[发明专利]一种基于机器学习的图纸建筑元素识别方法及系统在审
申请号: | 201310639152.1 | 申请日: | 2013-12-02 |
公开(公告)号: | CN103605970A | 公开(公告)日: | 2014-02-26 |
发明(设计)人: | 何婷婷;张勇;郭喜跃;王艳;李鹏;张明 | 申请(专利权)人: | 华中师范大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/66;G06F17/50 |
代理公司: | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人: | 张火春 |
地址: | 430079 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 机器 学习 图纸 建筑 元素 识别 方法 系统 | ||
1.一种基于机器学习的图纸建筑元素识别方法,其特征在于,包括以下步骤:
步骤1:从原始CAD工程设计图纸中读取出图元元素的基本数据集以及所有标注的建筑元素数据集;
步骤2:利用所述的图元元素的基本数据集和建筑元素数据集,依据规则集和特征集来构建相应的建筑元素规则库和建筑元素特征模型库;
步骤3:对待测CAD工程设计图纸中的待测建筑元素进行解析和判别,利用所述的建筑元素规则库和建筑元素特征模型库,判断和计算待测CAD工程设计图纸中的待测建筑元素是否存在或者具体属于某一类建筑元素,得到待测建筑元素的结果集;
步骤4:将所述的待测建筑元素的结果集中的信息展示给用户。
2.根据权利要求1所述的基于机器学习的图纸建筑元素识别方法,其特征在于:步骤1中所述的图元元素的基本数据包括点数据、线数据、文本数据和其他几何图形数据。
3.根据权利要求1所述的基于机器学习的图纸建筑元素识别方法,其特征在于:步骤4中所述结果集中的信息包括建筑元素的类别信息、建筑元素详细参数信息以及建筑元素图纸还原信息。
4.根据权利要求1所述的基于机器学习的图纸建筑元素识别方法,其特征在于:所述的步骤1的具体实现包括以下子步骤:
步骤1.1:将原始CAD工程设计图纸转换为DXF工程设计图纸;
步骤1.2:对DXF工程设计图纸文件组码进行解析,提取出图元的基本数据,所述的图元元素的基本数据包括点数据、线数据、文本数据和其他几何图形数据,由此创建不同图元元素向量链表;
步骤1.3:对DXF工程设计图纸中存在的建筑元素进行标注,得到建筑元素向量链表。
5.根据权利要求1所述的基于机器学习的图纸建筑元素识别方法,其特征在于:所述的步骤2的具体实现包括以下子步骤:
步骤2.1:利用所述的图元元素的基本数据集和建筑元素数据集,与人工标注的规则进行匹配,形成建筑元素与图元元素之间的关系,从而得出建筑元素规则单元,然后将这些建筑元素规则单元保存在规则库中,得到建筑元素规则库;
步骤2.2:利用所述的图元元素的基本数据集和建筑元素数据集,抽取出所有建筑元素在不同特征下对应的所有特征值,得到建筑元素特征值集;
步骤2.3:利用所述的建筑元素特征值集,依据设计好的核函数对每类建筑元素的每项特征值在分布规律方面进行建模分析,得到每类建筑元素的每一个特征的特征模型,通过组合该类建筑元素的所有特征模型来得到该建筑元素的建筑元素特征模型单元,从而得到建筑元素特征模型库。
6.根据权利要求1所述的基于机器学习的图纸建筑元素识别方法,其特征在于:所述的步骤3的具体实现包括以下子步骤:
步骤3.1:对待测CAD工程设计图纸中的待测建筑元素进行解析和判别,得到基础数据集;步骤3.2:利用所述的建筑元素规则库和建筑元素特征模型库,对所述的基础数据集,进行规则匹配,通过依据基础数据集中的某些图元集与建筑元素规则库中的某个建筑元素规则单元是否匹配来决定其属于哪一类或者哪一种建筑元素;
步骤3.3:提取所述的基础数据集中的待测建筑元素的特征值向量;
步骤3.4:通过所述的待测建筑元素的特征值向量与建筑元素特征模型库中的每一个建筑元素特征模型单元进行相似度计算,通过选取满足阀值的最大相似度的建筑元素特征模型单元作为该待测建筑元素的最终类别判断,得到待测建筑元素的结果集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中师范大学,未经华中师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201310639152.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种含大豆多肽的晚霜及其制备方法
- 下一篇:一种治疗皮疹的中药制剂