一种建筑工程CAD图纸中轴网自动识别提取方法与流程

一种建筑工程cad图纸中轴网自动识别提取方法
技术领域
1.本发明涉及图纸中轴网识别提取技术领域，具体为一种建筑工程cad图纸中轴网自动识别提取方法。


背景技术：

2.伴随着经济的迅速发展，建筑行业也得到了大力发展，计算机辅助制图(简称cad)软件在建筑工程设计领域的广泛应用，极大的提高了设计师的工作效率和出图质量，但面对工程项目中大量的图纸，依靠人力去提取cad的图纸是非常费事费力的。
3.随着图像处理和深度学习的发展，为用机器替代人力，实现cad图纸的自动识别提供了有力条件，在识别cad图纸的重要一步骤就是提取轴网，轴网由定位轴线(建筑结构中的墙或柱的中心线)、标志尺寸(用心标注建筑物定位轴线之间的距离大小)和轴号组成，轴网是建筑制图的主体框架，建筑物的主要支承构件按照轴网定位排列达到井然有序，在实际的图纸中，轴网是和图纸上的构件混合在一起的，我们不仅需要定位到轴网的位置，还需要将轴网提取出来，来实现图纸的定位，信息过滤，我们提出了一种基于深度学习的自动识别和提取轴网的方法，来对图纸里面的轴网初步定位，并且对轴网进行抽取和对图纸比例尺获取。
4.因此，我们提出一种建筑工程cad图纸中轴网自动识别提取方法。


技术实现要素：

5.本发明的目的在于提供一种建筑工程cad图纸中轴网自动识别提取方法，为了解决如何利用深度学习实现图纸轴网自动识别和提取的技术问题技术问题。
6.为实现上述目的，本发明提供如下技术方案：一种建筑工程cad图纸中轴网自动识别提取方法，包括如下方法步骤：
7.步骤一：转化图纸为待识别，将图纸转化为两种类型数据，其一将矢量化的图纸渲染为像素级别的rgb图像，其二将矢量化的图纸转为基于图层的树状数据；
8.步骤二：基于目标检测模型对轴网进行初步定位；
9.步骤三：利用图像分割模型对图纸输出图纸分割结果1；
10.步骤四：利用图层分类算法输出图层分类结果2；
11.步骤五：利用集成模型输出最终的分类结果
12.作为本发明的一种优选实施方式，每个所述图层的数据为每个图层的几何线段。
13.作为本发明的一种优选实施方式，所述步骤二包括以下步骤：
14.步骤2.1：收集若干建筑cad图纸并标注轴网位置，组成cad图纸轴网检测数据集；
15.步骤2.2：使用fasterrcnn算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数；
16.步骤2.3：对转化为像素的图纸利用训练好的检测模型进行预测，输出轴网的概率和定位框，利用nms算法对轴网进行筛选；
17.步骤2.4：按照步骤2.3得到图纸中轴网的初步定位结果，并对定位的图纸进行切分，作为下一步骤的输入。
18.作为本发明的一种优选实施方式，所述步骤三包括以下步骤：
19.步骤3.1：收集若干建筑cad图纸并标注轴网的分割内容，包括不是轴网部分、轴网部分、轴网和构件混合部分，组成cad图纸轴网分割数据集；
20.步骤3.2：使用u-net算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数；
21.步骤3.3：对步骤2初步切分图纸，利用训练好的分割模型进行预测，输出图纸上每个像素的类被概率。
22.作为本发明的一种优选实施方式，所述步骤四包括以下步骤：
23.步骤4.1：收集若干建筑cad图纸并标注图层的内容，组成cad图纸图层类别数据集；
24.步骤4.2：通过提取图层里面几何之间的x,y方向方差，投影面积等手工特征，使用决策树算法来训练模型，模型收敛后保存模型参数；
25.步骤4.3：对步骤2初步切分图纸进行提取图层，利用训练好的图层分类模型进行预测，输出图层的概率。
26.作为本发明的一种优选实施方式，利用步骤3和步骤4，利用投票法共同输出最后线段是否为轴网的概率，来达到提取轴网的目的。
27.与现有技术相比，本发明的有益效果如下：
28.本发明通过构建了一种基于深度学习中目标检测和图像分割的算法，来实现对轴网的初步定位和对定位的图像进行初步分割，考虑在cad图纸中，轴网和构件一般是混合在一起的，同时构件了一种图层分类算法，最后利用分割的结果结合图层分类的结果，输出最后提取的轴网。
附图说明
29.通过阅读参照以下附图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：
30.图1为本发明一种建筑工程cad图纸中轴网自动识别提取方法流程图；
具体实施方式
31.为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
32.请参阅图1，本发明提供一种技术方案：一种建筑工程cad图纸中轴网自动识别提取方法，包括如下方法步骤：步骤一：转化图纸为待识别，将图纸转化为两种类型数据，其一将矢量化的图纸渲染为像素级别的rgb图像，其二将矢量化的图纸转为基于图层的树状数据，每个所述图层的数据为每个图层的几何线段；步骤二：基于目标检测模型对轴网进行初步定位，所述步骤二包括以下步骤：步骤2.1：收集若干建筑cad图纸并标注轴网位置，组成cad图纸轴网检测数据集，步骤2.2：使用fasterrcnn算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数，步骤2.3：对转化为像素的图纸利用训练好的检测模型
进行预测，输出轴网的概率和定位框，利用nms算法对轴网进行筛选，步骤2.4：按照步骤2.3得到图纸中轴网的初步定位结果，并对定位的图纸进行切分，作为下一步骤的输入；步骤三：利用图像分割模型对图纸输出图纸分割结果1，所述步骤三包括以下步骤：步骤3.1：收集若干建筑cad图纸并标注轴网的分割内容，包括不是轴网部分、轴网部分、轴网和构件混合部分，组成cad图纸轴网分割数据集，步骤3.2：使用u-net算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数，步骤3.3：对步骤2初步切分图纸，利用训练好的分割模型进行预测，输出图纸上每个像素的类被概率；步骤四：利用图层分类算法输出图层分类结果2，所述步骤四包括以下步骤：步骤4.1：收集若干建筑cad图纸并标注图层的内容，组成cad图纸图层类别数据集，步骤4.2：通过提取图层里面几何之间的x,y方向方差，投影面积等手工特征，使用决策树算法来训练模型，模型收敛后保存模型参数，步骤4.3：对步骤2初步切分图纸进行提取图层，利用训练好的图层分类模型进行预测，输出图层的概率；步骤五：利用集成模型输出最终的分类结果，利用步骤3和步骤4，利用投票法共同输出最后线段是否为轴网的概率，来达到提取轴网的目的。
33.本发明通过构建了一种基于深度学习中目标检测和图像分割的算法，来实现对轴网的初步定位和对定位的图像进行初步分割，考虑在cad图纸中，轴网和构件一般是混合在一起的，同时构件了一种图层分类算法，最后利用分割的结果结合图层分类的结果，输出最后提取的轴网。
34.以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
35.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：
1.一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：包括如下方法步骤：步骤一：转化图纸为待识别，将图纸转化为两种类型数据，其一将矢量化的图纸渲染为像素级别的rgb图像，其二将矢量化的图纸转为基于图层的树状数据；步骤二：基于目标检测模型对轴网进行初步定位；步骤三：利用图像分割模型对图纸输出图纸分割结果1；步骤四：利用图层分类算法输出图层分类结果2；步骤五：利用集成模型输出最终的分类结果。2.根据权利要求1所述的一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：每个所述图层的数据为每个图层的几何线段。3.根据权利要求1所述的一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：所述步骤二包括以下步骤：步骤2.1：收集若干建筑cad图纸并标注轴网位置，组成cad图纸轴网检测数据集；步骤2.2：使用fasterrcnn算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数。步骤2.3：对转化为像素的图纸利用训练好的检测模型进行预测，输出轴网的概率和定位框，利用nms算法对轴网进行筛选。步骤2.4：按照步骤2.3得到图纸中轴网的初步定位结果，并对定位的图纸进行切分，作为下一步骤的输入。4.根据权利要求3所述的一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：所述步骤三包括以下步骤：步骤3.1：收集若干建筑cad图纸并标注轴网的分割内容，包括不是轴网部分、轴网部分、轴网和构件混合部分，组成cad图纸轴网分割数据集；步骤3.2：使用u-net算法在步骤1.1构建的cad图纸数据集上训练，模型收敛后保存模型参数。步骤3.3：对步骤2初步切分图纸，利用训练好的分割模型进行预测，输出图纸上每个像素的类被概率。5.根据权利要求3所述的一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：所述步骤四包括以下步骤：步骤4.1：收集若干建筑cad图纸并标注图层的内容，组成cad图纸图层类别数据集；步骤4.2：通过提取图层里面几何之间的x,y方向方差，投影面积等手工特征，使用决策树算法来训练模型，模型收敛后保存模型参数。步骤4.3：对步骤2初步切分图纸进行提取图层，利用训练好的图层分类模型进行预测，输出图层的概率。6.根据权利要求4所述的一种建筑工程cad图纸中轴网自动识别提取方法，其特征在于：利用步骤3和步骤4，利用投票法共同输出最后线段是否为轴网的概率，来达到提取轴网的目的。

技术总结
本发明公开了一种建筑工程CAD图纸中轴网自动识别提取方法，为了解决如何利用深度学习实现图纸轴网自动识别和提取的技术问题，包括如下方法步骤：步骤一：转化图纸为待识别，将图纸转化为两种类型数据，其一将矢量化的图纸渲染为像素级别的RGB图像，其二将矢量化的图纸转为基于图层的树状数据；步骤二：基于目标检测模型对轴网进行初步定位。本发明通过通过构建了一种基于深度学习中目标检测和图像分割的算法，来实现对轴网的初步定位和对定位的图像进行初步分割，考虑在CAD图纸中，轴网和构件一般是混合在一起的，同时构件了一种图层分类算法，最后利用分割的结果结合图层分类的结果，输出最后提取的轴网。输出最后提取的轴网。输出最后提取的轴网。


技术研发人员：吕鑫
受保护的技术使用者：河北雄安汇颐信息技术有限公司
技术研发日：2023.05.06
技术公布日：2023/8/6