一种基于传统图像处理结合深度学习的结构专业柱属性识别方法与流程

1.本发明涉及结构专业住宅或地下室墙柱平法施工图中的柱的属性识别领域，尤其涉及一种基于传统图像处理结合深度学习的目标检测技术对柱的属性识别方法。


背景技术：

2.cad施工图，是表示通过autocad软件将工程项目总体布局，建筑物的外部形状、内部布置、结构构造、内外装修、材料作法以及设备、施工等制作的图样。cad施工图具有图纸齐全、表达准确、要求具体的特点，是进行工程施工、编制施工图预算和施工组织设计的依据，也是进行技术管理的重要技术文件，在施工之前需要对施工图纸进行仔细的审查才能进入施工阶段，目的是保障施工的顺利进行，并且可以避免因图纸有误对完成施工后的使用阶段产生的影响。
3.现有的结构专业柱的识别，主要是基于图层，人工标注、大量逻辑堆叠等传统方法，该方法耗时耗力，并且在通过业务逻辑合并过程中，由于属性文本和属性表格的样式和位置不固定，会有以下主要两个缺陷：
4.1、通过图纸中的图层来识别柱属性，严重依赖于图纸设计规范。
5.2、属性表格通过逻辑获取准确率低，导致属性准确率低。


技术实现要素：

6.针对上述问题，本发明提供了一种基于传统图像处理结合深度学习的结构专业柱属性识别方法。
7.为解决上述技术问题，本发明是通过以下技术方案实现的：本发明提供了一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，该方法包括以下步骤：
8.s1、先进行数据准备；
9.s2、对图纸进行解析获取一系列图元；
10.s3、拿到所有在柱图层的图元线，并将这些图元线画在一张空白的底图上；
11.s4、利用传统图像处理方法，找到所有柱的空间；
12.s5、利用传统图像处理方法，找到柱附近带“z”的文本信息；
13.s6、使用深度学习方法获取柱属性表格位置，获取位置柱编号和属性信息；
14.s7、通过柱编号和表格内柱编号进行匹配获取柱的属性。
15.优选的，所述步骤s1中的数据准备具体包括：将大概30张图纸住宅或地下室墙柱平法施工图。
16.优选的，所述步骤s2中的图元包括组成图形的可见基础元素，所对应的就是绘图界面上看得见的实体。
17.优选的，所述步骤s4中所有柱的空间通过hatch构件bbox范围，过滤具有干扰的空间柱。
18.优选的，所述步骤s5中可通过正则法则过滤得到柱编号。
19.优选的，所述步骤s6中使用的retinanet训练的表格检测模型。
20.由上述对本发明的描述可知，和现有技术相比，本发明具有如下优点：
21.本发明一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，通过运用传统图像处理的方法解决了cad建筑设计图纸中构件的精准识别问题，减少了构件识别对图层的过度依赖，并且通过使用深度学习的目标检测方法识别柱属性表格，能够有效的解决表格样式和位置混乱，提高通过逻辑判断获取表格位置的准确度和速度。
附图说明
22.图1是本发明步骤流程图；
23.图2是本发明住宅或地下室墙柱平法施工图cad图纸解析示意图；
24.图3是本发明柱空间获取的cad平面示意图；
25.图4是本发明柱空间空间过滤的cad平面示意图；
26.图5是本发明深度学习检测的柱属性的cad平面示意图；
27.图6是本发明通过编号匹配获取属性的cad平面示意图；
28.图7是本发明柱属性信息整合示意图。
具体实施方式
29.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
30.如图1-7所示，本发明提供一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，该方法包括以下步骤：
31.s1、先进行数据准备；
32.s2、对图纸进行解析获取一系列图元；
33.s3、拿到所有在柱图层的图元线，并将这些图元线画在一张空白的底图上；
34.s4、利用传统图像处理方法，找到所有柱的空间；
35.s5、利用传统图像处理方法，找到柱附近带“z”的文本信息；
36.s6、使用深度学习方法获取柱属性表格位置，获取位置柱编号和属性信息；
37.s7、通过柱编号和表格内柱编号进行匹配获取柱的属性。
38.其中，步骤s1中的数据准备具体包括：将大概30张图纸住宅或地下室墙柱平法施工图；
39.其中，步骤s2中的图元包括组成图形的可见基础元素，所对应的就是绘图界面上看得见的实体，比如直线，圆弧，圆等，这些基础元素组成一个个有实际意义的构件，如板、柱等；
40.其中，步骤s4中所有柱的空间通过hatch构件bbox范围，过滤具有干扰的空间柱；
41.其中，步骤s5中可通过正则法则过滤得到柱编号，如“kz1”；
42.其中，步骤s6中使用的retinanet训练的表格检测模型。
43.本发明提供一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，通
过运用传统图像处理的方法解决了cad建筑设计图纸中构件的精准识别问题，减少了构件识别对图层的过度依赖，并且通过使用深度学习的目标检测方法识别柱属性表格，能够有效的解决表格样式和位置混乱，提高通过逻辑判断获取表格位置的准确度和速度。
44.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。


技术特征：
1.一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于，所述方法包括以下步骤：s1、先进行数据准备；s2、对图纸进行解析获取一系列图元；s3、拿到所有在柱图层的图元线，并将这些图元线画在一张空白的底图上；s4、利用传统图像处理方法，找到所有柱的空间；s5、利用传统图像处理方法，找到柱附近带“z”的文本信息；s6、使用深度学习方法获取柱属性表格位置，获取位置柱编号和属性信息；s7、通过柱编号和表格内柱编号进行匹配获取柱的属性。2.根据权利要求1所述一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于：所述步骤s1中的数据准备具体包括：将大概30张图纸住宅或地下室墙柱平法施工图。3.根据权利要求1所述一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于：所述步骤s2中的图元包括组成图形的可见基础元素，所对应的就是绘图界面上看得见的实体。4.根据权利要求1所述一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于：所述步骤s4中所有柱的空间通过hatch构件bbox范围，过滤具有干扰的空间柱。5.根据权利要求1所述一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于：所述步骤s5中可通过正则法则过滤得到柱编号。6.根据权利要求1所述一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，其特征在于：所述步骤s6中使用的retinanet训练的表格检测模型。

技术总结
本发明公开了一种基于传统图像处理结合深度学习的结构专业柱属性识别方法，包括以下步骤：先进行数据准备；对图纸进行解析获取一系列图元；拿到所有在柱图层的图元线；利用传统图像处理方法，找到所有柱的空间；利用传统图像处理方法，找到柱附近带“Z”的文本信息；使用深度学习方法获取柱属性表格位置，获取位置柱编号和属性信息；通过柱编号和表格内柱编号进行匹配获取柱的属性。本发明通过运用传统图像处理的方法解决了CAD建筑设计图纸中构件的精准识别问题，减少了构件识别对图层的过度依赖，并且通过使用深度学习的目标检测方法识别柱属性表格，能够有效的解决表格样式和位置混乱，提高通过逻辑判断获取表格位置的准确度和速度。速度。速度。


技术研发人员：朱峰 李一帆 彭靖田
受保护的技术使用者：上海品览数据科技有限公司
技术研发日：2021.12.17
技术公布日：2022/5/17