KR20190102971A - 건축 도면 분석 방법 및 장치 - Google Patents
건축 도면 분석 방법 및 장치 Download PDFInfo
- Publication number
- KR20190102971A KR20190102971A KR1020180133899A KR20180133899A KR20190102971A KR 20190102971 A KR20190102971 A KR 20190102971A KR 1020180133899 A KR1020180133899 A KR 1020180133899A KR 20180133899 A KR20180133899 A KR 20180133899A KR 20190102971 A KR20190102971 A KR 20190102971A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- analyzing
- type
- image
- analysis
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000013461 design Methods 0.000 claims description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000013135 deep learning Methods 0.000 claims description 15
- 238000010191 image analysis Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
Abstract
도면분석장치에 의해 수행되는 건축 도면 분석 방법이 제공된다. 상기 방법은 도면을 입력받는 단계, 상기 도면의 이미지를 분석하여 상기 도면에 포함된 객체의 종류를 도출하는 단계, 상기 도면의 좌표 데이터를 분석하여 상기 도출된 객체의 규격 정보를 산출하는 단계, 및 상기 객체의 종류 및 상기 객체의 규격 정보를 기반으로 상기 객체에 대한 구성 정보를 파악하는 단계를 포함한다.
Description
본 발명은 건축 도면 분석 방법 및 장치에 관한 것이다.
일반적으로, 건축 설계사와 건축 자재 제작 업체간의 업무 협업은 주로 CAD 도면을 기준으로 설계 자료가 공유되고 있지만, 건축 설계 업체별로 도면을 작성하는 양식 및 자재 정보의 표기법 등이 표준화되지 못한 상황이며, 이 때문에 도면을 분석하는 방식 또한 자동화되지 못하여 다수의 전문 인력이 CAD 도면을 육안으로 검토하고 해당 설계 결과 데이터를 수기로 관리하기 때문에 비효율적이라는 단점이 있다.
이러한 비효율적인 업무 프로세스는 상당한 수준의 인적 리소스 투입이 필요하고, 사람의 눈 및 손에 의하여 작업되는 결과인 만큼, 매우 높은 설계 오류가 발생하여, 건축 자재 제작 업체로 하여금 상당한 수준의 재정적 손실을 초래한다.
본 발명이 해결하고자 하는 과제는 건축 도면 분석 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 도면을 이미지 분석하여 객체를 추출하고, 좌표 정보를 분석하여 객체의 규격을 산출하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제는 도면으로부터 분석된 객체 및 규격 정보를 통해 필요한 자재를 파악하고, 견적을 산출하고, 발주 정보를 생성하는 일련의 건축 도급 과정을 수행하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 도면분석장치에 의해 수행되는 건축 도면 분석 방법은, 도면을 입력받는 단계, 상기 도면의 이미지를 분석하여 상기 도면에 포함된 객체의 종류를 도출하는 단계, 상기 도면의 좌표 데이터를 분석하여 상기 도출된 객체의 규격 정보를 산출하는 단계, 및 상기 객체의 종류 및 상기 객체의 규격 정보를 기반으로 상기 객체에 대한 구성 정보를 파악하는 단계를 포함한다.
본 발명의 일 실시예에 있어서, 상기 객체의 종류를 도출하는 단계는, 상기 도면의 이미지를 딥러닝 기반의 CNN(Convolutional Neural Network) 기술을 이용하여 분석하는 단계, 및 상기 분석을 기반으로 상기 도면에 포함된 객체를 추출하여, 상기 객체의 종류를 도출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 딥러닝 기반의 CNN 기술을 이용하여 분석하는 단계는, 상기 객체를 포함하는 도면의 이미지 데이터를 획득하여 학습 데이터셋을 구축하는 단계, 및 상기 딥러닝 기반의 CNN 기술을 이용하여 상기 학습 데이터셋을 학습하여 학습 결과물을 도출하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 학습 데이터셋을 구축하는 단계는, 상기 도면의 이미지 데이터로부터 상기 객체를 구성하는 적어도 하나의 구성요소, 상기 객체의 제품군, 및 상기 객체의 규격 정보 중 적어도 하나를 획득하여 상기 학습 데이터셋을 구축할 수 있다.
본 발명의 일 실시예에 있어서, 상기 도출된 객체의 규격 정보를 산출하는 단계는, 상기 도면의 좌표 데이터를 분석하여 벡터 데이터를 추출하는 단계, 및 상기 벡터 데이터를 기반으로 상기 객체에 대한 점, 선, 면 정보를 산출하여 상기 객체의 규격 정보를 도출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 객체에 대한 구성 정보를 파악하는 단계는, 상기 학습 결과물로부터 도출된 상기 객체의 종류에 기반하여 상기 객체의 규격 정보를 매칭하여 상기 객체에 대한 구성 정보를 파악할 수 있다.
본 발명의 일 실시예에 있어서, 상기 객체에 대한 구성 정보는, 상기 객체에 대한 자재 정보, 상기 객체의 형태, 및 상기 객체의 용도 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 객체에 대한 구성 정보를 기반으로 상기 객체에 대한 상세 설계 및 견적 정보를 제공하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 있어서, 상기 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 도면분석장치는, 도면을 입력받는 입력부, 상기 도면의 이미지를 분석하여 상기 도면에 포함된 객체의 종류를 도출하는 이미지 분석부, 상기 도면의 좌표 데이터를 분석하여 상기 도출된 객체의 규격 정보를 산출하는 좌표 분석부, 및 상기 객체의 종류 및 상기 객체의 규격 정보를 기반으로 상기 객체에 대한 구성 정보를 파악하는 객체정보 파악부를 포함한다.
본 발명의 일 실시예에 따른 컴퓨터프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 건축 도면 분석 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.
본 발명에 따르면, 도면의 이미지 자체를 분석하여 도면을 구성하는 객체가 무엇인지 정확하게 파악하고, 좌표 데이터 분석 결과를 대입함으로써, 객체의 종류와 규격 정보를 정확하게 분석할 수 있는 효과가 있다.
본 발명에 따르면, 분석 결과를 통해서 자동으로 일련의 건축 도급 과정을 진행할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 도면분석장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 미서기창을 도시한 도면의 일례이다.
도 3은 본 발명의 일 실시예에 따른 커튼월을 도시한 도면의 일례이다.
도 4는 본 발명의 일 실시예에 따른 도면분석장치(100)에 의해 도면을 분석한 결과를 도시한 도면의 일례이다.
도 5는 본 발명의 일 실시예에 따른 건축 도면 분석 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 딥러닝 기반의 CNN 기술을 이용한 이미지 분석 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 미서기창을 도시한 도면의 일례이다.
도 3은 본 발명의 일 실시예에 따른 커튼월을 도시한 도면의 일례이다.
도 4는 본 발명의 일 실시예에 따른 도면분석장치(100)에 의해 도면을 분석한 결과를 도시한 도면의 일례이다.
도 5는 본 발명의 일 실시예에 따른 건축 도면 분석 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시예에 따른 딥러닝 기반의 CNN 기술을 이용한 이미지 분석 방법을 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 도면분석장치의 구성을 나타내는 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 도면분석장치(100)는 도면을 분석하여 도면에 표현된 건축물이나 구성요소들을 파악하고, 이를 통해서 건축 도급과 관련된 일련의 과정(예: 견적, 발주, 제조, 시공, 납품 등)을 자동으로 수행할 수 있는 시스템이다.
도면분석장치(100)는 입력부(110), 이미지 분석부(120), 좌표 분석부(130), 객체정보 파악부(140) 및 자재물량 산출부(150)를 포함할 수 있다.
입력부(110)는 다양한 도면을 입력받을 수 있다. 예컨대, 입력부(110)는 도면 설계시에 이용되는 CAD 프로그램을 통해 획득되는 CAD 데이터를 도면으로 입력받을 수 있다. 그러나 본 발명이 이에 한정되는 것은 아니며, 도면으로 활용될 수 있는 데이터를 모두 포함할 수 있다.
여기서, 도면은 건축물을 구성하는 적어도 하나의 객체를 포함할 수 있다. 객체는 건축물을 구성하는 구성요소를 말하는 것으로, 건축물에 따라 다양한 구성요소들로 이루어질 수 있다. 예를 들어, 도면에 도시된 건축물에 창호가 있는 경우, 창호를 구성하는 각 구성요소들(예: 프레임, 창, 문, 방충망, 난간 등)이 객체로 판단될 수 있다.
또한, 입력부(110)는 자재정보를 입력받을 수 있다. 예컨대, 입력부(110)는 사용자로부터 도면 설계를 위한 주, 부자재들을 입력받을 수 있고, 이와 함께 해당 도면을 입력받을 수 있다.
이미지 분석부(120)는 입력부(110)로부터 입력받은 도면의 이미지를 분석하여 도면에 포함된 객체의 종류를 도출할 수 있다. 일 실시예로, 이미지 분석부(120)는 도면의 이미지를 딥러닝 기반의 CNN(Convolutional Neural Network) 기술을 이용하여 분석하고, 분석 결과를 기반으로 도면에 포함된 객체를 추출하여 객체의 종류를 도출할 수 있다. 여기서, 객체의 종류는 각 구성요소들(즉, 객체)이 속하는 카테고리를 의미할 수 있다. 예컨대 객체로 프레임이 추출된 경우, 이미지 분석부(120)는 프레임 객체의 이미지를 분석하여 모자바, 히든바, 장식바 등을 객체의 종류로 도출할 수 있다. 또는, 객체로 창문이 추출된 경우, 이미지 분석부(120)는 창문 객체의 이미지를 분석하여 미서기창, 커튼월, 도어, 기타 창류 등을 객체의 종류로 도출할 수 있다.
좌표 분석부(130)는 입력부(110)로부터 입력받은 도면의 좌표 데이터를 분석하여 객체의 규격 정보를 산출할 수 있다. 일 실시예로, 좌표 분석부(130)는 도면의 좌표 데이터를 분석하여 벡터 데이터를 추출하고, 추출된 벡터 데이터를 기반으로 객체에 대한 점, 선, 면 정보를 산출하여 객체의 규격 정보를 도출할 수 있다. 여기서, 규격 정보는 객체에 대한 모양, 크기 등을 나타내는 수치 정보일 수 있다.
객체정보 파악부(140)는 이미지 분석부(120)에 의해 분석된 객체의 종류 및 좌표 분석부(130)에 의해 분석된 객체의 규격 정보를 기반으로 객체에 대한 구성 정보를 파악할 수 있다. 일 실시예로, 객체에 대한 구성 정보는 객체에 대한 자재 정보, 객체의 형태, 객체의 용도 등을 포함할 수 있다.
자재물량 산출부(150)는 객체정보 파악부(140)에 의해 파악된 객체에 대한 구성 정보와 입력부(110)를 통해 입력한 자재정보를 매핑하여 도면 설계를 위해 필요한 최종 자재물량을 산출할 수 있다.
또한, 도면분석장치(100)는 객체정보 파악부(140)에 의해 파악된 객체에 대한 구성 정보를 기반으로 객체에 대한 상세 설계 및 견적 정보를 제공할 수 있다. 일 실시예로, 도면분석장치(100)는 견적정보 제공부(미도시)를 더 포함할 수 있으며, 견적정보 제공부는 객체에 대한 상세 설계 및 견적 정보를 포함하는 견적서를 산출하여 제공할 수 있다.
또한, 도면분석장치(100)는 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성할 수 있다. 일 실시예로, 도면분석장치(100)는 도급정보 생성부(미도시)를 더 포함할 수 있으며, 도급정보 생성부는 도면에 포함된 객체와 관련된 도급 계약 정보를 포함하는 발주데이터를 생성하여 제공할 수 있다. 예컨대, 도급정보 생성부는 도급과 관련된 일련의 과정으로서, 해당 객체에 대한 제품의 제조, 시공, 납품 등과 관련된 정보를 생성할 수 있다.
도 2는 본 발명의 일 실시예에 따른 미서기창을 도시한 도면의 일례이다.
도 2를 참조하면, 도면(200)에는 가로1,350mm x 세로 1,600mm 크기의 일반적인 미서기창을 상하로 붙여놓은 형태(세로연창)가 도시되어 있다.
종래의 기술에 따르면, 도면(200)에는 각각의 변을 구성하는 선의 좌표들이 있지만, 좌표계 분석만으로는 각 변의 길이 등 규격 정보만을 파악할 수 있다. 따라서, 도면(200)에 도시된 미서기창의 형태를 이루는 각 변들 사이의 상대적 결합 관계를 파악할 수 없기 때문에, 해당 도면의 객체가 미서기창이라는 것을 알아내기 힘든 문제점이 있다. 즉, 종래에는 도면(200)에 대해 매우 복잡한 기하학적 분석과 다양한 도형 그리기 방식 등에 대한 개별적인 예외 케이스를 규정짓고 이에 대응하는 방식으로 이루어졌기 때문에, 기계를 통한 분석 자체가 어렵고 분석을 하더라도 그 결과가 정확하지 못한 문제가 있다.
하지만, 본 발명의 실시예에 따른 도면분석장치(100)는 인공지능 기반의 이미지 분석 기술을 이용하므로, 좌표 분석 같은 데이터 중심의 접근 방식과 다르게 사람의 시각정보 인식과 유사한 형태로 객체를 파악할 수 있다. 일 실시예로, 도면분석장치(100)는 도면을 구성하는 다양한 객체의 이미지 샘플을 추출하여 인공지능으로 하여금 해당 객체가 무엇인지 학습시킬 수 있으며, 이와 같이 학습된 인공지능 도면 분석 모듈(즉, 이미지 분석부(120))를 통해 도 2의 도면(200)이 상하 2개의 미서기창이 붙어있는 연창이라는 것을 파악해 낼 수 있다. 즉, 도면분석장치(100)는 도면(200)에 대한 이미지 분석을 통해 미서기창이라는 객체의 종류를 정확히 도출해 낼 수 있다. 또한, 도면분석장치(100)는 도면(200)에 대한 이미지 분석을 통해 미서기창과 연결되어 구성된 방충망, 안전 난간 등의 객체를 추출하여 각 객체의 종류를 도출할 수 있다. 본 발명에 따르면, 도면에 포함된 각 객체를 분리하여 추출하고, 추출된 각 객체별로 객체의 종류를 판단하기 때문에 보다 정확한 도면 분석이 이루어지게 된다.
또한, 본 발명의 실시예에 따른 도면분석장치(100)는 이미지 분석을 통해 도출된 객체의 종류에 좌표 데이터를 분석하여 객체의 규격 정보를 추가적으로 산출할 수 있다. 즉, 객체의 종류를 분석한 이후에 좌표 데이터 분석을 통해 산출된 객체의 규격 정보를 대입함으로써, 최종적으로 도면(200)에 도시된 미서기창, 방충망, 안전 난간 등의 정확한 종류와 수치, 상호 간의 관계를 파악할 수 있게 된다.
도 3은 본 발명의 일 실시예에 따른 커튼월을 도시한 도면의 일례이다.
도 3을 참조하면, 도면(300)에는 커튼월이 도시되어 있으며, 커튼월은 일반적으로 알루미늄 프레임에 유리를 끼워 전체 벽면처럼 구성하는 건축 외장 타입이다. 도면(300)의 커튼월(알루미늄 프레임)은 가로, 세로로 구성된 프레임 면을 구성하고, 그 사이에 출입문과 유리창(F로 표현된 부분) 등의 객체들이 복합적으로 구성되어 있다. 이러한 도면(300)의 경우, 학습된 인공지능 도면 분석 모듈(즉, 이미지 분석부(120))이 각각의 프레임을 개별로 인식하며, 예컨대 출입문을 구성하는 프레임을 제외한 프레임들을 개별로 분석할 수 있다. 즉, 종래의 좌표 분석만으로는 도면(300)에서 각각의 객체의 종류가 무엇인지 분석하는 것이 불가능하지만, 본 발명의 실시예에 따르면 도면(300)에서 출입문이 무엇인지 파악할 수 있기 때문에 출입문을 제외한 커튼월을 구성하는 각 객체를 추출하고 추출된 객체의 종류를 분석하는 것이 가능하다.
또한, 본 발명에 따르면 객체의 종류를 분석한 이후, 좌표 데이터를 분석하여 객체의 규격 정보를 추가적으로 산출할 수 있다. 예를 들어, 좌표 데이터 분석을 통해 산출된 각 객체의 규격 정보(예: 수치선의 치수 정보)를 대입하면 도 3의 도면(300)에는 최종적으로 3000 치수 정보를 가진 커튼월용 세로 프레임 5개와 600 치수 정보를 가진 커튼월용 프레임 2개가 포함되어 있다.
도 4는 본 발명의 일 실시예에 따른 도면분석장치(100)에 의해 도면을 분석한 결과를 도시한 도면의 일례이다.
도 4를 참조하면, 도면(400)에는 커튼월과 미서기창이 복합적으로 구성된 도면을 분석한 결과를 나타내고 있다. 커튼월 구조물의 경우, 가로, 세로 구분에 따라 동일한 자재라도 두께 및 보강재 등의 차이가 존재할 수 있기 때문에 해당 구분이 중요하다. 본 발명의 실시예에 따른 도면분석장치(100)는 도 4의 결과물에서 확인할 수 있듯이, 가로, 세로 프레임의 분석이 가능하며, 중간에 미서기창이 들어간 부분은 프레임으로 인식하지 않고 미서기창이라는 별도의 객체로 분류하고 있다.
도 5는 본 발명의 일 실시예에 따른 건축 도면 분석 방법을 나타내는 흐름도이다. 도 5의 방법은 도 1의 도면분석장치(100)에 의해 수행될 있다.
도면분석장치(100)의 입력부(110)는 도면을 입력받을 수 있다(S100).
또한, 도면분석장치(100)의 입력부(110)는 도면과 함께 도면 설계를 위한 자재정보를 추가적으로 입력받을 수도 있다.
도면분석장치(100)의 이미지 분석부(120)는 입력받은 도면의 이미지를 분석하여 도면에 포함된 객체의 종류를 도출할 수 있다(S110).
일 실시예로, 이미지 분석부(120)는 도면의 이미지를 딥러닝 기반의 CNN(Convolutional Neural Network) 기술을 이용하여 분석하고, 분석 결과를 기반으로 도면에 포함된 객체를 추출하여 객체의 종류를 도출할 수 있다. 딥러닝 기반의 CNN 기술을 이용함으로써, 도면 설계자가 도면을 설계할 때 매번 다른 방식으로 객체를 그리더라도 결과적으로 표현된 이미지의 형태가 유사하다면 해당 객체를 정확하게 분석할 수 있는 장점이 있다.
딥러닝 기반의 CNN 기술을 이용함에 있어서, 이미지 분석부(120)는 학습 데이터셋을 구축하여 학습을 시키는 과정을 수행할 수 있다. 일 실시예로, 이미지 분석부(120)는 객체를 포함하는 도면의 이미지 데이터를 획득하여 학습 데이터셋을 구축하고, 딥러닝 기반의 CNN 기술을 이용하여 학습 데이터셋을 학습하여 학습 결과물을 도출할 수 있다. 여기서, 학습 데이터셋은 도면의 이미지 데이터로부터 객체를 구성하는 적어도 하나의 구성요소, 객체의 제품군, 객체의 규격 정보 등을 획득하여 구축될 수 있다. 예를 들어, 프레임 타입(예: 모자바, 히든바, 장식바, 가로/세로 타입, 인/아웃 타입 등)을 포함하는 학습 데이터셋을 구축할 수도 있고, 기성품 타입(예: 미서기창, 도어 등)을 포함하는 학습 데이터셋을 구축할 수도 있고, 기타(예: 주요 용어, 디멘션 수치 등) 정보를 포함하는 학습 데이터셋을 구축할 수도 있다. 이러한 학습 데이터셋은 예시적인 것으로, 도면에 포함된 모든 객체에 대해서 학습 데이터셋으로 구성할 수 있다.
도 6은 본 발명의 일 실시예에 따른 딥러닝 기반의 CNN 기술을 이용한 이미지 분석 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 이미지 분석부(120)는 도면의 이미지 데이터를 입력값으로 획득하고, 딥러닝 기반의 CNN 기술을 적용하여 획득된 이미지 데이터 내 객체를 검출할 수 있다. 딥러닝 기반의 CNN 방식은 복수의 레이어들을 이용하여 최종적으로 이미지 데이터로부터 객체를 도출하는 기술로서, 예를 들어 도 6에 도시된 바와 같이, 입력된 도면의 이미지 데이터로부터 객체를 추출하기 위해서 컨벌루션 레이어(convolution layer), 및/또는 서브샘플링 레이어(subsampling layer)를 구성한 다음, 최종적으로 객체의 대표값을 결정하기 위한 풀링 레이어(pooling layer)를 구성할 수 있다. 이때, 풀링 레이어는 선형함수 계산을 통해 객체에 대한 근사값을 도출한다. 따라서, 이미지 분석부(120)는 최종적으로 객체의 근사값을 통해 객체의 종류를 결정할 수 있다.
또한, 본 발명에서는 이미지 분석부(120)가 이미지 데이터의 사이즈, 컨벌루션 레이어 및 서브샘플링 레이어의 개수, 풀링 레이어에서의 함수 가중치 등을 조절함으로써 입력된 도면에 따라 최적화된 이미지 분석 알고리즘을 도출할 수도 있다.
다시 도 5를 참조하면, 도면분석장치(100)의 좌표 분석부(130)는 입력받은 도면의 좌표 데이터를 분석하여 도출된 객체의 규격 정보를 산출할 수 있다(S120).
일 실시예로, 좌표 분석부(130)는 도면의 좌표 데이터를 분석하여 벡터 데이터를 추출하고, 추출된 벡터 데이터를 기반으로 객체에 대한 점, 선, 면 정보를 산출하여 객체의 규격 정보를 도출할 수 있다. 예컨대, 좌표 분석부(130)는 객체의 모양, 크기 등의 수치 정보를 도출할 수 있다.
도면분석장치(100)의 객체정보 파악부(140)는 상기에서 도출된 객체의 종류 및 객체의 규격 정보를 기반으로 객체에 대한 구성 정보를 파악할 수 있다(S130).
일 실시예로, 객체정보 파악부(140)는 학습을 통해 도출된 학습 결과물을 기반으로 입력된 도면에 포함된 객체의 종류를 정확히 파악할 수 있다. 이때, 학습 결과물에는 객체의 좌표, 수치 등의 규격 정보가 대략적으로 지정되어 있다. 따라서, 객체정보 파악부(140)는 학습 결과물로부터 도출된 도면에 좌표 분석부(130)에 의해 산출된 객체의 규격 정보를 매칭함으로써, 도면 내 객체의 좌표, 수치 등을 보정할 수 있다. 예컨대, 학습 결과물의 좌표계와 실제 설계된 도면(예: CAD 도면)의 좌표계를 매칭하여 상호 간의 객체의 규격 정보를 보정할 수 있다. 객체정보 파악부(140)는 도면의 이미지 분석 및 좌표 데이터 분석을 통해 최종적으로 객체에 대한 구성 정보를 도출할 수 있다. 즉, 객체정보 파악부(140)는 도면으로부터 객체의 종류, 객체의 규격 정보뿐만 아니라, 최종적으로 객체에 대한 자재 정보, 객체의 형태, 객체의 용도 등을 객체에 대한 구성 정보로 도출할 수 있다.
또한, 도면분석장치(100)의 자재물량 산출부(150)는 도면을 입력하여 분석된 객체에 대한 구성 정보와 입력받은 자재정보를 매칭함으로써 도면 설계를 위해 필요한 최종 자재물량을 산출할 수 있다.
또한, 본 발명의 실시예에 따르면, 도면분석장치(100)는 객체에 대한 구성 정보를 기반으로 객체에 대한 상세 설계 및 견적 정보를 제공할 수 있다.
또한, 본 발명의 실시예에 따르면, 도면분석장치(100)는 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성할 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
Claims (11)
- 도면분석장치에 의해 수행되는 건축 도면 분석 방법에 있어서,
도면을 입력받는 단계;
상기 도면의 이미지를 분석하여 상기 도면에 포함된 객체의 종류를 도출하는 단계;
상기 도면의 좌표 데이터를 분석하여 상기 도출된 객체의 규격 정보를 산출하는 단계; 및
상기 객체의 종류 및 상기 객체의 규격 정보를 기반으로 상기 객체에 대한 구성 정보를 파악하는 단계를 포함하는, 건축 도면 분석 방법. - 제1항에 있어서,
상기 객체의 종류를 도출하는 단계는,
상기 도면의 이미지를 딥러닝 기반의 CNN(Convolutional Neural Network) 기술을 이용하여 분석하는 단계; 및
상기 분석을 기반으로 상기 도면에 포함된 객체를 추출하여, 상기 객체의 종류를 도출하는 단계를 포함하는, 건축 도면 분석 방법. - 제2항에 있어서,
상기 딥러닝 기반의 CNN 기술을 이용하여 분석하는 단계는,
상기 객체를 포함하는 도면의 이미지 데이터를 획득하여 학습 데이터셋을 구축하는 단계; 및
상기 딥러닝 기반의 CNN 기술을 이용하여 상기 학습 데이터셋을 학습하여 학습 결과물을 도출하는 단계를 더 포함하는, 건축 도면 분석 방법. - 제3항에 있어서,
상기 학습 데이터셋을 구축하는 단계는,
상기 도면의 이미지 데이터로부터 상기 객체를 구성하는 적어도 하나의 구성요소, 상기 객체의 제품군, 및 상기 객체의 규격 정보 중 적어도 하나를 획득하여 상기 학습 데이터셋을 구축하는, 건축 도면 분석 방법. - 제1항에 있어서,
상기 도출된 객체의 규격 정보를 산출하는 단계는,
상기 도면의 좌표 데이터를 분석하여 벡터 데이터를 추출하는 단계; 및
상기 벡터 데이터를 기반으로 상기 객체에 대한 점, 선, 면 정보를 산출하여 상기 객체의 규격 정보를 도출하는 단계를 포함하는, 건축 도면 분석 방법. - 제3항에 있어서,
상기 객체에 대한 구성 정보를 파악하는 단계는,
상기 학습 결과물로부터 도출된 상기 객체의 종류에 기반하여 상기 객체의 규격 정보를 매칭하여 상기 객체에 대한 구성 정보를 파악하는, 건축 도면 분석 방법. - 제6항에 있어서,
상기 객체에 대한 구성 정보는,
상기 객체에 대한 자재 정보, 상기 객체의 형태, 및 상기 객체의 용도 중 적어도 하나를 포함하는, 건축 도면 분석 방법. - 제1항에 있어서,
상기 객체에 대한 구성 정보를 기반으로 상기 객체에 대한 상세 설계 및 견적 정보를 제공하는 단계를 더 포함하는, 건축 도면 분석 방법. - 제1항에 있어서,
상기 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성하는 단계를 더 포함하는, 건축 도면 분석 방법. - 도면을 입력받는 입력부;
상기 도면의 이미지를 분석하여 상기 도면에 포함된 객체의 종류를 도출하는 이미지 분석부;
상기 도면의 좌표 데이터를 분석하여 상기 도출된 객체의 규격 정보를 산출하는 좌표 분석부; 및
상기 객체의 종류 및 상기 객체의 규격 정보를 기반으로 상기 객체에 대한 구성 정보를 파악하는 객체정보 파악부를 포함하는, 도면분석장치. - 하드웨어인 컴퓨터와 결합되어, 제1항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20180023069 | 2018-02-26 | ||
| KR1020180023069 | 2018-02-26 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200030290A Division KR20200081340A (ko) | 2018-02-26 | 2020-03-11 | 건축 도면 분석 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190102971A true KR20190102971A (ko) | 2019-09-04 |
Family
ID=67950434
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180133899A KR20190102971A (ko) | 2018-02-26 | 2018-11-02 | 건축 도면 분석 방법 및 장치 |
| KR1020200030290A KR20200081340A (ko) | 2018-02-26 | 2020-03-11 | 건축 도면 분석 방법 및 장치 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200030290A KR20200081340A (ko) | 2018-02-26 | 2020-03-11 | 건축 도면 분석 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20190102971A (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102198965B1 (ko) * | 2019-12-27 | 2021-01-05 | 대한민국 | 색상을 이용한 전자 도면 보안 관리 방법 |
| KR20210057907A (ko) * | 2019-11-13 | 2021-05-24 | 한국기술교육대학교 산학협력단 | 딥러닝 기반 지능형 엔지니어링 도면 생성방법 및 장치 |
| KR102338246B1 (ko) * | 2021-03-17 | 2021-12-14 | 주식회사 텐일레븐 | 딥러닝 기반의 성절토 최적화 방법 |
| JP7414212B2 (ja) | 2021-11-22 | 2024-01-16 | コリア プラットフォーム サービステクノロジー株式会社 | 伝統家屋図面の構造名称を分類するディープラーニングフレームワーク応用データベースサーバ及びその方法 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102401296B1 (ko) * | 2020-09-25 | 2022-05-25 | 주식회사태현시스템 | 인공지능을 이용한 견적산출시스템과 그 방법 및 이를 모니터링하기 위한 디스플레이 모듈 |
| KR102473011B1 (ko) * | 2020-11-29 | 2022-12-02 | 스마트로봇연구소(주) | 조선 철의장품 제작 중 조선소와 협력사 간 작업도면의 가공데이터 전달을 위한 가공요소 표현 데이터의 표준화용 데이터베이스를 구비한 시스템 |
| KR102482484B1 (ko) * | 2020-12-08 | 2022-12-29 | 주식회사 지인인더스 | 건축 자재의 비용 산출을 위한 장치 및 방법 |
| KR102365107B1 (ko) * | 2021-03-11 | 2022-02-23 | 제이케이소프텍 주식회사 | 창호 주문 제작을 위한 사용자 인터페이스 제공 방법 및 장치 |
| KR102535054B1 (ko) * | 2021-09-07 | 2023-05-26 | 서울대학교산학협력단 | 패치기반의 딥러닝 알고리즘을 통한 실내도면 이미지에서의 실내공간정보 자동추출방법 및 그 장치 |
| KR102655432B1 (ko) | 2021-09-07 | 2024-04-08 | 주식회사 제니스아이씨티 | 머신 러닝을 이용한 도면 객체 추출 장치 및 방법 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000072245A (ko) | 2000-08-22 | 2000-12-05 | 강윤환 | 컴퓨터를 이용한 건축도면 분석 및 처리방법 |
-
2018
- 2018-11-02 KR KR1020180133899A patent/KR20190102971A/ko not_active Application Discontinuation
-
2020
- 2020-03-11 KR KR1020200030290A patent/KR20200081340A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000072245A (ko) | 2000-08-22 | 2000-12-05 | 강윤환 | 컴퓨터를 이용한 건축도면 분석 및 처리방법 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210057907A (ko) * | 2019-11-13 | 2021-05-24 | 한국기술교육대학교 산학협력단 | 딥러닝 기반 지능형 엔지니어링 도면 생성방법 및 장치 |
| KR102198965B1 (ko) * | 2019-12-27 | 2021-01-05 | 대한민국 | 색상을 이용한 전자 도면 보안 관리 방법 |
| WO2021133133A1 (ko) * | 2019-12-27 | 2021-07-01 | 대한민국(국방부 국군인쇄창장) | 색상을 이용한 전자 도면 보안 관리 방법 |
| KR102338246B1 (ko) * | 2021-03-17 | 2021-12-14 | 주식회사 텐일레븐 | 딥러닝 기반의 성절토 최적화 방법 |
| JP7414212B2 (ja) | 2021-11-22 | 2024-01-16 | コリア プラットフォーム サービステクノロジー株式会社 | 伝統家屋図面の構造名称を分類するディープラーニングフレームワーク応用データベースサーバ及びその方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200081340A (ko) | 2020-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20190102971A (ko) | 건축 도면 분석 방법 및 장치 | |
| CN104361611B (zh) | 一种基于群稀疏鲁棒pca的运动目标检测方法 | |
| Li et al. | A hierarchical methodology for urban facade parsing from TLS point clouds | |
| CN106327469A (zh) | 一种语义标签引导的视频对象分割方法 | |
| US8843352B2 (en) | System and methods facilitating interfacing with a structure design and development process | |
| US11004204B2 (en) | Segmentation-based damage detection | |
| CN104392231A (zh) | 基于分块与稀疏主特征提取的快速协同显著性检测方法 | |
| Banaei et al. | Application of AI methods in the clustering of architecture interior forms | |
| CN112700529A (zh) | 根据规范文档生成三维模型的方法和系统 | |
| CA3045217A1 (en) | Method for constructing a 3d digital model from a 2d plan | |
| KR20190141935A (ko) | 공동주택 실내공기질 개선을 위한 유효 필요 환기량 예측 시스템 및 방법 | |
| CN113396424A (zh) | 用于自动化材料提取的系统和方法 | |
| Jin et al. | Exploring BIM Data by Graph-based Unsupervised Learning. | |
| CN111161379A (zh) | 基于深度学习的空户型特征检测的室内家居自动布局算法 | |
| Jorstad et al. | Refining mitochondria segmentation in electron microscopy imagery with active surfaces | |
| CN110097603B (zh) | 一种时尚图像主色调解析方法 | |
| CN115980322A (zh) | 一种织物瑕疵智能检测方法及系统 | |
| CN115620143A (zh) | 一种新古典主义建筑风格识别系统、构建方法及识别方法 | |
| CN114972659A (zh) | 一种二维图纸转换三维模型用于图纸审查的方法及系统 | |
| Wang et al. | Automatic 3D thermal zones creation for building energy simulation of existing residential buildings | |
| CN101799925B (zh) | 一种图像自动分割结果的性能分析方法 | |
| CN109003142B (zh) | 多目标驱动的产品形态基因网络模型构建方法 | |
| Hanna et al. | Beyond simulation: designing for uncertainty and robust solutions | |
| CN113052556A (zh) | 基于三维的辅助审批流程管理系统及方法 | |
| CN116150863B (zh) | 基于人工智能的装修处理方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |