[发明专利]基于领域知识和目标检测的CAD图纸识别方法和装置

说明书

本申请公开了基于领域知识和目标检测的CAD图纸识别方法和装置，其中，该装置包括：CAD图纸解析模块用于获取待识别CAD图纸中的图纸信息，并将待识别CAD图纸转换为多张待识别像素图；目标检测模块用于对多张待识别像素图进行聚合类构件识别，确定待识别CAD图纸内构件的构件信息集合；建筑空间文件解析模块用于获取待识别CAD图纸内的空间信息；系统信息融合模块用于根据空间信息和构件信息集合，得到构件在建筑空间中的坐标位置信息，并结合图纸信息，通过搜索构件的拓扑，确定构件系统信息，融合坐标位置信息和构件系统信息，生成构件识别信息。通过本申请中的技术方案，提高了构件识别和信息提取的准确率，增强CAD图纸识别的扩展性。

技术领域

本申请涉及图纸检测的技术领域，具体而言，涉及基于领域知识和目标检测的CAD图纸识别装置和基于领域知识和目标检测的CAD图纸识别方法。

背景技术

伴随着经济的迅速发展，建筑行业也得到了大力发展。建筑行业不仅只是建造楼房，还包括前期图纸设计、施工、验收和后期运维，每一阶段都至关重要，需要遵循相应的国家规范，并且有相关国家部门对其进行监管和审查。在图纸设计阶段，除了设计建筑结构外，还需要设计电气、暖通、水等不同专业的系统，如火灾自动报警系统和水喷雾灭火系统等，对于保障居民的安全至关重要。在设计阶段，政府指定审图机构会对不同专业系统图纸进行审查，检查是否符合国家规范要求。

而现有技术中，通常是使用广度遍历优先算法，依次计算CAD图纸中关键元素与周围元素的属性关系，再与标准模板库里的符号进行匹配，以实现对CAD图纸中构件的识别。但是，并不能很好的处理CAD图纸中，构件符号变形情况，且由于是使用广度遍历优先算法，CAD图纸识别的效率较慢，同时还存在着扩展性差的问题。

发明内容

本申请的目的在于：利用基于深度学习的目标检测算法，对CAD图纸中的构件进行识别，提高了构件识别和信息提取的准确率，增强CAD图纸识别的扩展性。

本申请第一方面的技术方案是：提供了基于领域知识和目标检测的CAD图纸识别装置，该识别装置用于对待识别CAD图纸中的构件进行定位，该装置包括：CAD图纸解析模块，目标检测模块，建筑空间文件解析模块，系统信息融合模块；CAD图纸解析模块用于获取待识别CAD图纸中的图纸信息，并将待识别CAD图纸转换为多张待识别像素图；目标检测模块用于根据目标检测模型，对多张待识别像素图进行聚合类构件识别，确定待识别CAD图纸内构件的构件信息集合，其中，构件信息集合包括构件的类别信息与构件的位置信息；建筑空间文件解析模块用于获取待识别CAD图纸内的空间信息；系统信息融合模块用于根据空间信息和构件信息集合，得到构件在建筑空间中的坐标位置信息，并结合图纸信息，通过搜索构件的拓扑，展开得到构件线路，确定构件系统信息，融合坐标位置信息和构件系统信息，生成构件识别信息。

上述任一项技术方案中，进一步地，CAD图纸解析模块获取图纸信息之后，还用于：利用领域知识数据库，将待识别CAD图纸中的构件分解为基础元素；对基础元素的类别进行识别，并将类别为文字或填充物的基础元素的显示属性设置为隐藏，其中，基础元素的类别包括文字、填充物、直线段和圆弧。

上述任一项技术方案中，进一步地，CAD图纸解析模块，具体包括：图纸转换单元和图纸分割单元；图纸转换单元用于调用转换接口函数，将待识别CAD图纸转换为第一像素图；图纸分割单元用于根据分割框和预设重叠宽度，按照由左至右的分割顺序，依次将第一像素图分割为多张第二像素图，记作待识别像素图。

上述任一项技术方案中，进一步地，目标检测模块具体包括：特征提取单元，候选框生成单元，分类单元；特征提取单元用于利用特征提取模型中的每一层卷积神经网络，依次对每一张待识别像素图进行特征提取，并将当前层提取到的特征和前几层提取到的特征，输入至下一层卷积神经网络，将最后一层卷积神经网络提取出的特征记作该待识别像素图的图像特征信息；候选框生成单元用于根据滑动窗口和anchor机制，生成图像特征信息的候选框，并对候选框进行调整，并根据调整后的候选框确定位置信息；分类单元用于根据图像特征信息和候选框，确定构件的类别信息。