[发明专利]一种基于建筑图纸的房间区域识别方法及系统在审
申请号: | 202210333551.4 | 申请日: | 2022-03-30 |
公开(公告)号: | CN114741754A | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 贾振威;唐厚鹏;曾国豪;陈伟鹏 | 申请(专利权)人: | 广东博智林机器人有限公司 |
主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F30/27;G06F111/20 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 蒋姗 |
地址: | 528000 广东省佛山市顺德区北滘镇碧桂园社*** | 国省代码: | 广东;44 |
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 建筑 图纸 房间 区域 识别 方法 系统 | ||
本申请实施例提供一种基于建筑图纸的房间区域识别方法及系统,涉及图纸识别技术领域。该方法包括:获取建筑图纸数据;根据所述建筑图纸数据进行图纸图层标准化分类,获得标准化图纸数据,所述标准化图纸数据包括文字图层数据、房间图层数据、门图层数据和窗图层数据中的一种或多种;将所述门图层数据和所述窗图层数据中的构件特征简化并注入所述房间图层数据,获得简化注入图层数据;根据所述文字图层数据生成所述简化注入图层数据的房间区域检测种子点信息;根据预设搜寻结构遍历所述房间区域检测种子点信息,生成房间区域识别结果。该方法可以实现提高识别精度和识别效率的技术效果。
技术领域
本申请涉及图纸识别技术领域,具体而言,涉及一种基于建筑图纸的房间区域识别方法、系统、电子设备及计算机可读存储介质。
背景技术
目前,针对建筑领域智能化发展阶段需要检测、识别出计算机辅助设计(CAD,Computer Aided Design)二维建筑图纸中房间区域的需求,目前市场上存在的大多数方法均建立在深度学习技术基础上,而将复杂CAD图纸中的内容信息完全交由深度学习技术进行检测,虽然其识别结果鲁棒性强,但准确性并不高;且在很多情况下,其识别出的结果与实际的CAD图纸信息并不相符。
发明内容
本申请实施例的目的在于提供一种基于建筑图纸的房间区域识别方法、系统、电子设备及计算机可读存储介质,可以实现提高识别精度和识别效率的技术效果。
第一方面,本申请实施例提供了一种基于建筑图纸的房间区域识别方法,包括:
获取建筑图纸数据;
根据所述建筑图纸数据进行图纸图层标准化分类,获得标准化图纸数据,所述标准化图纸数据包括文字图层数据、房间图层数据、门图层数据和窗图层数据中的一种或多种;
将所述门图层数据和所述窗图层数据中的构件特征简化并注入所述房间图层数据,获得简化注入图层数据;
根据所述文字图层数据生成所述简化注入图层数据的房间区域检测种子点信息;
根据预设搜寻结构遍历所述房间区域检测种子点信息,生成房间区域识别结果。
在上述实现过程中,该基于建筑图纸的房间区域识别方法通过建立建筑图纸数据中图层到标准图层之间的分类映射关系,解决图层命名不符合识别标准问题,具有较强鲁棒性和较高精准度;在分类好的门图层数据和窗图层数据中对与房间结构相勾连的门、窗构件进行特征简化,并与房间图层数据中的房间结构组合,增加房间区域检测识别结果的有效性及精度;同时,将文字图层数据中的文本文字信息位置转化成种子点并与简化注入图层数据的房间结构结合,减少房间区域检测搜寻的范围,有效提高识别效率;然后,通过预设搜寻结构搜寻并识别属于同一房间范围内的内轮廓点集,可以快速且精准地识别出房间区域,具有完全可解释性;从而,该基于建筑图纸的房间区域识别方法可以实现提高识别精度和识别效率的技术效果。
进一步地,所述根据所述建筑图纸数据进行图纸图层标准化分类,获得标准化图纸数据的步骤,包括:
提取所述建筑图纸数据中所有的图层数据以及与所述图层数据对应的名称文本信息;
通过预设神经多分类网络对所述图层名称文本信息进行预测分类,获得所述标准化图纸数据,所述标准化图纸数据包括与预设标准图层对应的名称信息。
在上述实现过程中,利用预设神经多分类网络算法的强鲁棒特性,对不统一的图层文本进行识别,建立从不统一图层名称到预设标准图层名称的一致映射,保证后续房间区域检测识别的有效性。
进一步地,在所述通过预设神经多分类网络对所述图层名称文本信息进行预测分类,获得所述标准化图纸数据的步骤之后,所述方法还包括:
对所述标准化图纸数据中预测结果为空的图层数据进行匹配,生成匹配关系信息;
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广东博智林机器人有限公司,未经广东博智林机器人有限公司许可,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/202210333551.4/2.html,转载请声明来源钻瓜专利网。