CN117593420A - 基于图像处理的平面图纸标注方法、装置、介质及设备 - Google Patents

Abstract

本申请提供一种基于图像处理的平面图纸标注方法、装置、介质及设备，涉及图像处理技术领域。其中方法包括：获取原始平面图纸对应的原始图像数据；使用图像分析算法对原始图像数据进行特征提取，得到关键特征信息；基于关键特征信息，识别出原始图像数据中的关键标注位置；将关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。本申请的技术方案能够通过提取关键特征信息，能够准确识别出关键标准位置，并能将关键标注位置的标注信息标注到原始平面图中上。能够提高标注效率和准确性，进而能够满足大规模项目对于平面图纸的快速标注需求。

Description

基于图像处理的平面图纸标注方法、装置、介质及设备

技术领域

本申请涉及图像处理领域，具体涉及一种基于图像处理的平面图纸标注方法、装置、介质及设备。

背景技术

随着基建事业的蓬勃发展，各种大型基础设施项目如雨后春笋般涌现。在这些项目的建设过程中，平面图纸作为指导施工的关键文件，其重要性不言而喻。从道路桥梁的设计，到楼宇建筑的整体规划，再到地下管网的布局，平面图纸都为施工提供了精确的指导和参考。

在实际的施工过程中，施工方往往需要带有批注的平面图纸才能进行相应的作业。相关技术中多采用计算机辅助设计软件（CAD）来进行平面图纸的标注，但这种方式仅为辅助人工的方式，标注速度仍然较慢。随着项目规模不断扩大，需要标注的平面图纸的数量也随之增加，相关技术中的标注方式显然无法满足大规模项目对于平面图纸的快速标注需求。

发明内容

本申请提供一种基于图像处理的平面图纸标注方法、装置、介质及设备，通过提取关键特征信息，能够准确识别出关键标准位置，并能将关键标注位置的标注信息标注到原始平面图中上。能够提高标注效率和准确性，进而能够满足大规模项目对于平面图纸的快速标注需求。

第一方面，本申请提供了一种基于图像处理的平面图纸标注方法，所述方法包括：

获取原始平面图纸对应的原始图像数据；

使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息；

基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置；

将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

通过采用上述技术方案，通过提取关键特征信息，能够准确识别出关键标准位置，并能将关键标注位置的标注信息标注到原始平面图中上。能够提高标注效率和准确性，进而能够满足大规模项目对于平面图纸的快速标注需求。

可选的，所述将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸，包括：

按照所述关键标注位置的种类将所述原始平面图纸划分为多个层级；

将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸；

将所述多个层级平面图纸进行叠加，得到目标平面图纸。

通过采用上述技术方案，将图纸划分为多个层级并分别进行标注，该方案可以更好地管理和操作平面图纸中的不同标注信息，提高后续标注的准确性和效率。最后，通过将多个层级平面图纸进行叠加得到目标平面图，能够提高目标平面图纸的完整性和可读性。

可选的，所述将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸，包括：

定义所述多个层级分别对应的标注样式，所述标注样式均不相同；

将所述关键标注位置的标注信息按照所述多个层级分别对应的标注样式，分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸。

通过采用上述技术方案，将关键标注位置的标注信息分别标注于多个层级上，得到多个层级分别对应的层级平面图纸的过程中，通过定义不同的标注样式，并按照层级对应的标注样式进行标注，能够提高工作效率。

可选的，所述将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸，还包括：

建立同一层级的所述标注信息之间的关联关系；

响应于用户点击目标标注信息的操作，显示与所述目标标注信息具有关联关系的标注信息。

通过采用上述技术方案，通过建立同一层级的标注信息之间的关联关系，使用户能够更方便地获取和理解图纸中的关联信息。具体来说，该方案通过定义不同的标注样式并根据层级进行标注，可以帮助设计和施工人员更快地理解和识别不同层级的标注信息，提高工作效率。

可选的，所述使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息，包括：

获取所述原始平面图纸需要提取的特征类型，确定特征类型对应的局部特征描述子；

使用所述局部特征描述子计算所述原始图像数据的局部特征向量；

使用全局特征提取算法提取所述原始图像数据中的全局特征向量；

对所述局部特征向量以及所述全局特征向量进行融合，得到关键特征信息。

通过采用上述技术方案，获取原始平面图纸需要提取的特征类型，确定特征类型对应的局部特征描述子，并使用全局特征提取算法提取原始图像数据中的全局特征向量。然后对局部特征向量和全局特征向量进行融合，得到关键特征信息，能够实现更准确的图像特征提取。

可选的，所述基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置，包括：

基于所述关键特征信息，匹配与所述关键特征信息对应的模板图像；

计算所述模板图像与所述原始图像数据的相似度，将相似度大于所设阈值的目标图像对应的位置确定为关键标注位置。

通过采用上述技术方案，通过对关键特征信息的提取和匹配，该方案可以在短时间内快速定位到关键标注位置，减少人工查找和标注的时间成本。同时，通过计算相似度和设定阈值，该方案可以减少标注错误和误差。

可选的，所述获取原始平面图纸对应的原始图像数据之后，还包括：

对所述原始图像数据进行预处理，得到去噪图像数据；

所述使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息，包括：

所述使用图像分析算法对所述去噪图像数据进行特征提取，得到关键特征信息。

通过采用上述技术方案，预处理原始图像数据可以去除噪声和干扰，改善图像质量，使得后续的特征提取更加准确和可靠。

第二方面，本申请提供了一种基于图像处理的平面图纸标注装置，所述装置包括：

数据获取模块，用于获取原始平面图纸对应的原始图像数据；

特征提取模块，用于使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息；

位置识别模块，用于基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置；

图纸生成模块，用于将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

第三方面，本申请提供了一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述任意一项方法。

第四方面，本申请提供了一种电子设备，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任意一项方法。

综上所述，本申请技术方案所带来的有益效果包括：

通过提取关键特征信息，能够准确识别出关键标准位置，并能将关键标注位置的标注信息标注到原始平面图中上。能够提高标注效率和准确性，进而能够满足大规模项目对于平面图纸的快速标注需求。

附图说明

图1是本申请实施例的一种基于图像处理的平面图纸标注方法的流程示意图；

图2是本申请实施例的一种基于图像处理的平面图纸标注装置的结构示意图；

图3是本申请实施例提供的一种电子设备的结构示意图。

附图标记说明：201、数据获取模块；202、特征提取模块；203、位置识别模块；204、图纸生成模块；300、电子设备；301、处理器；302、通信总线；303、用户接口；304、网络接口；305、存储器。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

首先对本申请的具体场景作简要说明，在实际的施工过程中，施工方需要参考带有批注的平面图纸来进行相应的作业。为了满足这种需求，目前多采用计算机辅助设计软件（CAD）来进行平面图纸的标注。然而，这种方式仅仅是辅助人工操作，标注速度仍然较慢，无法满足大规模项目对于平面图纸的快速标注需求。

随着项目规模的不断扩大，需要标注的平面图纸数量也随之增加。例如，在一个大型建筑工程中，设计师们需要将大量的标注信息添加到平面图纸中，以便为施工方提供详细的指示和参考。如果仍然采用传统的标注方式，这将是一个非常耗时且繁琐的过程。因此，相关技术中的标注方式已经无法满足大规模项目对于平面图纸的快速标注需求。

针对这一问题，本申请通过采用图像识别技术来自动识别平面图纸中的关键标注位置，并快速地将标注信息标注到原始平面图中，可以实现自动标注平面图纸中的关键标注位置，提高标注效率和准确性。

请参见图1，为本申请实施例提供的一种基于图像处理的平面图纸标注方法的流程示意图，该方法可依赖于计算机程序实现，可依赖于单片机实现，也可运行于基于冯诺依曼体系的基于图像处理的平面图纸标注装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。下面对基于图像处理的平面图纸标注方法的具体步骤做详细说明。

步骤S101：获取原始平面图纸对应的原始图像数据。

原始平面图纸是指需要进行标注的平面图纸，平面图纸是一种建筑图纸，它描述了建筑物的平面布局和空间结构，包括墙体、地面、天花板、门窗等元素的平面布置和尺寸。通常以轴线、尺寸等方式表示，以清晰地展示建筑物的大小、形状和空间关系。

需要注意的是平面图纸不仅限于水平方向的建筑图纸，对于复杂的建筑结构，平面图纸也可以是任意视角的图纸。另外，平面图纸的种类包括但不限于纸质图纸，也可以是BIM建筑绘图软件等行业内通用软件所能呈现的图纸。

原始平面图纸对应的原始图像数据是指将原始平面图纸进行图像采集之后得到的图像数据。相比于原始平面图纸，可能存在不同类型，在进行标注或识别的时候可能存在不兼容的情况，影响到后续的标注。因此将不同种类的原始平面图纸均转化为统一的原始图像数据，便于后续统一分析与处理。

具体的，原始图像数据的获取方式可以是使用图像采集技术或图像分析软件来实现，相关的图像采集技术已很成熟，在此不再赘述。

在一种可选的实施方式中，对原始图像数据进行预处理，得到去噪图像数据；使用图像分析算法对原始图像数据进行特征提取，得到关键特征信息，包括：使用图像分析算法对去噪图像数据进行特征提取，得到关键特征信息。

对原始图像数据进行预处理，具体可以包括去噪、增强、分割等操作，通过去除噪声和干扰，增强图像的对比度和清晰度，以及分割出图像的关键区域，从而更好地提取特征和进行分析。可以提高后续图像分析的准确性。

去噪算法可以有效地去除噪声和干扰，如中值滤波器、高斯滤波器和小波变换等。这些滤波器可以抑制噪声，减少干扰，提高图像的清晰度和可读性。增强算法可以增强图像的对比度和清晰度，使图像更加清晰、明亮。这可以通过对图像的直方图进行拉伸或者剪切来实现，或者通过调整像素值的范围来实现。分割算法可以基于像素的颜色、灰度值、纹理等特征来进行分割，如阈值分割、区域生长、边缘检测等。通过分割操作，可以将图像转化为一个二值图像或者多个二值图像的组合，从而更好地提取图像中的关键区域和对象。

步骤S102：使用图像分析算法对原始图像数据进行特征提取，得到关键特征信息。

关键特征信息是指原始图像数据中具有特定形状的特征信息，举例来说，例如在原始图像数据中的墙壁位置中间出现一段垂直向的短截线，这一关键特征信息对应于原始图像数据中的窗户。关键特征信息可以是图像中的边缘、线条、纹理、色彩等，这些特征可以描述图像中的重要信息和结构。

在一种可实现的实施方式中，获取原始平面图纸需要提取的特征类型，确定特征类型对应的局部特征描述子；使用局部特征描述子计算原始图像数据的局部特征向量；使用全局特征提取算法提取原始图像数据中的全局特征向量；对局部特征向量以及全局特征向量进行融合，得到关键特征信息。

原始平面图纸需要提取的特征类型是指用户提前设定的，原始平面图纸中具体哪些特征类型是需要进行标注的，通过这种方式能够实现对平面图纸可选择性的灵活标注。举例来说，特征类型可以是门窗，也可以是墙角。

局部特征描述子是一种用于图像处理和计算机视觉的技术，它通过提取和描述图像中的局部特征，实现图像特征的提取和匹配。局部特征描述子通常使用高斯函数或拉普拉斯算子等构建尺度空间，通过对图像进行不同尺度的高斯模糊或拉普拉斯滤波，得到不同尺度下的图像表示。在构建尺度空间后，局部特征描述子通过检测不同尺度空间中的局部极值点来提取关键点。这些关键点通常是图像中的边缘、角点等局部特征。基于关键点周围的像素信息，局部特征描述子可以计算出每个关键点的方向和尺度信息。这些信息可以反映图像中局部特征的形状和大小。局部特征描述子通过测量关键点周围像素的梯度方向和大小，将关键点周围的区域描述为局部特征向量。

全局特征提取算法通常着眼于图像的整体信息，捕捉图像中全局的统计特征或模式。这些方法通常考虑图像的颜色、纹理等全局属性，而不仅仅是局部的细节。常用的全局特征提取算法包括傅立叶变换、主成分分析（PCA）、线性判别分析（LDA）等。通过应用这些算法，可以将图像转化为一个全局特征向量，这个向量可以捕捉图像的整体特性。将局部特征向量和全局特征向量进行融合，是为了从不同的角度获取图像的特征信息，从而更全面地描述图像。从融合后的特征向量中提取最具代表性的特征，即为关键特征信息。

步骤S103：基于关键特征信息，识别出原始图像数据中的关键标注位置。

在获取关键特征信息之后，需要识别原始图像数据中包含这些关键特征信息的关键标注位置，即具体哪些位置需要进行标注。

具体的，基于关键特征信息，匹配与关键特征信息对应的模板图像；计算模板图像与原始图像数据的相似度，将相似度大于所设阈值的目标图像对应的位置确定为关键标注位置。

模板图像是指已经存在的、与待匹配图像具有一定相似性的图像。它可以是一种标准图像、已知图像或先前采集的图像。模板图像通常包含了某种特定的模式或特征，可以用来匹配和识别与之相似的图像。模板图像是能够突出关键特征信息的图像，相比于使用关键特征信息，使用模板图像与原始图像数据之间以图识图的方式，能够提高关键标注位置识别的准确性与效率。常见的匹配方法包括特征匹配、基于内容的图像匹配等。这些方法通常会计算关键特征之间的相似度或距离，以确定匹配程度。

在匹配了相应的模板图像后，接下来需要计算模板图像与原始图像数据的相似度。相似度计算是一种评估两个图像之间相似程度的方法，它可以帮助我们判断原始图像数据与模板图像是否相似。常见的相似度计算方法包括像素相似度、结构相似度、感知相似度等。

当相似度大于所设定的阈值时，我们可以认为该目标图像与模板图像匹配成功，并确定其位置为关键标注位置。

步骤S104：将关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

关键标注位置的标注信息是指关键标注位置的标注信息是指在图像中关键标注位置上附带的注释或标签。这些标注信息可以是文本、标签、边框、注释等，用于描述和标识图像中的关键部分或目标物体。

在一种可选的实施方式中，按照关键标注位置的种类将原始平面图纸划分为多个层级；将关键标注位置的标注信息分别标注于多个层级上，得到多个层级分别对应的层级平面图纸；将多个层级平面图纸进行叠加，得到目标平面图纸。

根据关键标注位置的种类，将原始平面图纸划分为多个不同的层级。每个层级可能对应于一种特定的关键标注位置类型，例如将门窗与墙角分为不同的层级。在将原始平面图纸划分为多个层级后，需要将关键标注位置的标注信息分别标注在每个层级的对应位置上。在图像分割任务中，可以标注不同区域的属性或类别。通过标注信息，可以更准确地识别和理解每个层级的特征和属性。将多个层级平面图纸进行叠加，得到目标平面图纸。这个过程类似于图像融合或合成的过程，将不同层级的特征和属性融合到一起，形成一个完整的图像表示。通过叠加多个层级平面图纸，可以保留每个层级的特征和属性信息，同时将它们整合到一个统一的平面图纸中。

具体的，定义多个层级分别对应的标注样式，标注样式均不相同；将关键标注位置的标注信息按照多个层级分别对应的标注样式，分别标注于多个层级上，得到多个层级分别对应的层级平面图纸。

不同的层级对应有不同的标注样式，这些标注样式可以包括不同的颜色、形状、大小和字体等，用于区分每个层级的标注信息。通过为每个层级定义独特的标注样式，可以更清晰地展示每个层级的特征和属性，并使标注信息更加易于识别和理解。举例来说，门窗层级的标注样式可以是使用绿色的字体进行标注，而墙角层级的标注样式可以是使用红色的字体进行标注，从而能够将不同层级的关键标注位置区分开来，便于用户快速了解标注信息。

可选的，建立同一层级的标注信息之间的关联关系；响应于用户点击目标标注信息的操作，显示与目标标注信息具有关联关系的标注信息。

关联关系可以基于标注信息的位置、类型、属性或其他相关因素。例如，在同一层级上，具有相邻位置的标注信息可能存在关联关系，因为它们描述的对象或区域在图像中是相邻的。此外，具有相同类型或属性的标注信息也可能存在关联关系，因为它们描述的内容具有相似性。

当用户对某个标注信息进行点击操作时，系统可以检测到这个操作并识别出目标标注信息。然后，系统可以搜索与目标标注信息具有关联关系的标注信息，并将这些关联信息显示给用户。例如，如果用户点击了一个关键目标标注信息，系统可以搜索与该目标标注信息相邻的其他标注信息，或者搜索具有相似属性或类型的其他标注信息，并将这些关联信息作为推荐或辅助信息显示给用户。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照申请方法实施例。

请参见图2，其示出了本申请一个示例性实施例提供的基于图像处理的平面图纸标注装置的结构示意图。该装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置包括数据获取模块201、特征提取模块202、位置识别模块203以及图纸生成模块204。

数据获取模块201，用于获取原始平面图纸对应的原始图像数据；

特征提取模块202，用于使用图像分析算法对原始图像数据进行特征提取，得到关键特征信息；

位置识别模块203，用于基于关键特征信息，识别出原始图像数据中的关键标注位置；

图纸生成模块204，用于将关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

可选的，数据获取模块201还包括预处理单元。

预处理单元，用于对原始图像数据进行预处理，得到去噪图像数据；使用图像分析算法对原始图像数据进行特征提取，得到关键特征信息，包括：使用图像分析算法对去噪图像数据进行特征提取，得到关键特征信息。

可选的，特征提取模块202还包括特征融合单元。

特征融合单元，用于获取原始平面图纸需要提取的特征类型，确定特征类型对应的局部特征描述子；使用局部特征描述子计算原始图像数据的局部特征向量；使用全局特征提取算法提取原始图像数据中的全局特征向量；对局部特征向量以及全局特征向量进行融合，得到关键特征信息。

可选的，位置识别模块203还包括目标图像匹配单元。

目标图像匹配单元，用于基于关键特征信息，匹配与关键特征信息对应的模板图像；计算模板图像与原始图像数据的相似度，将相似度大于所设阈值的目标图像对应的位置确定为关键标注位置。

可选的，图纸生成模块204还包括层级叠加单元，样式区分单元以及关联单元。

层级叠加单元，用于按照关键标注位置的种类将原始平面图纸划分为多个层级；将关键标注位置的标注信息分别标注于多个层级上，得到多个层级分别对应的层级平面图纸；将多个层级平面图纸进行叠加，得到目标平面图纸。

样式区分单元，用于定义多个层级分别对应的标注样式，标注样式均不相同；将关键标注位置的标注信息按照多个层级分别对应的标注样式，分别标注于多个层级上，得到多个层级分别对应的层级平面图纸。

关联单元，用于建立同一层级的标注信息之间的关联关系；响应于用户点击目标标注信息的操作，显示与目标标注信息具有关联关系的标注信息。

本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1所示实施例的基于图像处理的平面图纸标注方法，具体执行过程可以参加图1所示实施例的具体说明，在此不进行赘述。

请参见图3，为本申请实施例提供了一种电子设备的结构示意图。如图3所示，电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。

其中，通信总线302用于实现这些组件之间的连接通信。

其中，用户接口303可以包括标准的有线接口、无线接口。

其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器301可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。

其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及一种基于图像处理的平面图纸标注方法的应用程序。

在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储一种基于图像处理的平面图纸标注方法的应用程序，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个的方法。

一种电子设备可读存储介质，电子设备可读存储介质存储有指令。当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个的方法。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。

Claims (10)

1.一种基于图像处理的平面图纸标注方法，其特征在于，所述方法包括：

获取原始平面图纸对应的原始图像数据；

使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息；

基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置；

将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

2.根据权利要求1所述的方法，其特征在于，所述将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸，包括：

按照所述关键标注位置的种类将所述原始平面图纸划分为多个层级；

将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸；

将所述多个层级平面图纸进行叠加，得到目标平面图纸。

3.根据权利要求2所述的方法，其特征在于，所述将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸，包括：

定义所述多个层级分别对应的标注样式，所述标注样式均不相同；

将所述关键标注位置的标注信息按照所述多个层级分别对应的标注样式，分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸。

4.根据权利要求3所述的方法，其特征在于，所述将所述关键标注位置的标注信息分别标注于所述多个层级上，得到所述多个层级分别对应的层级平面图纸，还包括：

建立同一层级的所述标注信息之间的关联关系；

响应于用户点击目标标注信息的操作，显示与所述目标标注信息具有关联关系的标注信息。

5.根据权利要求1所述的方法，其特征在于，所述使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息，包括：

获取所述原始平面图纸需要提取的特征类型，确定特征类型对应的局部特征描述子；

使用所述局部特征描述子计算所述原始图像数据的局部特征向量；

使用全局特征提取算法提取所述原始图像数据中的全局特征向量；

对所述局部特征向量以及所述全局特征向量进行融合，得到关键特征信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置，包括：

基于所述关键特征信息，匹配与所述关键特征信息对应的模板图像；

计算所述模板图像与所述原始图像数据的相似度，将相似度大于所设阈值的目标图像对应的位置确定为关键标注位置。

7.根据权利要求1所述的方法，其特征在于，所述获取原始平面图纸对应的原始图像数据之后，还包括：

对所述原始图像数据进行预处理，得到去噪图像数据；

所述使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息，包括：

所述使用图像分析算法对所述去噪图像数据进行特征提取，得到关键特征信息。

8.一种基于图像处理的平面图纸标注装置，其特征在于，所述装置包括：

数据获取模块，用于获取原始平面图纸对应的原始图像数据；

特征提取模块，用于使用图像分析算法对所述原始图像数据进行特征提取，得到关键特征信息；

位置识别模块，用于基于所述关键特征信息，识别出所述原始图像数据中的关键标注位置；

图纸生成模块，用于将所述关键标注位置的标注信息标注于原始平面图纸上，生成目标平面图纸。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1~7任意一项所述的方法。

10.一种电子设备，其特征在于，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1~7任意一项所述的方法。