CN110472538A - 一种电子图纸的图像识别方法、存储介质 - Google Patents
一种电子图纸的图像识别方法、存储介质 Download PDFInfo
- Publication number
- CN110472538A CN110472538A CN201910703059.XA CN201910703059A CN110472538A CN 110472538 A CN110472538 A CN 110472538A CN 201910703059 A CN201910703059 A CN 201910703059A CN 110472538 A CN110472538 A CN 110472538A
- Authority
- CN
- China
- Prior art keywords
- vector
- body characteristics
- electronic drawing
- sample
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种矢量电子图纸的图像识别方法、存储介质,包括S1:获取电子图纸中待识别对象对应的矢量样本的第一形体特征,第一形体特征能够表征矢量样本的形体;S2:对矢量电子图纸中的所有矢量对象,获取每个矢量对象的第二形体特征,所述第二形体特征能够表征矢量对象的形体;S3:判断第一形体特征和电子图纸中每个矢量对象的第二形体特征之间是否具有设定的对应关系,如果具有设定的对应关系,则该矢量对象为待识别矢量对象;计算电子图纸中每个对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。本发明能够识别电子矢量图中的相同对象,降低审图过程中的人工识别时间投入。
Description
技术领域
本发明属于图像识别领域,具体涉及一种矢量电子图纸的图像识别方法。
背景技术
现有的建筑设计中,设计院根据开发商的要求设计好电子图纸后,需要对电子图纸进行审核, 规划局审核各建筑占比是否符合规范要求;例如对绿地、楼、住户、道路、停车位等的占比进行计算。
但是现有的审核中,规划局需要人工对各建筑种类进行识别后计算占比,但是该工作占据大量的时间和人力。
发明内容
本发明提供一种矢量电子图纸的图像识别方法,以解决现有技术存在的问题。
本发明采用以下技术方案:
一种电子图纸的图像识别方法,包括:
S1:获取电子图纸中待识别对象对应的矢量样本的第一形体特征,所述第一形体特征能够表征矢量样本的形体;
S2:对矢量电子图纸中的所有矢量对象,获取每个矢量对象的第二形体特征,所述第二形体特征能够表征矢量对象的形体;
S3:判断第一形体特征和电子图纸中每个矢量对象的第二形体特征之间是否具有设定的对应关系,如果具有设定的对应关系,则该矢量对象为待识别矢量对象;所述对应关系为表征用做判断的电子图纸中的矢量对象和待识别对象对应的矢量样本具有相同形体特征的关系;
S5:计算电子图纸中每个对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。
上述方法中,所述S1中,第一形体特征包括多个能够表征矢量样本形体的形体特征点;
所述S2中,第二形体特征包括多个能够表征矢量对象形体的形体特征点;
所述S3中,所述对应关系表示为第一形体特征中的多个特征点和第二形体特征中的特征点之间的比例关系在预设的第一阈值范围内;此时计算电子图纸中每个矢量对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。
上述方法中,所述第一形体特征包括表征矢量样本轮廓的多个形体特征点和多个形体特征点之间的第一拓扑关系;
所述第二形体特征包括表征电子图纸中每个矢量对象轮廓的多个形体特征点和多个形体特征点之间的第二拓扑关系;
计算每个对象在电子图纸中形体特征点的第二拓扑关系与该对象在矢量样本中对应特征点的第一拓扑关系之间的比例关系,若某一矢量对象的第二拓扑关系与矢量样本的第一拓扑关系的比例关系在预设的第一阈值范围内,则该对象为待识别对象。
上述方法中,所述矢量样本轮廓的多个形体特征点和第一拓扑关系的获取方法为:
以矢量样本的标志点位置为直线上的起始点画线,间隔设定角度获取所画线条与矢量样本的轮廓交叉点的坐标点,进而获取表征矢量样本轮廓的所有坐标点的集合,然后计算集合中所有坐标点之间的拓扑关系,得到第一拓扑关系;
所述电子图纸中每个矢量对象轮廓的多个形体特征点和第二拓扑关系的获取方法为:
获取电子图纸中所有的矢量对象,对每个矢量对象,以矢量对象的标志点位置为直线上的起始点画线,间隔设定角度获取所画线条与矢量对象的轮廓交叉的点的坐标点,进而获取表征对象轮廓的所有坐标点的集合,计算集合中所有坐标点之间的拓扑关系,得到第二拓扑关系。
所述标志点位置包括质心位置、几何中心位置或者位于矢量对象或矢量样本外部的包络盒中心的位置。
上述方法进一步,还包括:
T1:对电子图纸中待识别对象对应的矢量样本求取最小包络盒并获取最小包络盒对应的区域,将最小包络盒对应的区域存储为样本图片,获取样本图片中样本的图像特征;
T2:对电子图纸在屏幕上的可视界面,获取可视界面上包含所有对象的最小矩形区域,并将最小矩形区域存储为图纸图片,获取图纸图片中每个对象的图像特征;
T3:通过样本图像特征和每个对象图像特征的对比,获取图纸图片中与样本的图像特征对应的所有对象,作为待对比对象集;
T4:根据图纸图片与电子图纸之间的对应关系,获取待对比对象集中的每个对象在矢量电子图纸中的位置;
T5:对待对比对象集,实施S1~S3的方法,获取待对比对象集中的所有待识别对象。
所述T4中,图纸图片与电子图纸之间的对应关系为图纸图片与电子图纸之间的坐标对应关系。
所述T1~ T3中,对样本图片获取样本栅格图像,对图纸图片获取图纸图片栅格图像,通过样本栅格图像获取图纸图片栅格图像中与样本栅格图像对应的所有对象,作为待对比对象集。
所述T2中,可视界面保存的图纸图片中包含图纸的所有对象,或者通过多次保存图纸图片进而使电子图纸中的所有对象均保存为图纸图片,对每次保存的图纸图片,通过T3~T5的步骤获取所有待识别对象,进而获得所有图纸图片中的所有待识别对象。
本发明还提供存储介质,所述存储介质中存储计算机程序,当计算机程序被处理器执行时实现所述的方法。
本发明的有益效果:
(1)本发明能够识别电子矢量图中的相同对象,降低审图过程中的人工识别时间投入。
(2)本发明获取矢量样本的轮廓特征与拓扑关系和矢量电子图纸中待识别对象的轮廓特征与拓扑关系,根据矢量样本的轮廓特征与拓扑关系寻找矢量电子图纸中与矢量样本具有相同或者相似特征的对象,能够自动快速的获取电子图纸中需要的对象。
附图说明
图1中,(一)为矢量样本的图形,(二)为电子图纸中矢量对象的样本图形。
图2中,(一)为包络盒状态的矢量样本的图形,(二)为包络盒状态的电子图纸中矢量对象的样本图形。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
本发明提供一种矢量电子图纸的图像识别方法,该方法可以包括两部分,第一部分用于获取直接获取矢量图中的待识别对象。
上述第一部分包括以下步骤:
S1:对需要进行自动识别的对象建立矢量样本集,并获取矢量样本集中每个矢量样本的第一形体特征,矢量样本集内的对象可随时更新。
矢量电子图纸中存储的矢量样本的第一形体特征包括多个形体特征点,多个形体特征点能够表征对象的特征,例如轮廓特征;
S2:对电子图纸中的所有矢量对象,获取每个矢量对象的第二形体特征,该第二形体特征包括多个形体特征点;该多个形体特征点能够表征每个对象的独特特征,例如每个对象的轮廓特征。
S3:判断第一形体特征和电子图纸中每个矢量对象的第二形体特征之间是否具有设定的对应关系,如果具有设定的对应关系,则该矢量对象为待识别矢量对象;该对应关系为表征用电子图纸中的矢量对象和待识别对象对应的矢量样本具有相同形体特征的关系。
上述的对应关系可以选择第一形体特征中的多个特征点和第二形体特征中的特征点之间的比例关系,当比例关系在预设的第一阈值范围内则表明属于相同的对象。即计算电子图纸中每个矢量对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。
由于该计算是对矢量图的计算,因此上述的第一形体特征中包括表征矢量样本轮廓的多个形体特征点和多个形体特征点之间的第一拓扑关系;第二形体特征中包括表征电子图纸中每个对象轮廓的多个形体特征点和多个形体特征点之间的第二拓扑关系;上述的拓扑关系包括多个形体特征点之间的空间关系。
第一拓扑关系和第二拓扑关系的获取方法可以通过以下方法获取:
选定标志点,该标志点可以选为质心或者几何中心或者矢量对象或矢量样本外部包络的包络盒中心,以每个对象的标志点位置为圆心间隔设定角度划线或者以每个对象的标志点位置为起始点画线,获取与矢量样本的轮廓交叉的点的坐标点,进而获取表征矢量样本轮廓的所有坐标点,计算表征矢量样本轮廓的所有坐标点之间的拓扑关系,得到第一拓扑关系;
同理可获得电子图纸中每个对象轮廓的多个形体特征点和第二拓扑关系,即获取电子图纸中所有的矢量对象,对每个矢量对象,以矢量对象的标志点位置为直线上的起始点画线,间隔设定角度获取所画线条与矢量对象的轮廓交叉的点的坐标点,进而获取表征对象轮廓的所有坐标点的集合,计算集合中所有坐标点之间的拓扑关系,得到第二拓扑关系。
通过矢量样本的特征点和第一拓扑关系与电子图纸中矢量对象的特征点和第二拓扑关系的对比,可获取待识别的对象。
如图1所示,为本发明进行凸字形的矢量对象识别的示意图。
在图1中,(一)为矢量样本的图形,(二)为电子图纸中矢量对象的样本图形。
在获取第一特形体特征,以矢量样本对象的质心为起始点画直线,如图中所示,其中直线与样本对象外轮廓的部分交点坐标依次为A、B、C、D、E、F,而各交点与起始点之间的距离依次为a、b、c、d、e、f,即矢量样本对象的第一形体特征包括坐标点A、B、C、D、E、F和坐标点与起始点之间的距离依次为a、b、c、d、e、f,基于各坐标点、距离之间的空间关系-即第一拓扑关系,上述的坐标点和拓扑关系组成第一形体特征。
同理可获取电子图纸中矢量对象的第二形体特征:坐标点A’、B’、C’、D’、E’、F’,而各交点与起始点之间的距离依次为a’、b’、c’、d’、e’、f’以及他们之间的拓扑关系。
在计算第二形体特征中的特征点和矢量样本的第一形体特征中对应特征点之间的比例关系时,可通过计算各交点与起始点之间的距离依次为a、b、c、d、e、f和各交点与起始点之间的距离依次为a’、b’、c’、d’、e’、f’对应的比例进行判断,当他们对应的比例不超出设定的阈值时,可认为为相同的对象。
由于上述方法在使用时需要对每个对象均计算拓扑关系,并进行比对,计算量很大,因此,本发明还包括第二部分,第二部分与第一部分结合使用,能够显著降低计算量。
第二部分包括以下步骤:
T1:对矢量电子图纸中待识别对象对应的矢量样本求取最小包络盒,获取最小包络盒对应的区域后,将最小包络盒对应的区域存储为样本图片,获取图片形式的样本图片中样本的图像特征;
T2:对电子图纸在屏幕上的可视界面,获取可视界面上包含所有对象的最小矩形区域,并将最小矩形区域存储为图纸图片,获取图纸图片中每个对象的图像特征;该可使界面中包含的所有对象均为完整的对象,防止对象不完整造成的特征提取错误。
T3:使用现有的图像识别算法,通过样本的图像特征,获取图纸图片中与样本的图像特征对应的所有对象,作为待对比对象集;
T4:根据图纸图片与电子图纸之间的对应关系,获取待对比对象集中的每个对象在矢量电子图纸中的位置;该对应关系为图纸图片与电子图纸之间的坐标对应关系;因为将电子图纸保存为图纸图片时,图纸图片内的每一个像素均对应有电子图纸中的坐标,因此能够建立图纸图片与电子图纸之间的对应关系,方便在图纸图片中找到待对比对象集后,获取待对比对象集中的每个矢量对象在电子图纸中的位置,即每个矢量对象的矢量信息。
T5:对待对比对象集,实施S1~S3的方法,获取待对比对象集中的所有待识别对象。
作为一种具体的实施方式,S1~T3中,在获取待对比对象集时,本发明使用的图像识别方法为现有的栅格图像的识别,即对样本图片获取样本栅格图像,且对图纸图片获取图纸栅格图像,通过样本栅格图像,获取图纸栅格图像中与样本栅格图像对应的所有对象,作为待对比对象集。
本发明在第二部分中,首先将矢量图转换为二维的图片,然后转换为栅格图,通过栅格图使用图像识别算法进行识别计算。
上述的T2中,可视界面保存的图纸图片中包含图纸的所有对象,或者通过多次保存图纸图片进而使图纸的所有对象均保存为图纸图片,对每次保存的图纸图片,通过T4~T6的步骤获取所有待识别对象,进而获得所有图纸图片中的所有待识别对象。
如图2所示,在通过第二部分的方法获取具有最小包络盒的对象后,由于包络盒内部还可能具有其他对象,也就是(二)右上角的椭圆形噪音,因此主要再次通过第一部分的方法进行噪音的去除。
所以本发明使用时,可以先通过第二部分获取等待识别的对象集合,然后再通过第一部分的方法进行识别,可有效降低计算量,并提高正确率。因为第一部分的识别方法更加精确,但是在计算过程中需要计算的对象非常多,导致效率底下,此时可先进行第二部分的处理,滤除掉大部分干扰对象,留下疑似对象,在疑似对象中通过第一部分的方法寻找第一特征关系更加精准迅速。
本发明还提供一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现以上方法。
即本领域技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方 法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本说明书的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的技术人员在本发明揭露的范围内,可轻易想到的变化或者替换,都应该涵盖在本发明的保护范围内。
Claims (10)
1.一种电子图纸的图像识别方法,其特征在于,包括:
S1:获取电子图纸中待识别对象对应的矢量样本的第一形体特征,所述第一形体特征能够表征矢量样本的形体;
S2:对矢量电子图纸中的所有矢量对象,获取每个矢量对象的第二形体特征,所述第二形体特征能够表征矢量对象的形体;
S3:判断第一形体特征和电子图纸中每个矢量对象的第二形体特征之间是否具有设定的对应关系,如果具有设定的对应关系,则该矢量对象为待识别矢量对象;所述对应关系为表征用做判断的电子图纸中的矢量对象和待识别对象对应的矢量样本具有相同形体特征的关系;
S5:计算电子图纸中每个对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。
2.根据权利要求1所述的一种电子图纸的图像识别方法,其特征在于:
所述S1中,第一形体特征包括多个能够表征矢量样本形体的形体特征点;
所述S2中,第二形体特征包括多个能够表征矢量对象形体的形体特征点;
所述S3中,所述对应关系表示为第一形体特征中的多个特征点和第二形体特征中的特征点之间的比例关系在预设的第一阈值范围内;此时计算电子图纸中每个矢量对象的第二形体特征中的特征点和矢量样本的第一形体特征中特征点之间的比例关系,若比例关系在预设的第一阈值范围内,则该对象为待识别对象。
3.根据权利要求2所述的一种电子图纸的图像识别方法,其特征在于:
所述第一形体特征包括表征矢量样本轮廓的多个形体特征点和多个形体特征点之间的第一拓扑关系;
所述第二形体特征包括表征电子图纸中每个矢量对象轮廓的多个形体特征点和多个形体特征点之间的第二拓扑关系;
计算每个对象在电子图纸中形体特征点的第二拓扑关系与该对象在矢量样本中对应特征点的第一拓扑关系之间的比例关系,若某一矢量对象的第二拓扑关系与矢量样本的第一拓扑关系的比例关系在预设的第一阈值范围内,则该对象为待识别对象。
4.根据权利要求3所述的一种电子图纸的图像识别方法,其特征在于:
所述矢量样本轮廓的多个形体特征点和第一拓扑关系的获取方法为:
以矢量样本的标志点位置为直线上的起始点画线,间隔设定角度获取所画线条与矢量样本的轮廓交叉点的坐标点,进而获取表征矢量样本轮廓的所有坐标点的集合,然后计算集合中所有坐标点之间的拓扑关系,得到第一拓扑关系;
所述电子图纸中每个矢量对象轮廓的多个形体特征点和第二拓扑关系的获取方法为:
获取电子图纸中所有的矢量对象,对每个矢量对象,以矢量对象的标志点位置为直线上的起始点画线,间隔设定角度获取所画线条与矢量对象的轮廓交叉的点的坐标点,进而获取表征对象轮廓的所有坐标点的集合,计算集合中所有坐标点之间的拓扑关系,得到第二拓扑关系。
5.根据权利要求4所述的一种电子图纸的图像识别方法,其特征在于:
所述标志点位置包括质心位置、几何中心位置或者位于矢量对象或矢量样本外部的包络盒中心的位置。
6.根据权利要求1所述的一种电子图纸的图像识别方法,其特征在于,还包括:
T1:对电子图纸中待识别对象对应的矢量样本求取最小包络盒并获取最小包络盒对应的区域,将最小包络盒对应的区域存储为样本图片,获取样本图片中样本的图像特征;
T2:对电子图纸在屏幕上的可视界面,获取可视界面上包含所有对象的最小矩形区域,并将最小矩形区域存储为图纸图片,获取图纸图片中每个对象的图像特征;
T3:通过样本图像特征和每个对象图像特征的对比,获取图纸图片中与样本的图像特征对应的所有对象,作为待对比对象集;
T4:根据图纸图片与电子图纸之间的对应关系,获取待对比对象集中的每个对象在矢量电子图纸中的位置;
T5:对待对比对象集,实施S1~S3的方法,获取待对比对象集中的所有待识别对象。
7.根据权利要求6所述的一种电子图纸的图像识别方法,其特征在于:
所述T4中,图纸图片与电子图纸之间的对应关系为图纸图片与电子图纸之间的坐标对应关系。
8.根据权利要求6所述的一种电子图纸的图像识别方法,其特征在于:
所述T1~ T3中,对样本图片获取样本栅格图像,对图纸图片获取图纸图片栅格图像,通过样本栅格图像获取图纸图片栅格图像中与样本栅格图像对应的所有对象,作为待对比对象集。
9.根据权利要求6所述的一种电子图纸的图像识别方法,其特征在于:
所述T2中,可视界面保存的图纸图片中包含图纸的所有对象,或者通过多次保存图纸图片进而使电子图纸中的所有对象均保存为图纸图片,对每次保存的图纸图片,通过T3~T5的步骤获取所有待识别对象,进而获得所有图纸图片中的所有待识别对象。
10.存储介质,所述存储介质中存储计算机程序,其特征在于:当计算机程序被处理器执行时实现权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910703059.XA CN110472538B (zh) | 2019-07-31 | 2019-07-31 | 一种电子图纸的图像识别方法、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910703059.XA CN110472538B (zh) | 2019-07-31 | 2019-07-31 | 一种电子图纸的图像识别方法、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472538A true CN110472538A (zh) | 2019-11-19 |
CN110472538B CN110472538B (zh) | 2023-06-06 |
Family
ID=68509528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910703059.XA Active CN110472538B (zh) | 2019-07-31 | 2019-07-31 | 一种电子图纸的图像识别方法、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472538B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324096A (zh) * | 2011-07-19 | 2012-01-18 | 北京市电力公司 | 特征点校正分区拼接方法及装置 |
CN104966320A (zh) * | 2015-07-21 | 2015-10-07 | 北京工业大学 | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 |
CN108920048A (zh) * | 2018-06-06 | 2018-11-30 | 武汉新迪数字工程***有限公司 | 大型图纸浏览方法、***、服务器及计算机可读存储介质 |
CN109145070A (zh) * | 2018-08-01 | 2019-01-04 | 陈龙雨 | 基于图纸的设备网络建模方法 |
US20190095749A1 (en) * | 2017-09-22 | 2019-03-28 | Omron Corporation | Template creation apparatus, object recognition processing apparatus, template creation method, and program |
CN109993827A (zh) * | 2019-03-29 | 2019-07-09 | 宁波睿峰信息科技有限公司 | 一种将建筑图纸转换为三维bim模型的立面图识别方法 |
-
2019
- 2019-07-31 CN CN201910703059.XA patent/CN110472538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324096A (zh) * | 2011-07-19 | 2012-01-18 | 北京市电力公司 | 特征点校正分区拼接方法及装置 |
CN104966320A (zh) * | 2015-07-21 | 2015-10-07 | 北京工业大学 | 一种基于三阶Bezier曲线的伪装迷彩自动生成方法 |
US20190095749A1 (en) * | 2017-09-22 | 2019-03-28 | Omron Corporation | Template creation apparatus, object recognition processing apparatus, template creation method, and program |
CN108920048A (zh) * | 2018-06-06 | 2018-11-30 | 武汉新迪数字工程***有限公司 | 大型图纸浏览方法、***、服务器及计算机可读存储介质 |
CN109145070A (zh) * | 2018-08-01 | 2019-01-04 | 陈龙雨 | 基于图纸的设备网络建模方法 |
CN109993827A (zh) * | 2019-03-29 | 2019-07-09 | 宁波睿峰信息科技有限公司 | 一种将建筑图纸转换为三维bim模型的立面图识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110472538B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020258899A1 (zh) | 一种基于高分遥感影像的山地景观建筑提取方法和设备 | |
CN109493320B (zh) | 基于深度学习的遥感影像道路提取方法及***、存储介质、电子设备 | |
CN112163251B (zh) | 建筑模型单体化方法、装置、存储介质及电子设备 | |
CN106157309B (zh) | 一种基于虚拟种子点的机载LiDAR地面点云滤波方法 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测*** | |
CN105809651B (zh) | 基于边缘非相似性对比的图像显著性检测方法 | |
CN108710913A (zh) | 一种基于深度学习的开关柜图像开关状态自动识别方法 | |
CN107766861A (zh) | 人物图像服装颜色识别方法、装置及电子设备 | |
CN105096317A (zh) | 一种复杂背景中的高性能相机全自动标定方法 | |
CN107093205A (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
CN105354866A (zh) | 一种多边形轮廓相似度检测方法 | |
TW201022708A (en) | Method of change detection for building models | |
CN108416785A (zh) | 面向封闭空间的拓扑分割方法及装置 | |
CN105956544B (zh) | 一种基于结构指数特征的遥感影像道路交叉口提取的方法 | |
CN110008207A (zh) | 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法 | |
CN105718552A (zh) | 基于服装手绘草图的服装图像检索方法 | |
CN110688958A (zh) | 基于GoogLeNet神经网络的交叉路口识别方法 | |
CN108537286A (zh) | 一种基于关键区域检测的复杂目标精准识别方法 | |
CN109919002A (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
CN110047036A (zh) | 基于极坐标格网的地面激光扫描数据建筑物立面提取方法 | |
CN106709883A (zh) | 基于联合双边滤波和尖锐特征骨架提取的点云去噪方法 | |
CN109242854A (zh) | 一种基于flic超像素分割的图像显著性检测方法 | |
CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 | |
CN110472538A (zh) | 一种电子图纸的图像识别方法、存储介质 | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |