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
【０００１】
【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
【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】
【表２】
「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 |