CN114494692A - 一种cad图纸上的全体住宅空间精准分割的方法 - Google Patents
一种cad图纸上的全体住宅空间精准分割的方法 Download PDFInfo
- Publication number
- CN114494692A CN114494692A CN202111530878.2A CN202111530878A CN114494692A CN 114494692 A CN114494692 A CN 114494692A CN 202111530878 A CN202111530878 A CN 202111530878A CN 114494692 A CN114494692 A CN 114494692A
- Authority
- CN
- China
- Prior art keywords
- cad
- primitives
- drawn
- space
- layer
- 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 20
- 238000010276 construction Methods 0.000 claims abstract description 26
- 238000013461 design Methods 0.000 claims abstract description 5
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 abstract description 2
- 239000007787 solid Substances 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种CAD图纸上的全体住宅空间精准分割的方法，该方法包括以下步骤：收集不同设计院设计的CAD施工图纸中绘制墙、柱、门、窗等的图层，以及CAD施工图纸中各种住宅空间标注的文本；对某张CAD图纸进行解析获取到若干图框，并可以获取到每个图框中所包含的图层，及每个图层绘制的图元，将每个图层包含的图元信息按照步骤S1中收集的图层归属的物体进行分类存储。本发明可以高效精准的分割图框中所有的住宅空间，弥补了CAD图纸中分割全体住宅空间的技术空白，为后续开展住宅空间研究，审查等提供了坚实的基础。
Description
技术领域
本发明涉及CAD图纸识别及传统图像处理技术领域，尤其涉及一种CAD图纸上的全体住宅空间精准分割的方法。
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(除了结构部分图纸外)遍布着各个住宅空间，而住宅空间之间的分界线明显，可作为施工/识图的一个基础单元，因此其的精准分割十分重要。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/空间，本发明正是针对CAD图纸中住宅空间的精准识别，提出了一种覆盖范围广，准确率高的全体住宅空间分割方法，并可粗略对分割后的住宅空间进行分类，判断空间用途为何。
发明内容
针对上述问题，本发明提供了一种CAD图纸上的全体住宅空间精准分割的方法。
为解决上述技术问题，本发明是通过以下技术方案实现的：本发明提供了一种CAD图纸上的全体住宅空间精准分割的方法，该方法包括以下步骤：
S1、收集不同设计院设计的CAD施工图纸中绘制墙、柱、门、窗等的图层，以及CAD施工图纸中各种住宅空间标注的文本；
S2、对某张CAD图纸进行解析获取到若干图框，并可以获取到每个图框中所包含的图层，及每个图层绘制的图元，将每个图层包含的图元信息按照步骤S1中收集的图层归属的物体进行分类存储；
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中获取到的墙、柱的图元按照步骤S3中的缩放比例同样进行缩放后，使用计算机python语言中的opencv库将所有图元使用亮色绘制在步骤S3创建的黑色底图上；
S5、对步骤S2中的门、窗图元信息分别进行整合，将互相间有重合的图元合并成1个构件；
S6、将构件与墙、柱图元进行比对，找寻最近的两个平行的墙、柱图元，并用这两个墙、柱图元的中点进行相连，得到能代表每个构件在空间分布情况中的土建连线；
S7、将土建连线按照步骤S3中的缩放比例，同步骤S4一样进行缩放后，使用opencv库绘制在步骤S4修改后的底图；
S8、对步骤S7中已经绘制了包含墙、柱、门窗对应土建连线的底图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S9、对步骤S2中解析出来的该图框内的所有文本，按照S1中收集的各类住宅空间的文本，使用正则匹配的方式，找到此文本对应的住宅空间类型，并将此空间类型所在的轮廓命名为此种类型。
优选的，所述步骤S1中的墙线通常绘制在墙、wall、等图层，门线通常绘制在门、door等图层。
优选的，所述步骤S1中的卧室空间可能写上主卧、客卧、客房等字，卫生间可能写上男卫、卫生间、干区、湿区等。
优选的，所述步骤S2中的图框具体包括：一层平面图。
优选的，所述步骤S2中每个图框中包含的图层包括：墙，柱子等图层，并且每个图层绘制的图元包括：直线型图元，弧线型图元等。
优选的，所述步骤S8中封闭轮廓需要挑选出面积大于一定阈值的轮廓从而排除调墙内空间外，得到的每个轮廓代表一个住宅空间。
优选的，所述步骤S9中正则匹配的方式为描述了一种字符串匹配的模式，可以用来检查一个字符串是否含有某种子串。
由上述对本发明的描述可知，和现有技术相比，本发明具有如下优点：
本发明一种CAD图纸上的全体住宅空间精准分割的方法，可以高效精准的分割图框中所有的住宅空间，弥补了CAD图纸中分割全体住宅空间的技术空白，为后续开展住宅空间研究，审查等提供了坚实的基础。
附图说明
图1是本发明步骤流程图；
图2是本发明实施例具体步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1-2所示，本发明提供一种CAD图纸上的全体住宅空间精准分割的方法，该方法包括以下步骤：
S1、收集不同设计院设计的CAD施工图纸中绘制墙、柱、门、窗等的图层，以及CAD施工图纸中各种住宅空间标注的文本；
S2、对某张CAD图纸进行解析获取到若干图框，并可以获取到每个图框中所包含的图层，及每个图层绘制的图元，将每个图层包含的图元信息按照步骤S1中收集的图层归属的物体进行分类存储；
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中获取到的墙、柱的图元按照步骤S3中的缩放比例同样进行缩放后，使用计算机python语言中的opencv库将所有图元使用亮色绘制在步骤S3创建的黑色底图上；
S5、对步骤S2中的门、窗图元信息分别进行整合，将互相间有重合的图元合并成1个构件；
S6、将构件与墙、柱图元进行比对，找寻最近的两个平行的墙、柱图元，并用这两个墙、柱图元的中点进行相连，得到能代表每个构件在空间分布情况中的土建连线；
S7、将土建连线按照步骤S3中的缩放比例，同步骤S4一样进行缩放后，使用opencv库绘制在步骤S4修改后的底图；
S8、对步骤S7中已经绘制了包含墙、柱、门窗对应土建连线的底图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S9、对步骤S2中解析出来的该图框内的所有文本，按照S1中收集的各类住宅空间的文本，使用正则匹配的方式，找到此文本对应的住宅空间类型，并将此空间类型所在的轮廓命名为此种类型。
其中，步骤S1中的墙线通常绘制在墙、wall、等图层，门线通常绘制在门、door等图层。
其中，步骤S1中的卧室空间可能写上主卧、客卧、客房等字，卫生间可能写上男卫、卫生间、干区、湿区等。
其中，步骤S2中的图框具体包括：一层平面图。
其中，步骤S2中每个图框中包含的图层包括：墙，柱子等图层，并且每个图层绘制的图元包括：直线型图元，弧线型图元等。
其中，步骤S8中封闭轮廓需要挑选出面积大于一定阈值的轮廓从而排除调墙内空间外，得到的每个轮廓代表一个住宅空。
其中，步骤S9中正则匹配的方式为描述了一种字符串匹配的模式，可以用来检查一个字符串是否含有某种子串。
本发明提供一种CAD图纸上的全体住宅空间精准分割的方法，可以在各种不同绘制方式中将全体住宅空间精准分割，覆盖范围广识别精准度高，分割后的各个空间可以便于用到后续的研究中，例如户型配置分布(一厨一卫等)，入户处是否存在过道、楼梯间，依据电梯是否相邻楼梯间判断是否是消防电梯等等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于，所述方法包括以下步骤：
S1、收集不同设计院设计的CAD施工图纸中绘制墙、柱、门、窗等的图层，以及CAD施工图纸中各种住宅空间标注的文本；
S2、对某张CAD图纸进行解析获取到若干图框，并可以获取到每个图框中所包含的图层，及每个图层绘制的图元，将每个图层包含的图元信息按照步骤S1中收集的图层归属的物体进行分类存储；
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中获取到的墙、柱的图元按照步骤S3中的缩放比例同样进行缩放后，使用计算机python语言中的opencv库将所有图元使用亮色绘制在步骤S3创建的黑色底图上；
S5、对步骤S2中的门、窗图元信息分别进行整合，将互相间有重合的图元合并成1个构件；
S6、将构件与墙、柱图元进行比对，找寻最近的两个平行的墙、柱图元，并用这两个墙、柱图元的中点进行相连，得到能代表每个构件在空间分布情况中的土建连线；
S7、将土建连线按照步骤S3中的缩放比例，同步骤S4一样进行缩放后，使用opencv库绘制在步骤S4修改后的底图；
S8、对步骤S7中已经绘制了包含墙、柱、门窗对应土建连线的底图，基于canny算子进行边缘检测，获取到所有的封闭轮廓；
S9、对步骤S2中解析出来的该图框内的所有文本，按照S1中收集的各类住宅空间的文本，使用正则匹配的方式，找到此文本对应的住宅空间类型，并将此空间类型所在的轮廓命名为此种类型。
2.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S1中的墙线通常绘制在墙、wall、等图层，门线通常绘制在门、door等图层。
3.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S1中的卧室空间可能写上主卧、客卧、客房等字，卫生间可能写上男卫、卫生间、干区、湿区等。
4.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S2中的图框具体包括：一层平面图。
5.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S2中每个图框中包含的图层包括：墙，柱子等图层，并且每个图层绘制的图元包括：直线型图元，弧线型图元等。
6.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S8中封闭轮廓需要挑选出面积大于一定阈值的轮廓从而排除调墙内空间外，得到的每个轮廓代表一个住宅空间。
7.根据权利要求1所述一种CAD图纸上的全体住宅空间精准分割的方法，其特征在于：所述步骤S9中正则匹配的方式为描述了一种字符串匹配的模式，可以用来检查一个字符串是否含有某种子串。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111530878.2A CN114494692A (zh) | 2021-12-15 | 2021-12-15 | 一种cad图纸上的全体住宅空间精准分割的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111530878.2A CN114494692A (zh) | 2021-12-15 | 2021-12-15 | 一种cad图纸上的全体住宅空间精准分割的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114494692A true CN114494692A (zh) | 2022-05-13 |
Family
ID=81493484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111530878.2A Pending CN114494692A (zh) | 2021-12-15 | 2021-12-15 | 一种cad图纸上的全体住宅空间精准分割的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494692A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883799A (zh) * | 2021-01-20 | 2021-06-01 | 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 |
| CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 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 |
| CN112989923A (zh) * | 2021-01-20 | 2021-06-18 | 上海品览智造科技有限公司 | 一种cad立面图中立面窗有无遮挡的精准判断的方法 |
-
2021
- 2021-12-15 CN CN202111530878.2A patent/CN114494692A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883799A (zh) * | 2021-01-20 | 2021-06-01 | 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 |
| CN112883798A (zh) * | 2021-01-20 | 2021-06-01 | 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 |
| CN112989923A (zh) * | 2021-01-20 | 2021-06-18 | 上海品览智造科技有限公司 | 一种cad立面图中立面窗有无遮挡的精准判断的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112883798B (zh) | 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 | |
| de las Heras et al. | CVC-FP and SGT: a new database for structural floor plan analysis and its groundtruthing tool | |
| Adán et al. | Scan-to-BIM for ‘secondary’building components | |
| Ochmann et al. | Automatic generation of structural building descriptions from 3D point cloud scans | |
| Khoshelham et al. | 3D modelling of interior spaces: Learning the language of indoor architecture | |
| Han et al. | Bottom-up/top-down image parsing with attribute grammar | |
| CN112883799B (zh) | 一种cad坡道大样图中坡道精准识别的方法 | |
| Díaz-Vilariño et al. | Indoor navigation from point clouds: 3D modelling and obstacle detection | |
| Lu et al. | Data-driven floor plan understanding in rural residential buildings via deep recognition | |
| 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 | |
| CN114022895B (zh) | 一种对建筑专业住宅平面图中户型的精准识别方法 | |
| CN112883801A (zh) | Cad配电系统图中住户配电箱系统图子图的精准识别方法 | |
| CN114550195A (zh) | 用于从建筑图纸中提取楼层平面图元素的机器学习技术 | |
| WO2023124160A1 (zh) | 一种自动生成三维房屋布局的方法、系统、装置及介质 | |
| CN114241509A (zh) | 基于施工图的空间分割方法、系统、存储介质及设备 | |
| CN112989923A (zh) | 一种cad立面图中立面窗有无遮挡的精准判断的方法 | |
| CN114022894B (zh) | 一种cad图纸中楼梯前室精准识别的方法 | |
| Xu et al. | 3D Scene interpretation by combining probability theory and logic: The tower of knowledge | |
| KR20230036327A (ko) | 패치기반의 딥러닝 알고리즘을 통한 실내도면 이미지에서의 실내공간정보 자동추출방법 및 그 장치 | |
| Mehranfar et al. | A hybrid top-down, bottom-up approach for 3D space parsing using dense RGB point clouds | |
| CN116578915B (zh) | 一种基于图神经网络的结构化户型解析方法和系统 | |
| CN114494692A (zh) | 一种cad图纸上的全体住宅空间精准分割的方法 | |
| CN113887510A (zh) | Cad平面图中一种识别一室户的所有套内空间的方法 | |
| Shi et al. | An innovative approach to determine building window-to-wall ratios for urban energy simulation | |
| CN114005134A (zh) | 一种基于深度学习的电气专业照明平面图内的构件识别方法 |
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 |