点坐标是(x1,y1),终点坐标是(x2,y2)。
进一步地，所述实际建筑中坡道的面积范围为小于200平方。
进一步地，所述S7中计算轮廓的面积与轮廓的正外接矩形面积比值小于0.8的认为是剖面坡道，所述剖面坡道一般为楔形结构。
进一步地，所述S8中的正则匹配的方法为字符串匹配的模式，可以用来检查一个字符串是否含有某种子串。
进一步地，所述S8中图框中代表坡道的文本包括含有坡道或坡面或起坡点的文本。
本发明相对于现有技术包括有以下有益效果：
本发明可以高效精准的获取图框中所有的平面坡道空间及剖面空间，弥补了CAD图纸中识别坡道空间的技术空白，为后续开展坡道空间研究，审查等提供了坚实的基础。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的一种CAD坡道大样图中坡道精准识别的方法的步骤图；
图2为本发明具体实施例的步骤S2中对每个图层包含的图元信息进行分类存储的样式图；
图3为本发明具体实施例中弧线形图元元示例；
图4为本发明具体实施例中直线型图元示例；
图5为本发明具体实施例S4步骤所需的图元绘制在底图上的示例；
图6为本发明具体实施例S5步骤使用opencv寻找封闭轮廓的示例；
图7为本发明具体实施例进行轮廓合并得到最终轮廓的示例。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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它实施例，都属于本发明保护的范围。
本发明致力于解决CAD坡道大样图中坡道的精准识别问题，目前为止还没有一项技术解决CAD图纸转化成图像文件格式后可以精准识别坡道空间的问题。本发明正是针对这种技术上的空缺提出的一种CAD坡道大样图中坡道精准识别的方法。
基于现有技术的空缺，本发明创造的目的在于提供一种CAD坡道大样图中坡道精准识别的方法，可以在各种不同绘制方式中识别坡道空间，覆盖范围广识别精准度高，识别到的坡道空间可以便于用到后续的研究中，例如坡道空间中是否有异常物体遮挡，坡道的宽度是否满足国家要求等等。
请参阅图1-7所示，本发明的一种CAD坡道大样图中坡道精准识别的方法，包括如下步骤：
S1、收集不同设计院设计的CAD施工图纸中坡道大样图绘制墙线及坡道线的图层；
S2、选取一张CAD坡道大样图进行解析并获取若干图框，并获取每个图框中所包含的图层以及每个图层绘制的图元，将每个图层包含的图元信息进行分类存储；
S3、将解析到的CAD图纸图框的大小进行一定比例的缩放，利用计算机python语言中的numpy计算库创建一张等比例缩放的黑色底图；
S4、将步骤S2中获取到的坡道图层的图元及墙线图层的图元，按照相应的坐标适用计算机python语言中的opencv库将所有图元适用亮色绘制在步骤S3创建的黑色底图上；
S5、对步骤S4中已经绘制了的特种图元的黑色背景图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S6、对所述S5中获取到的所有封闭轮廓，计算每个封闭轮廓的面积，将面积根据S3中的缩放比例获取到实际面积值，根据经验实际建筑中坡道的面积在一定面积范围内，通过实际的面积范围过滤掉不符合条件的轮廓；
S7、粗略区分平面坡道及剖面坡道，判断轮廓是否与步骤S2中获取到的每个图框中所包含的图层以及每个图层绘制的图元有交集，如果没有交集的情况下计算轮廓的面积与轮廓的正外接矩形面积比值；
S8、对解析出来的该图框内的所有文本，使用正则匹配的方法找到图框中代表坡道的文本，获取文本的内容及文本在图中坐标位置；
S9、将S8中获取到的文本坐标组成的矩形进行外扩，计算与文本外扩区域相交面积最大的轮廓视为初步找到的坡道轮廓，此处是绘图时坡道的相关标注文本是包含在坡道空间内部的；
S10、坡道轮廓的周围会因为绘制了其它线条导致找到的坡道轮廓不是全面完整的轮廓，将找到的坡道轮廓周围1m范围内的小轮廓和坡道轮廓进行合并；
S11、步骤S10中合并后的轮廓即为最终找的坡道轮廓，可以进行后续其它判断；
S12、重复以上操作找到所有的坡道空间，精准识别CAD坡道大样图中坡道空间。
其中，S1中墙线绘制于大样图中墙和wall的图层上。
其中，S2中每个图框包含的图层包括墙、柱子的图层；每个图层绘制的图元包括直线型图元和弧线形图元。
其中，S4中坡道图层的图元相对于图框的具体坐标表示为直线起点坐标是(x1,y1),终点坐标是(x2,y2)。
其中，实际建筑中坡道的面积范围为小于200平方。
其中，S7中计算轮廓的面积与轮廓的正外接矩形面积比值小于0.8的认为是剖面坡道，所述剖面坡道一般为楔形结构。
其中，S8中的正则匹配的方法为字符串匹配的模式，可以用来检查一个字符串是否含有某种子串。
其中，S8中图框中代表坡道的文本包括含有坡道或坡面或起坡点的文本。
本技术方案的几个关键步骤示意：
(1)构件底图；
(2)将所需填土层的图元绘制在底图上，如图5所示；
(3)使用opencv寻找封闭轮廓；
(4)轮廓合并得到最终轮廓；
其中，Canny算子可以认为是Canny边缘检测算法可以分为以下5个步骤：1)使用高斯滤波器，以平滑图像，滤除噪声。2)计算图像中每个像素点的梯度强度和方向。3)应用非极大值(Non-Maximum Suppression)抑制，以消除边缘检测带来的杂散响应。4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。5)通过抑制孤立的弱边缘最终完成边缘检测。
其中，正则表达式(regular expression)描述了一种字符串匹配的模式(pattern)，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。
有益效果：
本发明可以高效精准的获取图框中所有的平面坡道空间及剖面空间，弥补了CAD图纸中识别坡道空间的技术空白，为后续开展坡道空间研究，审查等提供了坚实的基础。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种CAD坡道大样图中坡道精准识别的方法，其特征在于，包括如下步骤：
S1、收集不同设计院设计的CAD施工图纸中坡道大样图绘制墙线及坡道线的图层；
S2、选取一张CAD坡道大样图进行解析并获取若干图框，并获取每个图框中所包含的图层以及每个图层绘制的图元，将每个图层包含的图元信息进行分类存储；
S3、将解析到的CAD图纸图框的大小进行一定比例的缩放，利用计算机python语言中的numpy计算库创建一张等比例缩放的黑色底图；
S4、将所述步骤S2中获取到的坡道图层的图元及墙线图层的图元，按照相应的坐标适用计算机python语言中的opencv库将所有图元适用亮色绘制在所述步骤S3创建的黑色底图上；
S5、对所述步骤S4中已经绘制了的特种图元的黑色背景图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S6、对所述S5中获取到的所有封闭轮廓，计算每个封闭轮廓的面积，将面积根据S3中的缩放比例获取到实际面积值，根据经验实际建筑中坡道的面积在一定面积范围内，通过实际的面积范围过滤掉不符合条件的轮廓；
S7、粗略区分平面坡道及剖面坡道，判断轮廓是否与步骤S2中获取到的每个图框中所包含的图层以及每个图层绘制的图元有交集，如果没有交集的情况下计算轮廓的面积与轮廓的正外接矩形面积比值；
S8、对解析出来的该图框内的所有文本，使用正则匹配的方法找到图框中代表坡道的文本，获取文本的内容及文本在图中坐标位置；
S9、将所述S8中获取到的文本坐标组成的矩形进行外扩，计算与文本外扩区域相交面积最大的轮廓视为初步找到的坡道轮廓，此处是绘图时坡道的相关标注文本是包含在坡道空间内部的；
S10、坡道轮廓的周围会因为绘制了其它线条导致找到的坡道轮廓不是全面完整的轮廓，将找到的坡道轮廓周围1m范围内的小轮廓和坡道轮廓进行合并；
S11、所述步骤S10中合并后的轮廓即为最终找的坡道轮廓，进行后续其它判断；
S12、重复以上操作找到所有的坡道空间，精准识别CAD坡道大样图中坡道空间。
2.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S1中墙线绘制于大样图中墙的图层上。
3.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S2中每个图框包含的图层包括墙、柱子的图层；每个图层绘制的图元包括直线型图元和弧线形图元。
4.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S4中坡道图层的图元相对于图框的具体坐标表示为直线起点坐标是(x1,y1),终点坐标是(x2,y2)。
5.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述实际建筑中坡道的面积范围为小于200平方。
6.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S7中计算轮廓的面积与轮廓的正外接矩形面积比值小于0.8的认为是剖面坡道，所述剖面坡道为楔形结构。
7.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S8中的正则匹配的方法为字符串匹配的模式，用来检查一个字符串是否含有某种子串。
8.根据权利要求1所述的一种CAD坡道大样图中坡道精准识别的方法，其特征在于，所述S8中图框中代表坡道的文本包括含有坡道或坡面或起坡点的文本。
CN202110074097.0A 2021-01-20 2021-01-20 一种cad坡道大样图中坡道精准识别的方法 Active CN112883799B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074097.0A CN112883799B (zh) 2021-01-20 2021-01-20 一种cad坡道大样图中坡道精准识别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074097.0A CN112883799B (zh) 2021-01-20 2021-01-20 一种cad坡道大样图中坡道精准识别的方法

Publications (2)

Publication Number Publication Date
CN112883799A CN112883799A (zh) 2021-06-01
CN112883799B true CN112883799B (zh) 2024-04-09

Family

ID=76050354

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074097.0A Active CN112883799B (zh) 2021-01-20 2021-01-20 一种cad坡道大样图中坡道精准识别的方法

Country Status (1)

Country Link
CN (1) CN112883799B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408031B (zh) * 2021-06-22 2024-01-30 广联达科技股份有限公司 一种排布大样图的方法、装置、设备及可读存储介质
CN113780190B (zh) * 2021-09-14 2022-10-11 万翼科技有限公司 空间轮廓识别及空间检测模型构建方法、设备及存储介质
CN114005132A (zh) * 2021-09-26 2022-02-01 长沙泛一参数信息技术有限公司 基于建筑总平面定位图的道路的自动识别方法
CN113886931B (zh) * 2021-10-21 2024-04-30 上海品览数据科技有限公司 一种基于b星算法的cad图纸消防联动报警线槽排布方法
CN113886929B (zh) * 2021-10-21 2024-08-27 上海品览数据科技有限公司 一种cad照明平面图中疏散指示灯自动排布方法
CN113971813B (zh) * 2021-10-25 2024-05-24 上海品览数据科技有限公司 一种对建筑专业总平面施工图和地下车库施工图中停车位的精准识别方法
CN114005133A (zh) * 2021-10-26 2022-02-01 长沙泛一参数信息技术有限公司 基于建筑总平面定位图的绿化带的自动识别方法
CN113963369B (zh) * 2021-10-26 2024-05-14 上海品览数据科技有限公司 一种平面图空间轮廓骨架线提取方法
CN114329688B (zh) * 2021-11-19 2024-07-26 江西少科智能建造科技有限公司 一种建筑图纸中排水系统设计的审查方法及装置
CN114494692A (zh) * 2021-12-15 2022-05-13 上海品览数据科技有限公司 一种cad图纸上的全体住宅空间精准分割的方法
CN114494114A (zh) * 2021-12-20 2022-05-13 上海品览数据科技有限公司 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法
CN114494764A (zh) * 2021-12-21 2022-05-13 上海品览数据科技有限公司 一种建筑专业平面楼梯大样图中楼梯构件的识别方法
CN114494717A (zh) * 2021-12-21 2022-05-13 上海品览数据科技有限公司 一种建筑专业平面或剖面楼梯大样图中子图的识别方法
CN115482552B (zh) * 2022-09-30 2024-10-01 中交第二航务工程局有限公司 一种矢量钢筋图纸智能翻样方法及系统
CN117237977B (zh) * 2023-11-16 2024-03-08 江西少科智能建造科技有限公司 一种cad图纸的区域划分方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326565A (zh) * 2016-08-25 2017-01-11 中车青岛四方机车车辆股份有限公司 一种三维设计工程图快速转换的方法
CN107045526A (zh) * 2016-12-30 2017-08-15 许昌学院 一种电子建筑施工图的图形识别方法
CN108268743A (zh) * 2018-02-09 2018-07-10 广州大学 基于建筑图纸的井自动识别方法及系统
CN108376248A (zh) * 2018-02-09 2018-08-07 广州大学 基于建筑图纸的柱和墙自动识别方法
CN108875599A (zh) * 2018-05-30 2018-11-23 成都小智审图科技有限公司 一种建筑行业工程cad图纸的识别审图方法
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
CN110517223A (zh) * 2019-07-11 2019-11-29 万翼科技有限公司 图纸审查方法、装置、计算机设备和存储介质
CN110992490A (zh) * 2019-12-13 2020-04-10 重庆交通大学 基于cad建筑平面图自动提取室内地图的方法
CN111008597A (zh) * 2019-12-05 2020-04-14 万翼科技有限公司 Cad图纸的空间识别方法、装置、电子设备及存储介质
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN111859503A (zh) * 2020-07-09 2020-10-30 万翼科技有限公司 图纸审查方法、电子设备与图形服务器

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11172700B2 (en) * 2019-01-11 2021-11-16 International Business Machines Corporation Image-based encoding

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326565A (zh) * 2016-08-25 2017-01-11 中车青岛四方机车车辆股份有限公司 一种三维设计工程图快速转换的方法
CN107045526A (zh) * 2016-12-30 2017-08-15 许昌学院 一种电子建筑施工图的图形识别方法
CN108268743A (zh) * 2018-02-09 2018-07-10 广州大学 基于建筑图纸的井自动识别方法及系统
CN108376248A (zh) * 2018-02-09 2018-08-07 广州大学 基于建筑图纸的柱和墙自动识别方法
CN108875599A (zh) * 2018-05-30 2018-11-23 成都小智审图科技有限公司 一种建筑行业工程cad图纸的识别审图方法
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
CN110517223A (zh) * 2019-07-11 2019-11-29 万翼科技有限公司 图纸审查方法、装置、计算机设备和存储介质
CN111008597A (zh) * 2019-12-05 2020-04-14 万翼科技有限公司 Cad图纸的空间识别方法、装置、电子设备及存储介质
CN110992490A (zh) * 2019-12-13 2020-04-10 重庆交通大学 基于cad建筑平面图自动提取室内地图的方法
CN111782583A (zh) * 2020-06-12 2020-10-16 万翼科技有限公司 智能审图方法及相关装置
CN111859503A (zh) * 2020-07-09 2020-10-30 万翼科技有限公司 图纸审查方法、电子设备与图形服务器

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
From engineering diagrams to engineering models: Visual recognition and applications;Luoting Fu 等;《Computer-Aided Design》;278-292 *
基于建筑施工图的建筑物信息提取方法研究;丁嘉树;《中国优秀硕士学位论文全文数据库 工程科技II辑》;C038-138 *
矿山工程图纸安全防护研究;黄惠芬;《中国优秀硕士学位论文全文数据库 工程科技I辑》;B021-1 *

Also Published As

Publication number Publication date
CN112883799A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112883799B (zh) 一种cad坡道大样图中坡道精准识别的方法
CN109446992B (zh) 基于深度学习的遥感影像建筑物提取方法及系统、存储介质、电子设备
CN111626146B (zh) 一种基于模板匹配的合并单元格表格分割识别方法
Mery Aluminum casting inspection using deep object detection methods and simulated ellipsoidal defects
CN108961230B (zh) 结构表面裂缝特征的识别与提取方法
CN113689445B (zh) 结合语义分割与边缘检测的高分辨率遥感建筑物提取方法
CN111709387B (zh) 一种高分辨率遥感影像的建筑物分割方法及系统
CN110751682A (zh) 一种提取和标识图像的方法、装置、终端设备及存储介质
CN111782584A (zh) 建筑图纸预处理系统、方法、电子设备及存储介质
CN113674216A (zh) 一种基于深度学习的地铁隧道病害检测方法
CN112883926B (zh) 表格类医疗影像的识别方法及装置
CN114022894B (zh) 一种cad图纸中楼梯前室精准识别的方法
CN114092700A (zh) 基于目标检测和知识图谱的古文字识别方法
CN117593420A (zh) 基于图像处理的平面图纸标注方法、装置、介质及设备
CN117910690A (zh) 一种图纸工程量计算方法、系统、存储介质及计算机
Tarsha Kurdi et al. Automatic 2D modelling of inner roof planes boundaries starting from Lidar data
CN112215827A (zh) 电迁移区域检测方法、装置、计算机设备和存储介质
Kıvılcım et al. Parametric Architectural Elements from Point Clouds for HBIM Applications
CN113537026B (zh) 建筑平面图中的图元检测方法、装置、设备及介质
CN106909720B (zh) 一种有限元节点坐标快速提取方法
CN115330705A (zh) 一种基于自适应加权模板ncc的蒙皮漆面缺陷检测方法
De Vectorization of architectural floor plans
Ge et al. Oracle bone inscriptions extraction by using weakly supervised instance segmentation under deep network
CN114550179A (zh) 对手写汉字黑板板书进行指导的方法、系统及设备
CN112861860A (zh) 一种基于上下边界提取的自然场景下文字检测方法

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