JP3701778B2 - 建築図面認識方法及び建築図面認識装置 - Google Patents
建築図面認識方法及び建築図面認識装置 Download PDFInfo
- Publication number
- JP3701778B2 JP3701778B2 JP26863497A JP26863497A JP3701778B2 JP 3701778 B2 JP3701778 B2 JP 3701778B2 JP 26863497 A JP26863497 A JP 26863497A JP 26863497 A JP26863497 A JP 26863497A JP 3701778 B2 JP3701778 B2 JP 3701778B2
- Authority
- JP
- Japan
- Prior art keywords
- wall
- image
- image data
- dot
- recognition
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Description
【発明の属する技術分野】
この発明は、建設業界で広く使用されている戸建て家屋,アパート,マンション,旅館,ホテル,店舗,オフィスビル等の建物の建築図面中の「流し(台所の流し,洗面台の流し等)及び浴室のバスタブ」(総称して「シンク」ともいう)のような建築図面中のパターンモデルを認識する建築図面認識方法及び建築図面認識装置に関する。
【0002】
【従来の技術】
近年、CADシステム等を用いて、家屋やビル等の建築図面を容易に作成したり、そのデータを記憶させておいて設計変更や増改築等の際に利用することは行なわれている。しかし、その建築図面のデータには、作成したシステムにより互換性がなく、期間の経過や業者の変更により利用できなくなる。また、家屋の増改築等を行なう場合には、紙に描かれた古い建築図面しかない場合が多く、増改築によって変更しない部分も含めて、建築図面を全て描きなおさなければならなかった。
【0003】
そこで、紙に描かれた建築図面を読み取って、コンピュータで処理できるデータとして認識して記憶させることも試みられているが、そのための特別な方法や装置はなく、建築図面をイメージスキャナで読み取り、そのイメージ画像データをパーソナルコンピュータ等に入力させて、一般の図形認識機能を利用して線分認識やパターン認識を行なっている。
【0004】
あるいはさらに、高機能の図形エディタを補助に使うことによって図形認識機能をレベルアップし、自動認識機能が多少不完全な場合でも、例えばラスタ・ベクタ変換することにより直線や円弧等の基本線図を自動認識できるようにしたものもある。
【0005】
【発明が解決しようとする課題】
しかしながら、このような従来の図面認識装置は、高度の操作知識等を必要とし、パソコンなどを使い慣れている人や専門のオペレータに利用が限定され、建築図面を頻繁に使用する業界関係者にとって、決して使い勝手のよいものであるとはいえなかった。
【0006】
また、直線や円弧等の基本線図は自動認識することができるが、基本線図の組み合わせ等からなる建築図面特有の図形シンボル(例えば、壁や柱等)を個別に認識をすることはできなかった。そのため、認識した図面を修正する際には線分毎に行なわなければならず、多くの手間を要していた。
【0007】
さらに、建築業において使用される家屋やビル等の建築図面は、その図面上の各線分が人間の目には同じ大きさの連続線として見えても、厳密に見れば太さも一様でなく、軌跡もゆらいでいる。また、連続線のはずであっても所々切れている場合もある。これらの不完全さは作図時のみならず、用紙の経年変化や読み取り時の誤差などからも生じるものである。そのため、例えば線分として認識できる太さの限界があまり細いと、わずかなかすれでも線分が切れていると認識してしまう。また太めの線分を長方形のように認識してしまうこともある。
【0008】
これは、原図の品質は勿論であるが、感光紙を使用したいわゆる青焼き図面のようにコントラストが低い(黒と白の境界がはっきりしない)図面が多く、さらにその青焼きの特徴である細かな点が表面に現れるため、従来の図面認識装置では精度の高い自動認識をすることは困難であり、その修正に多くの手間を要するので殆ど実用にならなかった。
【0009】
ところで、家屋の建築図面では間取りを仕切る壁が図面の中心的役割を果たし、図面中のどの部分が壁であるかを認識することによって、建築図面のおおよその間取りを理解することができる。従って、図面中の壁の位置及びその長さを認識することは、建築図面を認識する上で最も重要な事項である。
【0010】
また、この建築図面の中から、流し及びバスタブ(それを設置した台所,洗面所,浴室等の室も)を認識するには、その間取りの大きさ(1〜6帖前後)や形(長方形,正方形及び不定形など)、及び内部に「シンク設備」の描画や「台所」,「洗面所」及び「浴室」,「風呂」等の記述の有る/無しなどで判断することが多い。
【0011】
従って、青焼きなどの建築図面から「シンク」を認識する時、図面中の壁の位置及びその長さから間取りを認識し、その間取りの中から「シンク設備」に該当するものを認識するという、「壁」認識→「間取り」認識→「シンク」認識の連携が、確実に出来るか否かが重要な鍵になる。
【0012】
しかし、従来の建築図面中からの「シンク」の認識方法では、次のような問題があった。
(1)輪郭線追跡方法では、カスレや凹凸が多いと途切れた直線として認識され、あるいは2本や3本に分かれた直線として認識されてしまって、正確に認識できなかった。
【0013】
(2)黒ドットの度数分布から求める射影特徴抽出方法では、線が細いと水平及び垂直方向の直線を見つけ出すとき、線が少しでも傾いていると特徴抽出ができなくなってしまい、直線や連続した線の認識ができなくなっていた。
このような理由で、「シンク」認識処理途中の「間取り」や「シンク設備」の形状が認識できなかった。
【0014】
この発明は上記の点に鑑みてなされたものであり、CADや手書きにより曲線などを駆使した流し及びバスタブの画像表現を含む建築図面、またその青焼き図面など、線が途切れたり多少傾いた直線で紙に描かれた建築図面を読み取ったイメージ画像データ、あるいはそれらのランレングスを符号化した符号化画像データからでも、その建築図面の輪郭や骨格である「壁」を認識し、それから「間取り」を認識した後、「流し及びバスタブ(シンク)」のようなパターンモデルを精度よく自動認識できるようにすることを目的とする。
【0015】
【課題を解決するための手段】
この発明は上記の目的を達成するため、次のような建築図面認識方法及び建築図面認識装置を提供する。
【0016】
この発明による建築図面認識方法は、建築図面の画像を読み取ったイメージ画像データの水平及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成し、その作成した両方向のドット数計測配列データに基づいて建築図面の輪郭及び骨格を認識し、パターンモデルの形状基準点と複数の特徴点とを記憶し、上記認識した輪郭及び骨格で囲まれた領域内の各ドットを調査し、上記計測を行った色の各ドットについて、その各ドットからそのドットを上記パターンモデルの特徴点とみなして上記パターンモデルの形状基準点に当たる座標に投票を行い、上記領域内の各座標のうち投票された数が最も多かった座標を上記パターンモデルの形状基準点に相当する基準候補点とし、その基準候補点と上記パターンモデルの形状基準点の位置を重ね合わせて、上記パターンモデルが有する複数の特徴点と上記基準候補点を求めた領域内の該特徴点に該当するドットとをマッチングし、そのマッチングの結果に応じて上記イメージ画像中の上記パターンモデルを認識することを特徴とする。
【0018】
また、この発明による建築図面認識装置は、建築図面の画像を読み取ったイメージ画像データを入力する画像データ入力手段と、
該手段によって入力したイメージ画像データの水平方向及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成するドット数計測配列データ作成手段と、
該手段により作成されたドット数計測配列データに基づいて建築図面の輪郭及び骨格を認識する輪郭・骨格認識手段と、
パターンモデルの形状基準点と複数の特徴点とを記憶する手段と、
上記輪郭・骨格認識手段が認識した輪郭及び骨格で囲まれた領域内の各ドットを調査し、上記計測を行った色の各ドットについて、その各ドットからそのドットを上記パターンモデルの特徴点とみなして上記パターンモデルの形状基準点に当たる座標に投票を行い、上記領域内の各座標のうち投票された数が最も多かった座標を上記パターンモデルの形状基準点に相当する基準候補点とし、その基準候補点と上記パターンモデルの形状基準点の位置を重ね合わせて、上記パターンモデルが有する複数の特徴点と上記基準候補点を求めた領域内の該特徴点に該当するドットとをマッチングし、そのマッチングの結果に応じて上記イメージ画像中の上記パターンモデルを認識する認識手段とを設けたものである。
【0019】
そして、上記画像データ入力手段が、建築図面の画像を読み取ってそのイメージ画像データを入力する画像読取手段であるとよい。
【0020】
あるいは、上記画像データ入力手段が、建築図面の画像を読み取ったイメージ画像データのランレングスを符号化した符号化画像データを入力する画像データ入力手段であり、上記ドット数計測配列データ作成手段が、前記画像データ入力手段によって入力した符号化画像データから元のイメージ画像データの水平方向及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成する手段であってもよい。
【0021】
その場合、上記画像データ入力手段が、上記符号化画像データを通信により受信して入力する画像データ受信手段であるとよい。
さらに、上記認識手段による認識結果を表示する表示手段を設けるとよい。
【0022】
【発明の実施の形態】
以下、この発明の実施形態を図面に基づいて具体的に説明する。
図1は、この発明による建築図面認識方法(建築図面から流し及びバスタブを認識する方法を含む)を実施する建築図面認識装置(建築図面から流し及びバスタブを認識する装置を含む)の一例の概略構成を示すブロック図であり、ハード構成とマイクロコンピュータによるソフト処理の機能とを混在して示している。
【0023】
この装置は、全体制御部1,画像読取部2,通信制御部3,メモリ4,自動スキュー補正部5,ドット数計測配列データ作成部6,輪郭・骨格認識部7,再マッピング制御部8,表示部9,操作入力部10,外部記憶装置11,印刷装置12,流し・バスタブ認識部13,及びこれらを接続するバス14などから構成される。なお、これらの各部(又は装置)とバス14との間に必要なインタフェース部は図示を省略している。
【0024】
全体制御部1は、この建設図面認識装置全体の動作及び機能を制御するマイクロコンピュータ(CPU,ROM,RAM等から構成されるが代表して「CPU」と略称される)であり、自動スキュー補正部5並びにこの発明に係るドット数計測配列データ作成部6,輪郭・骨格認識部7,再マッピング制御部8,及び流し・バスタブ認識部13の各機能も、そのCPUのソフト処理によって実現できる。
【0025】
画像読取部2は、セットされた建築図面をスキャンして、その画像を読み取ってイメージ画像データを入力する画像データ入力手段であり、スキャン光学系及びCCDなどのイメージセンサとその駆動回路等からなる公知のイメージスキャナである。また、その読み取ったイメージ画像データを所定の解像度で2値化して白ドットと黒ドットの画像データにする回路も含んでいる。
【0026】
通信制御部3は、画像読取部2から画像データを取り込む代りに、外部から通信によりイメージ画像データ又はそのランレングスが符号化された符号化画像データを受信して入力する画像データ受信手段であると共に、この装置によって認識した建築図面の輪郭及び骨格データや、流し及びバスタブのデータ等を外部装置へ送信することもできる。具体的にはFAXモデムやパソコン通信制御手段を含むものである。
【0027】
メモリ4は、画像読取部2によって読み取ったイメージ画像データ、通信制御部3によって受信したイメージ画像データ又は符号化画像データをはじめ、自動スキュー補正部5によってスキュー補正された画像データ、ドット数計測配列データ作成部6によって作成されたドット数計測配列データ、輪郭・骨格認識部7によって認識された輪郭及び骨格の認識結果、流し・バスタブ認識部13によって認識された流し及びバスタブの認識結果、及び再マッピング制御部8によって再マッピングされた画像データ等を格納する大容量のRAMあるいはハードディスク等によるメモリである。
【0028】
自動スキュー補正部5は、メモリ4に格納した画像データの角度を調整して水平及び垂直の線分方向を装置の水平及び垂直の基準方向と一致させるように補正するためのものであり、公知の自動スキュー補正技術を用いることができる。
なお、この自動スキュー補正部5により修正された画像データは、再びメモリ4に格納される。
【0029】
ドット数計測配列データ作成部6は、自動スキュー補正がなされてメモリ4に格納されたイメージ画像データ又は符号化画像データ、及び後述する再マッピング制御部8によって再マッピングされた画像データに対して、その画像データを水平及び垂直方向の2方向に限定して、それぞれドット幅単位に黒又は白ドット数を計測(カウント)し、その結果により水平及び垂直方向のドット数計測配列データ(ヒストグラム)を作成してメモリ4に格納するドット数計測配列データ作成手段である。
【0030】
なお、読み取った建設図面がポジ図面(地の明度より図の明度が低い図面)の場合には黒ドット数を計測し、ネガ図面(地の明度より図の明度が高い図面)の場合には白ドット数を計測する。
【0031】
輪郭・骨格認識部7は、ドット数計測配列データ作成部6によって作成された水平及び垂直方向のドット数計測配列データに基づいて、建設図面の輪郭及び骨格を認識し、特に壁の位置,長さ,厚さ,種類等の壁データを抽出するための輪郭・骨格認識手段であり、その詳細は後で詳述する。
【0032】
なお、参照したドット数計測配列データでは、壁の認識(抽出)が困難あるいは不確実な場合は、図面の水平及び垂直方向のドット数計測配列データ作成範囲の再設定要求を全体制御部1へ送り、作成範囲を変更設定してドット数計測配列データ作成部6に再度ドット数計測配列データを作成させる。
【0033】
再マッピング制御部8は、輪郭・骨格認識部7により、壁と認識された部分により建設図面の範囲を限定して、その部分を他の認識情報をも考慮した上で、再度マッピングし、その限定した範囲毎にドット数計測配列データ作成部6に再度ドット数計測配列データを作成させるための画像データを作成するものであり、その際に原稿のノイズあるいは画像読取部2での読取ノイズも除去した画像データを作成する。このデータもメモリ4に格納される。
【0034】
流し・バスタブ認識部13は、輪郭・骨格認識部7で認識された建築図面の輪郭(外壁)及び骨格(仕切り壁)の位置等の認識処理結果を基に、その認識した輪郭線及び骨格線で囲まれた領域(閉ループ内)に限定し、さらに縮尺換算した特定範囲の大きさの領域に限定して、建築図面内の流し又はバスタブを設置した室(シンク室)の輪郭を認識し、その認識した各室の輪郭内の画像データによって流し及びバスタブ(シンク)を認識する。その詳細は後で説明する。
【0035】
表示部9は、画像読取部2又は通信制御部3から入力し、自動スキュー補正部5によってスキュー補正された建築図面の画像データ、ドット数計測配列データ作成部6で作成された水平及び垂直方向の黒又は白のドット数計測配列データ、輪郭・骨格認識部7によって認識された壁データ、流し・バスタブ認識部13によって認識された流し及びバスタブのデータ、再マッピング制御部8によって再マッピングされた画像データ等を表示するためのものであり、例えば、CRTや液晶ディスプレイ等である。
【0036】
図2,図3は、表示部9の画面9aの表示状態の例を示すものであり、図2は輪郭・骨格認識部7によって認識された建設図面の輪郭及び骨格(この例では壁)のデータを再マッピング制御部8によって再マッピングした画像データ(認識結果)の表示例である。この表示例において、二重の実線は壁の両面を示し、細線は壁の芯線及びその延長線を示している。
【0037】
図3は、自動スキュー補正部5によってスキュー補正された建築図面の画像データ(入力したイメージ画像データ)と、上記再マッピングされた認識結果である壁の画像データを同時に重ね合わせて表示した例を示す。この場合、両者の識別が容易にできるように、スキュー補正された建設図面のイメージ画像データはハーフトーンで表示し(図3では図示の都合上点描で示している)、認識結果である壁の画像データを実線で表示する。
【0038】
なお、ここでは図示を省略しているが、流し・バスタブ認識部13によって認識された流し及びバスタブの画像データも、ここに同時に重ねて表示することができることは勿論である。
【0039】
また、表示部9がカラーの表示装置である場合には、建築図面の入力イメージ画像とその認識結果の画像とを色を変えて表示することにより、識別性を向上させることができる。例えば、スキュー補正された入力イメージ画像データは薄青色で、認識結果の画像データをオレンジ色あるいは緑色等で表示することにより、操作者は認識結果の部分を容易に識別できる。
【0040】
あるいは、表示部9の画面9aを分割して、スキュー補正された入力イメージ画像データと認識結果の画像データをその分割したそれぞれの画面に対比させて表示することもできる。
または、同一の画面上にスキュー補正された入力イメージ画像データと再マッピングされた認識結果の画像データを選択的に表示できるようにしてもよい。その場合には後述する操作入力部10に表示選定手段(キー等)を設ければよい。
【0041】
さらに、この表示部9は、認識結果を操作者が確認するための画面も表示する。すなわち、上記再マッピングされた認識結果の画像データを表示し、「この認識結果でよろしいですか?(YES/NO)」というような表示を行なう。
これにより、壁の認識が正確にできているかどうかを操作者が確認することができる。
【0042】
操作入力部10は、各種操作指示や機能選択指令、編集データ等を入力するためのものであり、キーボードやマウスあるいはタッチパネル等である。
この操作入力部10は、表示選定手段としての機能も有し、表示部9の表示状態を操作者の所望の表示状態に変更することができる。例えばキー操作により、スキュー補正された建築図面の入力画像データと再マッピングされた認識結果の画像データを重ね合わせて表示させたり、どちらか一方のみを選択して表示させたりすることができる。
【0043】
さらに、操作入力部10は、上記「この認識結果でよろしいですか?(YES/NO)」の表示に対し、「YES」または「NO」の情報を入力するためのキー等の入力手段も有する。そして、「YES」が選択された場合は認識処理を終了し、「NO」が選択された場合は再認識処理あるいは訂正処理に移行する。これにより、操作者は認識結果の内容を確認し、それを確定することができる。
【0044】
外部記憶装置11は、入力した画像データや、ドット数計測配列データ作成部6で作成された黒ドット数計測配列データ、輪郭・骨格認識部7によって認識された壁データ、流し・バスタブ認識部13にのよって認識された流し及びバスタブのデータ、再マッピング制御部8によって再マッピングされた認識結果の画像データ等をフロッピディスク(FD)や光磁気ディスク(OMD)等の外部へ取り出し可能な記憶媒体に記憶させる記憶装置である。
印刷装置12は、上記の各種データを紙に印刷あるいは描画して出力するプリンタあるいはプロッタである。
【0045】
ここで、建築図面における「輪郭」と「骨格」及び「外壁」と「内壁」の定義について、表1及び表2と図4によって説明する。
【0046】
【表1】
【0047】
【表2】
【0048】
「輪郭」とは「外輪郭」のことであり、表1に○印で示すように外周壁の外部に面している箇所のみ(図4の(a)に示す二重線の外側の線の部分)を意味するケース1の場合と、外部に接する壁の全体(図4の(b)に太線で示す部分)を意味するケース2,3の場合とがある。
【0049】
「骨格」とは、壁の総て(図4の(b)(c)に太線で示す部分の両方)を意味するケース1,2の場合と、外輪郭を除く壁(図4の(c)に太線で示す部分のみ)を意味するケース3の場合とがある。これらの定義において、特に断わらない場合はケース1の通常の意味として扱われる。
【0050】
「外壁」とは表2に○印で示すように、外輪郭と同じく外周壁の外部に面している箇所のみ(図4の(a)に示す二重線の外側の線で示す部分)を意味するケース4の場合と、外部に接する壁の全体(図4の(b)に太線で示す部分)を意味するケース5の場合とがある。
【0051】
「内壁」とは表2に○印で示すように、ケース4,5とも外壁を除く壁(壁=外壁+内壁)であるが、ケース4の場合は図4の(a)に示す二重線の内側の線の部分と図4の(c)に太線で示す部分であり、ケース5の場合は図4の(c)に太線で示す部分である。これらの定義においても、特に断わらない場合はケース5の通常の意味として扱われる。
【0052】
次に、図1に示した建築図面認識装置による建築図面(主に家屋やビル等の建築図面)認識の手順について、図5乃至図12のフローチャートと、図13乃至図34の説明図によって説明する。なお、図6〜図12において、各ステップを「S」で示している。また、この実施例では、認識する建築図面がポジ図面であるものとする。
【0053】
図5は、建築図面の認識処理のメインルーチンを示すフローチャートである。
図5の処理を開始すると、図1の画像読取部2にセットされた建築図面を読み取り、そのイメージ画像データを入力して、自動スキュー補正部5によって自動的にそのスキューを補正する。
【0054】
そして、ステップAのサブルーチンでドット数計測配列データ作成部6及び輪郭・骨格認識部7等によりその入力した画像データに対して壁の認識処理を実行する。この処理については後に詳述する。なお、イメージ画像データを符号化したデータを通信制御部3から入力するようにしてもよい。
【0055】
その後、流し・バスタブ認識部13により、ステップBの処理で、輪郭(外壁)線及び骨格(仕切り壁)線による水平及び垂直の折れ線によって形成される閉ループの抽出を行って、その閉ループの個数とそれぞれの閉ループの輪郭を表すデータを取得する。この閉ループの抽出は従来技術で実現できる。
【0056】
ステップCでは、ステップBで取得した閉ループ総てを順番にループ処理するために、その回数カウンタのカウント値xの初期設定(xに1を代入)を行なう。
そして、ステップDにおいて回数カウンタのカウント値xが閉ループの個数mを超えた(x>m)かどうかを判定する。超えていれば、当該図面の解析を終了し、ステップGに移行する。超えていなければ、当該x番目の閉ループについて、ステップE,ステップFの「流し・バスタブ」認識処理を行なう。
【0057】
ステップEのサブルーチンでは、当該x番目の閉ループ領域が流し又はバスタブが設置された室(シンク室)かどうかを決定するために、「流し及びバスタブ」のモデルの位置付けを決定してマッチングをとる。この処理については後に詳述する。その後、ステップFに移行する。
ステップFでは、次の閉ループ領域を認識処理するために、閉ループ・カウンタxを+1してから、ステップDに戻って上述の処理を繰り返し行なう。
【0058】
以上のステップD〜ステップFまでの処理を行なって認識した「流し及びバスタブ」の認識結果を、ステップGで出力して処理を終了する。
ステップGによる処理では、認識した流し及びバスタブ(シンク)の位置及びサイズ等のデータを、建築図面からの「シンク」の認識結果としてメモリ4又は外部記憶装置11に記憶、あるいは表示部9に表示等の出力をする。
【0059】
このようにして、カスレや凹凸によって所々途切れたり結合したりしている図面についても、まず、室レベルのイメージ画像の領域の絞り込みを行って、その後、その中のシンボル画像の特徴的な部分を認識することができるので、シンク室の認識処理をより正確に行なうことができる。
【0060】
次に、図5のステップAによる壁の認識処理について説明する。
図6はその壁の位置を認識する処理のサブルーチンの内容を示すフロー図である。
【0061】
まず、ステップ3において、自動スキュー補正された画像データの全体を調査対象とする。そして、ステップ4において、ネスト変数は0(初期値:画像全体を対象にするという意味)である。「ネスト変数」は建築図面の解析範囲をトップダウンで絞り込む時の絞り込み段階を表す。ネスト変数の値が大きいほど解析が深くなっている(細かい部分まで進んでいる)ことを表わす。
【0062】
ステップ5において、壁の位置の調査対象の領域を限定する処理を行なう。具体的には、この処理にいたる直前に調査領域の指示が示されていて、ここでは以降のステップ6〜9の処理のための準備(インタフェースの共通化)を行なうだけである。個々の調査対象領域の形は水平及び垂直の折れ線によって形成される閉ループ図になる。最初はネスト変数が0なので図面全体を調査対象とする。
【0063】
ステップ6において、水平方向の黒ドット数計測配列データを作成する。これは、画像データの垂直方向の1ドット幅毎に水平方向の黒ドット数を計数(計測)し、その各計数データを保持するものである。
次にステップ7において、ステップ6で作成した水平方向の黒ドット数計測配列データに基づいて、壁の抽出(認識)処理を行なう。その処理手順については後述する。
【0064】
ステップ8では、ステップ6と同様に垂直方向の黒ドット数計測配列データを作成する。すなわち、画像データの水平方向の1ドット幅毎に垂直方向の黒ドット数を計数(計測)し、その各計数データを保持する。ステップ9では、その垂直方向の黒ドット数計測配列データに基づいて壁の抽出(認識)処理を行なう。
【0065】
そして、ステップ10において領域を分割する壁候補があるかどうかを判断する。ここで、水平あるいは垂直方向で1つでも領域を分割する壁候補があれば、ステップ11へ、1つもそのような壁候補がなければ、ステップ13へ進む。
例えば、図16の(a)に示すような調査対象領域Sa内に領域を分割する壁候補Wdが存在するかどうかを判断する。
ステップ11では、ネスト変数を+1して再設定する。これは、現在の解析領域の中から壁を認識し、その壁を使って新たに区切られた現在の領域内の小領域に解析範囲を限定する段階に入ることを表わす。
【0066】
そして、ステップ12において、その調査対象の領域の細分化を行なう。具体的には、ステップ7,ステップ9で認識した壁候補の芯線(中心線)で、例えば図16の(a)に示すように調査対象領域を壁候補W,Wdの細線で示す芯線によって領域Sa1,Sa2に2分割する。さらに、その最初の細分化領域(例えば最も左上の領域)に調査対象の位置づけを行なう。
【0067】
この新たに細分化された領域群の中での解析の順番には特別な順序が必要になる訳ではないが、例えば、領域開始位置のx,y座標値の小さい順番に行なうことなどが考えられる。図16の(b)は、壁候補によって細分化された各領域のネストNo.とその解析処理順序の一例を示し、実線は壁候補の芯線(中心線)を、▲1▼,▲2▼,▲3▼はネストNo.を、1〜8の小さい数字は処理順序をそれぞれ示している。
【0068】
その後、ステップ5に戻って上述の処理を繰り返し行なう。
ステップ10において、領域を分割すべき壁候補が1つもなかった場合は、ステップ13に進んで同次ネスト領域(図16の(b)で同じネストNo.の領域)の残りがないかどうかを判断する。残りがある場合は、ステップ15において同次ネストの次の領域に調査対象を進めてステップ5に戻る。
【0069】
同次ネスト領域の残りがない場合は、ステップ14へ進んでネスト変数が0であるかどうかを判断する。ネスト変数が0でない場合は、ステップ16においてネスト変数を−1して1段階上位のネスト領域の処理に戻り、ステップ13でその段階の残りのネスト領域があるかどうかを判断する。あればステップ15で次のネスト領域に調査対象を進めてステップ5に戻る。
【0070】
ステップ14でネスト変数が0の場合は、ステップ17へ進んで、ステップ7,9によって得られた各領域毎の壁候補の認識データをもとに各壁の位置及びサイズを確定し、その壁認識データをメモリ4に格納する。その格納方法については後述する。そして以上の処理の後、当該サブルーチンを終了する。
【0071】
次に図7に基づいて、図6のステップ7及び9の壁の抽出(認識)処理の手順を説明するが、それに先立って、建築図面(家屋の間取り図)の画像データとその全領域から作成した水平及び垂直方向の黒ドット数計測配列データの具体例を図17及び図18に示す。これらの図において、(a)は建築図面の画像データ、(b)は水平方向の黒ドット数計測配列データ、(c)は垂直方向の黒ドット数計測配列データである。さらに、図17の(c)に示した垂直方向の黒ドット数計測配列データを拡大して図19に示す。
【0072】
図17の建築図面では、壁のシンボルが壁の両面と芯線によって表わされており、図18の建築図面では、壁のシンボルが壁の厚さ内の塗りつぶし(黒)によって表わされている。
この黒ドット数計測配列データにおいて、一番細い黒線の幅が1ドット幅であり、各黒線の長さが(a)に示す建築図面の画像データの1ドット幅毎の水平方向又は垂直方向の黒ドット数の計数値に相当する。
【0073】
これらの図から明らかなように、建築図面を構成する線分の大部分(90%以上)は水平方向又は垂直方向に描かれており、特に壁の部分で黒ドットの密度が高くなっている。そのため、水平方向及び垂直方向の黒ドット数計測配列データには、壁が存在する位置にピークが表われることになる。
【0074】
図7のフローの処理を開始すると、まずステップ21において、指定方向とクロスする方向(水平方向の黒ドット数計測配列データ作成の指定であれば垂直方向に、また垂直方向の指定であれば水平方向に)に、建築図面の基準の単位長に相当する所定間隔ごとに何回壁認識処理のループが可能かを確認する。
ここで、この単位長は一般の住宅の場合にはその最小壁間隔である半間あるいは1メートルであり、ここでは半間(91cm)とする。
【0075】
そして、水平方向の黒ドット数計測配列データに対しては垂直方向の画像幅より若干長い寸法を幅サイズLとし、垂直方向の黒ドット数計測配列データに対しては水平方向の画像幅より若干長い寸法を幅サイズLとして自動設定する。
また、半間サイズをhとし、この値は予め図面の縮尺データ及び半間長を入力するか又は計算による自動算出などにより決定する。
この幅サイズLと半間サイズをhからL/hを算出して小数点以下は切上げた数値を壁認識処理の大ループの実行回数nとする。図19にhで示す範囲が1回の大ループでの処理範囲である。
【0076】
次いで、ステップ22で大ループの回数カウンタのカウント値iの初期設定(i←1)を行なう。
そして、ステップ23において回数カウンタのカウント値iが可能な大ループの実行回数nを超えた(i>n)かどうかを判定する。超えていれば、当該領域の解析を終了する。超えていなければ、ステップ24において当該i番目の半間内の最初の解析処理として最高ピーク(図19にPで示す)に位置付け、その点をxpとする。このように半間毎に解析処理することにより、その中のピーク値が壁の一部である可能性が高いことになる。
【0077】
次に、ステップ25において壁の対象としての最初の条件であるピーク(極大値)の高さが半間(h)以上かどうかを判定する。その結果、ピークの高さが半間未満の場合には壁の認識不明として、次の半間先の解析に移るためにステップ34に進む。ピークの高さが半間以上ある時には次の解析ステップ26に移行する。このステップ26において、最高ピークの位置から左右両側(例えば、2W幅)を調べて、壁の厚みの範囲(両面の位置:W1,W2及び厚みWe=|W1−W2|)の絞り込みを行なう。ここでWは壁の厚みの意味で、例えばWmax と同じ値で使用する。
【0078】
この絞り込み方法としては、(最高ピーク値−min)* rate+min 以上の値を持つ最高ピーク位置の両端又は片側のピーク位置を、壁の両面の位置W1,W2又は最高ピーク位置xpが壁の一方の面の位置W1 であるときの他方の面の位置 W2 として絞り込む方法がある。
【0079】
図20はこの絞り込み処理の説明図であり、(a)は最高ピーク位置xpの両側に壁の両面の位置W1,W2が存在する場合の例である。この場合は、最高ピーク位置xpは壁の芯線位置の候補と推定される。
【0080】
図20の(b)は最高ピーク位置xpが壁の一方の面の位置W1であり、その片側に他方の面の位置W2 が存在する場合の例である。この場合は、長い方のピーク位置が図2に二重線で示した外輪郭の外壁位置の候補で、それに近接する短い方のピークがその内壁位置の候補と推定し得る。
【0081】
ここで、 rate は解析の前半(ネスト変数の値が小さい時)は小さめに、後半(ネスト変数の値が大きい時)では大きめにする(例えば、最初は rater=0.70 とする)。min は図20の(c)に示すように現在注目している最大ピークPの位置xpの左右両側2Wに拡がった4W幅程度の幅内の黒ドット数計測データの最小値である。
【0082】
このようにして、図7のステップ26で絞り込んだ結果を基に、ステップ27と28で壁としての妥当性を確認する。
まずステップ27においては、壁の厚みWeがその最大値 Wmax(例えば30cm)を超えているか否かを判断し、超えている時は壁の認識不明として次の半間先の解析に移るためステップ34に進む。超えていなければステップ28へ進み、壁の厚みWeが最小値Wmin(例えば2.5cm)未満か否かを判断する。
【0083】
その結果、壁の厚みWeが最小値 Wmin未満の場合はステップ30へ進み、そうでない時はステップ29に進む。ステップ30においては壁以外のピーク(例えば、畳,窓,引戸など)を認識したものとしてその情報を得る。
ステップ29においては、壁の候補となる領域から、壁としての条件を満たすかどうかを後述する2等分割探索法によって判定し、壁だと認識できたものについて、ステップ31において当該壁の両面の位置W1,W2及び厚みWeなどの情報を退避(記憶)してステップ32に進む。
【0084】
ステップ29で壁としての条件を満たさなければステップ32に移行する。ステップ32においては、壁の両面位置(座標)W1及びW2が共に現在処理を行なっている領域の内側かどうかを判定し、内側であればステップ33に進む。そうでなければステップ34に移行する。
【0085】
ステップ33では、現在の処理領域を細分化し、新しい細分領域を示す境界データとして、W1,W2,Weを退避(記憶)する。また、(W1+W2)/2 がその壁の芯線位置である。ステップ34では、次の半間先の処理を行なうために大ループの回数カウンタのカウント値iを+1してから、ステップ23に戻って上述の処理を繰り返し行なう。
【0086】
このようにして、対象となる黒ドット数計測配列データの一端(先頭要素)から半間毎に解析処理し、反対の端まで解析が終われば、今回の範囲の解析を終了する。水平方向と垂直方向の2方向のを黒ドット数計測配列データに対して別々に解析し、次回の解析範囲は、今回の解析で壁と認識できた範囲に限定する。
そのため、水平及び垂直方向の黒ドット数計測配列データを解析した結果を組み合わせて、総当たりの場合分けを行なう。
【0087】
この実施例では、壁の芯線位置は隣の壁との間隔が半間単位の整数倍になるように配置されているとみなす。
そして、特徴的なピークが発見できる範囲までを解析データとして有効に使用する。逆に云えば、解析対象とするある範囲内に壁に相当する特徴が、水平方向及び垂直方向の両方合わせても一つも発見できなかったときは解析を終了する。1回の解析範囲は、最初は図面全体を対象にし、以後発見された壁で区切られた範囲に限定し直す方法をとって、壁のピークが発見されやすくし、且つ細部までの解析が容易になるようにする。
【0088】
次に、図7のステップ29において「壁としての条件を満たすか」を判断する2等分割探索法について、図8のフロー図によって説明する。
この図8に示すフローの処理を開始すると、まずステップ41において、2等分割探索法の初期設定を行なう。
すなわち、壁分析のための領域分割要素数nを1にし、壁部か非壁部かが未確定である分割要素の配列要素の最も小さいNo.を指すkを0に、また、調査領域の分割配列要素として、S〔0〕,E〔0〕それぞれに入力のスタート及びエンド画像アドレスを代入して初期設定とする。
【0089】
その後、ステップ42に進み、調査領域の開始アドレスS〔k〕と終了アドレスE〔k〕が等しければステップ53に移行し、等しくなければステップ43に進む。ステップ43においてはイメージ画像データの対象領域の分割処理を行ない、元の領域を小数以下の誤差を除いて2等分割する。
【0090】
すなわち、分割する前半の領域のスタート及びエンド画像アドレスS1,E1を、S1=S〔k〕,E1=(1/2)(S〔k〕+E〔k〕)とし、後半の領域のスタート及びエンド画像アドレスS2,E2を、S2=(1/2)(S〔k〕+E〔k〕)+1,E2=E〔k〕とする。
【0091】
それによって、例えば図21に示すように、建築図面のイメージ画像データ中において、壁候補が存在する線(一点鎖線で示す)の元の領域幅を最初は1の位置で2等分割する。その後壁の有無を判別できるまで、順次図21に示す位置2で2回目、3の位置で3回目、4の位置で4回目というように2等分割を繰り返して細分化した領域でステップ44及び45の壁調査を行なうようにする。
ステップ44及び45においては、2等分割したそれぞれの領域P1,P2が壁で満たされているかどうかを調査し、ステップ46に進む。
【0092】
ここでは、指定された領域(スタートアドレスからエンドアドレスまで)の黒ドット数計測配列データを分析した結果、黒ドットのピーク(壁の厚みの広がりを保って)高さが、指定された領域の幅(長さ)と比較して次の▲1▼〜▲3▼の判断をする。
【0093】
▲1▼:5%以下のとき、 v=0:非壁部と判断
▲2▼:95%以上のとき、v=1:壁部と判断
▲3▼:上記以外のとき、 v=2:どちらとも判断できない
これを図に示すと図22に▲1▼,▲2▼,▲3▼で示すようになる。
【0094】
ステップ46においては、ステップ43で分割された前半の領域P1について、壁が存在するかどうか判断できない(v=2)場合はステップ47に進み、そうでなければステップ49に進む。ステップ47においては、ステップ43によって分割する前の領域範囲の格納配列要素S〔k〕,E〔k〕,v〔k〕を、ステップ43で分割された後半の領域データ(スタート及びエンド画像アドレスS2,E2と判定結果v2)で置き換える。
【0095】
ステップ48においては、新しい格納配列要素S〔n〕,E〔n〕,v〔n〕として、ステップ43で分割された前半の領域データ(スタート及びエンド画像アドレスS1,E1と判定結果v1)を退避し、ステップ51に移行する。
ステップ49においては、ステップ43によって分割する前の領域範囲の格納配列要素S〔k〕,E〔k〕,v〔k〕を、ステップ43で分割された前半の領域データ(スタート及びエンド画像アドレスS1,E1と判定結果v1)で置き換える。
【0096】
ステップ50においては、新しい格納配列要素S〔n〕,E〔n〕,v〔n〕として、ステップ43で分割された後半の領域データ(スタート及びエンド画像アドレスS2,E2と判定結果v2)を退避し、ステップ51に移行する。
ステップ51では、領域アドレスの新しい格納配列要素を示せるように新しい格納配列要素No.を示す変数nを+1してから、ステップ52に進む。
【0097】
ステップ52においては、壁部か非壁部かが未確定である分割要素の最も小さいNo.を指すk要素内の分類コードvが壁が存在するかどうか判らない内容(v=2)の場合は、ステップ42に戻って更に細分割する処理を繰り返す。そうでない場合はステップ53に進む。
ステップ53では、壁が存在するかどうか判らない内容が一つ解決したとして、その指標kを+1してからステップ54に進む。
【0098】
ステップ54においては、壁分析のための領域分割要素数nと、壁部か非壁部かが未確定である分割要素の配列要素の最も小さいNo.を指すkとが、等しくなっているかどうか判定し、等しければ壁認識のための分割処理が終了したと判断してステップ55へ進む。等しくなければステップ52へ戻る。
【0099】
ステップ55においては、分割された領域アドレス・データ(配列)が上昇順に並ぶよう、スタートアドレス順(昇順)にソートを実行してステップ56に移行する。すなわち、S〔0〕〜S〔n−1〕,E〔0〕〜E〔n−1〕,v〔0〕〜v〔n−1〕のデータをS〔 〕をキーにして昇順にソートする。
【0100】
ステップ56においては、壁部分及び非壁部分が連続している場合は、それぞれ縮退処理(一つの範囲で表現)して終了する。すなわち、連続したv〔 〕値が0又は1の状態の場合は、S〔 〕,E〔 〕データを圧縮する。
なお、この時に、壁が存在するかどうか判らない内容(v=2)の配列要素を含む場合は、その要素の前後の要素が壁を示している場合には壁データに変更し、また、非壁を示している場合には非壁データに変更して処理する。
【0101】
上述した二等分割探索処理による画像データ中の壁位置の分析例を図23に示す。この図23の(a)には壁のイメージ画像(斜線を施した部分)Wとその調査対象領域を破線で示しており、この調査領域は先に認識された壁候補の存在位置に沿って設定される。そして、S〔0〕=0がその調査領域の最初のスタートアドレス、E〔0〕=15が最初のエンドアドレスである。4,5,7等の途中の数字は分割後の対象領域のスタート又はエンドアドレス(いずれも画像アドレス)である。
【0102】
図23の(b)には変数n=1〜10の各調査段階における各対象領域のスタートアドレスS,エンドアドレスE,及び壁の有無に関する判断結果vとその確定状況、ソート状況、並びに縮退処理結果をkの値と共に示している。そして、最終的には画像アドレス5〜12に壁が存在することを認識している。
【0103】
次に、図24によって簡単な建築図面の壁認識例を説明する。
この図24には、ネスト変数(nest)と、領域分割状態と認識された実際の壁の状態とを示している。
まず、ネスト変数=0で建築図面の全体を壁位置の調査対象として壁の抽出を行なう。その結果(A)に実線で示すように建築図面の家屋部の輪郭と水平及び垂直方向の壁候補の位置を認識できたとする。しかし、その認識できた壁候補のうち実際の壁は(a)に示す部分だけであるが、それはまだ判らない。
【0104】
そこで次に、ネスト変数=1にして、(A)に示す認識できた壁候補の芯線で区切られた各閉ループ領域毎に調査対象領域を限定して壁の抽出を行なう。それによって(B)に▲1▼,▲2▼,▲3▼,▲4▼で示す4つの調査対象領域で新たに太線で示す壁候補が認識されると共に、先に認識された壁候補のうち、実際の壁は(a)に示された部分だけであったことが確認され、(b)に示す壁の状態が認識される。
【0105】
さらに、ネスト変数=2にして、(B)において新たな壁候補が認識された4つの領域▲1▼〜▲4▼をそれぞれその新たに認識された壁によって分割して、調査対象領域をさらに限定して壁の抽出を行なう。それによって、(C)に▲5▼,▲6▼で示す2つの調査対象領域で新たに太線で示す壁候補が認識され、(c)に示す壁の状態が認識される。
【0106】
その後、ネスト変数=3にして、(C)において新たな壁候補が認識された2つの領域▲5▼,▲6▼をそれぞれその新たに認識された壁によって分割して、調査対象領域をさらに限定して壁の抽出を行なう。その結果いずれの分割領域でも新たな壁候補を抽出できなにかった場合には、それによって壁位置の調査を終了し、(c)に示す壁位置が最終的な壁認識結果であることが確定し、そのデータをメモリに格納する。
【0107】
このように、分割した各調査対象領域のいずれでも新たな壁候補が抽出されなくなるまで、調査対象領域を細分化して壁の抽出を行なう。それによって、小さな壁でも確実に認識することができ、且つ壁候補のうち実際には壁が存在する部分と存在しない部分とを正確に判別することができる。
【0108】
ここでさらに、前述した図6のフローチャートに従った具体的な建築図面の認識処理手順の例を、図25乃至図27によって説明する。図25乃至図27は一連の図であるが、図示の都合上3枚の図に分割して示している。これらの図におけるS3〜S17は、図6のS3〜S17の各ステップに対応している。また、各段階での領域分割図と実壁状態も図示している。
【0109】
以下の説明ではステップを「S」と略称する。図25のS3で図面全体を調査対象とし、S4でネスト変数を0にする。S5で調査対象の限定を行なうがネスト変数が0なのでやはり図面全体を調査対象とする。S6〜S7で水平方向の黒ドット数計測配列データを作成して壁を抽出するが、輪郭以外の壁を発見できず、S8〜S9で垂直方向の黒ドット数計測配列データを作成して壁を抽出し、輪郭以外の壁を2か所に発見する。したがって、S10でYESになり、S11でネスト変数を1にし、S12で領域の細分化(各壁の位置で)をしてS5へ戻り、調査対象領域を一番左の領域に限定する。
【0110】
そして、S6〜S7で壁を2か所に発見し、S8〜S9では壁を発見できなかったがS10ではYESになり、S11でネスト変数を2にして「入れ子処理」を、図26のS14でNOになり入れ子処理を終了するまで繰り返し実行し、左側の縦長の領域を新たに発見された2つの壁によって区切った3つの分割領域に対して、順次壁の抽出処理を行なう。
【0111】
この例ではそれによって新たな壁は発見されず、図26のS16でネスト変数を−1して1に戻し、真中の縦長の領域を調査対象領域として同様に壁の抽出を行なうが、この例では新たな壁候補は発見されない。
そこで、S15,S5で右側の縦長の領域に調査対象領域を変更し、S6〜S7で壁を1ケ所発見する。
【0112】
そこで、図27のS10でYESになり、S11でネスト変数を2にして「入れ子処理」を開始し、右側の縦長の領域を新たに発見された壁によって分割し、その各分割領の壁抽出処理を順次行なう。その結果、いずれの分割領域でも新たな壁は発見されず、S13でNOになり入れ子処理を終了し、S16でネスト変数を−1して1にするが、ネスト変数1の領域は残っていないので、さらにネスト変数を0に戻すが、その領域も残っていない。そのため、壁抽出の処理は完了したと判断し、S17で抽出された壁候補の認識データにより各壁の位置及びサイズを確定し、そのデータをメモリに格納する。
【0113】
次に、上述のようにして認識した建設図面の輪郭及び骨格に相当する壁の位置及びサイズ等の情報(解析結果データ)を図1に示したメモリ4及び外部記憶装置11の記憶媒体に格納する内容の一例について、図28によって説明する。
図28において、(A)はネスト数、(B)は固有ネスト情報、(C)水平方向の壁情報、(D)は垂直方向の壁情報、(E)は水平な壁のモデル、(F)は垂直な壁のモデルを示す。
【0114】
ネスト数は、子ネストポインタの入れ子(親子関係)の深さを示し、壁が全然認識されなかった場合は、ネスト数=0である。
固有ネスト情報は、ネストNo.,NEXT兄弟ポインタ,子ネストポインタ,壁数(水平方向及び垂直方向),壁情報ポインタ(水平方向及び垂直方向)からなる。
【0115】
NEXT兄弟ポインタは、同時階層ネスト情報の次のアドレスを持つ。したがって、このポインタが示す場所の固有ネスト情報内のネストNo.は、当該処理のものと同じ値である。
子ネストポインタは、一階層下の階層ネスト情報の先頭データのアドレスを持つ。したがって、このポインタが示す場所の固有ネスト情報内のネストNo.は、当該処理のものに+1した値である。
【0116】
(B)に示す固有ネスト情報中の水平方向の壁情報ポインタが示すアドレスを先頭アドレスとして、(C)に示す水平方向の壁情報が格納される。
その壁情報は、次の水平方向の壁情報の先頭アドレスの位置を示すNEXTポインタ、壁の始点座標(x座標:a,y座標:b)、壁の横(x方向)サイズ:c、壁の縦(y方向)サイズ:壁の厚みdからなる。これらのa〜dによって(E)に示す水平な壁のモデルを記憶し、またそれを再現することができる。
【0117】
同様に、固有ネスト情報中の垂直方向の壁情報ポインタが示すアドレスを先頭アドレスとして、(D)に示す垂直方向の壁情報が格納される。
その壁情報は、次の垂直方向の壁情報の先頭アドレスの位置を示すNEXTポインタ、壁の始点座標(x座標:e,y座標:f)、壁の縦(y方向)サイズ:g、壁の横(x方向)サイズ:壁の厚みhからなる。これらのe〜hによって(F)に示す垂直な壁のモデルを記憶し、またそれを再現することができる。
【0118】
ところで、実際の建築図面の画像データに対して、その図面全体を調査対象領域として水平方向及び垂直方向の黒ドット数計測配列データを作成した例を図17及び図18に示したが、その黒ドット数計測配列データに基づいて壁候補を認識した次の段階で、その図面の領域を認識した壁候補によって分割し、調査対象領域を限定した画像データに基づく水平及び垂直方向の黒ドット数計測配列データの作成例を、図29乃至図31に示す。
【0119】
図30及び図31は、図29よりさらに調査対象領域を細分化した例である。このようにして、新たな壁候補が発見されなくなるまで、調査対象領域を細分化して、その画像データによる水平及び垂直方向の黒ドット数計測配列データを作成し、壁の抽出を行なう。
【0120】
なお、この実施形態ではポジ画像の建築図面を認識対象としたので、その2値化した画像データの水平及び垂直方向の黒ドット数を計測(カウント)して黒ドット数計測配列データを作成したが、ネガ画像の建設図面を認識対象とする場合には、その2値化した画像データの水平及び垂直方向の白ドット数を計測(カウント)して白ドット数計測配列データを作成すれば、壁の認識を同様に行なうことができる。
【0121】
また、上述のようにして認識した建設図面の輪郭及び骨格に関する認識データは、CAD用ベクトルデータに変換をすることができ、異機種間のCADデータの互換性を得ることができる。
【0122】
次に、図5のステップEによる「流し及びバスタブ」モデルの位置付け決定及びマッチングの処理について説明する。図9は、その「流し及びバスタブ」モデルの位置付け決定及びマッチング処理のサブルーチンの内容を示すフロー図である。
図32に、そのマッチング処理に使用する「流し及びバスタブ」の形状パターンモデルの例を示す。(a)は流し及びバスタブに共通の典型的な例、(b),(c)は洗面台の流しなどの特殊な形状パターンモデルを示す。各形状パターン内の×印はその基準点を示す。
【0123】
図9の処理を開始すると、まずS71において、モデルパターンの総てのマッチングを順番にループ処理するために、その回数カウンタのカウント値tの初期設定(t←1)を行なう。
そして、S72において回数カウンタのカウント値tがモデルパターン数を超えたかどうかを判定する。超えていれば、当該マッチングのループ処理を終了し、当該サブルーチンを終了する。超えていなければ、当該t番目のモデルパターンについて、S73〜S77のパターンマッチングを行う。
【0124】
S73で、当該t番目の「流し及びバスタブ」モデルをパターンマッチングのための特定パターンとして選択し、S74のサブルーチンで、その特定パターンとのマッチングを行う。この処理については後に詳述する。
【0125】
続いて、S75では、上記特定パターンとのマッチングを行った結果が、マッチした(当たり:M=1)かどうかを判定する。マッチしていれば、当該t番目の「流し及びバスタブ」モデルパターンを「流し及びバスタブ」発見情報として、位置及びサイズなどをメモリ4又は外部記憶装置11に記憶して、S77に進む。マッチしていなければ、何もせずにS77に進む。
S77では、次のモデルパターンとのマッチング処理を行うために、モデルパターン回数カウンタtを+1してからS72に戻り、上述の処理を繰り返し行なう。
【0126】
次に、図9のS74による「流し及びバスタブ」特定パターンとのマッチングの処理について説明する。図10は、その「流し及びバスタブ」特定パターンとのマッチング処理のサブルーチンの内容を示すフロー図である。
【0127】
まず、形状基準点の推定ルーチンで、その特定の形状パターンモデルのパターンに対する形状基準点(座標v,w)の推定処理を実行する。その推定された基準点の位置を元の画像の位置に対応させることによって、S92で、図形の形状マッチングを行なう。
続いて、S93でそのマッチング結果(M)をメモリ4や外部記憶装置11などに記憶して、上位モジュールに情報伝達し、当該サブルーチンを終了する。
【0128】
ここで形状基準点とは、モデルパターンの位置を決める基準となる点を指し、一般にモデルパターン内であればどこでも構わないが、しばしばモデルパターンの中心点などが形状基準点として選ばれる。
例えばモデルパターンを円とし、その形状基準点を円の中心とした場合を考える。この円が目的の捜索対象範囲のどこにあるか調べたい場合、形状基準点の推定ルーチンで粗く検索を行なう。このサブルーチンは「円があるとすれば中心はここのはずだ」という大まかな推定をし、形状基準点に相当する点、すなわち円の中心と予想される点の座標を返す。
【0129】
この結果を元に、図形形状マッチングで細かいドットパターンのチェックを行なう。具体的には、円周に相当する点に黒ドットが存在するかどうかを調べていく。もし、形状基準点の推定ルーチンで形状基準点を選んでいない場合、捜索対象範囲内のどこに円のパターンがあるか予想ができないので、しらみつぶしに矩形内を調べるとしたら、このS92の処理に莫大な時間がかかってしまうことになる。
【0130】
次に、図10のS91による形状基準点(座標v,w)の推定の処理について説明する。この処理は、画像処理学上で「ハフ(Hough)変換」に近い方法であるので、ここでは「簡易ハフ変換」と称す。
図11は、その形状基準点(座標v,w)の推定処理のサブルーチンの内容を示すフロー図である。簡易ハフ変換では、基準点の最も可能性の高い位置座標(2次元平面)を求めるために、位置座標(v,w)で表わされる2次元配列に投票を行って、最も票の多かった配列要素位置の要素NO(v,w)をそのまま形状基準点の座標に決定する。
【0131】
まず前準備として、目的の捜索対象範囲と同じ大きさの投票空間を用意する。元の捜索対象範囲内のある点が形状基準点であると予想されると、この投票空間の対応する点に1票が投じられる。すなわち、この投票空間内で投票された数が多ければ多いほど、対応する元の捜索対象範囲内の点が、形状基準点である可能性が高いことになる。
【0132】
また、各モデルパターンは形状基準点の他にいくつかの特徴点を持つ。この特徴点は、必ずモデルパターンの黒ドットとなっている点である。これらが言わば投票券となる。この特徴点が多ければ多いほど正確な予想ができるが、計算時間は線形に増大する。
【0133】
以下、投票の行い方を図11のフロー図によって説明する。
以下の説明では捜索対象範囲においてn番目の点Dnの座標を、(vd(n),wd(n))としており、また形状基準点を原点としたu番目のモデル形状の特徴点Puの座標を(vp(u),wp(u))と表わしている。
【0134】
図11のS101において、投票空間(平面β(v,w)内の投票数を総て0にする。続いて、S102において、捜索対象範囲の総てのドットについての投票を順番にループ処理で行うために、その回数カウンタのカウント値nの初期設定(n←0)を行なう。
【0135】
そして、S103において回数カウンタのカウント値nが捜索対象図面内の全ドット数以上かどうかを判定する。全ドット数以上であれば、当該投票処理のループ処理を終了してS110に移行する。それ以外の場合はまだ捜索対象範囲内に未調査の点が残っているので、S104の判定に移る。
【0136】
S104において、図面内のn番目のドット(注目ドット)が黒であるか白であるかを判別する。それが白ドットであった場合は、その点がモデルパターンの特徴点に相当する可能性はないので、その回のループを終えて、S107でnを+1してからS103へ戻り、捜索範囲内の次の点を調査する。
注目ドットが黒ドットであった場合は、その点がモデルパターンにおける特徴点に相当する可能性があるので、S105以下の処理によって投票を行なう。
【0137】
S105において、特定モデルの特徴点総てに対応した投票を順番にループ処理で行うために、その回数カウンタのカウント値uの初期設定(u←0)を行なって、S106へ進む。
【0138】
S106においては、その回数カウンタのカウント値uが特定モデルの特徴点の総数以上かどうかを判定する。総数以上であれば、当該特定モデルの特徴点総ての投票が終わったとみなしてループ処理を終了し、S107へ移行して注目ドットの回数カウンタのカウント値nを+1して、S103に戻り、捜索対象図面内の次の注目ドットに対する投票処理を継続する。
【0139】
S106で、カウント値uが特定モデルの特徴点の総数以上でなければ、S108に移行して当該u番目の特徴点に対応する投票位置に1票を投じる。すなわち、現在注目しているn番目の点が、モデルパターンのu番目の特徴点に相当したと考えたときに、形状基準点となる点に対して投票を行なう。
その後S109において、特徴点カウンタuを+1してS106に戻り、次の特徴点に対する投票処理を継続する。
【0140】
このようにして、捜索対象図面内の全ドットの投票処理を終わると、S103でYesになり、S110へ移行する。このS110においては、投票空間β
(v,w)の中で最も投票の多かった候補座標を(vmax,wmax)とし、ここを形状基準点の推定位置と決定し、それをメモリ4や外部記憶装置11などに記憶して上位モジュールに情報伝達し、当該サブルーチンを終了する。
【0141】
ここで、この形状基準点の推定ルーチンにおいて、具体的に投票を行なう例を図13と図14を用いて説明する。
図13の(a)に示すモデルパターンは正方形で、その形状基準点(*)は正方形の中心であり、さらに特徴点(小さい白丸印)は正方形の頂点P0〜P3の4つである。この4つの点P0〜P3の形状基準点*(0,0)に対する座標値は、それぞれ形状基準点に対して右側がx座標の正,左側がx座標の負,下側がy座標の正,上側がy座標の負であるとすると、図13の(a)の右側に示したようになる。すなわち、次のようになる。
P0(−1,−1) P1(1,−1) P2(−1,1) P3(1,1)
【0142】
今回は説明を簡単にするため頂点の4つしか特徴点に選ばれていないが、特徴点は一般に、元の形状の特徴を表わす程度の数が必要である。
このようなモデルパターンに対する投票を、図13の(b)に示すような捜索対象画像に対して行なう。具体的には、それぞれ座標値がD0(2,2),D1(4,2),D2(2,4)の3点(小さい黒丸印で示す)が黒ドットすなわち注目点であり、その他の点はすべて白ドットであるとする。
【0143】
白ドットは全て投票を行なわないので、投票はD0,D1,D2の3つの注目点でのみ行なわれる。このうちD0に注目すると、この点がモデルパターンのP0に相当すると考えた場合、形状基準点は(3,3)となることが、モデルパターンとデータの座標値から図11におけるS108の計算により分かる。
【0144】
すなわち、D0はvd(n)=2,wd(n)=2であり、P0はvp(u)=−1,wp(u)=−1であるから、(vd(n)−vp(u),wd(n)−wp(u))は、(2−(−1),2−(−1))=(3,3)である。そこで、まず図14に示す投票空間の(3,3)に1票を投ずる。
【0145】
次に、D0がP1に相当する場合、形状基準点は上記の計算により(1,3)となる。そこで、投票空間の(1,3)にも1票を投ずる。同様に、P2,P3に相当する場合も考えて、(1,1),(1,3)にも1票ずつ投票する。
このように、図11に示したルーチンのS108において(vd(n)−vp(u),wd(n)−wp(u))に投票するのは、vp(u),wp(u)が形状基準点に対する点Puの相対位置であるため、この式の座標が点Dnが点Puであった場合の形状基準点の座標値を示すからである。
【0146】
この作業を残りのD1とD2に対しても行なうと、投票空間における投票数は図14に示すようになる。図14において、△印は投票が行なわれた点で、右肩の数字が投票数である。
そして、この空間内で最大の3票が投じられた点(3,3)を、形状基準点である可能性が最も高い点、つまり候補点(vmax,wmax)であるとして、この座標を上位モジュールへ返して処理を終える。
【0147】
なお、ここでは建築図面の解析に用いるために黒ドットの方が白ドットよりも少ないと予想できるため、注目するドットを黒にしたが、モデルパターンの特徴点と、捜索範囲内の注目点をそれぞれ白ドットに変えても同様のマッチングを行なうことができる。
しかし、計算時間は注目するドットの数にも比例するため、どちらか少ない方を選んだ方が都合がよい。
【0148】
次に、図10のルーチンにおけるS92による図形の形状マッチングの処理について説明する。図12は、その図形形状マッチング処理のサブルーチンの内容を示すフロー図である。
【0149】
この図12に示すサブルーチンでは、捜索対象の図面上で、上記形状基準点の推定ルーチンで求めた形状基準点に相当する基準候補点と、図32に示したような形状パターンモデルの基準点(×で示す)の位置を重ね合わせて図形形状のマッチングをとる。そして、精度良くフィット(基準値以上マッチ)した場合に、対象の「流し又はバスタブ」が発見されたと判断する。但し、カスレ等に加えて若干の縮尺のずれや中心点のずれにも対応するため、多少の余裕を持ったマッチングを行なうことにする。
【0150】
なお、このルーチンの特徴点は、先の形状基準点の推定のときに用いた特徴点よりも密にとらないと、段階的にマッチングを行なう意味がない。これは、上述した形状基準点の推定のルーチン(図11)で大まかな場所を推定し、この図形形状マッチングのルーチン(図12)で正確なマッチング検査を行なうことから明らかである。
【0151】
図12のルーチンの処理を開始すると、まずS121において、その後のS124〜S128のマッチング処理のために、当該注目している特定の形状パターンモデルの特徴点の数をカウンタのカウント値u1に代入する。なお、この特徴点の数は一般に形状基準点の推定ルーチンにおける特徴点の数より大きい値にして、より細かい比較を行なう。
【0152】
続いてS122において、マッチングのためのヒット(当たり)数をカウントするためのカウンタのカウント値r1を0に初期設定(r1←0)する。
次に、S123において、特定の形状パターンモデルの特徴点について順番にマッチングのループ処理を行うために、その回数カウンタのカウント値uを0に初期設定(u←0)する。
【0153】
そして、S124において回数カウンタのカウント値uが特定モデルの特徴点の数u1以上かどうかを判定(u≧u1)する。u1以上であれば、当該投票処理のループを終了してS129に移行する。u1以上でなければ、当該u番目の特徴点についてS125〜S128のマッチング処理を行なう。
【0154】
次いで、S125において、特定の形状パターンモデルの基準点から求めた特徴点を、捜索対象の図面上でマッチングをとる。
その結果、S126においてマッチ成功(当たり)したかどうかを判定する。マッチしていれば、S127においてヒット数カウンタr1を+1してからS128に移行し、マッチしていなければ直接S128に移行する。
S128では、特徴点数カウンタuを+1して当該マッチングのループ処理を終了し、S124に戻って次の特徴点についてのマッチング処理を継続する。
【0155】
S129においては、上記S124〜S128のマッチング結果(r1/u1)*100%が総合的に正解基準値以上かどうかを判定する。基準値以上でなければ、当該形状パターンモデルがハズレとみなしてS130に移行する。基準値以上であれば、当該形状パターンモデルが当たりとみなしてS131に移行する。
S130では、当該形状パターンモデルが「ハズレ」として、リターン値Mに0を設定する。また、S131では、当該形状パターンモデルが「当たり」として、リターン値Mに1を設定する。
以上のS121〜S130の処理を行って、その結果Mをメモリ4や外部記憶装置11などに記憶して上位モジュールに情報伝達し、当該サブルーチンを終了する。
【0156】
図形形状マッチングに関しても、具体的に説明を行なう。
モデルパターンを図15の(a)のようにとる。この図に小さい白丸で示すように、形状パターンモデルの特徴点はP0〜P7の8つである。右側に示すこの特徴点P0〜P7の座標値は図13の例と同様に形状基準点*(0,0)に対する値である。
【0057】
また、(b)は捜索対象画像を示しており、黒ドット(小さい黒丸で示す)は図に示すD0〜D4の5つであるとする。その右側に示す各座標値は図14に示した座標と同じ座標によるものとする。その形状基準点の推定位置(☆)は(3,3)であった。そして、正解基準値を80%とした場合を考える。
ここで、前述した形状基準点の推定ルーチンによる、形状基準点の推定位置は十分正確であるとする。
【0158】
この時、特徴点P0〜P7に相当する点すべてに対して、黒ドットであるか否かをチェックする。
特徴点に対応する点の座標値は、形状基準点の推定位置の座標値を(Vmax,Wmax)とすると(Vmax+Vp(u),Wmax+Wp(u))であるから、
特徴点P0に相当する点の座標値は、(3+(−1),3+(−1))=(2,2)となり、黒ドットD 0 (2,2)とマッチする。
【0159】
同様に、P1に相当する点の座標値は、(3+0,3+(−1))=(3,2)となり、黒ドットD1(3,2)とマッチする。
P2に相当する点の座標値は、(3+1,3+(−1))=(4,2)となり、黒ドットD 2 (4,2)とマッチする。
P3に相当する点の座標値は、(3+(−1),3+0)=(2,3)となり、黒ドットD 3 (2,3)とマッチする。
【0160】
P4に相当する点の座標値は、(3+1,3+0)=(4,3)となり、マッチする黒ドットはない。
P5に相当する点の座標値は、(3+(−1),3+1)=(2,4)となり、黒ドットD4(2,4)とマッチする。
P6に相当する点の座標値は、(3+0,3+1)=(3,4)となり、マッチする黒ドットはない。
P7に相当する点の座標値は、(3+1,3+1)=(4,4)となり、マッチする黒ドットはない。
【0161】
このように、8つの特徴点すべてに対してマッチングを行なうと、P0〜P7の内、P0=D0,P1=D1,P2=D2,P3=D3,P5=D4の5つのマッチングが成功する。この場合、精度は(5/8)*100=62.5%となる。したがって、正解基準値80%よりも低い値の精度でしかマッチングが成功しなかったため、このパターンへのマッチングは失敗した、という情報を上位モジュールへ返して処理を終了することになる。
【0162】
この実施形態の建築図面認識装置によって、例えば図33に示すような建築図面のイメージ画像データを入力して、その輪郭及び骨格をなす壁と台所と洗面所の流し、及び浴室のバスタブを認識した結果の画像データを表示すると、図34に示すようになる。
【0163】
以上説明したこの実施形態では、壁の線を示す黒ドット等からなる閉ループで形作られる領域を「シンク」が存在する部屋の候補とみなし、その中から「シンク」に該当する大きさのドット表現を抽出し、その表現対象物毎に妥当性をチェックして、「シンク」認識を行なう。
【0164】
さらに、その閉ループ毎にそれぞれ内部の領域を水平及び垂直方向の黒又は白ドット数を計測することによって射影特徴を抽出したり、簡易Hough 変換を適用したパターンマッチングを行なうことによって、多少の途切れやノイズのある水平及び垂直方向に特徴を持つ形状の流し及びバスタブの認識も実現できるので、次に示すような利点がある。
【0165】
(1)ノイズ及び記述線の途切れがある画像の建築図面でも、閉ループ領域と、その中のパターンモデルの認識を行うことによって、「シンク」のようなパターンモデルの表現を確実に認識できる。
(2)定規などを使用せずにフリーハンドで記述された建築図面でも、壁やパターンモデルの記述において線の揺らぎを相殺すると、水平及び垂直方向への正対性がよければ認識することができる。
【0166】
なお、手書き図面で家図面の正対方向のスキュー補正が困難な場合、手書き図面を方眼紙に記述して、スキュー補正はその方眼紙のマス目を利用して行なうようにするとよい。
また、やむをえず利用者の手作業に委ねる場合、スキャナ読込時にできるだけスキュー補正が不要な正対する図面を作成するように注意を促すマニュアルを添えるとよい。
【0167】
【発明の効果】
以上説明してきたように、この発明の建築図面認識方法及び建築図面認識装置によれば、従来正確な認識が困難であった線が途切れたり直線が多少傾いて記載された手書き図面や、青焼きなどの比較的コントラストが低い図面や、ノイズの多い図面あるいは古い建設図面など、記載状態や画質の悪い建築図面からでも、簡単にその輪郭及び骨格を形成する壁及びシンク(台所流し,洗面流し及びバスタブ)のようなパターンモデルを精度よく認識することができる。
【図面の簡単な説明】
【図1】 この発明による建築図面認識方法を実施する建築図面認識装置の一例の概略構成を示すブロック図である。
【図2】図1の表示部9における再マッピングされた認識結果の画像データの表示例を示す図である。
【図3】同じくスキュー補正された建設図面の入力画像データを認識結果の画像データと重ね合わせて表示した例を示す図である。
【図4】建築図面における外輪郭,外壁,内壁及び骨格の定義を説明するための図である。
【図5】図1に示した建築図面認識装置による建築図面認識処理のメインルーチンを示すフローチャートである。
【図6】図5におけるステップAの壁の位置認識処理のサブルーチンの詳細を示すフロー図である。
【図7】 図6におけるステップ7及び9の壁の抽出(認識)処理のサブルーチンのフロー図である。
【図8】同じく壁の位置を認識する2等分探索法を実行処理するフロー図である。
【図9】図5におけるステップEの「流し及びバスタブ」のモデルの位置付け決定及びマッチング処理のサブルーチンの詳細を示すフロー図である。
【図10】図9におけるS74の「流し及びバスタブ」特定パターンとのマッチング処理のサブルーチンの詳細を示すフロー図である。
【図11】図10におけるS91の形状基準点の推定処理のサブルーチンの詳細を示すフロー図である。
【図12】図10におけるS92の図形形状マッチング処理のサブルーチンの詳細を示すフロー図である。
【図13】形状基準点の推定処理における、形状パータンモデルの形状の特徴点と捜索対象画像の例を示す説明図である。
【図14】形状基準点の推定における、投票空間と投票結果の例を示す説明図である。
【図15】図形形状マッチング処理における、形状パータンモデルの形状の特徴点と捜索対象画像の例を示す説明図である。
【図16】調査対象領域内の壁候補とそれによる領域分割例及び壁候補によって細分化された領域群のネストNo.とその解析処理順序の一例を示す説明図である。
【図17】建築図面(家屋の間取り図)の画像データとその全領域から作成した水平及び垂直方向の黒ドット数計測配列データの具体例を示す図である。
【図18】同じくその他の具体例を示す図である。
【図19】図17の(c)に示した垂直方向の黒ドット数計測配列データを拡大して示す図である。
【図20】図7のステップ26におけるピークの両側又は片側に壁の両面を絞り込む処理の説明図である。
【図21】図8のステップ43における領域幅の分割処理の説明図である。
【図22】図8のステップ44,45における対象領域の壁調査による判断の説明図である。
【図23】図8に示した2等分割探索処理による壁のサンプル(壁候補)の分析例を示す説明図である。
【図24】この発明による簡単な建築図面の壁認識例の説明図である。
【図25】図6のフローチャートに従った具体的な建築図面の認識処理手順の例を示す説明図である。
【図26】図25の続きの説明図である。
【図27】図26の続きの説明図である。
【図28】解析結果データのメモリへの格納内容の一例を示す説明図である。
【図29】図17に示した建築図面の調査対象領域を限定した画像データとそれに基づく水平及び垂直方向の黒ドット数計測配列データの例を示す図である。
【図30】図29より調査対象領域をさらに限定した画像データとそれに基づく水平及び垂直方向の黒ドット数計測配列データの例を示す図である。
【図31】図29より調査対象領域をさらに限定した他の部分の画像データとそれに基づく水平及び垂直方向の黒ドット数計測配列データの例を示す図である。
【図32】建築図面に記述される「流し及びバスタブ」の形状パターンモデルの例を示す図である。
【図33】この発明によって認識する建築図面のイメージ画像データの一例を示す間取り図である。
【図34】図33に示した建築図面のイメージ画像データからの壁と流し及びバスタブの認識結果の表示例を示す図である。
【符号の説明】
1:全体制御部(CPU) 2:画像読取部
3:通信制御部 4:メモリ
5:自動スキュー補正部
6:ドット数計測配列データ作成部
7:輪郭・骨格認識部 8:再マッピング制御部
9:表示部 10:操作入力部
11:外部記憶装置 12:印刷装置
13:流し・バスタブ認識部 14:バス
Claims (6)
- 建築図面の画像を読み取ったイメージ画像データの水平及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成し、その作成した両方向のドット数計測配列データに基づいて建築図面の輪郭及び骨格を認識し、
パターンモデルの形状基準点と複数の特徴点とを記憶し、
前記認識した輪郭及び骨格で囲まれた領域内の各ドットを調査し、前記計測を行った色の各ドットについて、その各ドットからそのドットを前記パターンモデルの特徴点とみなして前記パターンモデルの形状基準点に当たる座標に投票を行い、前記領域内の各座標のうち投票された数が最も多かった座標を前記パターンモデルの形状基準点に相当する基準候補点とし、
その基準候補点と前記パターンモデルの形状基準点の位置を重ね合わせて、前記パターンモデルが有する複数の特徴点と前記基準候補点を求めた領域内の該特徴点に該当するドットとをマッチングし、
そのマッチングの結果に応じて前記イメージ画像中の前記パターンモデルを認識することを特徴とする建築図面認識方法。 - 建築図面の画像を読み取ったイメージ画像データを入力する画像データ入力手段と、
該手段によって入力したイメージ画像データの水平方向及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成するドット数計測配列データ作成手段と、
該手段により作成されたドット数計測配列データに基づいて建築図面の輪郭及び骨格を認識する輪郭・骨格認識手段と、
パターンモデルの形状基準点と複数の特徴点とを記憶する手段と、
前記輪郭・骨格認識手段が認識した輪郭及び骨格で囲まれた領域内の各ドットを調査し、前記計測を行った色の各ドットについて、その各ドットからそのドットを前記パターンモデルの特徴点とみなして前記パターンモデルの形状基準点に当たる座標に投票を行い、前記領域内の各座標のうち投票された数が最も多かった座標を前記パターンモデルの形状基準点に相当する基準候補点とし、その基準候補点と前記パターンモデルの形状基準点の位置を重ね合わせて、前記パターンモデルが有する複数の特徴点と前記基準候補点を求めた領域内の該特徴点に該当するドットとをマッチングし、そのマッチングの結果に応じて前記イメージ画像中の前記パターンモデルを認識する認識手段と
を設けたことを特徴とする建築図面認識装置。 - 前記画像データ入力手段が、建築図面の画像を読み取ってそのイメージ画像データを入力する画像読取手段である請求項2記載の建築図面認識装置。
- 前記画像データ入力手段が、建築図面の画像を読み取ったイメージ画像データのランレングスを符号化した符号化画像データを入力する画像データ入力手段であり、前記ドット数計測配列データ作成手段が、前記画像データ入力手段によって入力した符号化画像データから元のイメージ画像データの水平方向及び垂直方向の黒又は白ドット数を計測して水平及び垂直方向のドット数計測配列データを作成する手段であることを特徴とする請求項2記載の建築図面認識装置。
- 前記画像データ入力手段が、前記符号化画像データを通信により受信して入力する画像データ受信手段である請求項4記載の建築図面認識装置。
- 請求項2乃至5のいずれか一項に記載の建築図面認識装置において、前記認識手段による認識結果を表示する表示手段を設けたことを特徴とする建築図面認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26863497A JP3701778B2 (ja) | 1997-10-01 | 1997-10-01 | 建築図面認識方法及び建築図面認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP26863497A JP3701778B2 (ja) | 1997-10-01 | 1997-10-01 | 建築図面認識方法及び建築図面認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH11110553A JPH11110553A (ja) | 1999-04-23 |
JP3701778B2 true JP3701778B2 (ja) | 2005-10-05 |
Family
ID=17461280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP26863497A Expired - Fee Related JP3701778B2 (ja) | 1997-10-01 | 1997-10-01 | 建築図面認識方法及び建築図面認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3701778B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7255208B2 (ja) * | 2019-01-31 | 2023-04-11 | 積水ハウス株式会社 | 消防設備配置支援システム |
-
1997
- 1997-10-01 JP JP26863497A patent/JP3701778B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH11110553A (ja) | 1999-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275874B2 (en) | Method for constructing a 3D digital model from a 2D plan | |
JP6872670B2 (ja) | 寸法計測装置、寸法計測プログラム及び半導体製造システム | |
JP7288870B2 (ja) | 画像を生成するシステム | |
CN113742810A (zh) | 一种比例尺识别方法和基于临摹图的三维模型建立系统 | |
JP3571128B2 (ja) | 図面の寸法数値認識方法及びその装置 | |
JP3701778B2 (ja) | 建築図面認識方法及び建築図面認識装置 | |
JP3658468B2 (ja) | 建築図面認識方法及び認識装置 | |
JP3961595B2 (ja) | 建築図面認識方法及び認識装置 | |
JP3645404B2 (ja) | 建築図面からドアを認識する方法及びその装置 | |
JP3679241B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3678523B2 (ja) | 建設図面認識方法及び建設図面認識装置 | |
JP3648006B2 (ja) | 建設図面からのトイレ認識方法及び建設図面認識装置 | |
JP3686214B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3595393B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3516541B2 (ja) | 建設図面の寸法情報認識方法及び認識装置 | |
JP3516502B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3678521B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3516540B2 (ja) | 建設図面認識方法及び認識装置 | |
JP3545481B2 (ja) | 画像認識方法及びその装置 | |
CN112215240A (zh) | 一种提高2d复杂边缘检测精度的优化方法 | |
JPH11259550A (ja) | 建設図面認識方法及び認識装置とそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
JP2000194744A (ja) | 建設図面の画像デ―タ処理方法及びその装置とそのための制御プログラムを記録したコンピュ―タ読み取り可能な記録媒体 | |
Lindqvist | Similarity assessment of floor plans: Tackling the challenge of how to compare floor plans with each other | |
CN118314577A (zh) | 一种数字压力仪表示值及压力单位识别方法 | |
CN118302790A (zh) | 示教数据作成辅助装置、示教数据作成辅助方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050111 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050425 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050621 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050712 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050714 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080722 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090722 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090722 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100722 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110722 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120722 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120722 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130722 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |