CN112989923A - 一种cad立面图中立面窗有无遮挡的精准判断的方法 - Google Patents

一种cad立面图中立面窗有无遮挡的精准判断的方法 Download PDF

Info

Publication number
CN112989923A
CN112989923A CN202110074095.1A CN202110074095A CN112989923A CN 112989923 A CN112989923 A CN 112989923A CN 202110074095 A CN202110074095 A CN 202110074095A CN 112989923 A CN112989923 A CN 112989923A
Authority
CN
China
Prior art keywords
window
layer
legend
cad
classification model
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
Application number
CN202110074095.1A
Other languages
English (en)
Inventor
孟越
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 CN202110074095.1A priority Critical patent/CN112989923A/zh
Publication of CN112989923A publication Critical patent/CN112989923A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种CAD立面图中立面窗有无遮挡的精准判断的方法，涉及CAD图纸识别技术领域。本发明包括如下步骤：S1、图例采集：采集构件图例；S2、分类模型训练；S3、对含有立面窗图层的CAD立面图纸进行解析；S4、获取图层图元信息；S5、对立面窗图层上的遮挡物进行判断是否存在遮挡；步骤S2的具体训练和预测步骤包括：S21、收集图例，对图例进行数据增强以及图像旋转；S22、使用分类模型对图例进行分类模型的训练；S23、使用分类模型对输入图例进行类别判断。本发明可以高效判断立面图中立面窗有无遮挡，极大的提高审图效率，弥补了CAD图纸中技术空白，为后续开展构件识别及关系研究、审查等提供了坚实的基础。

Description

一种CAD立面图中立面窗有无遮挡的精准判断的方法
技术领域
本发明属于CAD图纸识别及传统图像处理技术领域，特别是涉及一种CAD立面图中立面窗有无遮挡的精准判断的方法。
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施工图中的建筑立面图，能够比较显著地反映出房屋外貌特征，一般包含室外地面线及房屋的勒脚、台阶、花池、门窗、雨棚、阳台、室外楼梯、墙柱、檐口、屋顶、雨水管、墙面分割线等内容，并且标注出外墙各主要部位的标高。随着人工智能的兴起，很多由人工参与的项目可以用人工智能代替。CAD施工图的审查是一项耗时耗力的繁冗工作，人工智能的参与，能够极大的提高审图效率。本发明正是针对CAD建筑专业立面图图纸中对立面窗有无遮挡的精准判断，提出一种覆盖范围广，准确率高的判断方法。
发明内容
本发明提供了一种CAD立面图中立面窗有无遮挡的精准判断的方法，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立面图中立面窗有无遮挡的精准判断的方法，包括如下步骤：
S1、图例采集：采集多种建筑专业图纸中的常见的构件图例，包括门、窗、沙发等；
S2、分类模型训练：应用深度学习的方法，对采集到的图例进行分类模型训练；
S3、对含有立面窗图层的CAD立面图纸进行解析：对CAD图纸进行解析，获取线段、文本等一系列图元信息进行分类存储；
S4、获取图层图元信息：根据解析结果，获取各图层中的图元，并对立面窗图层中的合并后的构件进行分类；
S5、对立面窗图层上的遮挡物进行判断是否存在遮挡。
进一步地，所述步骤S2的具体训练和预测步骤包括：
S21、收集图例，对图例进行数据增强以及图像旋转；
S22、使用分类模型对图例进行分类模型的训练；
S23、使用分类模型对输入的图例进行类别判断。
进一步地，所述分类模型采用mobilenetV2模型。
进一步地，根据权利要求1所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述各图层中的图元包括立面窗、立面栏杆、装饰物图层的图元。
进一步地，其特征在于，所述步骤S5具体包括存在遮挡物图层情况下遮挡物的判断：对立面窗构件进行遍历，判断遮挡物图层，在立面窗位置处，是否存在非零像素；如果存在，判断非零像素的面积与立面窗的面积占比，若面积占比大于10％，则判断存在遮挡。
进一步地，所述步骤S5具体还包括存在遮挡物图层下遮挡物的判断：选用含有所有图层图元的底图，在底图中去掉里面栏杆图层图元信息、里面窗图层图元信息，形成新的背景图，所述背景图中所有的非零像素，成为噪点；遍历立面窗，在立面窗位置处，计算噪点密度、噪点面积占比；综合噪点密度阈值密度和噪声面积占比，判断立面窗是否存在遮挡；若噪声密度高于5％或噪声面积占比高于10％，则可判断立面窗存在遮挡。
本发明相对于现有技术包括有以下有益效果：
本发明可以高效判断立面图中立面窗有无遮挡，极大的提高审图效率，弥补了CAD图纸中技术空白，为后续开展构件识别及关系研究、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立面图中立面窗有无遮挡的精准判断的方法的步骤图；
图2为图1中S2步骤的具体步骤图；
图3为本发明实施例的没有遮挡的立面窗CAD立面图；
图4为本发明实施例的有遮挡图层，存在遮挡的立面窗CAD立面图；
图5为本发明实施例没有遮挡图层，存在遮挡的立面窗CAD立面图。
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它实施例，都属于本发明保护的范围。
请参阅图1-5所示，本发明的一种CAD立面图中立面窗有无遮挡的精准判断的方法，包括
S1、图例采集：采集多种建筑专业图纸中的常见的构件图例，包括门、窗、沙发等；
S2、分类模型训练：应用深度学习的方法，对采集到的图例进行分类模型训练；
S3、对含有立面窗图层的CAD立面图纸进行解析：对CAD图纸进行解析，获取线段、文本等一系列图元信息进行分类存储；
S4、获取图层图元信息：根据解析结果，获取各图层中的图元，并对立面窗图层中的合并后的构件进行分类；
S5、对立面窗图层上的遮挡物进行判断是否存在遮挡。
其中，步骤S2的具体训练和预测步骤包括：
S21、收集图例，对图例进行数据增强以及图像旋转；
S22、使用分类模型对图例进行分类模型的训练；
S23、使用分类模型对输入的图例进行类别判断。
其中，分类模型采用mobilenetV2模型。
其中，各图层中的图元包括立面窗、立面栏杆、装饰物图层的图元。
其中，步骤S5具体包括存在遮挡物图层情况下遮挡物的判断：对立面窗构件进行遍历，判断遮挡物图层，在立面窗位置处，是否存在非零像素；如果存在，判断非零像素的面积与立面窗的面积占比，若面积占比大于10％，则判断存在遮挡。
其中，步骤S5具体还包括存在遮挡物图层下遮挡物的判断：选用含有所有图层图元的底图，在底图中去掉里面栏杆图层图元信息、里面窗图层图元信息，形成新的背景图，所述背景图中所有的非零像素，成为噪点；遍历立面窗，在立面窗位置处，计算噪点密度、噪点面积占比；综合噪点密度阈值密度和噪声面积占比，判断立面窗是否存在遮挡；若噪声密度高于5％或噪声面积占比高于10％，则可判断立面窗存在遮挡。
有益效果：
本发明可以高效判断立面图中立面窗有无遮挡，极大的提高审图效率，弥补了CAD图纸中技术空白，为后续开展构件识别及关系研究、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 (6)

1.一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，包括如下步骤：
S1、图例采集：采集多种建筑专业图纸中的常见的构件图例，包括门、窗、沙发等；
S2、分类模型训练：应用深度学习的方法，对采集到的图例进行分类模型训练；
S3、对含有立面窗图层的CAD立面图纸进行解析：对CAD图纸进行解析，获取线段、文本等一系列图元信息进行分类存储；
S4、获取图层图元信息：根据解析结果，获取各图层中的图元，并对立面窗图层中的合并后的构件进行分类；
S5、对立面窗图层上的遮挡物进行判断是否存在遮挡。
2.根据权利要求1所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述步骤S2的具体训练和预测步骤包括：
S21、收集图例，对图例进行数据增强以及图像旋转；
S22、使用分类模型对图例进行分类模型的训练；
S23、使用分类模型对输入的图例进行类别判断。
3.根据权利要求2所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述分类模型采用mobilenetV2模型。
4.根据权利要求1所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述各图层中的图元包括立面窗、立面栏杆、装饰物图层的图元。
5.根据权利要求1所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述步骤S5具体包括存在遮挡物图层情况下遮挡物的判断：对立面窗构件进行遍历，判断遮挡物图层，在立面窗位置处，是否存在非零像素；如果存在，判断非零像素的面积与立面窗的面积占比，若面积占比大于10％，则判断存在遮挡。
6.根据权利要求1所述的一种CAD立面图中立面窗有无遮挡的精准判断的方法，其特征在于，所述步骤S5具体还包括存在遮挡物图层下遮挡物的判断：选用含有所有图层图元的底图，在底图中去掉里面栏杆图层图元信息、里面窗图层图元信息，形成新的背景图，所述背景图中所有的非零像素，成为噪点；遍历立面窗，在立面窗位置处，计算噪点密度、噪点面积占比；综合噪点密度阈值密度和噪声面积占比，判断立面窗是否存在遮挡；若噪声密度高于5％或噪声面积占比高于10％，则可判断立面窗存在遮挡。
CN202110074095.1A 2021-01-20 2021-01-20 一种cad立面图中立面窗有无遮挡的精准判断的方法 Pending CN112989923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110074095.1A CN112989923A (zh) 2021-01-20 2021-01-20 一种cad立面图中立面窗有无遮挡的精准判断的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110074095.1A CN112989923A (zh) 2021-01-20 2021-01-20 一种cad立面图中立面窗有无遮挡的精准判断的方法

Publications (1)

Publication Number Publication Date
CN112989923A true CN112989923A (zh) 2021-06-18

Family

ID=76345379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110074095.1A Pending CN112989923A (zh) 2021-01-20 2021-01-20 一种cad立面图中立面窗有无遮挡的精准判断的方法

Country Status (1)

Country Link
CN (1) CN112989923A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113501030A (zh) * 2021-07-27 2021-10-15 湖南中车时代通信信号有限公司 一种用于ats系统的车次窗遮挡处理装置
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
CN116110072A (zh) * 2023-04-12 2023-05-12 江西少科智能建造科技有限公司 一种cad图纸解析方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110502984A (zh) * 2019-07-11 2019-11-26 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
CN110889229A (zh) * 2019-11-29 2020-03-17 万翼科技有限公司 Cad图纸识别方法、装置、电子设备及存储介质
CN111444986A (zh) * 2020-04-28 2020-07-24 万翼科技有限公司 建筑图纸构件分类方法、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
CN111914612A (zh) * 2020-05-21 2020-11-10 淮阴工学院 一种基于改进的卷积神经网络的施工图图元自适应识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110502984A (zh) * 2019-07-11 2019-11-26 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
CN110889229A (zh) * 2019-11-29 2020-03-17 万翼科技有限公司 Cad图纸识别方法、装置、电子设备及存储介质
CN111444986A (zh) * 2020-04-28 2020-07-24 万翼科技有限公司 建筑图纸构件分类方法、装置、电子设备及存储介质
CN111914612A (zh) * 2020-05-21 2020-11-10 淮阴工学院 一种基于改进的卷积神经网络的施工图图元自适应识别方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙锐 等: "采用局部线性嵌入的稀疏目标跟踪方法", 《电子测量与仪器学报》, vol. 31, no. 8, pages 1312 - 1320 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113501030A (zh) * 2021-07-27 2021-10-15 湖南中车时代通信信号有限公司 一种用于ats系统的车次窗遮挡处理装置
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
CN116110072A (zh) * 2023-04-12 2023-05-12 江西少科智能建造科技有限公司 一种cad图纸解析方法及系统
CN116110072B (zh) * 2023-04-12 2023-08-15 江西少科智能建造科技有限公司 一种cad图纸解析方法及系统

Similar Documents

Publication Publication Date Title
CN112989923A (zh) 一种cad立面图中立面窗有无遮挡的精准判断的方法
Vu et al. Multi-scale solution for building extraction from LiDAR and image data
Yu et al. View-based greenery: A three-dimensional assessment of city buildings’ green visibility using Floor Green View Index
CN107004297A (zh) 基于二维平面图的三维自动立体建模方法及程序
TW201022708A (en) Method of change detection for building models
Szcześniak et al. A method for using street view imagery to auto-extract window-to-wall ratios and its relevance for urban-level daylighting and energy simulations
CN112883799A (zh) 一种cad坡道大样图中坡道精准识别的方法
US10115165B2 (en) Management of tax information based on topographical information
CN103390088A (zh) 一种针对光栅建筑平面图的全自动三维转换方法
CN106446225A (zh) 一种基于bim技术的古建筑数字化建模归档方法
CN114331031B (zh) 一种建筑传统特征识别评价方法和系统
CN104077806A (zh) 基于城市建筑三维模型的自动分体提取方法
CN115409069A (zh) 村镇建筑的识别方法、分类方法、装置、电子设备和介质
CN113887508B (zh) 一种对建筑专业住宅平面图中公共走廊空间的中心线的精准识别方法
CN113962000A (zh) 一种cad图纸中感烟探测器动态排布的方法
CN111612806A (zh) 一种建筑物立面窗户提取方法及装置
CN114022895A (zh) 一种对建筑专业住宅平面图中户型的精准识别方法
Yu et al. Architectural facade recognition and generation through generative adversarial networks
Liu et al. A machine learning method for the large-scale evaluation of urban visual environment
CN114022894A (zh) 一种cad图纸中楼梯前室精准识别的方法
Dogan et al. CitySeek: towards urban daylight models based on GIS data and semi-automated image processing
Lu et al. A deep learning method for building façade parsing utilizing improved SOLOv2 instance segmentation
CN114092805B (zh) 一种基于建筑模型的机器狗识别裂痕方法
Wang et al. Automatic 3D thermal zones creation for building energy simulation of existing residential buildings
CN111784059B (zh) 一种煤层宏观裂隙优势发育方位预测方法

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