户型数据的识别方法及装置与流程

本发明实施例涉及图像处理技术领域，尤其涉及一种户型数据的识别方法及装置。

背景技术：

CAD户型文件内容识别需求日益增长，在家居设计工具中，两大国际流行工业级软件Autodesk Revit及chief architect都分别提供了CAD户型文件的墙体，窗体和门的识别解决方案。但是，这两大软件的户型文件分析功能并不能做到无人工监督的全自动识别，其缺点在于需要人工将墙体分层后方可进行墙体的识别。

技术实现要素：

针对上述技术问题，本发明实施例提供了一种户型数据的识别方法及装置，以自动完成户型图中墙体的识别。

一方面，本发明实施例提供了一种户型数据的识别方法，所述方法包括：

利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域；

基于图像处理算法，由所述候选墙体区域中识别目标墙体区域；

利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以由所述目标墙体区域中提取窗体区域、门体区域，以及柱体区域；

将提取的结果数据输出。

另一方面，本发明实施例还提供了一种户型数据的识别装置，所述装置包括：

群组过滤模块，用于利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域；

目标区域识别模块，用于基于图像处理算法，由所述候选墙体区域中识别目标墙体区域；

过滤模块，用于利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以由所述目标墙体区域中提取窗体区域、门体区域，以及柱体区域；

输出模块，用于将提取的结果数据输出。

本发明实施例提供的户型数据的识别方法及装置，通过利用预设的矢量过滤器群组，对户型图进行过滤，基于图像处理算法，由所述候选墙体区域中识别目标墙体区域，利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以及将提取的结果数据输出，自动的完成了户型图中墙体的识别。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明第一实施例提供的户型数据的识别方法的流程图；

图2是本发明第二实施例提供的户型数据的识别方法的流程图；

图3是本发明第三实施例提供的户型数据的识别方法中目标区域识别操作的流程图；

图4是本发明第四实施例提供的户型数据的识别方法中输出操作的流程图；

图5是本发明第五实施例提供的户型数据的识别装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

第一实施例

本实施例提供了户型数据的识别方法的一种技术方案。

参见图1，户型数据的识别方法包括：

S11，利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域。

在本实施例中，预先构建了对户型图进行过滤操作的矢量滤波器群组。所谓矢量滤波器群组，由一组矢量滤波器共同构成。因此，上述矢量滤波器群组又被称为簇式矢量滤波器。

具体到矢量滤波器群组中的每一个矢量滤波器，其由若干矢量滤波规则组成。经过上述矢量滤波器群组的处理，户型图中符合矢量滤波器群组中配置的矢量滤波规则的图形区域被识别出来，并被认定为候选墙体区域。

需要说明的是被滤波的户型图应该是矢量图。也就是说，在本实施例中，原始的户型图中的图形元素是由矢量表示的。

S12，基于图像处理算法，由所述候选墙体区域中识别目标墙体区域。

可以理解的是，由于矢量过滤器的处理误差，初步识别得到的候选墙体区域可能并不精确。因此，在得到候选墙体区域之后，还应该采用图像处理算法对户型图进行进一步的处理，以便能够从候选墙体区域中识别得到目标墙体区域。相对于候选墙体区域来说，目标墙体区域是更为精确的识别结果。

S13，利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以由所述目标墙体区域中提取窗体区域、门体区域，以及柱体区域。

可以理解的是，在识别的奥的目标墙体区域中，包含有：窗体区域、门体区域，以及柱体区域。为了对识别的目标墙体区域进行进一步的细分，还需要由目标墙体区域中进一步的区分出窗体区域、门体区域，以及柱体区域。

具体的识别方式是利用预先构建的墙体矢量滤波器进行识别。所谓墙体矢量滤波器是一个矢量滤波器，内含若干矢量滤波规则。比如，墙体内部绘有若干平行线段的墙体区域被判定为窗体区域；墙体区域中厚度比其他相邻部分稍薄的墙体区域被判定为门体区域；不同墙体部分之间的，占用面积小于预定面积阈值的墙体区域被判定为柱体区域。

S14，将提取的结果数据输出。

优选的，以结构化数据的形式将所述结果数据进行输出。

需要说明的是，按照本实施例给出的技术方案进行户型图的处理，能够大大提高户型图的识别效率。初步估算，按照现有的计算设备的处理效率，可在10秒内处理包含3万基础矢量元素的CAD户型文件。

本实施例利用预设的矢量过滤器群组，对户型图进行过滤，基于图像处理算法，由所述候选墙体区域中死别目标墙体区域，利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以及将提取的结果数据输出，自动的完成了户型图中墙体的识别。

第二实施例

本实施例以本发明上述实施例为基础，进一步的提供了户型数据的识别方法的另一种技术方案。在该技术方案中，户型数据的识别方法还包括：在利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域之前，对输入的户型图进行标准化处理。

参见图2，户型数据的识别方法包括：

S21，对输入的户型图进行标准化处理。

由于原始的户型图可能并不是标准二维矢量图，而且，其画面上可能出现污损、线条暗淡等可能会影响最终的墙体区域识别结果的可信度的问题，需要对原始的户型图进行处理。经过标准化处理之后的户型图是画面清楚、线条清晰的矢量图。

具体的，对于输入的户型图的标准化处理包括：以单位距离尺度，对所述户型图中的线条进行归一化；对归一化以后的线条进行矢量化。具体的，单位距离尺度可以是1毫米。

S22，利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域。

S23，基于图像处理算法，由所述候选墙体区域中识别目标墙体区域。

具体的，可以依据图像处理算法，从原始的、未经过标准化的户型图中识别可能的墙体区域，再将采用上述方式识别得到的可能的墙体区域与由矢量户型图中识别得到候选墙体区域进行融合，得到目标墙体区域。可以理解的是，最终得到的目标墙体区域是相较于候选墙体区域更为精确的墙体区域数据。

S24，利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以由所述目标墙体区域中提取窗体区域、门体区域，以及柱体区域。

S25，将提取的结果数据输出。

本实施例通过在利用预设的矢量过滤器群组，对户型图进行过滤之前，对输入的户型图进行标准化处理，使得在对户型图进行各种识别操作之前，首先对输入的户型图进行了标准化处理，去除了户型图的输入噪声，使得对户型图的识别结果更为可信，提高了识别过程的鲁棒性。

第三实施例

本实施例以本发明上述实施例为基础，进一步的提供了户型数据的识别方法中目标区域识别操作的一种技术方案。在该技术方案中，基于图像处理算法，由所述候选墙体区域中识别目标墙体区域包括：对所述户型图进行栅格化；基于识别规则，由栅格化后的户型图中识别可能的墙体区域；将所述可能的墙体区域与所述候选墙体区域融合，以得到所述目标墙体区域。

参见图3，基于图像处理算法，由所述候选墙体区域中识别目标墙体区域包括：

S31，对所述户型图进行栅格化。

对所述户型图进行栅格化，就是利用具有单位面积的栅格单元，对原始户型图进行划分，得到若干个呈矩阵排列的栅格图像。

需要说明的是，经过栅格化以后的户型图不再是矢量图，而是有一个属于位图的栅格图像共同组成的位图图像。

S32，基于识别规则，由栅格化后的户型图中识别可能的墙体区域。

具体的，上述识别规则可以是基于预设平均灰度阈值的识别规则。对一个栅格化以后的一个具体栅格单元是否墙体区域的判断时，首先需要进行线条的识别。当一个栅格单元的平均灰度取值高于预设的平均灰度阈值时，就可以判定这个栅格单元是线条经过的栅格单元。

由栅格化后的栅格图像中识别出线条之后，将线条划定的，长度、宽度参数在预定的参数范围内的矩形区域，识别为可能的墙体区域。

S33，将所述可能的墙体区域与所述候选墙体区域融合，以得到所述目标墙体区域。

所谓融合，可以由多种融合策略。最为典型的，可以将可能的墙体区域以及候选墙体区域中均出现的区域，作为最终识别的目标墙体区域。这样做的优点在于，能够有效的消除在标准化处理操作中，由于矢量识别操作而引入的误差，提高目标墙体区域的识别精度。

另外，上述融合还可以是在可能的墙体区域和候选墙体区域之间，按照预先分配的权重参数进行融合。比如，可以为可能的墙体区域分配权重参数p，为候选墙体区域分配权重参数1-p，并按照上述权重参数融合。

无论采用何种融合策略，最终的目的均在于提高最终提取的墙体区域的可信度，保证最终识别的墙体区域的可信。

本实施例通过对所述户型图进行栅格化，基于识别规则，由栅格化后的户型图中识别可能的墙体区域，以及将所述可能的墙体区域与所述候选墙体区域融合，从而得到了目标墙体区域。

第四实施例

本实施例以本发明上述实施例为基础，进一步的提供了户型数据的识别方法中输出操作的一种技术方案。在该技术方案中，将提取的结果数据输出包括：以结构化数据的形式，将提取到的结果数据输出；以图表、文字的形式将输出的结构化数据显示给用户。

参见图4，将提取的结果数据输出包括：

S41，以结构化数据的形式，将提取到的结果数据输出。

所谓结构化数据，是指数据本身具有确定的组织结构，数据中包含的数据元素具有确定的含义。例如，可以预先定义一组XML文件标签，然后以XML文件的形式，输出提取到的结果数据。

S42，以图表、文字的形式将输出的结构化数据显示给用户。

在以结构化数据的形式对结果数据进行输出之后，还可以以输出的结构化数据为依据，将上述输出的结果数据以图表、文字的形式进行显示，以便用户能够更为直观的了解户型图的识别结果。

本实施例通过以结构化数据的形式，将提取到的结果数据输出，以及以图表、文字的形式将输出的结构化数据显示给用户，从而实现了对户型图的识别结果的输出。

第五实施例

本实施例提供了户型数据的识别装置的一种技术方案。在技术方案中，户型数据的识别装置包括：群组过滤模块52、目标区域识别模块53、过滤模块54，以及输出模块55。

所述群组过滤模块52用于利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域。

所述目标区域识别模块53用于基于图像处理算法，由所述候选墙体区域中识别目标墙体区域。

所述过滤模块54用于利用预设的墙体矢量过滤器，对所述目标墙体区域进行过滤，以由所述目标墙体区域中提取窗体区域、门体区域，以及柱体区域。

所述输出模块55用于将提取的结果数据输出。

进一步的，户型数据的识别装置还包括：标准化模块51。

所述标准化模块51用于在利用预设的矢量过滤器群组，对户型图进行过滤，以识别出所述户型图中的候选墙体区域之前，对输入的户型图进行标准化处理。

进一步的，所述标准化模块51包括：归一化单元，以及矢量化单元。

所述归一化单元用于以单位距离尺度，对所述户型图中的线条进行归一化。

所述矢量化单元用于对归一化以后的线条进行矢量化。

进一步的，所述目标区域识别模块53包括：栅格化单元、识别单元，以及融合单元。

所述栅格化单元用于对原始户型图进行栅格化。

所述识别单元用于基于识别规则，由栅格化后的户型图中识别可能的墙体区域。

所述融合单元用于将所述可能的墙体区域与所述候选墙体区域融合，以得到所述目标墙体区域。

进一步的，所述输出模块55包括：输出单元，以及显示单元。

所述输出单元用于以结构化数据的形式，将提取到的结果数据输出。

所述显示单元用于以图表、文字的形式将输出的结构化数据显示给用户。

本领域普通技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个计算装置上，或者分布在多个计算装置所组成的网络上，可选地，他们可以用计算机装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件的结合。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。