一种户型图的比例尺值获取方法与流程

本发明涉及图像处理技术，尤其涉及一种户型图的比例尺值获取方法。

背景技术：

随着生活水平的不断提高，人们对居家环境的要求也不断提高，进而催生了庞大的家装市场，涌现了众多家装公司。装修方案设计能力是家装公司的核心竞争力，但目前普遍采用的手工设计方式存在设计周期长、费用高等问题，因此市场迫切需要自动/半自动家装设计系统。自动从户型图中提取户型结构和比例尺寸信息是实现自动/半自动家装设计的重要步骤，房型的比例尺是指户型的某段实际尺寸与该段图像像素宽度的比例，是三维重建的过程中还原户型尺寸的重要指标，因此正确的识别户型图中的比例尺至关重要。

为此，在自动家装设计中如何准确快速的识别出户型图中的比例尺成为当前亟需解决的技术问题。

技术实现要素：

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种户型图的比例尺值获取方法，其结合图像处理技术、数据精度处理技术和数据校正技术等解决上述无法准确获取户型图中比例尺的问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种户型图的比例尺值获取方法，包括：

a1、针对待处理的户型图，采用ocr识别方式获取所述户型图中所有字符的字符信息；

a2、从所述户型图中分割出比例尺区域，根据所述字符信息和所述比例尺区域，获取比例尺值一s1；

a3、根据所述户型图中各房间区域信息，获取比例尺值二s2；

a4、采用所述比例尺值二校正所述比例尺值一，获取最终确定的比例尺值。

可选地，所述字符信息包括：

文字字符、文字字符的位置信息、数字字符、数字字符的位置信息；

所述数字字符、数字字符的位置信息包括：各房间的面积信息。

可选地，所述a2包括：

a2-1、根据比例尺信息的分布特性，在所述户型图中分割出含有比例尺信息的区域图像作为比例尺区域，并转换对应比例尺区域的字符信息的位置信息；

a2-2、基于位置信息转换后的比例尺区域的字符信息，在比例尺区域中识别出标识刻度，根据识别的标识刻度获取所述比例尺值一s1。

可选地，a2-1包括：

a2-1-1、对所述户型图进行灰度处理，将灰度处理后的图像进行二值化处理，获取二值化后的图像；

a2-1-2、根据比例尺信息的分布特性，从二值化后的图像中分割出含有比例尺信息的区域图像作为比例尺区域，并将属于比例尺区域的字符信息的位置信息进行转换，获取转换后的字符信息及该字符信息的位置信息。

可选地，a2-2包括：

a2-2-1、基于计算机视觉库、位置信息转换后的字符信息及该字符信息的位置信息，采用直线检测方法检测比例尺区域中的直线信息，该直线信息用于确定标识刻度位置信息；

a2-2-2、识别所述直线信息中的标识刻度和该标识刻度表示的实际距离信息，包括：

水平方向的识别方式：通过从左到右的顺序识别直线信息预设范围内的标识刻度，从左边第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向右扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，第一个刻度起始点和终止点区域内数字相加，得到该刻度表示的实际距离信息；继续扫描，直到没有刻度为止；

以及包括，垂直方向的识别方式：通过从上到下的顺序识别直线信息预设范围内的标识刻度，从上面第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向下扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，第一个刻度起始点和终止点区域内数字相加，得到该刻度表示的实际距离信息；继续扫描，直到没有刻度为止；

a2-2-3、采用公式一，计算比例尺值一；依据所有识别出来的标识刻度和该标识刻度表示的实际距离信息刻度信息，获得一组比例尺值一的阵列；

公式一：比例尺值一＝刻度实际距离信息/(刻度终止点像素点坐标-刻度起始点像素点坐标)；

a2-2-4、对所述一组比例尺值一的阵列中各比例尺值一进行投票处理，将得票最多的数值作为获取的所述比例尺值一。

可选地，a3包括：

a3-1、根据每一个连通区域的像素个数和该连通区域的实际面积信息，采用公式二获取一组比例尺值二的阵列；

公式二为：比例尺值二＝sqrt(区域实际面积大小/区域总像素个数)；

每一连通区域为所述户型图中预先确定的每一个房间区域，所述连通区域的实际面积信息为字符信息中各房间的面积信息；

a3-2、剔除一组比例尺值二的阵列中的异常值，对筛选后的数据求平均值，得到所述户型图中的比例尺值二。

可选地，a4包括：

a4-1、判断比例尺值一和比例尺值二是否都不为零，若比例尺值一为零，则将比例尺值二作为最终的比例尺值；若比例尺值二为零，则将比例尺值一作为最终的比例尺值；

a4-2、若比例尺值一和比例尺值二都不为零，且比例尺值一和比例尺值二的误差小于或等于预设阈值，则将比例尺值一作为最终的比例尺值；

a4-3、若比例尺值一和比例尺值二都不为零，且比例尺值一和比例尺值二的误差大于预设阈值，则重新获取比例尺值一，并重复执行a4的过程。

可选地，所述重新获取比例尺值一，包括：

将所述一组比例尺值一的阵列中等于在a2-2-4中获取的比例尺值一的数值剔除，获得新的比例尺值一的阵列，投票获取新的比例尺值一，即作为重新获取的比例尺值一。

第二方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的户型图的比例尺值获取方法的步骤。

第三方面，一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面任一项所述的户型图的比例尺值获取方法的步骤。

(三)有益效果

本发明的有益效果是：本实施例的方法基于图像处理技术、数据精度处理技术、数据矫正技术对户型图中比例尺进行识别处理，具体地：

首先，采用ocr识别技术对户型图中字符进行识别；其次，采用图像处理技术从户型图中分割出比例尺区域，在比例尺图像中分割出尺寸标识区域和标注数字区域；分别识别出尺寸标识和其相对应的标注数字，通过计算得到一组比例尺数据；采用投票原则确定比例尺值；再次，根据房间连通区域和对应的实际面积计算一组比例尺数据，采用数据异常剔除技术对该组数据进行处理，然后计算平均比例尺数值；最后，用第三步得到的比例尺数值去矫正第二步得到的比例尺数值，得到最终的户型图比例尺数值；该方法极大提高了比例尺计算结果的可靠度和精确度。

附图说明

图1为本发明一实施例提供的一种户型图的比例尺值获取方法的流程示意图；

图2为本发明另一实施例提供的一种户型图的比例尺值获取方法的流程示意图；

图3为本发明一实施例提供的电子设备的结构示意图；

图4为本发明一实施例提供的客户信息标识实际距离的示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

在理解本发明实施例的方案之前，现有技术提供的户型图比例尺识别方法包括两种，第一种：首先从户型图中分割出比例尺区域，在比例尺图像中分割出尺寸标识区域和标注数字区域，分别识别出尺寸标识和其相对应的标注数字，然后计算出相应的比例尺。然而该方法存在如下的问题：第一、分割标识区域和标注数字区域，会存在分割错误的情况；第二、识别尺寸标识和其对应的标注数字，会存在识别错误的情况；上面两种情况，无论是哪一种出现问题，都会导致最终的比例尺计算错误或者根本不能计算出比例尺值。

本发明实施例公开一种户型图的比例尺值获取方法，该方法应用图像处理技术、数据精度处理技术、数据矫正方法和ocr识别技术对户型图中的比例尺进行识别处理，得到最终的户型图比例尺数值；本实施例的方法极大提高了比例尺计算结果的可靠度和精确度，有效解决了因分割标识区域和标注数字区域错误导致计算比例尺错误的问题。

实施例一

如图1所示，图1示出了本发明一实施例提供的一种户型图的比例尺值获取方法的流程示意图，本实施例方法的执行主体可为任一电子设备，该方法可包括下述的步骤：

步骤a1、针对待处理的户型图，采用ocr识别方式获取所述户型图中所有字符的字符信息。

在实施例中，字符信息可包括：文字字符、文字字符的位置信息。

举例来说，本实施例中的数字字符、数字字符的位置信息可包括：各房间的面积信息等。

步骤a2、从所述户型图中分割出比例尺区域，根据所述字符信息和所述比例尺区域，获取比例尺值一s1。

举例来说，该步骤a2可包括下述的子步骤：

a2-1、根据比例尺信息的分布特性，在所述户型图中分割出含有比例尺信息的区域图像作为比例尺区域，并转换对应比例尺区域的字符信息的位置信息。

本实施例中的比例尺信息包括数字信息和直线信息，所述直线信息包括标识刻度和该标识刻度表示的实际距离信息。

通常，户型图中的比例尺绘制在户型图的四周，区域背景一般比较单调，很少有较复杂的干扰出现，由线段和该线段对应的真实长度组成。

为此，本实施例中，可从户型图中分割出四周区域作为比例尺区域。

a2-2、基于位置信息转换后的比例尺区域的字符信息，在比例尺区域中识别出标识刻度，根据识别的标识刻度，获取所述比例尺值一s1。

步骤a3、根据所述户型图中各房间区域信息，获取比例尺值二s2。

举例来说，该步骤a3可具体实现如下：

a3-1、根据每一个连通区域的像素个数和该连通区域的实际面积信息，采用公式二获取一组比例尺值二的阵列；

公式二为：比例尺值二＝sqrt(区域实际面积大小/区域总像素个数)；

每一连通区域为所述户型图中预先确定的每一个房间区域，所述连通区域的实际面积信息为字符信息中各房间的面积信息。

a3-2、采用格拉布斯准则法，剔除一组比例尺值二的阵列中的异常值，对筛选后的数据求平均值，得到所述户型图中的比例尺值二。

步骤a4、采用所述比例尺值二校正所述比例尺值一，获取最终确定的比例尺值。

具体地，校正过程可包括：判断比例尺值一和比例尺值二是否都不为零，若比例尺值一为零，则将比例尺值二作为最终的比例尺值；若比例尺值二为零，则将比例尺值一作为最终的比例尺值；

否则，判断比例尺值一和比例尺值二的误差是否小于预设阈值，若是，则将比例尺值一作为最终的比例尺值，否则，重新获取比例尺值一，重复a4中判断的过程。

本实施例的方法采用图像处理技术、数据精度处理技术、数据矫正方法和ocr识别技术对户型图进行处理，其借助于ocr技术和图像技术获取比例尺值一，借助于户型图中的房间的信息获取比例尺值二，进而根据比例尺值二校正比例尺值一，由此，可以较好的获取精度更高的比例尺值，相对于现有技术中获取比例尺的方法，有效解决了因分割标识区域和标注数字区域错误导致计算比例尺错误的问题，同时，本实施例的方法极大提高了比例尺计算结果的可靠度和精确度。

为了更好的理解上述实施例中步骤a2的处理过程，以下对上述步骤a2的计算过程进行详细说明：

从所述户型图中分割出比例尺区域，根据所述字符信息和所述比例尺区域，获取第一种处理方式对应的比例尺值一s1，包括：

子步骤a2-1、根据比例尺信息的分布特性，在所述户型图中分割出含有比例尺信息的区域图像作为比例尺区域，并转换对应比例尺区域的字符信息的位置信息；

具体地，在本实施例中，可先对所述户型图进行灰度处理，将灰度处理后的图像进行二值化处理，获取二值化后的图像；再根据比例尺信息的分布特性，从二值化后的图像中分割出含有比例尺信息的区域图像作为比例尺区域。

本实施例中比例尺信息的分布特性可理解为，通常分布在户型图的四周。此外，在分割比例尺区域之后，可根据比例尺区域将所述字符信息中属于比例尺区域的字符信息进行转换，获取转换后的比例尺区域的字符信息。

可理解的是，原图经过ocr识别以后得到的字符信息包括字符和字符的位置信息，在原图中分割出‘含有比例尺信息的区域图像’，这个分割后的图像只是原图中的一部分，字符相对位置信息要发生变化，所以这里要做位置信息转换。

子步骤a2-2、基于位置信息转换后的比例尺区域的字符信息，在比例尺区域中识别出标识刻度，根据识别的标识刻度获取所述比例尺值一s1。

在具体实现过程中，子步骤a2-2可包括下述的子步骤：

a2-2-1、基于计算机视觉库(opencv)、位置信息转换后的字符信息及该字符信息的位置信息，采用直线检测方法检测比例尺区域中的直线信息，该直线信息用于确定标识刻度位置信息；

a2-2-2、识别所述直线信息中的标识刻度和该标识刻度表示的实际距离信息；

具体地，a2-2-2包括：

水平方向的识别方式：通过从左到右的顺序识别直线信息预设范围内的标识刻度，从左边第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向右扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，第一个刻度起始点和终止点区域内数字相加，得到该刻度表示的实际距离信息；继续扫描，直到没有刻度为止；

垂直方向的识别方式：通过从上到下的顺序识别直线信息预设范围内的标识刻度，从上面第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向下扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，第一个刻度起始点和终止点区域内数字相加，得到该刻度表示的实际距离信息；继续扫描，直到没有刻度为止；

a2-2-3、采用公式一，计算比例尺值一；依据所有识别出来的标识刻度和该标识刻度表示的实际距离信息，获得一组比例尺值一的阵列；

公式一：比例尺值一＝刻度实际距离信息/(刻度终点像素点坐标-刻度起点像素点坐标)

a2-2-4、根据投票原则，对所述一组比例尺值一的阵列中各比例尺值一进行投票处理，将得票最多的数值作为获取的所述比例尺值一。

子步骤a3-2、根据识别的标识刻度和转换后的比例尺区域的字符信息，获取所述比例尺值一s1。

通过上述方式获取的比例尺值一s1相对于现有技术中的获取方法，更精确，更具有可靠度。

在另一可选的实现方式中，上述步骤a3可包括下述的子步骤：

子步骤a3-1、根据每一个连通区域的像素个数和该连通区域的实际面积信息，采用公式二获取一组比例尺值二的阵列；

公式二为：比例尺值二＝sqrt(区域实际面积大小/区域总像素个数)；

每一连通区域为所述户型图中预先确定的每一个房间区域，所述连通区域的实际面积信息为字符信息中各房间的面积信息；

子步骤a3-2、采用格拉布斯准则法，剔除一组比例尺值二的阵列中的异常值，对筛选后的数据求平均值，得到所述户型图中的比例尺值二。

相应地，上述步骤a4可包括下述的子步骤：

a4-1、判断比例尺值一和比例尺值二是否都不为零，若比例尺值一为零，则将比例尺值二作为最终的比例尺值；若比例尺值二为零，则将比例尺值一作为最终的比例尺值；

a4-2、若比例尺值一和比例尺值二都不为零，且比例尺值一和比例尺值二的误差小于或等于预设阈值，则将比例尺值一作为最终的比例尺值；

a4-3、若比例尺值一和比例尺值二都不为零，且比例尺值一和比例尺值二的误差大于预设阈值，则重新获取比例尺值一，并重复执行a4的过程。

需要说明的是，上述重新获取比例尺值一，可为对应子步骤a2-2-4的阵列，将所述一组比例尺值一的阵列中等于在a2-2-4中获取的比例尺值一的数值剔除，获得新的比例尺值一的阵列，投票获取新的比例尺值一。

实施例二

如图2所示，图2示出了本发明一实施例提供的一种户型图的比例尺值获取方法的流程示意图，本实施例方法的执行主体可为任一电子设备，该方法可包括下述的步骤：

101，将待识别的二维户型图输入ocr识别模型，得到户型图中的文字信息和数字信息即字符信息。

字符信息包括中文字符、英文字符和数字字符，以及各字符对应的位置信息。

102，按照比例尺区域分布特性，在待识别的二维户型图中分割出比例尺区域，并转换字符信息。

举例来说，分割比例尺区域包括：灰度化和二值化原待识别的二维户型图、opencv方法检测直线、区域分割。灰度化和二值化是对二维户型图进行处理的。

也就是说，对待识别的二维户型图进行灰度化、二值化处理；并根据比例尺信息的分布特点分割出含有比例尺信息的区域图像，以及基于比例尺区域转换ocr识别出来的数字信息对应的数字位置信息。

103，针对分割出的比例尺区域，识别标识刻度尺，并计算比例尺值阵列。

该步骤需要统计出所有能识别出来的刻度信息，然后结合每个刻度标识的数字信息，计算出一组比例尺值一的阵列，然后根据投票原则计算本步骤得到的比例尺值一s1。

具体地，可包括如下的子步骤：

子步骤1.利用opencv中直线检测方法检测比例尺区域中的直线信息；

子步骤2.识别刻度信息和刻度表示的实际距离信息，如图4所示；

例如，水平方向的识别方法，通过从左到右的顺序识别直线上的标识刻度，从左边第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向右扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，刻度起始点和终止点区域内数字相加即为该刻度表示的实际距离信息；继续扫描，直到没有刻度为止；

垂直方向的识别方法，通过从上到下的顺序识别直线上的标识刻度，从上面第一个“米”字形或半“米”字形像素值为0的像素点记为第一个刻度起始点，向下扫描直到出现“米”字形或半“米”字形像素值为0的像素点，标记前一个像素点为该刻度的终止点；同时统计刻度的起始点和终止点之间的数字信息，刻度起始点和终止点区域内数字相加即为该刻度表示的实际距离信息；继续扫描，直到没有刻度为止。

需要说明的是，直线信息只是为了定位刻度位置，搜索刻度标识是沿着直线在区域图像中搜索的。

子步骤3.计算各个刻度表示的比例尺值，计算公式如下：

比例尺值＝刻度实际距离信息/(刻度终止点像素点坐标-刻度起始点像素点坐标)；

计算所有识别出来的刻度信息得到一组比例尺值阵列array_s1。

应理解的是，户型图中的比例尺刻度信息通常是一段一段的，每段都可以单独表示整副图像的比例尺，计算所有的刻度表示的比例尺值，是为了减小识别误差造成的结果不准确。

子步骤4.用投票原则决定最终的比例尺值：上面一步计算出来的一组比例尺值阵列array_s1，由于统计像素或者数字识别等方面的误差，该组中的值不会完全相同，会存在一定的误差，但是误差不会很大，计算错误的除外，即使有个别计算错误，在这里也不会影响到最终比例尺值的计算；忽略比例尺值个位数字的影响，对该组数据进行投票处理，得票最多的数值，即是本步骤得到的比例尺值一s1。

举例来说，忽略掉每个数值的最后一位(近似处理，比如说12305，12306，12301这三个值，都当做12300来处理)，然后统计出现次数最多的数字。

104，结合房间的区域信息计算比例尺值二s2。

该步骤中的房间区域信息是本步骤前给出的房间面积大小和房间区域在二维户型图中所占的像素个数，这里的房间面积大小是通过ocr识别出来的文字信息得出的结果，房间区域所占的像素个数是根据房间的轮廓信息统计出来的结果；这里根据公式二计算每个房间区域的比例尺值，得到一组值；

公式二：比例尺值二＝sqrt(区域实际面积大小/区域总像素个数)

由于ocr识别结果和房间轮廓信息都可能出现错误，所以该方法计算的一组比例尺值二的阵列中中存在错误信息，通过数据剔除技术把错误的数据剔除掉，通过剩下的数据计算精确的比例尺值二s2；

105，用比例尺值二s2去校正比例尺值一s1。

例如，比例尺值一s1存在，比例尺值二s2存在

如果比例尺值一s1和比例尺值二s2误差abs(s1-s2)/s1小于0.02(经验值)，比例尺值s＝比例尺值一s1；

如果比例尺值一s1和比例尺值二s2误差abs(s1-s2)/s1大于0.02，在比例尺值一的阵列array_s1中剔除值等于比例尺值一s1的值，重新计算比例尺值一s1，然后重新计算abs(s1-s2)/s1，如果满足小于0.02，则比例尺值s＝比例尺值一s1；

如果不满足，继续执行这一步操作，直到满足条件为止，除非比例尺值一的阵列array_s1为空，则比例尺值s＝比例尺值二s2；

另外，比例尺值一s1存在，比例尺值二s2不存在，比例尺值s＝比例尺值一s1；

接着，比例尺值一s1不存在，比例尺值二s2存在，比例尺值s＝比例尺值二s2；

再接着，比例尺值一s1不存在，比例尺值二s2不存在，比例尺值s计算失败。

106，如果比例尺值s存在，输出最终识别结果比例尺值s。

本步骤中的结果就是待识别二维户型图中每像素表示的实际距离信息。

本实施例的方法极大的提高了比例尺计算结果的可靠度和精确度。

另外，为了理解上述获取比例尺值二中涉及的房间区域的内容，该房间区域所占的像素个数是根据房间的轮廓信息统计出来的结果，房间的轮廓信息可通过如下方式获取。

m1、获取待识别的户型图的角点信息和字符信息，并将所述角点信息输入到二次规划模型中，获取墙线和门窗的连接信息。

举例来说，连接信息可包括构成墙线的两个端点的连线、构成门或窗图标的两个端点之间的连线。

所述二次规划模型预先建立的、包括多个对应角点连接规则、墙线与门窗的位置关系的约束条件的模型。例如，对应角点连接规则的约束条件包括：如果两个角点中包含的若干个方向有相互指向的两个方向出现，则能够连接，否则不能连接；如果两个角点连线方向近似于预定义的四种直线中的任何一种则能够连接，否则不能连接；

对应墙线与门窗的位置关系的约束条件包括：门或窗的角点连接结果必须在墙线上，否则调整墙线连接关系或者调整门窗连接关系，最终连接结果要保证门和窗必须在墙线上面。

举例来说，可通过训练好的神经网络获取待识别的户型图的角点信息。可通过ocr识别技术识别户型图中的文字信息等。

m2、将所述墙线和门窗的连接信息输入到图论优化模型中，获取所述户型图中各房间区域的区域构成信息。

举例来说，区域构成信息可包括：构成房间顺时针或逆时针墙线的起点和终点的点集合、门窗的起点信息、门窗的终点信息、门窗的分类信息。

其中，所述图论优化模型为预先建立的，基于图论知识改进的graham算法模型。

m3、将所述字符信息和所述区域构成信息进行匹配，获取识别结果。

举例来说，所述识别结果可包括：户型图中房间的区域构成、房间名称、房间面积大小、门和窗的位置、比例尺信息等。

举例来说，可预先获取户型图中的比例尺，并对获取的比例尺进行校正(可以自动校正或人工校正)，获取准确的、完整的比例尺信息；

然后，将户型区域和文字信息匹配，例如，对ocr识别的结果进行筛选、整理和矫正；然后根据比例尺信息、户型区域信息和ocr整理结果进行最优化匹配。

在一种可选的方式中，在执行前述方法中的步骤m1之前，方法还包括下述的图中未示出的步骤n1：

n1：训练神经网络模型。

例如，可获取训练集，训练集中的每一个户型图数据可为预先手工标注的户型图数据，例如标注墙线和门窗的角点类型。

将上述训练集中的数据输入选定参数的神经网络模型进行训练，不算调整参数，直至收敛，进而获得训练后的神经网络。

训练集中的每一个户型图数据可包括：

预先标注户型图中的墙线和门窗，用线段表示墙线和门窗标注数据；

整理标注数据，并计算角点的类型，作为输入神经网络的标签数据。

在具体应用中，将待识别的户型图输入训练好的神经网络中，得到户型图中墙线、门窗的角点信息。

特别说明的是，输入神经网络的每一个户型图不需要任何预处理操作，原图输入即可。

在第二种可选的方式中，在执行前述方法中的步骤m1之前，方法还包括下述的图中未示出的步骤n2：

n2：建立二次规划模型。

也就是说，定义一个二次规划模型，该模型由一系列约束条件构成，这些约束条件主要是角点的连接规则以及墙线、门窗的位置关系组成。

举例来说，角点的连接规则定义：这里以角点最多含有8个方向类型(米字型)说明，每个角点都包含8个方向中的若干个，每个角点的连接方式只能有水平、垂直、45度斜线和135度斜线四个方向；

本实施例中角点连接规则包括：如果两个角点中包含的若干个方向有相互指向的两个方向出现可以连接，否则不能连接；如果两个角点连线方向近似于预定义中四种直线中的任何一种可以连接，否则不能连接；墙线与门窗的位置关系定义为：门或窗的角点连接结果必须要在墙线上，否则调整墙线连接关系或者调整门窗连接关系，最终结果要保证门和窗必须在墙线上面。

在应用二次规划模型的时候，即将上述神经网络输出的角点信息输入到预先建立的二次规划模型中，经过迭代优化直接输出墙线和门窗的连接信息。

其中，二次规划模型中损失函数的自变量是上面约束条件中的角点变量和角点之间的连接关系(有连接为1，否则为0)，损失函数是衡量角点不能正确连接的一个损失值。迭代优化的过程：不断调整墙线和门窗的连接方式保证损失函数最小的过程。

本实施例中二次规划模型在处理户型图的过程中规划速度很快，可以在毫秒级完成，完全满足实时需求。

在第三种可选的方式中，在执行前述的方法中的步骤m2之前，方法还包括下述的图中未示出的步骤n3：

n3：建立图论优化模型。

所述图论优化模型为预先建立的，基于图论知识改进的graham算法。

单纯的graham算法基本思想是先找到凸包上的一个点，然后从那个点开始按逆时针方向逐个找凸包上的点，实际上就是进行极角排序，然后对其查询使用；这里用graham算法扫描的点不仅仅是角点的坐标信息还包括角点之间的连接信息，通过一个点搜索另外一个点的时候要考虑这两个点之间是否有连接关系，没有连接关系的点不能参与搜索。

通过上述方式获取的房间区域之后，可执行图1和图2所示的户型图的比例尺值获取方法。

实施例三

本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上第一方面任一项所述的户型图的比例尺值获取方法的步骤。

本实施例中的电子设备的结构示意图如图3所示，该电子设备可以移动终端、ipad。上述图1和图2所描述的方法可由电子设备来实现。

图3所示的电子设备可包括：至少一个处理器31、至少一个存储器32、至少一个网络接口34和其他的用户接口33。电子设备中的各个组件通过总线系统35耦合在一起。可理解，总线系统35用于实现这些组件之间的连接通信。总线系统35除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统35。

其中，用户接口33可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)或者触感板等。

可以理解，本实施例中的存储器32可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。本文描述的存储器32旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器32存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统321和应用程序322。

其中，操作系统321，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序322，包含各种应用程序，例如媒体播放器(mediaplayer)、浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序322中。

在本发明实施例中，处理器31通过调用存储器32存储的程序或指令，具体的，可以是应用程序322中存储的程序或指令，处理器31用于执行第一方面所提供的方法步骤。

上述本发明实施例揭示的方法可以应用于处理器31中，或者由处理器31实现。处理器31可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器31中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器31可以是通用处理器。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器32，处理器31读取存储器32中的信息，结合其硬件完成上述方法的步骤。

另外，结合上述实施例中的方法，本发明实施例可提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上方法实施例中的任意一种方法步骤。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。

应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。

此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。