KR20200081340A - Method and apparatus for architectural drawing analysing - Google Patents
Method and apparatus for architectural drawing analysing Download PDFInfo
- Publication number
- KR20200081340A KR20200081340A KR1020200030290A KR20200030290A KR20200081340A KR 20200081340 A KR20200081340 A KR 20200081340A KR 1020200030290 A KR1020200030290 A KR 1020200030290A KR 20200030290 A KR20200030290 A KR 20200030290A KR 20200081340 A KR20200081340 A KR 20200081340A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- type
- analyzing
- analysis
- image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000010191 image analysis Methods 0.000 claims description 23
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 5
- 238000011176 pooling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000004566 building material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000003703 image analysis method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 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
- 230000001151 other effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
Description
본 발명은 건축 도면 분석 방법 및 장치에 관한 것이다. The present invention relates to a method and apparatus for analyzing architectural drawings.
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.In general, the business collaboration between an architectural designer and a building material manufacturing company mainly involves design data sharing based on CAD drawings, but the form of drawing drawings for each building design company and the notation of material information are not standardized. Therefore, the method of analyzing the drawings is also not automated, so a large number of experts review the CAD drawings with the naked eye and manage the design result data by hand, which is inefficient.
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.These inefficient business processes require a significant amount of human resources and are the result of working by the human eye and hands, resulting in very high design errors, which can result in significant financial losses for building material manufacturers. do.
본 발명이 해결하고자 하는 과제는 건축 도면 분석 방법 및 장치를 제공하는 것이다.The problem to be solved by the present invention is to provide a method and apparatus for analyzing architectural drawings.
본 발명이 해결하고자 하는 과제는 도면을 이미지 분석하여 객체를 추출하고, 좌표 정보를 분석하여 객체의 규격을 산출하는 방법 및 장치를 제공하는 것이다. The problem to be solved by the present invention is to provide a method and apparatus for extracting an object by analyzing an image of a drawing and calculating coordinates of an object by analyzing coordinate information.
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. The problem to be solved by the present invention is to provide a method and apparatus for performing a series of construction contracting processes that identify necessary materials through object and specification information analyzed from drawings, calculate estimates, and generate ordering information.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The problems to be solved by the present invention are not limited to the problems mentioned above, and other problems not mentioned will be clearly understood by those skilled in the art from the following description.
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. The architectural drawing analysis method performed by the drawing analysis apparatus according to an embodiment of the present invention includes receiving a drawing, analyzing images of the drawing, and deriving types of objects included in the drawing. And analyzing coordinate data to calculate specification information of the derived object, and determining configuration information for the object based on the type of the object and the specification information of the object.
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.In one embodiment of the present invention, the step of deriving the type of the object comprises: analyzing an image of the drawing using deep learning-based convolutional neural network (CNN) technology, and the drawing based on the analysis The method may include extracting an object included in and deriving the type of the object.
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.In one embodiment of the present invention, the analyzing using the deep learning-based CNN technology comprises: acquiring image data of a drawing including the object to construct a learning dataset, and the deep learning-based The method may further include deriving a learning result by learning the learning data set using CNN technology.
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.In one embodiment of the present invention, the step of constructing the learning data set includes at least one of at least one component constituting the object from the image data of the drawing, the product family of the object, and specification information of the object. Acquiring to build the learning dataset.
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. In one embodiment of the present invention, calculating the standard information of the derived object comprises: analyzing the coordinate data of the drawing to extract vector data, and a point for the object based on the vector data, And calculating line and surface information to derive standard information of the object.
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.In one embodiment of the present invention, the step of grasping the configuration information for the object is to grasp the configuration information for the object by matching the standard information of the object based on the type of the object derived from the learning result Can.
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.In one embodiment of the present invention, the configuration information for the object may include at least one of material information for the object, the shape of the object, and the purpose of the object.
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.In an embodiment of the present invention, the method may further include providing detailed design and quotation information for the object based on the configuration information for the object.
본 발명의 일 실시예에 있어서, 상기 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성하는 단계를 더 포함할 수 있다.In one embodiment of the present invention, it may further include the step of generating information about the contract contract based on the detailed design and quotation information for the object.
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.The drawing analysis apparatus according to an embodiment of the present invention includes an input unit that receives a drawing, an image analysis unit that analyzes an image of the drawing to derive a type of an object included in the drawing, and analyzes coordinate data of the drawing to It includes a coordinate analysis unit for calculating the standard information of the derived object, and an object information identification unit for grasping the configuration information for the object based on the type of the object and the standard information of the object.
본 발명의 일 실시예에 따른 컴퓨터프로그램은 하드웨어인 컴퓨터와 결합되어, 상기 건축 도면 분석 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된다.A computer program according to an embodiment of the present invention is combined with a computer that is hardware, and is stored in a recording medium readable by a computer to perform the method for analyzing the architectural drawings.
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.According to the present invention, the image itself of the drawing is analyzed to accurately identify the objects constituting the drawing, and by substituting coordinate data analysis results, it is possible to accurately analyze the type and specification information of the object.
본 발명에 따르면, 분석 결과를 통해서 자동으로 일련의 건축 도급 과정을 진행할 수 있는 효과가 있다. According to the present invention, it is possible to automatically proceed through a series of construction contracting processes through analysis results.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to the effects mentioned above, and other effects not mentioned will be clearly understood by those skilled in the art from the following description.
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. 1 is a block diagram showing the configuration of a drawing analysis apparatus according to an embodiment of the present invention.
2 is an example of a drawing showing a clerk window according to an embodiment of the present invention.
3 is an example of a diagram showing a curtain wall according to an embodiment of the present invention.
4 is an example of a diagram showing a result of analyzing a drawing by the
5 is a flowchart illustrating a method for analyzing architectural drawings according to an embodiment of the present invention.
6 is a diagram for describing an image analysis method using deep learning-based CNN technology according to an embodiment of the present invention.
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. Advantages and features of the present invention, and methods for achieving them will be clarified with reference to embodiments described below in detail together with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, and only the present embodiments allow the disclosure of the present invention to be complete, and are common in the technical field to which the present invention pertains. It is provided to fully inform the skilled person of the scope of the present invention, and the present invention is only defined by the scope of the claims.
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.The terminology used herein is for describing the embodiments and is not intended to limit the present invention. In the present specification, the singular form also includes the plural form unless otherwise specified in the phrase. As used herein, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other components other than the components mentioned. Throughout the specification, the same reference numerals refer to the same components, and “and/or” includes each and every combination of one or more of the components mentioned. Although "first", "second", etc. are used to describe various components, it goes without saying that these components are not limited by these terms. These terms are only used to distinguish one component from another component. Therefore, it goes without saying that the first component mentioned below may be the second component within the technical spirit of the present invention.
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.Unless otherwise defined, all terms (including technical and scientific terms) used in this specification may be used in a sense that can be commonly understood by those skilled in the art to which the present invention pertains. In addition, terms that are defined in a commonly used dictionary are not ideally or excessively interpreted unless specifically defined.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 도면분석장치의 구성을 나타내는 블록도이다. 1 is a block diagram showing the configuration of a drawing analysis apparatus according to an embodiment of the present invention.
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. Referring to FIG. 1, the
도면분석장치(100)는 입력부(110), 이미지 분석부(120), 좌표 분석부(130), 객체정보 파악부(140) 및 자재물량 산출부(150)를 포함할 수 있다.The
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. The
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.Here, the drawings may include at least one object constituting the building. The object refers to a component constituting a building, and may be composed of various elements depending on the building. For example, when there is a window in the building illustrated in the drawing, each component (eg, frame, window, door, screen, railing, etc.) constituting the window may be determined as an object.
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.Also, the
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. The image analysis unit 120 may analyze the image of the drawing received from the
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.The
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. The object information identification unit 140 may grasp configuration information for the object based on the type of the object analyzed by the image analysis unit 120 and the standard information of the object analyzed by the coordinate
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.The material quantity calculation unit 150 maps the configuration information for the object identified by the object information identification unit 140 and the material information input through the
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.In addition, the
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. In addition, the
도 2는 본 발명의 일 실시예에 따른 미서기창을 도시한 도면의 일례이다. 2 is an example of a drawing showing a clerk window according to an embodiment of the present invention.
도 2를 참조하면, 도면(200)에는 가로1,350mm x 세로 1,600mm 크기의 일반적인 미서기창을 상하로 붙여놓은 형태(세로연창)가 도시되어 있다. Referring to FIG. 2, the drawing 200 shows a form in which a general secretary window having a size of 1,350 mm horizontal x 1,600 mm vertically is pasted up and down.
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.According to the conventional technique, in the drawing 200, there are coordinates of lines constituting each side, but only the standard information such as the length of each side can be grasped only by analyzing the coordinate system. Therefore, since it is not possible to grasp the relative coupling relationship between each side constituting the shape of the secretary window shown in the drawing 200, there is a problem that it is difficult to find out that the object of the corresponding drawing is the secretary window. That is, in the prior art, since the individual exception cases for a very complex geometrical analysis and various drawing methods for the drawing 200 were defined and corresponded thereto, the analysis through the machine itself is difficult and the result is accurate even when the analysis is performed. There is a problem that has not been done.
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. However, since the drawing
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. In addition, the drawing
도 3은 본 발명의 일 실시예에 따른 커튼월을 도시한 도면의 일례이다. 3 is an example of a diagram showing a curtain wall according to an embodiment of the present invention.
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. Referring to FIG. 3, a curtain wall is illustrated in the drawing 300, and the curtain wall is a building exterior type that is generally constructed like an entire wall by putting glass on an aluminum frame. The curtain wall (aluminum frame) of the drawing 300 constitutes a horizontal and vertical frame surface, and objects, such as a door and a glass window (part represented by F), are constituted in a complex manner. In the case of such a
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. Further, according to the present invention, after analyzing the type of the object, the coordinate data may be analyzed to additionally calculate the specification information of the object. For example, by substituting standard information (for example, dimension information of a numerical line) of each object calculated through coordinate data analysis, the drawing 300 of FIG. 3 finally has 5 vertical frames and 600 dimensions for curtain walls having 3000 dimension information. Two frames for curtain walls with information are included.
도 4는 본 발명의 일 실시예에 따른 도면분석장치(100)에 의해 도면을 분석한 결과를 도시한 도면의 일례이다. 4 is an example of a diagram showing a result of analyzing a drawing by the drawing
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. Referring to FIG. 4, the drawing 400 shows the result of analyzing the drawing in which the curtain wall and the secretary window are combined. In the case of a curtain wall structure, it is important to differentiate the thickness and reinforcement even if the same material is used depending on the horizontal and vertical divisions. Drawing
도 5는 본 발명의 일 실시예에 따른 건축 도면 분석 방법을 나타내는 흐름도이다. 도 5의 방법은 도 1의 도면분석장치(100)에 의해 수행될 있다.5 is a flowchart illustrating a method for analyzing architectural drawings according to an embodiment of the present invention. The method of FIG. 5 may be performed by the
도면분석장치(100)의 입력부(110)는 도면을 입력받을 수 있다(S100). The
또한, 도면분석장치(100)의 입력부(110)는 도면과 함께 도면 설계를 위한 자재정보를 추가적으로 입력받을 수도 있다.In addition, the
도면분석장치(100)의 이미지 분석부(120)는 입력받은 도면의 이미지를 분석하여 도면에 포함된 객체의 종류를 도출할 수 있다(S110).The image analysis unit 120 of the
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. In one embodiment, the image analysis unit 120 analyzes an image of the drawing using deep learning-based convolutional neural network (CNN) technology, and extracts an object included in the drawing based on the analysis result to determine the type of the object. Can be derived. By using deep learning-based CNN technology, even when a drawing designer draws an object in a different way each time when designing a drawing, there is an advantage that the object can be accurately analyzed if the shape of the resulting image is similar.
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.In using the deep learning-based CNN technology, the image analysis unit 120 may perform a process of training by constructing a training dataset. In one embodiment, the image analysis unit 120 obtains image data of a drawing including an object to build a training dataset, and uses a deep learning-based CNN technology to learn the training dataset to derive learning results. Can. Here, the learning data set may be constructed by acquiring at least one component constituting an object, a family of objects, and specification information of the object from the image data of the drawing. For example, you can build a learning dataset that includes a frame type (e.g., hat bar, hidden bar, decorative bar, horizontal/vertical type, in/out type, etc.), or a ready-made type (e.g., secret window, door Etc.) or a learning dataset including other (eg, key terms, dimension values, etc.) information. These training datasets are exemplary, and can be configured as training datasets for all objects included in the drawing.
도 6은 본 발명의 일 실시예에 따른 딥러닝 기반의 CNN 기술을 이용한 이미지 분석 방법을 설명하기 위한 도면이다. 6 is a diagram for describing an image analysis method using deep learning-based CNN technology according to an embodiment of the present invention.
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. Referring to FIG. 6, the image analysis unit 120 may acquire image data of the drawing as an input value and detect an object in the image data obtained by applying deep learning-based CNN technology. The deep learning-based CNN method is a technique for finally deriving an object from image data using a plurality of layers. For example, as shown in FIG. 6, a convolutional layer is used to extract an object from image data of an input drawing. (convolution layer), and / or sub-sampling layer (subsampling layer) can be configured, and finally, a pooling layer (pooling layer) for determining the representative value of the object can be configured. At this time, the pooling layer derives an approximate value for the object through linear function calculation. Therefore, the image analysis unit 120 may finally determine the type of the object through the approximate value of the object.
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. In addition, in the present invention, the image analysis unit 120 may derive an optimized image analysis algorithm according to the input drawing by adjusting the size of the image data, the number of convolutional layers and subsampling layers, and the function weight in the pooling layer. have.
다시 도 5를 참조하면, 도면분석장치(100)의 좌표 분석부(130)는 입력받은 도면의 좌표 데이터를 분석하여 도출된 객체의 규격 정보를 산출할 수 있다(S120).Referring to FIG. 5 again, the coordinate
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. In one embodiment, the coordinate
도면분석장치(100)의 객체정보 파악부(140)는 상기에서 도출된 객체의 종류 및 객체의 규격 정보를 기반으로 객체에 대한 구성 정보를 파악할 수 있다(S130).The object information grasping unit 140 of the
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. In one embodiment, the object information grasping unit 140 may accurately grasp the type of the object included in the input drawing based on the learning result derived through learning. At this time, standard information such as object coordinates and numerical values is roughly designated in the learning result. Accordingly, the object information grasping unit 140 may correct the coordinates, numerical values, and the like of the objects in the drawing by matching the standard information of the object calculated by the coordinate
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.In addition, the material quantity calculating unit 150 of the
또한, 본 발명의 실시예에 따르면, 도면분석장치(100)는 객체에 대한 구성 정보를 기반으로 객체에 대한 상세 설계 및 견적 정보를 제공할 수 있다. In addition, according to an embodiment of the present invention, the
또한, 본 발명의 실시예에 따르면, 도면분석장치(100)는 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성할 수 있다.In addition, according to an embodiment of the present invention, the
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.The steps of a method or algorithm described in connection with an embodiment of the present invention may be implemented directly in hardware, a software module executed by hardware, or a combination thereof. The software modules may include random access memory (RAM), read only memory (ROM), erasable programmable ROM (EPROM), electrically erasable programmable ROM (EEPROM), flash memory, hard disk, removable disk, CD-ROM, or It may reside on any type of computer readable recording medium well known in the art.
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. The embodiments of the present invention have been described above with reference to the accompanying drawings, but those skilled in the art to which the present invention pertains may be implemented in other specific forms without changing the technical spirit or essential features of the present invention. You will understand. Therefore, it should be understood that the above-described embodiments are illustrative in all respects and not restrictive.
Claims (11)
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.In the method of analyzing architectural drawings performed by a drawing analysis device,
Receiving a drawing;
Analyzing the image of the drawing to derive the type of object included in the drawing;
Analyzing the coordinate data of the drawing and calculating standard information of the derived object; And
And identifying configuration information for the object based on the type of the object and the specification information of the object.
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.According to claim 1,
The step of deriving the type of the object,
Analyzing the image of the drawing using deep learning-based convolutional neural network (CNN) technology; And
And extracting an object included in the drawing based on the analysis to derive the type of the object.
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.According to claim 2,
The step of analyzing using the deep learning-based CNN technology,
Constructing a learning dataset by obtaining image data of a drawing including the object; And
The method further includes learning the training dataset using the deep learning-based CNN technology and deriving a learning result.
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.According to claim 3,
The step of building the learning data set,
The construction drawing analysis method of constructing the learning data set by acquiring at least one of at least one component constituting the object from the image data of the drawing, the product family of the object, and specification information of the object.
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.According to claim 1,
The step of calculating the standard information of the derived object,
Analyzing the coordinate data of the drawing to extract vector data; And
And calculating point, line, and surface information for the object based on the vector data to derive standard information of the object.
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.According to claim 3,
The step of grasping the configuration information for the object,
A construction drawing analysis method for identifying configuration information for the object by matching the standard information of the object based on the type of the object derived from the learning result.
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.The method of claim 6,
The configuration information for the object,
And at least one of material information on the object, the shape of the object, and the purpose of the object.
상기 객체에 대한 구성 정보를 기반으로 상기 객체에 대한 상세 설계 및 견적 정보를 제공하는 단계를 더 포함하는, 건축 도면 분석 방법.According to claim 1,
And providing detailed design and quotation information for the object based on the configuration information for the object.
상기 객체에 대한 상세 설계 및 견적 정보를 기초로 도급 계약에 대한 정보를 생성하는 단계를 더 포함하는, 건축 도면 분석 방법.According to claim 1,
And generating information about a contract contract based on detailed design and quotation information for the object.
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. An input unit that receives a drawing;
An image analysis unit that analyzes an image of the drawing to derive a type of object included in the drawing;
A coordinate analysis unit that analyzes coordinate data of the drawing and calculates standard information of the derived object; And
And an object information grasping unit which grasps configuration information for the object based on the type of the object and the specification information of the object.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180023069 | 2018-02-26 | ||
| KR20180023069 | 2018-02-26 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180133899A Division KR20190102971A (en) | 2018-02-26 | 2018-11-02 | Method and apparatus for architectural drawing analysing |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200081340A true KR20200081340A (en) | 2020-07-07 |
Family
ID=67950434
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180133899A KR20190102971A (en) | 2018-02-26 | 2018-11-02 | Method and apparatus for architectural drawing analysing |
| KR1020200030290A KR20200081340A (en) | 2018-02-26 | 2020-03-11 | Method and apparatus for architectural drawing analysing |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180133899A KR20190102971A (en) | 2018-02-26 | 2018-11-02 | Method and apparatus for architectural drawing analysing |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20190102971A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102365107B1 (en) * | 2021-03-11 | 2022-02-23 | 제이케이소프텍 주식회사 | Method and apparatus for providing userinterface for custom-made windows |
| KR20220041688A (en) * | 2020-09-25 | 2022-04-01 | 주식회사 태현시스템 | Estimation calculation system using artificial intelligence and its method and display module for monitoring it |
| KR20220077163A (en) * | 2020-11-29 | 2022-06-09 | 스마트로봇연구소(주) | A system equipped with a database for standardization of representation data of processing elements for passing processing data of work drawings between a shipyard and partner company during the production of shipbuilding's steel outfit |
| KR20220080912A (en) * | 2020-12-08 | 2022-06-15 | 주식회사 지인인더스 | Apparatus and method for calculating the cost of building materials |
| KR20230036327A (en) * | 2021-09-07 | 2023-03-14 | 서울대학교산학협력단 | Automatic extraction method of indoor spatial information from floor plan images through patch-based deep learning algorithms and device thereof |
| KR20230036245A (en) | 2021-09-07 | 2023-03-14 | 주식회사 제니스아이씨티 | Device and method for drawing object extraction using machine learning |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102361118B1 (en) * | 2019-11-13 | 2022-02-09 | 한국기술교육대학교 산학협력단 | Method and Apparatus for Generating Intelligent Engineering Drawings Based on Deep Learning |
| KR102198965B1 (en) * | 2019-12-27 | 2021-01-05 | 대한민국 | Method for managing security of an electric drawing using color |
| KR102338246B1 (en) * | 2021-03-17 | 2021-12-14 | 주식회사 텐일레븐 | Optimized method of filling-up and cutting ground based on deep learning |
| KR20230074965A (en) * | 2021-11-22 | 2023-05-31 | (주)한국플랫폼서비스기술 | Database server applicated deep learning framework for classifying structure name of traditional house, and method thererof |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000072245A (en) | 2000-08-22 | 2000-12-05 | 강윤환 | Method of analysis and control of construction drawing using computer |
-
2018
- 2018-11-02 KR KR1020180133899A patent/KR20190102971A/en not_active Application Discontinuation
-
2020
- 2020-03-11 KR KR1020200030290A patent/KR20200081340A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000072245A (en) | 2000-08-22 | 2000-12-05 | 강윤환 | Method of analysis and control of construction drawing using computer |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220041688A (en) * | 2020-09-25 | 2022-04-01 | 주식회사 태현시스템 | Estimation calculation system using artificial intelligence and its method and display module for monitoring it |
| KR20220077163A (en) * | 2020-11-29 | 2022-06-09 | 스마트로봇연구소(주) | A system equipped with a database for standardization of representation data of processing elements for passing processing data of work drawings between a shipyard and partner company during the production of shipbuilding's steel outfit |
| KR20220080912A (en) * | 2020-12-08 | 2022-06-15 | 주식회사 지인인더스 | Apparatus and method for calculating the cost of building materials |
| KR102365107B1 (en) * | 2021-03-11 | 2022-02-23 | 제이케이소프텍 주식회사 | Method and apparatus for providing userinterface for custom-made windows |
| KR20230036327A (en) * | 2021-09-07 | 2023-03-14 | 서울대학교산학협력단 | Automatic extraction method of indoor spatial information from floor plan images through patch-based deep learning algorithms and device thereof |
| KR20230036245A (en) | 2021-09-07 | 2023-03-14 | 주식회사 제니스아이씨티 | Device and method for drawing object extraction using machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190102971A (en) | 2019-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20200081340A (en) | Method and apparatus for architectural drawing analysing | |
| CN110348368B (en) | Method, computer readable medium and system for artificial intelligence analysis of house type graph | |
| US7995841B2 (en) | Hybrid graph model for unsupervised object segmentation | |
| CN113139453B (en) | Orthoimage high-rise building base vector extraction method based on deep learning | |
| US11275874B2 (en) | Method for constructing a 3D digital model from a 2D plan | |
| CN106529499A (en) | Fourier descriptor and gait energy image fusion feature-based gait identification method | |
| CN111161379B (en) | Indoor home automatic layout method based on deep learning empty house type feature detection | |
| CN113222686A (en) | Decoration design scheme recommendation method | |
| US20220121785A1 (en) | System and Method for Automated Material Take-Off | |
| Jin et al. | Exploring BIM Data by Graph-based Unsupervised Learning. | |
| CN103093237A (en) | Face detecting method based on structural model | |
| CN118278094B (en) | Building three-dimensional model calculation method and system based on database | |
| CN111523169A (en) | Decoration scheme generation method and device, electronic equipment and storage medium | |
| CN110097603B (en) | Fashionable image dominant hue analysis method | |
| CN106529470A (en) | Gesture recognition method based on multistage depth convolution neural network | |
| Sezen et al. | Deep learning-based door and window detection from building façade | |
| Yin et al. | FMI image based rock structure classification using classifier combination | |
| CN109543716B (en) | K-line form image identification method based on deep learning | |
| Ripperda | Determination of facade attributes for facade reconstruction | |
| KR20230174318A (en) | Method for calculating an approximate estimate from architectural drawings using an artificial intelligence model | |
| CN114548250A (en) | Mobile phone appearance detection method and device based on data analysis | |
| Vračar et al. | Obtaining structural descriptions of building façades | |
| Jun et al. | Sequential decision model for inference and prediction on nonuniform hypergraphs with application to knot matching from computational forestry | |
| Ripperda et al. | Evaluation of structure recognition using labelled facade images | |
| Abu-Khader | Construction progress monitoring of masonry walls using BIM-computer vision models interaction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |