CN116704204A - 一种基于图形组合的轴网识别方法 - Google Patents
一种基于图形组合的轴网识别方法 Download PDFInfo
- Publication number
- CN116704204A CN116704204A CN202310424088.9A CN202310424088A CN116704204A CN 116704204 A CN116704204 A CN 116704204A CN 202310424088 A CN202310424088 A CN 202310424088A CN 116704204 A CN116704204 A CN 116704204A
- Authority
- CN
- China
- Prior art keywords
- network
- shaft
- axial
- line
- line segment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000001788 irregular Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000012795 verification Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图形组合的轴网识别方法，涉及图纸处理技术领域，解决了现有技术难以准确挖掘轴网特征，无法实现轴网信息快速提取和匹配的技术问题；本发明对若干单线段进行线段处理获取原始线段，从原始线段中筛选出目标线段；再根据目标线段的数量和分布状态确定对应的轴网图层；本发明通过轴网中轴线的绘制规范定位轴网图层，为轴网识别的准确识别奠定数据基础；本发明判断若干纵线中是否存在与任一横线非垂直的纵线，或者判断若干横线中是否存在于任意纵线非垂直的横线；是，则判定轴网区域不规则；否，则判定轴网区域规则；根据判断结果生成轴网标识序列；本发明简化了轴网特征，有利于目标图纸的自动化导入以及与其他图纸的匹配对比。
Description
技术领域
本发明属于图纸处理领域，涉及基于图形组合的轴网识别技术，具体是一种基于图形组合的轴网识别方法。
背景技术
在绘制建筑图纸时，一般需要绘制轴网。轴网是由轴线组成的网，而轴线是建筑图纸中定位放线的重要依据，主要是为了明确建筑物的某一部分并清楚表面局部与整体的关系。因此，轴线和轴网的识别非常重要。
在建筑图纸的轴网识别中，主要根据建筑图纸中提取的图元信息来识别轴线，根据轴线数量来定位轴网图层，在轴网图层中识别获取轴网信息，在建筑图纸较为复杂且绘制不够规范时，来提高轴网识别的通用性。但根据轴网图层识别出的轴网信息仍由标号和尺寸组成，在轴网信息复杂的情况下，难以实现建筑图纸中轴网信息的快速提取和匹配；因此，亟须一种基于图形组合的轴网识别方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于图形组合的轴网识别方法，用于解决现有技术在轴网识别过程中，难以准确挖掘轴网特征，无法实现轴网信息快速提取和匹配的技术问题。
为实现上述目的，本发明的第一方面提供了一种基于图形组合的轴网识别方法，包括：
获取待识别建筑图纸并标记为目标图纸，提取目标图纸的图元数据；其中，图元数据为目标图纸的基本图形元素，包括点、线段、文字和形状；
根据图元数据确定轴网图层，在轴网图层中提取轴网数据；其中，轴网数据包括若干轴线、对应的标号和各相邻轴线之间的标注尺寸；
基于轴网数据整体识别轴网形状，判断轴网区域是否规则；是，基于轴网数据生成轴网标识序列；否，单独识别轴网形状，综合识别结果获取轴网识别序列。
优选的，所述根据图元数据确定轴网图层，包括：
识别解析图元数据，获取若干单线段；对若干单线段进行线段处理获取原始线段；其中，线段处理包括长度筛选和重复剔除；
判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求；是，将原始线段标记为目标线段；否，则不对原始线段进行标记；
根据目标线段的数量以及分布状态确定轴网图层。
优选的，所述判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求，包括：
基于预设长度延长原始线段，获取延长线段；获取延长线段两端与两端标号圆之间的距离之和，并标记为LJH；其中，距离之和为矢量数据；
通过公式JPX=α×LJH获取距离评估系数JPX；当距离评估系数小于等于距离评估阈值时，则判定满足距离要求；其中，α为大于0的比例系数。
优选的，所述根据目标线段的数量以及分布状态确定轴网图层，包括：
提取各图纸图层中的目标线段数量；基于目标线段的数量大小对图纸图层进行排序，获取图层序列；其中，图层序列中目标数量越多则图纸图层排序靠前；
依次分析图层序列中各图纸图层中目标线段的分布状态是否满足要求；是，则将对应图纸图层标记为轴网图层；否，继续分析。
优选的，所述基于轴网数据整体识别轴网形状，判断轴网区域是否规则，包括：
获取轴网数据，识别轴网数据获取若干轴线；其中，轴线包括纵线和横线；
判断若干纵线中是否存在与任一横线非垂直的纵线，或者判断若干横线中是否存在于任意纵线非垂直的横线；是，则判定轴网区域不规则；否，则判定轴网区域规则。
优选的，所述基于轴网数据生成轴网标识序列，包括：
基于轴网数据获取若干纵线的标号范围和对应的标号距离，以及若干横线对应的标号范围和对应的标号距离；
根据标号范围以及标号距离整合生成轴网标识序列。
优选的，所述单独识别轴网形状，综合识别结果获取轴网识别序列，包括：
基于轴网形状的判定结果提取非垂直纵线和横线组合对应的轴网区域，标记为非常规区域；提取垂直的纵线和横线组合对应的轴网内容，标记为规则区域；
基于规则形状和非规则形状中纵线和横线的分布顺序生成轴网标识序列。
优选的，所述基于规则区域和非规则区域中纵线和横线的分布顺序生成轴网标识序列，包括：
基于纵线或者横线的标号顺序对规则区域和非规则区域进行排序；
根据排序结果依次获取规则区域或者非规则区域的标号范围以及对应的标号距离；同时获取规则区域与非规则区域连接处的偏转角度；
整合标号范围、标号距离以及对应的偏转角度生成轴网标识序列。
与现有技术相比，本发明的有益效果是：
1.本发明提取待识别建筑图纸中的图元数据；识别解析图元数据，获取若干单线段；对若干单线段进行线段处理获取原始线段，从原始线段中筛选出目标线段；再根据目标线段的数量和分布状态确定对应的轴网图层；本发明能够通过轴网中轴线的绘制规范定位轴网图层，为轴网识别的准确识别奠定数据基础。
2.本发明获取轴网数据，识别轴网数据获取若干轴线；判断若干纵线中是否存在与任一横线非垂直的纵线，或者判断若干横线中是否存在于任意纵线非垂直的横线；是，则判定轴网区域不规则；否，则判定轴网区域规则；根据判断结果生成轴网标识序列；本发明中轴网标识序列简化轴网特征，有利于目标图纸的自动化导入以及与其他图纸的匹配对比。
附图说明
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，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为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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，本发明第一方面实施例提供了一种基于图形组合的轴网识别方法，包括：获取待识别建筑图纸并标记为目标图纸，提取目标图纸的图元数据；根据图元数据确定轴网图层，在轴网图层中提取轴网数据；基于轴网数据整体识别轴网形状，判断轴网区域是否规则；是，基于轴网数据生成轴网标识序列；否，单独识别轴网形状，综合识别结果获取轴网识别序列。
本发明中的图元数据为目标图纸的基本图形元素，主要包括点、线段、文字和形状等。根据图元数据能够提取出目标图纸中的各种元素，根据识别需要整合分析对应元素即可。轴网数据包括若干轴线、对应的标号和各相邻轴线之间的标注尺寸；本发明中的轴线包括纵线(竖直方向上的线)和横线(水平方向上的线)，但是纵线不是严格竖直的，横线也不是严格水平的。轴线标号是有现行规范的，如纵线用字母，横线用数字。
在一个优选的实施例中，根据图元数据确定轴网图层，包括：识别解析图元数据，获取若干单线段；对若干单线段进行线段处理获取原始线段；判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求；是，将原始线段标记为目标线段；否，则不对原始线段进行标记；根据目标线段的数量以及分布状态确定轴网图层。
在进行图纸绘制过程中，会根据需要建立不同的图层，每个图层中包含的元素不一样。为了保证轴网识别的准确性和效率，需要优先确定轴网所在图层。轴网图层的确定基础之一是提取轴线，而轴线的要素包括轴线长度和轴线标号。需要说明的是，线段处理包括长度筛选和重复剔除等，具体操作方法可参考公开号为CN114282288A的中国发明专利公开的轴网识别方法、装置、设备及存储介质。
在一个可选的实施例中，判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求，包括：基于预设长度延长原始线段，获取延长线段；获取延长线段两端与两端标号圆之间的距离之和，并标记为LJH；通过公式JPX=α×LJH获取距离评估系数JPX；当距离评估系数小于等于距离评估阈值时，则判定满足距离要求。
在获取原始线段之后，根据预设长度延长原始线段。延长之后原始线段的长度应该为轴线的长度，因此预设长度需要根据目标图纸的相关绘制参数来确定。在二维空间(或者三维空间)获取延长后原始线段两端与距离最近的标号圆圆心之间的距离之和，基于距离之和计算获取距离评估系数。当距离评估系数满足要求时，则判定原始线段满足要求，此时将原始线段标记为目标线段。
需要说明的是，距离之和为矢量数据。距离之和是延长后的原始线段两端分别与距离最近的标号圆圆心之间的距离，因此选择原始线段延长线的其中一个方向作为矢量方向。
显然，轴网图层中的目标线段是最多的，但是难免其他构件图层也会存在大量的疑似的目标线段。因此还需要结合其他条件来确定轴线图层。
在一个可选的实施例中，根据目标线段的数量以及分布状态确定轴网图层，包括：提取各图纸图层中的目标线段数量；基于目标线段的数量大小对图纸图层进行排序，获取图层序列；依次分析图层序列中各图纸图层中目标线段的分布状态是否满足要求；是，则将对应图纸图层标记为轴网图层；否，继续分析。
将目标图纸的各图纸图层按照目标线段数量来进行排序，之后对各图纸图层中的轴线分布状态进行识别，当轴线分布状态也满足要求时，则对应图纸图层即为轴线图层。需要说明的是，轴线分布状态主要是分析轴线中纵线和横线分布是否符合规范要求，如轴线尽可能分布在构件周围，不会在某一区域过于拥挤。
在一个优选的实施例中，基于轴网数据整体识别轴网形状，判断轴网区域是否规则，包括：获取轴网数据，识别轴网数据获取若干轴线；判断若干纵线中是否存在与任一横线非垂直的纵线，或者判断若干横线中是否存在于任意纵线非垂直的横线；是，则判定轴网区域不规则；否，则判定轴网区域规则。
从轴网数据中提取若干纵线和若干横线，本发明中的规则轴网是横线是水平线，而纵线垂直于横线。本实施例中通过判断横线与纵线是否垂直来判断对应的轴网区域是否规则。在实际判断过程中，选择一条完全水平的横线作为标准轴线，判断其他横线是否与标准轴线平行，其他纵线是否与标准轴线垂直。
举例说明如何判断轴网区域是否规则：假设目标图纸中分别绘制了两个构件，一个水平绘制的长方形，上面接着绘制了一个三角形，三角形的一条边与长方形的上边重合；则长方形对应的轴线属于横平竖直的，但是三角形的轴线则相对会发生倾斜，因此长方形对应的轴线区域属于规则区域，而三角形对应的轴线区域属于非规则区域。
在一个可选的实施例中，基于轴网数据生成轴网标识序列，包括：基于轴网数据获取若干纵线的标号范围和对应的标号距离，以及若干横线对应的标号范围和对应的标号距离；根据标号范围以及标号距离整合生成轴网标识序列。
如上述例子中仅存在长方形时，假设对应纵线的标号为A、B、C，对应的标号距离(A-C的垂直距离)为100；对应横线的标号为1、2、3，对应的标号距离(1-3的水平距离)为200；则生成的轴网标识序列为[(3，100)，(3，200)]；轴网标识序列中的3指的是标号数量，横线标号默认从1开始，纵线标号默认从A开始。
在一个可选的实施例中，单独识别轴网形状，综合识别结果获取轴网识别序列，包括：基于轴网形状的判定结果提取非垂直纵线和横线组合对应的轴网区域，标记为非常规区域；提取垂直的纵线和横线组合对应的轴网内容，标记为规则区域；基于规则形状和非规则形状中纵线和横线的分布顺序生成轴网标识序列。
如假设目标图纸中分别绘制了两个构件，一个水平绘制的长方形，上面接着绘制了一个三角形。长方形对应的纵线的标号为A、B、C，对应的标号距离(A-C的垂直距离)为100，对应横线的标号为1、2、3，对应的标号距离(1-3的水平距离)为200；三角形对应的纵线标号为D、E，对应的标号距离(D-E的垂直距离)，对应的标号距离50，对应的横线标号为4、5，横线标号距离为(4-5的水平距离)为30；且长方形和三角形的横线平行，纵线C和D之间的夹角为30°。则整合生成的轴网标识序列为[[(A、B、C),100],[(1、2、3),200],[(D、E、C),50],[(4、5),30],[(C,D),30]]。
轴网识别的其中一个作用是为了方便对比验证。本发明中的轴网标识序列包含了目标图纸中轴网的特征部分，对轴网特征部分的整体或者局部进行对比即可完成验证，而不需要对所有轴网数据逐一验证，实现了轴网信息的快速匹配和对比验证。
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：
获取待识别建筑图纸并标记为目标图纸，提取目标图纸的图元数据；根据图元数据确定轴网图层，在轴网图层中提取轴网数据。
基于轴网数据整体识别轴网形状，判断轴网区域是否规则；是，基于轴网数据生成轴网标识序列；否，单独识别轴网形状，综合识别结果获取轴网识别序列。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种基于图形组合的轴网识别方法，其特征在于，包括：
获取待识别建筑图纸并标记为目标图纸，提取目标图纸的图元数据；其中，图元数据为目标图纸的基本图形元素，包括点、线段、文字和形状；
根据图元数据确定轴网图层，在轴网图层中提取轴网数据；其中，轴网数据包括若干轴线、对应的标号和各相邻轴线之间的标注尺寸；
基于轴网数据整体识别轴网形状，判断轴网区域是否规则；是，基于轴网数据生成轴网标识序列；否，单独识别轴网形状，综合识别结果获取轴网识别序列。
2.根据权利要求1所述的一种基于图形组合的轴网识别方法，其特征在于，所述根据图元数据确定轴网图层，包括：
识别解析图元数据，获取若干单线段；对若干单线段进行线段处理获取原始线段；其中，线段处理包括长度筛选和重复剔除；
判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求；是，将原始线段标记为目标线段；否，则不对原始线段进行标记；
根据目标线段的数量以及分布状态确定轴网图层。
3.根据权利要求2所述的一种基于图形组合的轴网识别方法，其特征在于，所述判断原始线段与对应直线上的两个标号圆之间的距离差异是否满足距离要求，包括：
基于预设长度延长原始线段，获取延长线段；获取延长线段两端与两端标号圆之间的距离之和，并标记为LJH；其中，距离之和为矢量数据；
通过公式JPX=α×LJH获取距离评估系数JPX；当距离评估系数小于等于距离评估阈值时，则判定满足距离要求；其中，α为大于0的比例系数。
4.根据权利要求2所述的一种基于图形组合的轴网识别方法，其特征在于，所述根据目标线段的数量以及分布状态确定轴网图层，包括：
提取各图纸图层中的目标线段数量；基于目标线段的数量大小对图纸图层进行排序，获取图层序列；其中，图层序列中目标数量越多则图纸图层排序靠前；
依次分析图层序列中各图纸图层中目标线段的分布状态是否满足要求；是，则将对应图纸图层标记为轴网图层；否，继续分析。
5.根据权利要求1所述的一种基于图形组合的轴网识别方法，其特征在于，所述基于轴网数据整体识别轴网形状，判断轴网区域是否规则，包括：
获取轴网数据，识别轴网数据获取若干轴线；其中，轴线包括纵线和横线；
判断若干纵线中是否存在与任一横线非垂直的纵线，或者判断若干横线中是否存在于任意纵线非垂直的横线；是，则判定轴网区域不规则；否，则判定轴网区域规则。
6.根据权利要求1所述的一种基于图形组合的轴网识别方法，其特征在于，所述基于轴网数据生成轴网标识序列，包括：
基于轴网数据获取若干纵线的标号范围和对应的标号距离，以及若干横线对应的标号范围和对应的标号距离；
根据标号范围以及标号距离整合生成轴网标识序列。
7.根据权利要求1所述的一种基于图形组合的轴网识别方法，其特征在于，所述单独识别轴网形状，综合识别结果获取轴网识别序列，包括：
基于轴网形状的判定结果提取非垂直纵线和横线组合对应的轴网区域，标记为非常规区域；提取垂直的纵线和横线组合对应的轴网内容，标记为规则区域；
基于规则形状和非规则形状中纵线和横线的分布顺序生成轴网标识序列。
8.根据权利要求7所述的一种基于图形组合的轴网识别方法，其特征在于，所述基于规则区域和非规则区域中纵线和横线的分布顺序生成轴网标识序列，包括：
基于纵线或者横线的标号顺序对规则区域和非规则区域进行排序；
根据排序结果依次获取规则区域或者非规则区域的标号范围以及对应的标号距离；同时获取规则区域与非规则区域连接处的偏转角度；
整合标号范围、标号距离以及对应的偏转角度生成轴网标识序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310424088.9A CN116704204B (zh) | 2023-04-20 | 2023-04-20 | 一种基于图形组合的轴网识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310424088.9A CN116704204B (zh) | 2023-04-20 | 2023-04-20 | 一种基于图形组合的轴网识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116704204A true CN116704204A (zh) | 2023-09-05 |
| CN116704204B CN116704204B (zh) | 2024-01-05 |
Family
ID=87832907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310424088.9A Active CN116704204B (zh) | 2023-04-20 | 2023-04-20 | 一种基于图形组合的轴网识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116704204B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117473633A (zh) * | 2023-12-26 | 2024-01-30 | 合肥坤颐建筑科技合伙企业(有限合伙) | 轴网生成方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08180082A (ja) * | 1994-12-21 | 1996-07-12 | Takenaka Komuten Co Ltd | 建築図面作成装置 |
| CN108197348A (zh) * | 2017-12-11 | 2018-06-22 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工程中面构件误差纠正处理方法及装置 |
| CN109685019A (zh) * | 2018-12-27 | 2019-04-26 | 福建省晨曦信息科技股份有限公司 | 一种构件识别方法、电子设备及存储介质 |
| CN111859495A (zh) * | 2019-04-23 | 2020-10-30 | 巧夺天宫（深圳）科技有限公司 | 一种轴网创建方法、装置、服务器及计算机可读存储介质 |
| CN112613088A (zh) * | 2020-12-18 | 2021-04-06 | 湖南特能博世科技有限公司 | 图形识别方法、图形识别装置及计算机设备 |
| CN114282288A (zh) * | 2021-11-29 | 2022-04-05 | 万翼科技有限公司 | 轴网识别方法、装置、设备及存储介质 |
| CN114399784A (zh) * | 2022-01-20 | 2022-04-26 | 广东博智林机器人有限公司 | 一种基于cad图纸的自动识别方法及装置 |
| CN114565930A (zh) * | 2022-02-23 | 2022-05-31 | 东南大学 | 一种基于形态学处理的电气厂站接线图纸母线识别方法 |
| CN115309846A (zh) * | 2022-10-10 | 2022-11-08 | 中南大学 | 一种基于平行系数的道路网结构识别方法 |
-
2023
- 2023-04-20 CN CN202310424088.9A patent/CN116704204B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08180082A (ja) * | 1994-12-21 | 1996-07-12 | Takenaka Komuten Co Ltd | 建築図面作成装置 |
| CN108197348A (zh) * | 2017-12-11 | 2018-06-22 | 杭州品茗安控信息技术股份有限公司 | 一种建筑工程中面构件误差纠正处理方法及装置 |
| CN109685019A (zh) * | 2018-12-27 | 2019-04-26 | 福建省晨曦信息科技股份有限公司 | 一种构件识别方法、电子设备及存储介质 |
| CN111859495A (zh) * | 2019-04-23 | 2020-10-30 | 巧夺天宫（深圳）科技有限公司 | 一种轴网创建方法、装置、服务器及计算机可读存储介质 |
| CN112613088A (zh) * | 2020-12-18 | 2021-04-06 | 湖南特能博世科技有限公司 | 图形识别方法、图形识别装置及计算机设备 |
| CN114282288A (zh) * | 2021-11-29 | 2022-04-05 | 万翼科技有限公司 | 轴网识别方法、装置、设备及存储介质 |
| CN114399784A (zh) * | 2022-01-20 | 2022-04-26 | 广东博智林机器人有限公司 | 一种基于cad图纸的自动识别方法及装置 |
| CN114565930A (zh) * | 2022-02-23 | 2022-05-31 | 东南大学 | 一种基于形态学处理的电气厂站接线图纸母线识别方法 |
| CN115309846A (zh) * | 2022-10-10 | 2022-11-08 | 中南大学 | 一种基于平行系数的道路网结构识别方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117473633A (zh) * | 2023-12-26 | 2024-01-30 | 合肥坤颐建筑科技合伙企业(有限合伙) | 轴网生成方法、装置、设备及存储介质 |
| CN117473633B (zh) * | 2023-12-26 | 2024-04-02 | 合肥坤颐建筑科技合伙企业(有限合伙) | 轴网生成方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116704204B (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107633516B (zh) | 一种识别路面变形类病害的方法和装置 | |
| CN110909732B (zh) | 一种图中数据的自动提取方法 | |
| CN116704204B (zh) | 一种基于图形组合的轴网识别方法 | |
| CN105787486B (zh) | 一种基于图像处理的钢梁裂纹检测方法 | |
| CN109444169A (zh) | 一种轴承缺陷检测方法及系统 | |
| CN110910343A (zh) | 路面裂缝检测的方法、装置及计算机设备 | |
| CN108197668A (zh) | 模型数据集的建立方法及云系统 | |
| CN107292936B (zh) | 一种汉字字体矢量化方法 | |
| CN106529550A (zh) | 基于连通域分析的多维特征量提取方法及装置 | |
| CN111145157B (zh) | 基于高分辨率遥感影像的路网数据自动化质量检查方法 | |
| CN108052886A (zh) | 一种小麦条锈病菌夏孢子自动统计计数方法 | |
| CN109215009A (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
| Bhandarkar et al. | Automated planning and optimization of lumber production using machine vision and computed tomography | |
| CN101915570A (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
| CN107025647A (zh) | 图像篡改取证方法及装置 | |
| CN109359680B (zh) | 爆破岩块自动识别和块度特征提取方法及装置 | |
| Ying et al. | Research on an automatic counting method for steel bars' image | |
| CN113743483B (zh) | 一种基于空间平面偏移分析模型的道路点云误差场景分析方法 | |
| CN112001359B (zh) | 基于模式识别和最优分配的启发式多叉线修补方法 | |
| CN115082444A (zh) | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 | |
| CN109099867A (zh) | 一种基于几何形态信息的宝石认证和识别系统及方法 | |
| CN114332006A (zh) | 一种城垛缺失自动定量评估方法 | |
| CN110070520B (zh) | 基于深度神经网络的路面裂缝检测模型构建及检测方法 | |
| CN109326004B (zh) | 一种水系沉积物采样点的自动化布置方法 | |
| CN116907350B (zh) | 单开道岔几何形位测量方法、装置、电子设备及存储介质 |
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 |