CN113780190B - 空间轮廓识别及空间检测模型构建方法、设备及存储介质 - Google Patents
空间轮廓识别及空间检测模型构建方法、设备及存储介质 Download PDFInfo
- Publication number
- CN113780190B CN113780190B CN202111076622.9A CN202111076622A CN113780190B CN 113780190 B CN113780190 B CN 113780190B CN 202111076622 A CN202111076622 A CN 202111076622A CN 113780190 B CN113780190 B CN 113780190B
- Authority
- CN
- China
- Prior art keywords
- space
- sub
- drawings
- detection model
- position information
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20081—Training; Learning
Abstract
本申请涉及一种空间轮廓识别及空间检测模型构建方法、设备及存储介质,涉及图纸识别技术领域。该图纸的空间轮廓识别方法包括:获取待识别空间轮廓的第一图纸;将第一图纸切割成N个第一子图纸;将第一图纸缩小,得到第二图纸;将第二图纸切割成M个第二子图纸;将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息;根据位置信息,将第一图纸切割,获得包含空间的S个第三子图纸;对S个第三子图纸进行轮廓识别,获得各个空间的轮廓信息,并将轮廓信息添加至第一图纸。本申请用以解决大尺寸的空间无法识别的问题。
Description
技术领域
本申请涉及图纸识别技术领域,尤其涉及一种空间轮廓识别及空间检测模型构建方法、设备及存储介质。
背景技术
目前,对一张大分辨率的图纸,进行多个空间识别时,采用的方式是:将一张大图以滑窗方式截多张小图,再分别对小图中的空间进行识别,完成图像实例分割,然后小图中的识别结果合并成大图的识别结果,作为最终的图像实例分割结果,以获得大图的空间轮廓识别。
发明内容
本申请提供了一种空间轮廓识别及空间检测模型构建方法、设备及存储介质,用以解决将大尺寸的图纸以固定尺寸切割成多张小尺寸的图纸进行空间识别,导致大尺寸的空间无法识别的问题。
第一方面,本申请实施例提供了一种图纸的空间轮廓识别方法,包括:
获取待识别空间轮廓的第一图纸;
按照预设尺寸信息,将所述第一图纸切割成N个第一子图纸,N大于1;
按照预设缩小比例,将所述第一图纸缩小,得到第二图纸;
按照所述预设尺寸信息,将所述第二图纸切割成M个第二子图纸,M大于1;
将所述N个第一子图纸和所述M个第二子图纸,输入至预先训练的空间检测模型,获得所述空间检测模型输出的各个空间在所述第一图纸上的位置信息;
根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,S大于1;
对所述S个第三子图纸进行轮廓识别,获得所述各个空间的轮廓信息,并将所述轮廓信息添加至所述第一图纸。
可选地,所述根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,包括:
按照所述各个空间在所述第一图纸上的位置信息,将所述各个空间进行外扩,获得外扩后的各个空间的位置信息;
按照所述外扩后的各个空间的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸。
可选地,所述根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸之前,所述方法还包括:
将所述各个空间在所述第一图纸上的位置信息进行去重。
第二方面,本申请实施例提供了一种空间检测模型构建方法,包括:
获取样本图纸;
按照预设尺寸信息,将所述样本图纸切割成P个第四子图纸,P大于1;
按照预设缩小比例,将所述样本图纸缩小,得到第三图纸;
按照所述预设尺寸信息,将所述第三图纸切割成Q个第五子图纸,Q大于1;
将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
可选地,所述将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型之前,所述方法还包括:
对所述P个第四子图纸和所述Q个第五子图纸进行数据增强,其中,所述数据增强包括增加干扰线、旋转、缩小和放大中的至少一个。
可选地,所述将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型之前,所述方法还包括:
对任一所述第四子图纸执行以下流程:
计算所述第四子图纸中的空间的面积和所述第四子图纸的面积之间的第一比值;
若所述第一比值小于第一预设比值,则删除所述第四子图纸;
和/或,
对任一所述第五子图纸执行以下流程:
计算所述第五子图纸中的空间的面积和所述第五子图纸的面积之间的第二比值;
若所述第二比值小于第二预设比值,则删除所述第五子图纸。
可选地,所述预设缩小比例包括至少两个缩小比例。
可选地,所述获得空间检测模型之后,所述方法还包括:
将所述P个第四子图纸和所述Q个第五子图纸输入至所述空间检测模型,获得所述空间检测模型输出的各个空间在所述样本图纸上的位置信息;
比较所述各个空间在所述样本图纸上的位置信息,和,所述样本图纸中各个空间的标记位置信息;
若所述位置信息和所述标记位置信息不一致,则将所述标记位置信息对应的空间在所述样本图纸中进行切割,获得第六子图纸;
将所述第六子图纸输入至所述空间检测模型,再次进行训练,获得最终的空间检测模型。
第三方面,本申请实施例提供了一种图纸的空间轮廓识别装置,包括:
第一获取模块,用于获取待识别空间轮廓的第一图纸;
第一切割模块,用于按照预设尺寸信息,将所述第一图纸切割成N个第一子图纸,N大于1;
第一缩小模块,用于按照预设缩小比例,将所述第一图纸缩小,得到第二图纸;
第二切割模块,用于按照所述预设尺寸信息,将所述第二图纸切割成M个第二子图纸,M大于1;
第一处理模块,用于将所述N个第一子图纸和所述M个第二子图纸,输入至预先训练的空间检测模型,获得所述空间检测模型输出的各个空间在所述第一图纸上的位置信息;
第三切割模块,用于根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,S大于1;
第二处理模块,用于对所述S个第三子图纸进行轮廓识别,获得所述各个空间的轮廓信息,并将所述轮廓信息添加至所述第一图纸。
第四方面,本申请实施例提供了一种空间检测模型构建装置,包括:
第二获取模块,用于获取样本图纸;
第四切割模块,用于按照预设尺寸信息,将所述样本图纸切割成P个第四子图纸,P大于1;
第二缩小模块,用于按照预设缩小比例,将所述样本图纸缩小,得到第三图纸;
第五切割模块,用于按照所述预设尺寸信息,将所述第三图纸切割成Q个第五子图纸,Q大于1;
第三处理模块,用于将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
第五方面,本申请实施例提供了一种电子设备,包括:处理器、存储器和通信总线,其中,处理器和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现第一方面所述的图纸的空间轮廓识别方法,或者,实现第二方面所述的空间检测模型构建方法。
第六方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述的图纸的空间轮廓识别方法,或者,实现第二方面所述的空间检测模型构建方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例中,获取待识别空间轮廓的第一图纸,按照预设尺寸信息,将第一图纸切割成N个第一子图纸,按照预设缩小比例,将第一图纸缩小,得到第二图纸,按照预设尺寸信息,将第二图纸切割成M个第二子图纸,将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息,根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸,对S个第三子图纸进行轮廓识别,获得各个空间的轮廓信息,并将轮廓信息添加至第一图纸。
相对于现有技术中,以滑窗方式将一张大图切割成多张小图,当某一个空间的尺寸大于两个滑窗之间重叠部分的尺寸,导致该大尺寸的空间不能在一张小图上完整显示,导致该大尺寸的空间识别漏掉,本申请实施例中,按照预设缩小比例,将第一图纸缩小,得到第二图纸,按照预设尺寸信息,将第二图纸切割成M个第二子图纸,将待识别空间轮廓的第一图纸缩小后再进行切割,使大尺寸的空间能够在至少一个第二子图纸中完整显示,将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息,能够获得大尺寸的空间在第一图纸上的位置信息,避免漏识别图纸中的大尺寸的空间,进而准确获得第一图纸上各个空间的轮廓信息,解决了将大尺寸的图纸以固定尺寸切割成多张小尺寸的图纸进行空间识别,导致大尺寸的空间无法识别的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中图纸的空间轮廓识别的方法流程示意图;
图2为本申请实施例中空间检测模型构建的方法流程示意图;
图3为本申请实施例中图纸的空间轮廓识别装置的结构示意图;
图4为本申请实施例中空间检测模型构建装置的结构示意图;
图5为本申请实施例中电子设备的结构示意图。
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的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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。
本申请实施例中,提供了一种图纸的空间轮廓识别方法以及空间检测模型构建方法,该方法可以应用于服务器,当然,也可以应用于其他电子设备,例如终端(手机、平板电脑等)。本申请实施例中,以将该方法应用于服务器为例进行说明。
本申请实施例中,如图1所示,图纸的空间轮廓识别的方法流程主要包括:
步骤101,获取待识别空间轮廓的第一图纸。
其中,第一图纸可以是建筑图纸,可以为多种格式的图纸,例如,文件扩展名为.dwg或.sat的计算机辅助设计(Computer Aided Design,简称CAD)图纸,文件扩展名为.jpg或.tif的图像图纸,文件扩展名为.pdf的便携式文档格式(Portable DocumentFormat,简称PDF)图纸等,本申请的保护范围不以第一图纸的具体格式为限制。
步骤102,按照预设尺寸信息,将第一图纸切割成N个第一子图纸,N大于1。
其中,预设尺寸信息包括第一子图纸的长度信息、宽度信息和两个相邻第一子图纸的重叠部分的尺寸信息。两个相邻第一子图纸的重叠部分的尺寸信息,可以是经验值,也可以是技术人员预先设定的数值。第一子图纸的长度信息、宽度信息可以根据计算机深度学习能够处理的最大分辨率设定。例如,第一图纸的分辨率为10000*10000,计算机深度学习处理的最大分辨率是1800*1800,则第一子图纸的长度信息设置为1800,第一子图纸的宽度信息设置为1800。
步骤103,按照预设缩小比例,将第一图纸缩小,得到第二图纸。
步骤104,按照预设尺寸信息,将第二图纸切割成M个第二子图纸,M大于1。
其中,预设缩小比例可以是预先设置的能使第一图纸中的最大尺寸的空间按照预设缩小比例缩小后,能够完整显示在至少一个第二子图纸上的缩小比例。
例如:第一图纸的分辨率为10000*10000,第一图纸中的最大尺寸的空间的尺寸信息为3000*3000,预设尺寸信息为1800*1800,预设缩小比例可以为50%,按照预设缩小比例,将第一图纸缩小,得到第二图纸,第二图纸的分辨率为5000*5000,第二图纸中的最大尺寸的空间的尺寸信息为1500*1500,而预设尺寸信息为1800*1800,第二图纸中的最大尺寸的空间能够完整显示在至少一个第二子图纸上。
步骤105,将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息。
各个空间在第一图纸上的位置信息,可以是各个空间所在的第一子图纸,和/或第二子图纸在第一图纸上的位置信息,也可以是各个空间的外接矩形在第一图纸上的位置信息。
步骤106,根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸,S大于1。
一个具体实施例中,根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸,包括:按照各个空间在第一图纸上的位置信息,将各个空间进行外扩,获得外扩后的各个空间的位置信息;按照外扩后的各个空间的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸。
各个空间在第一图纸上的位置信息,可以是各个空间的外接矩形在第一图纸上的位置信息。按照各个空间在第一图纸上的位置信息,将各个空间进行外扩,获得外扩后的各个空间的位置信息,可以将各个空间的外接矩形的最大的横坐标值加上预设值、最小的横坐标值减去预设值、最大的纵坐标值加上预设值以及最小的纵坐标值减去预设值,形成外扩后的新外接矩形,外扩后的新外接矩形的位置信息即为外扩后的各个空间的位置信息。
可以将外扩后的各个空间切割到第三子图纸上,每个第三子图纸上包含至少一个外扩后的空间。
一个具体实施例中,根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸之前,图纸的空间轮廓识别方法还包括:将各个空间在第一图纸上的位置信息进行去重。
各个空间在第一图纸上的位置信息,可能会有重复的,比如,空间A在第一子图纸B上,也在第一子图纸C上,则空间A在第一图纸上的位置信息有两个,为第一子图纸B在第一图纸上的位置信息和第一子图纸C在第一图纸上的位置信息,因此,可以通过去重,减少轮廓识别处理的数据量,使各个空间在第一图纸上的位置信息是唯一的。
去重的方式,可以是NMS(Non-Maximum Suppression,非极大值抑制)。
步骤107,对S个第三子图纸进行轮廓识别,获得各个空间的轮廓信息,并将轮廓信息添加至第一图纸。
本申请实施例中,如图2所示,空间检测模型构建的方法流程主要包括:
步骤201,获取样本图纸。
步骤202,按照预设尺寸信息,将样本图纸切割成P个第四子图纸,P大于1。
步骤203,按照预设缩小比例,将样本图纸缩小,得到第三图纸。
一个具体实施例中,预设缩小比例包括至少两个缩小比例。
当样本图纸中同时存在大尺寸空间和小尺寸空间,且各个空间的尺寸差别较大时,可以采用至少两个缩小比例,将样本图纸缩小。例如:预设缩小比例包括第一缩小比例为50%,第二缩小比例为70%,第三缩小比例为80%,第三图纸包括第三图纸A、第三图纸B、第三图纸C,第三图纸A为样本图纸缩小50%后的图纸,第三图纸B为样本图纸缩小70%后的图纸,第三图纸C为样本图纸缩小80%后的图纸。
步骤204,按照预设尺寸信息,将第三图纸切割成Q个第五子图纸,Q大于1。
当预设缩小比例包括至少两个缩小比例时,例如,预设缩小比例包括第一缩小比例为50%,第二缩小比例为70%,第三缩小比例为80%,第三图纸包括第三图纸A、第三图纸B、第三图纸C,第三图纸A为样本图纸缩小50%后的图纸,第三图纸B为样本图纸缩小70%后的图纸,第三图纸C为样本图纸缩小80%后的图纸,将第三图纸A切割成Q1个第五子图纸A,将第三图纸B切割成Q2个第五子图纸B,将第三图纸C切割成Q3个第五子图纸C,保证Q1、Q2、Q3的数量比较接近,进而保证不同缩小比例下的第五子图纸的数据比较均衡,输入至初始空间检测模型,进行训练时,能够更好收敛。
步骤205,将P个第四子图纸和Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
可以将P个第四子图纸和Q个第五子图纸按照一定比例划分成训练集和验证集,对初始空间检测模型进行训练。
一个具体实施例中,将P个第四子图纸和Q个第五子图纸,输入至初始空间检测模型之前,空间检测模型构建方法还包括:对P个第四子图纸和Q个第五子图纸进行数据增强,其中,数据增强包括增加干扰线、旋转、缩小和放大中的至少一个。
由于在建筑空间底图中,除了空间相关(指在建筑平面底图中,墙、门、窗围合的空间)的线条,还有其他的线条(非空间含义的构件线条、除建筑空间底图外的其他专业的线条、隐线等),造成空间识别干扰。因此,通过对P个第四子图纸和Q个第五子图纸进行数据增强,其中,数据增强包括增加干扰线、旋转、缩小和放大中的至少一个,可以提升空间检测模型对干扰信息的识别能力,避免干扰线等干扰信息造成空间识别干扰。根据需要,数据增强还可以包括其他方式,例如,增加马赛克等。
一个具体实施例中,将P个第四子图纸和Q个第五子图纸,输入至初始空间检测模型之前,空间检测模型构建方法还包括:
对任一第四子图纸执行以下流程:计算第四子图纸中的空间的面积和第四子图纸的面积之间的第一比值;若第一比值小于第一预设比值,则删除第四子图纸;
和/或,
对任一第五子图纸执行以下流程:计算第五子图纸中的空间的面积和第五子图纸的面积之间的第二比值;若第二比值小于第二预设比值,则删除第五子图纸。
当第一比值小于第一预设比值时,证明该第四子图纸中的空间占比较小,该第四子图纸中的空间可能只是空间的一部分,而不是完整的空间,完整的空间在另一个第四子图纸中,因此,将该第四子图纸删除,不参与初始空间检测模型的训练,减少初始空间检测模型训练处理的无效数据量。
同理,当第二比值小于第二预设比值时,证明该第五子图纸中的空间占比较小,该第五子图纸中的空间可能只是空间的一部分,而不是完整的空间,完整的空间在另一个第五子图纸中,因此,将该第五子图纸删除,不参与初始空间检测模型的训练,减少初始空间检测模型训练处理的无效数据量。
一个具体实施例中,获得空间检测模型之后,空间检测模型构建方法还包括:
将P个第四子图纸和Q个第五子图纸输入至空间检测模型,获得空间检测模型输出的各个空间在样本图纸上的位置信息;比较各个空间在样本图纸上的位置信息,和,样本图纸中各个空间的标记位置信息;若位置信息和标记位置信息不一致,则将标记位置信息对应的空间在样本图纸中进行切割,获得第六子图纸;将第六子图纸输入至空间检测模型,再次进行训练,获得最终的空间检测模型。
若位置信息和标记位置信息不一致,则说明标记位置信息对应的空间漏检或错检。将标记位置信息对应的空间在样本图纸中进行切割,获得第六子图纸,第六子图纸为难样本,将第六子图纸输入至空间检测模型,再次进行训练,获得最终的空间检测模型,能够增强空间检测模型对难样本的学习能力,避免空间识别漏检或错检。
综上,本申请实施例中,获取待识别空间轮廓的第一图纸,按照预设尺寸信息,将第一图纸切割成N个第一子图纸,按照预设缩小比例,将第一图纸缩小,得到第二图纸,按照预设尺寸信息,将第二图纸切割成M个第二子图纸,将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息,根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸,对S个第三子图纸进行轮廓识别,获得各个空间的轮廓信息,并将轮廓信息添加至第一图纸。
相对于现有技术中,以滑窗方式将一张大图切割成多张小图,当某一个空间的尺寸大于两个滑窗之间重叠部分的尺寸,导致该大尺寸的空间不能在一张小图上完整显示,导致该大尺寸的空间识别漏掉,本申请实施例中,按照预设缩小比例,将第一图纸缩小,得到第二图纸,按照预设尺寸信息,将第二图纸切割成M个第二子图纸,将待识别空间轮廓的第一图纸缩小后再进行切割,使大尺寸的空间能够在至少一个第二子图纸中完整显示,将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息,能够获得大尺寸的空间在第一图纸上的位置信息,避免漏识别图纸中的大尺寸的空间,进而准确获得第一图纸上各个空间的轮廓信息,解决了将大尺寸的图纸以固定尺寸切割成多张小尺寸的图纸进行空间识别,导致大尺寸的空间无法识别的问题。
基于同一构思,本申请实施例中提供了一种图纸的空间轮廓识别装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图3所示,该装置主要包括:
第一获取模块301,用于获取待识别空间轮廓的第一图纸;
第一切割模块302,用于按照预设尺寸信息,将所述第一图纸切割成N个第一子图纸,N大于1;
第一缩小模块303,用于按照预设缩小比例,将所述第一图纸缩小,得到第二图纸;
第二切割模块304,用于按照所述预设尺寸信息,将所述第二图纸切割成M个第二子图纸,M大于1;
第一处理模块305,用于将所述N个第一子图纸和所述M个第二子图纸,输入至预先训练的空间检测模型,获得所述空间检测模型输出的各个空间在所述第一图纸上的位置信息;
第三切割模块306,用于根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,S大于1;
第二处理模块307,用于对所述S个第三子图纸进行轮廓识别,获得所述各个空间的轮廓信息,并将所述轮廓信息添加至所述第一图纸。
基于同一构思,本申请实施例中提供了一种空间检测模型构建装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图4所示,该装置主要包括:
第二获取模块401,用于获取样本图纸;
第四切割模块402,用于按照预设尺寸信息,将所述样本图纸切割成P个第四子图纸,P大于1;
第二缩小模块403,用于按照预设缩小比例,将所述样本图纸缩小,得到第三图纸;
第五切割模块404,用于按照所述预设尺寸信息,将所述第三图纸切割成Q个第五子图纸,Q大于1;
第三处理模块405,用于将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
基于同一构思,本申请实施例中还提供了一种电子设备,如图5所示,该电子设备主要包括:处理器501、存储器502和通信总线503,其中,处理器501和存储器502通过通信总线503完成相互间的通信。其中,存储器502中存储有可被处理器501执行的程序,处理器501执行存储器502中存储的程序,实现如下步骤:
获取待识别空间轮廓的第一图纸;按照预设尺寸信息,将第一图纸切割成N个第一子图纸,N大于1;按照预设缩小比例,将第一图纸缩小,得到第二图纸;按照预设尺寸信息,将第二图纸切割成M个第二子图纸,M大于1;将N个第一子图纸和M个第二子图纸,输入至预先训练的空间检测模型,获得空间检测模型输出的各个空间在第一图纸上的位置信息;根据各个空间在第一图纸上的位置信息,将第一图纸切割,获得包含空间的S个第三子图纸,S大于1;对S个第三子图纸进行轮廓识别,获得各个空间的轮廓信息,并将轮廓信息添加至第一图纸;
或者,
获取样本图纸;按照预设尺寸信息,将样本图纸切割成P个第四子图纸,P大于1;按照预设缩小比例,将样本图纸缩小,得到第三图纸;按照预设尺寸信息,将第三图纸切割成Q个第五子图纸,Q大于1;将P个第四子图纸和Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
上述电子设备中提到的通信总线503可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该通信总线503可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器502可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器501的存储装置。
上述的处理器501可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中,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中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述实施例中所描述的图纸的空间轮廓识别方法,或者,空间检测模型构建方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种图纸的空间轮廓识别方法,其特征在于,包括:
获取待识别空间轮廓的第一图纸;
按照预设尺寸信息,将所述第一图纸切割成N个第一子图纸,N大于1;
按照预设缩小比例,将所述第一图纸缩小,得到第二图纸;
按照所述预设尺寸信息,将所述第二图纸切割成M个第二子图纸,M大于1,其中,所述预设缩小比例是预先设置的能使所述第一图纸中的最大尺寸的空间按照所述预设缩小比例缩小后,能够完整显示在至少一个所述第二子图纸上的缩小比例;
将所述N个第一子图纸和所述M个第二子图纸,输入至预先训练的空间检测模型,获得所述空间检测模型输出的各个空间在所述第一图纸上的位置信息;
根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,S大于1;
对所述S个第三子图纸进行轮廓识别,获得所述各个空间的轮廓信息,并将所述轮廓信息添加至所述第一图纸。
2.根据权利要求1所述的图纸的空间轮廓识别方法,其特征在于,所述根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸,包括:
按照所述各个空间在所述第一图纸上的位置信息,将所述各个空间进行外扩,获得外扩后的各个空间的位置信息;
按照所述外扩后的各个空间的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸。
3.根据权利要求1所述的图纸的空间轮廓识别方法,其特征在于,所述根据所述各个空间在所述第一图纸上的位置信息,将所述第一图纸切割,获得包含所述空间的S个第三子图纸之前,所述方法还包括:
将所述各个空间在所述第一图纸上的位置信息进行去重。
4.一种空间检测模型构建方法,其特征在于,包括:
获取样本图纸;
按照预设尺寸信息,将所述样本图纸切割成P个第四子图纸,P大于1;
按照预设缩小比例,将所述样本图纸缩小,得到第三图纸;
按照所述预设尺寸信息,将所述第三图纸切割成Q个第五子图纸,Q大于1,其中,所述预设缩小比例是预先设置的能使所述样本图纸中的最大尺寸的空间按照所述预设缩小比例缩小后,能够完整显示在至少一个所述第五子图纸上的缩小比例;
将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型,进行训练,获得空间检测模型。
5.根据权利要求4所述的空间检测模型构建方法,其特征在于,所述将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型之前,所述方法还包括:
对所述P个第四子图纸和所述Q个第五子图纸进行数据增强,其中,所述数据增强包括增加干扰线、旋转、缩小和放大中的至少一个。
6.根据权利要求4所述的空间检测模型构建方法,其特征在于,所述将所述P个第四子图纸和所述Q个第五子图纸,输入至初始空间检测模型之前,所述方法还包括:
对任一所述第四子图纸执行以下流程:
计算所述第四子图纸中的空间的面积和所述第四子图纸的面积之间的第一比值;
若所述第一比值小于第一预设比值,则删除所述第四子图纸;
和/或,
对任一所述第五子图纸执行以下流程:
计算所述第五子图纸中的空间的面积和所述第五子图纸的面积之间的第二比值;
若所述第二比值小于第二预设比值,则删除所述第五子图纸。
7.根据权利要求4所述的空间检测模型构建方法,其特征在于,所述预设缩小比例包括至少两个缩小比例。
8.根据权利要求4所述的空间检测模型构建方法,其特征在于,所述获得空间检测模型之后,所述方法还包括:
将所述P个第四子图纸和所述Q个第五子图纸输入至所述空间检测模型,获得所述空间检测模型输出的各个空间在所述样本图纸上的位置信息;
比较所述各个空间在所述样本图纸上的位置信息,和,所述样本图纸中各个空间的标记位置信息;
若所述位置信息和所述标记位置信息不一致,则将所述标记位置信息对应的空间在所述样本图纸中进行切割,获得第六子图纸;
将所述第六子图纸输入至所述空间检测模型,再次进行训练,获得最终的空间检测模型。
9.一种电子设备,其特征在于,包括:处理器、存储器和通信总线,其中,处理器和存储器通过通信总线完成相互间的通信;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述存储器中所存储的程序,实现权利要求1至3任一项所述的图纸的空间轮廓识别方法,或者,实现权利要求4至8任一项所述的空间检测模型构建方法。
10.一种计算机可读存储介质,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3任一项所述的图纸的空间轮廓识别方法,或者,实现权利要求4至8任一项所述的空间检测模型构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111076622.9A CN113780190B (zh) | 2021-09-14 | 2021-09-14 | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111076622.9A CN113780190B (zh) | 2021-09-14 | 2021-09-14 | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780190A CN113780190A (zh) | 2021-12-10 |
CN113780190B true CN113780190B (zh) | 2022-10-11 |
Family
ID=78843867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111076622.9A Active CN113780190B (zh) | 2021-09-14 | 2021-09-14 | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780190B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973299B (zh) * | 2022-08-01 | 2023-01-10 | 万翼科技有限公司 | 建筑图纸构件识别方法、装置、电子设备及存储介质 |
CN115063829B (zh) * | 2022-08-15 | 2023-01-10 | 万翼科技有限公司 | 非封闭区域识别方法、装置、设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3961595B2 (ja) * | 1996-10-01 | 2007-08-22 | 株式会社リコー | 建築図面認識方法及び認識装置 |
TWI667618B (zh) * | 2016-11-04 | 2019-08-01 | 台灣國際物業管理顧問有限公司 | Integrated sensing positioning based on 3D information model applied to construction engineering and facility equipment management system |
CN110909650B (zh) * | 2019-11-15 | 2022-11-29 | 清华大学 | 基于领域知识和目标检测的cad图纸识别方法和装置 |
CN111008597B (zh) * | 2019-12-05 | 2023-03-24 | 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 |
CN111815602B (zh) * | 2020-07-06 | 2022-10-11 | 清华大学 | 基于深度学习和形态学的建筑pdf图纸墙体识别装置和方法 |
CN112883799B (zh) * | 2021-01-20 | 2024-04-09 | 上海品览智造科技有限公司 | 一种cad坡道大样图中坡道精准识别的方法 |
CN112883798B (zh) * | 2021-01-20 | 2024-02-13 | 上海品览智造科技有限公司 | 基于深度学习建筑专业住宅平面图空间内构件的识别方法 |
CN112926392B (zh) * | 2021-01-26 | 2022-07-08 | 杭州聚秀科技有限公司 | 一种基于轮廓筛选的建筑平面图纸房间识别方法 |
CN113205024B (zh) * | 2021-04-25 | 2023-01-10 | 万翼科技有限公司 | 工程图纸的预处理方法、装置、电子设备和存储介质 |
-
2021
- 2021-09-14 CN CN202111076622.9A patent/CN113780190B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113780190A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780190B (zh) | 空间轮廓识别及空间检测模型构建方法、设备及存储介质 | |
CN111008597B (zh) | Cad图纸的空间识别方法、装置、电子设备及存储介质 | |
CN109934244B (zh) | 格式类别学习系统以及图像处理装置 | |
US20220253631A1 (en) | Image processing method, electronic device and storage medium | |
CN111209827B (zh) | 一种基于特征检测的ocr识别票据问题的方法及系统 | |
CN113190781B (zh) | 页面布局方法、装置、设备及存储介质 | |
CN112396055B (zh) | 文本提取方法、装置、电子设备及存储介质 | |
CN110955590A (zh) | 界面检测方法、图像处理方法、装置、电子设备及存储介质 | |
CN109144392A (zh) | 一种处理手势冲突的方法、装置及电子设备 | |
CN116935430A (zh) | 图框识别方法、装置、电子设备和存储介质 | |
CN113205024B (zh) | 工程图纸的预处理方法、装置、电子设备和存储介质 | |
CN111709851B (zh) | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 | |
CN110989880B (zh) | 一种界面元素处理方法、装置及可读存储介质 | |
CN116703904A (zh) | 一种基于图像的钢筋数量检测方法、装置、设备及介质 | |
CN111783561A (zh) | 审图结果修正方法、电子设备及相关产品 | |
CN110363189B (zh) | 一种文档内容修复方法、装置、电子设备及可读存储介质 | |
CN110956170A (zh) | 生成护照机读码样本的方法、装置、设备及存储介质 | |
CN114550187A (zh) | 图纸中门窗的识别方法、装置、电子设备和存储介质 | |
CN113435289A (zh) | 空间分割方法、装置、设备及存储介质 | |
CN113392453B (zh) | 工程图纸中的空间提取方法、装置、电子设备和存储介质 | |
CN114283186A (zh) | 工程图纸中对象识别方法、装置、电子设备和存储介质 | |
CN113627143B (zh) | 一种表格创建方法、装置、电子设备及存储介质 | |
CN116259066A (zh) | 更新图纸中封闭区域的方法、装置、电子设备和存储介质 | |
CN115063829B (zh) | 非封闭区域识别方法、装置、设备及存储介质 | |
CN115171146A (zh) | 图纸和模型联动显示方法、装置、设备及存储介质 |
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 |