CN112926392B - 一种基于轮廓筛选的建筑平面图纸房间识别方法 - Google Patents

一种基于轮廓筛选的建筑平面图纸房间识别方法 Download PDF

Info

Publication number
CN112926392B
CN112926392B CN202110101425.1A CN202110101425A CN112926392B CN 112926392 B CN112926392 B CN 112926392B CN 202110101425 A CN202110101425 A CN 202110101425A CN 112926392 B CN112926392 B CN 112926392B
Authority
CN
China
Prior art keywords
filtering
contour
edge detection
output
picture
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
CN202110101425.1A
Other languages
English (en)
Other versions
CN112926392A (zh
Inventor
韩志科
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.)
Hangzhou Juxiu Technology Co ltd
Original Assignee
Hangzhou Juxiu 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 Hangzhou Juxiu Technology Co ltd filed Critical Hangzhou Juxiu Technology Co ltd
Priority to CN202110101425.1A priority Critical patent/CN112926392B/zh
Publication of CN112926392A publication Critical patent/CN112926392A/zh
Application granted granted Critical
Publication of CN112926392B publication Critical patent/CN112926392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开的属于图纸房间识别技术领域，具体为一种基于轮廓筛选的建筑平面图纸房间识别方法，该方法利用图像相关算法识别出图纸上的所有轮廓，然后对图纸上所有被检测出的轮廓进行筛选，使用一些过滤规则，排除不符合要求的一些干扰轮廓，从而筛选出最有可能是房间的轮廓，并使用外接矩形框表示。最后继续使用非极大抑制算法筛选矩形框来获得最有可能是房间的矩形框。该方法对平面建筑图纸的房间识别具有一定的泛化能力，即可以识别不同类型的建筑平面图纸上的房间，为建筑平面图纸的房间识别提供了一种新思路。

Description

一种基于轮廓筛选的建筑平面图纸房间识别方法
技术领域
本发明涉及图纸房间识别技术领域，具体为一种基于轮廓筛选的建筑平面图纸房间识别方法。
背景技术
许多建筑年代久远楼房建筑只具有纸质版的CAD图纸，需要一种方法可以识别出图纸上的房间位置，方便更好地进行国家机关事业单位进行办公用房分配等系统化的管理。现有技术大致方法为首先利用OCR技术提取文字部分，然后根据线的粗细提取房间骨架，封闭房间，最后完成房间识别。然而这些方法大多只适用于特定图纸，即在给定绘制标准的前提下进行，比如墙体如何绘制，门如何绘制，同时这些方法的识别速度不高。因此需要一个对图纸前提条件要求少，泛化能力更强，速度更快的方法来识别建筑平面图纸上的房间。
发明内容
本发明的目的在于提供一种基于轮廓筛选的建筑平面图纸房间识别方法，以解决上述背景技术中提出的方法只适用于特定图纸、识别速度不高的问题。
为实现上述目的，本发明提供如下技术方案：一种基于轮廓筛选的建筑平面图纸房间识别方法，包括以下步骤：
S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；
S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；
S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；
S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；
S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息,所述S5中的轮廓过滤原则为同时满足以下三个条件时保留：
1轮廓的周长面积的比值小于等于设定的阈值；
2轮廓的面积占图片总面积的比值大于等于设定的阈值；
3轮廓的细长度大于等于设定的阈值。
其中条件3中细长度的计算公式为：
Figure GDA0003619028570000021
S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息,所述S6中的矩形框过滤的原则具体为：
A首先过滤面积最大矩形框外的所有矩形框；
B使用非极大抑制算法计算并过滤矩形框；
C若存在大框包含小框的情况，则计算大框减去小框的剩余面积与大框面积的比值，当其不超过设定的阈值时，则过滤，否则，保留。
优选的，所述S1中的使用的滤波为高斯滤波。
优选的，所述S2边缘检测的算法为Canny边缘检测。
与现有技术相比，本发明的有益效果是：
本发明的基于轮廓筛选的建筑平面图纸的房间识别方法可以快速完成图纸的房间识别，由于是基于轮廓筛选，所以本方法对图纸的绘制方式限制较小，只要图纸上的房间是封闭即可，因此本方法的泛化能力较好。只需输入建筑平面图纸，即可获得房间位置坐标信息的输出。
附图说明
图1为本发明的流程示意图；
图2，3，4，5为本方法的识别示意图。
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，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“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。
实施例：
请参阅图1-5，本发明提供一种技术方案：一种基于轮廓筛选的建筑平面图纸房间识别方法，包括以下步骤：
S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；
S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；
S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；
S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；
S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息；
S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息。
所述S1中的使用的滤波为高斯滤波。
所述S2边缘检测的算法为Canny边缘检测。
所述S5中的轮廓过滤原则为同时满足以下三个条件时保留：
1轮廓的周长面积的比值小于等于设定的阈值；
2轮廓的面积占图片总面积的比值大于等于设定的阈值；
3轮廓的细长度大于等于设定的阈值。
其中条件3中细长度的计算公式为：
Figure GDA0003619028570000041
所述S6中的矩形框过滤的原则具体为：
A首先过滤面积最大矩形框外的所有矩形框；
B使用非极大抑制算法计算并过滤矩形框；
C若存在大框包含小框的情况，则计算大框减去小框的剩余面积与大框面积的比值，当其不超过设定的阈值时，则过滤，否则，保留。
其中，Canny边缘检测时的阈值设置为50，150，轮廓过滤原则中，轮廓的周长面积的比值的阈值为0.17，轮廓的面积占图片总面积的比值的阈值为0.0005，轮廓的细长度的阈值为0.1。轮廓筛选后开始矩形框筛选，考虑图纸一般都有最大的外轮廓，所以先过滤掉最大外轮廓对应的最大矩形框之外的矩形框，即若一个矩形框的中心在最大矩形框外部，则删除这个矩形框；利用非极大阈值算法过滤掉重合度较高的矩形框，该算法需要利用一个分数排序，这里利用面积的倒数作为分数；对于大框包含小框的情况，可能是房间内的房间，也可能是多余的框，因此使用剩余面积进行过滤，即大框面积减去内部所有小框面积，若剩余面积占大框面积超过一半，则保留这个大框，否则删除大框，最后保留的所有矩形框坐标即为识别出的房间坐标。
图2，3，4，5是本方法应用的示意图，每张示意图从上到下依次为原图，轮廓筛选图，最终识别结果图。其中轮廓筛选图中红色的轮廓为被过滤的轮廓。可以看到，图2，3，4，5的图纸类型均不同，但本方法均可应用于这些图。图2与图3的图纸绘制方式完全不同，图2以细线作为墙体，而图3的墙体是空心的具有厚度的墙体，显然图3绘制更加复杂，因干扰项比较多，其识别难度也较图2大，但是根据本方法的过滤规则，可以看到，显然排除了多数的干扰轮廓；本方法对图像清晰度的要求也不高，相比于图2和图3，图4的图像不够清晰，图像的噪点较多，而且图4的绘制方式又不同于图2和图3，比如其墙体是实心的，但是识别效果较好；不同于前面的图2，3，4，图5是在照片形式下的识别，可以看到利用本方法可以识别出所有的房间。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种基于轮廓筛选的建筑平面图纸房间识别方法，其特征在于，包括以下步骤：
S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；
S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；
S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；
S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；
S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息,所述S5中的轮廓过滤原则为同时满足以下三个条件时保留：
1轮廓的周长面积的比值小于等于设定的阈值；
2轮廓的面积占图片总面积的比值大于等于设定的阈值；
3轮廓的细长度大于等于设定的阈值；
其中条件3中细长度的计算公式为：
Figure FDA0003619028560000011
S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息,所述S6中的矩形框过滤的原则具体为：
A首先过滤面积最大矩形框外的所有矩形框；
B使用非极大抑制算法计算并过滤矩形框；
C若存在大框包含小框的情况，则计算大框减去小框的剩余面积与大框面积的比值，当其不超过设定的阈值时，则过滤，否则，保留。
2.根据权利要求1所述的一种基于轮廓筛选的建筑平面图纸房间识别方法，其特征在于：所述S1中的使用的滤波为高斯滤波。
3.根据权利要求1所述的一种基于轮廓筛选的建筑平面图纸房间识别方法，其特征在于：所述S2边缘检测的算法为Canny边缘检测。
CN202110101425.1A 2021-01-26 2021-01-26 一种基于轮廓筛选的建筑平面图纸房间识别方法 Active CN112926392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110101425.1A CN112926392B (zh) 2021-01-26 2021-01-26 一种基于轮廓筛选的建筑平面图纸房间识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110101425.1A CN112926392B (zh) 2021-01-26 2021-01-26 一种基于轮廓筛选的建筑平面图纸房间识别方法

Publications (2)

Publication Number Publication Date
CN112926392A CN112926392A (zh) 2021-06-08
CN112926392B true CN112926392B (zh) 2022-07-08

Family

ID=76166017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110101425.1A Active CN112926392B (zh) 2021-01-26 2021-01-26 一种基于轮廓筛选的建筑平面图纸房间识别方法

Country Status (1)

Country Link
CN (1) CN112926392B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN117711010A (zh) * 2024-01-09 2024-03-15 北京理正软件股份有限公司 一种工程图纸图签栏自动识别方法及识别系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2892994B2 (ja) * 1996-10-17 1999-05-17 日本電信電話株式会社 建築図面認識方法
CN102750553B (zh) * 2012-06-28 2015-06-17 北京中科广视科技有限公司 一种墙体平面轮廓的识别方法
CN105279787B (zh) * 2015-04-03 2018-01-12 北京明兰网络科技有限公司 基于拍照的户型图识别生成三维房型的方法
CN110197153B (zh) * 2019-05-30 2023-05-02 南京维狸家智能科技有限公司 一种户型图中墙体自动识别方法
CN110310279A (zh) * 2019-07-09 2019-10-08 苏州梦想人软件科技有限公司 矩形及曲边矩形边角图像识别方法
CN111814575B (zh) * 2020-06-12 2023-02-03 上海品览数据科技有限公司 一种基于深度学习和图像处理的户型图识别方法

Also Published As

Publication number Publication date
CN112926392A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN112926392B (zh) 一种基于轮廓筛选的建筑平面图纸房间识别方法
US11263434B2 (en) Fast side-face interference resistant face detection method
TWI381717B (zh) 數位視訊動態目標物體分割處理方法及系統
WO2017084204A1 (zh) 一种二维视频流中的人体骨骼点追踪方法及系统
CN110414559B (zh) 智能零售柜商品目标检测统一框架的构建方法及商品识别方法
CN110827398B (zh) 基于深度神经网络的室内三维点云自动语义分割方法
CN111611643A (zh) 户型矢量化数据获得方法、装置、电子设备及存储介质
CN108198207A (zh) 基于改进的Vibe模型和BP神经网络的多运动目标跟踪方法
GB2467804A (en) Method and system for foreground detection using multi-modality fusion graph cut
CN103902958A (zh) 人脸识别的方法
CN109034066A (zh) 基于多特征融合的建筑物识别方法
CN108596992B (zh) 一种快速实时的唇彩化妆方法
CN105631405A (zh) 基于多级分块的交通视频智能识别背景建模方法
CN108830883A (zh) 基于超像素结构的视觉注意sar图像目标检测方法
Haibo et al. An improved yolov3 algorithm for pulmonary nodule detection
CN111461076A (zh) 帧差法与神经网络结合的烟雾检测方法和检测系统
Devadethan et al. Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing
CN113240611B (zh) 一种基于图片序列的异物检测方法
CN115049628A (zh) 一种自动生成户型结构的方法及系统
CN114373205B (zh) 一种基于卷积宽度网络的人脸检测和识别方法
CN108509913B (zh) 一种室内人数统计方法
CN115331129A (zh) 一种基于无人机和人工智能的垃圾数据识别方法
CN113284232B (zh) 一种基于四叉树的光流跟踪方法
CN113139483B (zh) 人体行为识别方法、装置、设备、存储介质以及程序产品
CN114360033A (zh) 基于图卷积融合网络的口罩人脸识别方法、系统及设备

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