CN111783562B - 智能审图方法及相关装置 - Google Patents
智能审图方法及相关装置 Download PDFInfo
- Publication number
- CN111783562B CN111783562B CN202010540447.3A CN202010540447A CN111783562B CN 111783562 B CN111783562 B CN 111783562B CN 202010540447 A CN202010540447 A CN 202010540447A CN 111783562 B CN111783562 B CN 111783562B
- Authority
- CN
- China
- Prior art keywords
- checked
- component information
- components
- rule
- result
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000011218 segmentation Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000007781 pre-processing Methods 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 description 24
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 7
- 238000013441 quality evaluation Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
Abstract
本申请实施例公开一种智能审图方法及相关装置,所述智能审查装置包括:引擎初始化模块,用于获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;构件变量接收模块,用于根据所述审图规则获取基础图框和构件信息库;自定义预处理模块,用于从所述基础图框和构件信息库中提取构件信息,对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;关系逻辑处理模块,用于根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;处理结果返回模块,用于根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。实施本申请实施例能够提高审图的效率和精准度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种智能审图方法及相关装置。
背景技术
在建筑行业,图纸审核是重中之重,建筑设计师现今只能通过肉眼对图纸进行审核,由于人工审图往往需要花费大量的时间与精力,因此审图效率低下。以此同时,建筑设计师往往渴望快速且高质量地把控图纸质量,而将更多时间与精力花费在设计创新上,因此开发出高效精准的辅助审图工具已成为建筑行业急需解决的技术难题。
发明内容
本申请实施例公开一种智能审图方法及相关装置,通过人工智能对建筑图纸进行审核,有利于提高审图的效率和精准度。
本申请实施例第一方面公开了一种智能审图装置,包括:
引擎初始化模块,用于获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;
构件变量接收模块,用于根据所述审图规则获取基础图框和构件信息库;
自定义预处理模块,用于从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
关系逻辑处理模块,用于根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;
处理结果返回模块,用于根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
可见,本示例中,引擎初始化模块获取到待审核图纸后,可以针对不同的待审核图纸确定对应的审图规则,并且将审图结果初始化;构件变量接收模块依据该审图规则获取基础图框和构件信息库;自定义预处理模块对待审核图纸进行坐标网格化分割,遍历待审核图纸中的构件,从而选定需要审核的图纸区域,以及从基础图框和构件信息库提取构件信息;关系逻辑处理模块根据提取到的构件信息去判断需要审核的图纸区域的构件是否符合审图规则要求;处理结果返回模块根据判断结果更新审图结果,并将审图结果输出,全程人工智能审图,有利于提高审图的效率和精准度。
在一些可能的实施方式中,所述引擎初始化模块包括:
图纸识别单元,用于识别所述待审核图纸的类型;
图层识别单元,用于识别所述待审核图纸中的图层;
引擎初始化单元,用于根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
可见,本示例中,在引擎初始化模块获取到待审核图纸后,其中的图纸识别单元识别该待审核图纸的类型,图层识别单元识别该待审核图纸中的图层,引擎初始化单元根据待审核图纸的类型和/或待审核图纸中的图层确定审图规则以及初始化审图结果,由于不同类型的图纸需要采用不同的审图规则进行审核,不同的图层包含的构件不同,不同的构件需要采用不同的审图规则,针对根据待审核图纸的类型和/或待审核图纸中的图层来确定审图规则,能够确保选择最合适的审图规则来审核图纸,从而有利于提高审图结果的精准度度。
在一些可能的实施方式中,所述自定义预处理模块包括:
构件信息提取单元,用于从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;
构件识别单元,用于根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件。
可见,本示例中,构件信息提取单元从基础图框和构件信息库中提取构件信息和坐标网格化分割参数;构件识别单元根据提取到的坐标网格化分割参数对待审核图纸进行坐标网格化分割,以及遍历该待审核图纸中的构件,从而识别待审核图纸中的所有构件;由于用于对待审核图纸进行网格化分割的坐标网格化分割参数以及用于判断待审核图纸是否符合审图规则的构件信息,是从审图规则对应的基础图框和构件信息库中提取的,因此针对不同的待审核图纸进行不同的特定的网格化分割以及采用不同的特定的构件信息判断待审核图纸是否符合审图规则,从而有利于提高审图的精准度。
在一些可能的实施方式中,所述关系逻辑处理模块包括:
房间识别单元,用于识别所述待审核图纸中的房间,以确定待审核房间;
判断单元,用于根据提取到的构件信息对所述待审核房间中的构件进行规则判断。
可见,本示例中,关系逻辑处理模块在判断待审核图纸是否符合审图规则的过程中,先通过房间识别单元识别待审核图纸中的房间,然后通过根据提取到的构件信息对待审核房间中的构件进行规则判断,因此可以将整张图纸的审核分散到图纸中的每个房间,依次对每个房间进行审核,从而在审核图纸时可以做到有序进行,也即将大范围划分为多个小范围,再依次分别对小范围进行审核,不仅可以提高审图的效率,而且可以提高审图的精准度。
在一些可能的实施方式中,所述装置还包括:
OpenCV预处理模块,用于对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求。
可见,本示例中,在进行构件识别之前,OpenCV预处理模块对待审核图纸进行预处理,以使待审核图纸满足审图要求,这样可以避免构件识别错误,从而有利于提高审图精准度。
在一些可能的实施方式中,所述装置还包括:
程序异常处理模块,用于当审图过程出现异常时,输出审图失败的结果。
可见,本示例中,当审图过程出现异常时,程序异常处理模块输出审图失败的结果,及时反馈审图失败的信息,然后继续进行下一张待审核图纸的审核或者下一个审图规则的审核,从而可以提高审图的效率。
本申请实施例第二方面公开了一种智能审图方法,其特征在于,包括:获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;根据所述审图规则获取基础图框和构件信息库;从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
在一些可能的实施方式中,所述确定用于审核所述待审核图纸的审图规则,以及初始化审图结果,包括:识别所述待审核图纸的类型;识别所述待审核图纸中的图层;根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
在一些可能的实施方式中,所述从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件,包括:从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件。
在一些可能的实施方式中,所述根据提取到的构件信息对所述待审核图纸中的构件进行规则判断,包括:识别所述待审核图纸中的房间,以确定待审核房间;根据提取到的构件信息对所述待审核房间中的构件进行规则判断。
在一些可能的实施方式中,所述方法还包括:对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求。
在一些可能的实施方式中,所述方法还包括:当审图过程出现异常时,输出审图失败的结果。
本申请实施例第三方面公开了一种服务器,包括处理器、存储器、通信接口,以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置由所述处理器执行,所述程序包括用于执行如上述第二方面任一项所述的方法中的步骤的指令。
本申请实施例第四方面公开了一种芯片,其特征在于,包括:处理器,用于从存储器中调用并运行计算机程序,使得安装有所述芯片的设备执行如上述第二方面中任一项所述的方法。
本申请实施例第五方面公开了一种计算机可读存储介质,其特征在于,其存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如上述第二方面中任一项所述的方法。
本申请实施例第六方面公开了一种计算机程序产品,所述计算机程序产品使得计算机执行如上述第二方面中任一项所述的方法。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例公开的一种智能审图装置的架构示意图;
图2是本申请实施例公开的一种建筑图纸;
图3是本申请实施例公开的一种智能审图方法的流程示意图;
图4是本申请实施例公开的一种服务器的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,图1是本申请实施例公开的一种智能审图装置的架构示意图,其中,所述智能审图装置应用于服务器,包括:
引擎初始化模块,用于获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;
构件变量接收模块,用于根据所述审图规则获取基础图框和构件信息库;
自定义预处理模块,用于从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
关系逻辑处理模块,用于根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;
处理结果返回模块,用于根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
其中,所述待审核图纸可以为图片格式。
其中,所述智能审图装置应用于后端服务器,所述后端服务器与前端设备通信连接,当需要审核图纸时,设计师操作前端设备将待审核图纸上传,前端设备将该待审核图纸传输到后端服务器,从而所述智能审图装置对该待审核图纸进行审核,在审核完成之后,将该待审核图纸的审图结果返回给前端设备,从而设计师可以知悉该待审核图纸存在的问题。
举例来说,当智能审图装置获取到待审核图纸后,引擎初始化单元先确定用于审核所述待审核图纸的审图规则,具体地,可以根据待审核图纸的类型来确定用于审核所述待审核图纸的审图规则,由于审图过程是流水线过程,引擎初始化单元还需要将审图结果初始化,也即将上一次智能审图的审图结果删除,将审图结果恢复到初始状态。每个审图规则对应一个基础图框和构件信息库,且不同的审图规则对应不同的基础图框和构件信息库,当引擎初始化单元确定了用于审核待审核图纸的审图规则后,构件变量接收单元会获取到审核待审核图纸的审图规则对应的基础图框和构件信息库。自定义预处理单元对所述待审核图纸进行坐标网格化分割,遍历所述待审核图纸中的构件,从而可以选定需要进行审核的构件,并且从审核待审核图纸的审图规则对应的基础图框和构件信息库中提取构件信息,也即提取用于比对的标准构件信息。关系逻辑处理单元将提取到的构件信息与待审核图纸中需要审核的构件进行比对,从而确定该待审核图纸是否符合建筑规则,若符合,说明待审核图纸不存在问题;若不符合,说明待审核图纸存在问题。处理结果返回单元则在待审核图纸不存在问题时,输出待审核图纸符合建筑规则的审图结果;以及在待审核图纸存在问题时,输出待审核图纸不符合建筑规则的审图结果,以及待审核图纸中不符合建筑规则的构件或者区域的位置,从而便于设计师对该待审核图纸进行修改。
可见,本示例中,引擎初始化模块获取到待审核图纸后,可以针对不同的待审核图纸确定对应的审图规则,并且将审图结果初始化;构件变量接收模块依据该审图规则获取基础图框和构件信息库;自定义预处理模块对待审核图纸进行坐标网格化分割,遍历待审核图纸中的构件,从而选定需要审核的图纸区域,以及从基础图框和构件信息库提取构件信息;关系逻辑处理模块根据提取到的构件信息去判断需要审核的图纸区域的构件是否符合审图规则要求;处理结果返回模块根据判断结果更新审图结果,并将审图结果输出,全程人工智能审图,有利于提高审图的效率和精准度。
在一些可能的实施方式中,所述引擎初始化模块包括:
图纸识别单元,用于识别所述待审核图纸的类型;
图层识别单元,用于识别所述待审核图纸中的图层;
引擎初始化单元,用于根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
需要说明的是,多年来,在地产行业的审图规则已经累积了上百条的设计底线,同时,每个项目也会根据实际情况,因地制宜增加规范条例,进行双重规范,所述智能审图装置的数据库中存储了大量的审图规则,用于对不同的图纸类型或者构件类型采用不同的审图规则。
举例来说,图纸识别单元可以识别出待审核图纸的类型,例如待审核图纸的类型包括室内建筑图纸、室外建筑图纸、地上建筑图纸、地下建筑图纸等,而室内建筑、室外建筑、地上建筑、地下建筑图纸等又采用不同的审图规则进行审核;图层识别单元识别出待审核图纸中的图层,由于不同图层包括不同的建筑构件,不同的建筑构件又采用不同的审图规则进行审核;因此引擎初始化单元在识别出待审核图纸的类型和图层后,针对该待审核图纸的类型和/或所述待审核图纸中的图层确定特定的审图规则,采用该审图规则对该待审核图纸进行审核。
可见,本示例中,在引擎初始化模块获取到待审核图纸后,其中的图纸识别单元识别该待审核图纸的类型,图层识别单元识别该待审核图纸中的图层,引擎初始化单元根据待审核图纸的类型和/或待审核图纸中的图层确定审图规则以及初始化审图结果,由于不同类型的图纸需要采用不同的审图规则进行审核,不同的图层包含的构件不同,不同的构件需要采用不同的审图规则,针对根据待审核图纸的类型和/或待审核图纸中的图层来确定审图规则,能够确保选择最合适的审图规则来审核图纸,从而有利于提高审图结果的精准度度。
在一些可能的实施方式中,所述自定义预处理模块包括:
构件信息提取单元,用于从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;
构件识别单元,用于根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件。
具体地,构件信息提取单元从基础图框和构件信息库中提取构件信息和坐标网格化分割参数,提取到的构件信息是用于判断待审核图纸中的构件是否符合审图规则的标准,可以将该提取到的构件信息与待审核图纸中的构件信息进行比较,以确定是否符合审图规则;提取到的坐标网格化分割参数用于构件识别单元将该待审核图纸进行网格化分割,给图纸中的每个构件一个网格定位,方便构件识别单元根据网格遍历所述待审核图纸中的所有构件,从而实现对待审核图纸中的所有构件的识别。
可见,本示例中,构件信息提取单元从基础图框和构件信息库中提取构件信息和坐标网格化分割参数;构件识别单元根据提取到的坐标网格化分割参数对待审核图纸进行坐标网格化分割,以及遍历该待审核图纸中的构件,从而识别待审核图纸中的所有构件;由于用于对待审核图纸进行网格化分割的坐标网格化分割参数以及用于判断待审核图纸是否符合审图规则的构件信息,是从审图规则对应的基础图框和构件信息库中提取的,因此针对不同的待审核图纸进行不同的特定的网格化分割以及采用不同的特定的构件信息判断待审核图纸是否符合审图规则,从而有利于提高审图的精准度。
在一些可能的实施方式中,所述关系逻辑处理模块包括:
房间识别单元,用于识别所述待审核图纸中的房间,以确定待审核房间;
判断单元,用于根据提取到的构件信息对所述待审核房间中的构件进行规则判断。
具体地,假设关系逻辑处理模块需要去判断一张待审核图纸中的卫生间的长和宽是否满足规则要求,首先房间识别单元从该待审核图纸中识别出卫生间;然后测量图纸中的卫生间的长和宽,再将从基础图框和构件信息库中提取到的规则中的长和宽与测量出的图纸中的卫生间长和宽进行比较,从而得出该卫生间的长和宽是否符合规则。
举例来说,请一并参阅图2,图2是本申请实施例公开的一种建筑图纸。如图2所示,假设待审核图纸是一张住宅图纸,房间识别单元首先从该住宅图纸中识别出卫生间,然后测量出卫生间的长和宽,例如长为4000mm,宽为2000mm,而假设审图规则对应的标准的长在2000mm-6000mm,宽在1800mm-3000mm,该住宅图纸中的卫生间的长和宽在该范围内,说明符合规则要求;进一步地,审图规则对应的标准的卫生间的面积为5至10平方米,该住宅图纸中的卫生间的面积为8平方米,符合规则要求。
可见,本示例中,关系逻辑处理模块在判断待审核图纸是否符合审图规则的过程中,先通过房间识别单元识别待审核图纸中的房间,然后通过根据提取到的构件信息对待审核房间中的构件进行规则判断,因此可以将整张图纸的审核分散到图纸中的每个房间,依次对每个房间进行审核,从而在审核图纸时可以做到有序进行,也即将大范围划分为多个小范围,再依次分别对小范围进行审核,不仅可以提高审图的效率,而且可以提高审图的精准度。
在一些可能的实施方式中,所述装置还包括:OpenCV预处理模块,用于对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求。
具体地,OpenCV预处理单元可选地对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求,也即当待审核图纸不能满足审核要求时,OpenCV预处理单元才会对待审核图纸进行预处理,例如对待审核图纸的白平衡、对比度和亮度等进行调节。例如,可以采用灰度世界自动白平衡算法对图纸进行白平衡调节。
可见,本示例中,在进行构件识别之前,OpenCV预处理模块对待审核图纸进行预处理,以使待审核图纸满足审图要求,这样可以避免构件识别错误,从而有利于提高审图精准度。
在一些可能的实施方式中,所述装置还包括:程序异常处理模块,用于当审图过程出现异常时,输出审图失败的结果。
具体地,当采用某一审图规则进行审图时,智能审图装置中的某一模块程序异常时,不会直接中止程序不再运行,而是捕获该错误并返回该审图规则审图失败状态,然后继续进行下一审图规则的审图,这样可以对错误进行精准定位,提高审图效率。
可见,本示例中,当审图过程出现异常时,程序异常处理模块输出审图失败的结果,及时反馈审图失败的信息,然后继续进行下一张待审核图纸的审核或者下一个审图规则的审核,从而可以提高审图的效率。
在一些可能的实施方式中,所述房间识别单元具体用于:根据墙体构件对所述待审核图纸进行分块,得到多个区域图纸,针对每个区域图纸,执行以下操作,以识别所述待审核图纸中的房间:对区域图纸i的关键特征进行特征提取,得到第一特征集,所述关键特征为所述区域图纸中特有构件的特征,特有构件包括浴缸、马桶、洗手盆、床、灶台、餐桌,所述区域图纸i为所述多个区域图纸中的任一区域图纸;对所述区域图纸i的全局特征进行特征提取第二特征集;将所述第一特征集输入到预设神经网络模型,得到第一评估值;将所述第二特征集输入到所述预设神经网络模型,得到第二评估值;获取所述关键特征对应的第一权重值、所述全局特征对应的第二权重值,所述第一权重值大于所述第二权重值,且所述第一权重值与所述第二权重值之和为1;依据所述第一评估值、所述第二评估值、所述第一权重值、所述第二权重值进行加权运算,得到目标评估值;获取所述区域图纸i对应的目标图像质量评价值;按照预设的图像质量评价值与房间类型评估调整系数之间的映射关系,确定所述目标图像质量评价值对应的目标房间类型评估调整系数;依据所述目标房间类型评估调整系数对所述目标评估值进行调整,得到最终评估值;按照预设的评估值与房间类型之间的映射关系,确定所述最终评估值对应的所述区域图纸i对应的房间类型。
举例来说,请继续参阅图2,根据墙体将住宅图纸分块为7块,得到7个区域图纸,分别为区域图纸1(主卧)、区域图纸2(次卧1)、区域图纸3(次卧2)、区域图纸4(客厅)、区域图纸5(厨房)、区域图纸6(卫生间)和区域图纸7(过道);现在需要审核区域图纸6(卫生间)是否符合设计规则要求,则对区域图纸6进行识别,先提取区域图纸6内的特有构件的特征,例如提取浴缸、马桶、洗手盆等构件的特征,得到第一特征集;然后提取区域图纸6的全局特征,例如提取区域图纸6的形状特征、面积、长宽比的信息作为全局特征,得到第二特征集;再根据神经网络计算,识别出区域图纸6为卫生间。
可见,本示例中,通过将待审核图纸进行分块,得到多个区域图纸,然后对需要审核的区域图纸进行关键特征提取以及全局特征提取,采用神经网络对该关键特征和全局特征进行计算,从而可以精准识别出该区域图纸的房间类型。
在一些可能的实施方式中,所述OpenCV预处理模块具体用于:将待审核图纸划分为多个区域;确定所述多个区域中每一区域的构件分布密度,得到多个构件分布密度,每一区域对应一个构件分布密度;依据所述多个构件分布密度确定目标均方差;依据均方差与图像增强算法之间的映射关系,确定所述目标均方差对应的目标图像增强算法;依据所述目标图像增强算法对所述待审核图纸进行图像增强处理。
可见,本示例中,根据建筑图纸中的构件分布来确定对图纸进行预处理的图像增强算法,从而有利于针对不同图纸选择最合适的图像增强算法,使图纸满足审图要求。
本申请实施例提供的智能审图装置应用覆盖面广,能够适用于地上图纸、地下车库图纸、室内图纸等图纸的审查,对图纸中不规范处进行排查、可视化标注。此外,本申请实施例提供的智能审图装置中,对每一审图规则处理流程提取共性,进行模块化。对于建筑行业而言,当工程建筑条例修订改变时,亦或是因地制宜增加规范条例时,可以单独对数据库中存储的审图规则进行修改。
请参阅图3,图3是本申请实施例公开的一种智能审图方法的流程示意图,所述智能审图方法包括以下步骤:
步骤301、获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;
步骤302、根据所述审图规则获取基础图框和构件信息库;
步骤303、从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
步骤304、根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;
步骤305、根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
在一些可能的实施方式中,所述确定用于审核所述待审核图纸的审图规则,以及初始化审图结果,包括:识别所述待审核图纸的类型;识别所述待审核图纸中的图层;根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
在一些可能的实施方式中,所述从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件,包括:从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件。
在一些可能的实施方式中,所述根据提取到的构件信息对所述待审核图纸中的构件进行规则判断,包括:识别所述待审核图纸中的房间,以确定待审核房间;根据提取到的构件信息对所述待审核房间中的构件进行规则判断。
在一些可能的实施方式中,所述方法还包括:对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求。
在一些可能的实施方式中,所述方法还包括:当审图过程出现异常时,输出审图失败的结果。
在一些可能的实施方式中,所述识别所述待审核图纸中的房间,包括:根据墙体构件对所述待审核图纸进行分块,得到多个区域图纸,针对每个区域图纸,执行以下操作,以识别所述待审核图纸中的房间:对区域图纸i的关键特征进行特征提取,得到第一特征集,所述关键特征为所述区域图纸中特有构件的特征,特有构件包括浴缸、马桶、洗手盆、床、灶台、餐桌,所述区域图纸i为所述多个区域图纸中的任一区域图纸;对所述区域图纸i的全局特征进行特征提取第二特征集;将所述第一特征集输入到预设神经网络模型,得到第一评估值;将所述第二特征集输入到所述预设神经网络模型,得到第二评估值;获取所述关键特征对应的第一权重值、所述全局特征对应的第二权重值,所述第一权重值大于所述第二权重值,且所述第一权重值与所述第二权重值之和为1;依据所述第一评估值、所述第二评估值、所述第一权重值、所述第二权重值进行加权运算,得到目标评估值;获取所述区域图纸i对应的目标图像质量评价值;按照预设的图像质量评价值与房间类型评估调整系数之间的映射关系,确定所述目标图像质量评价值对应的目标房间类型评估调整系数;依据所述目标房间类型评估调整系数对所述目标评估值进行调整,得到最终评估值;按照预设的评估值与房间类型之间的映射关系,确定所述最终评估值对应的所述区域图纸i对应的房间类型。
在一些可能的实施方式中,所述对所述待审核图纸进行预处理,包括:将待审核图纸划分为多个区域;确定所述多个区域中每一区域的构件分布密度,得到多个构件分布密度,每一区域对应一个构件分布密度;依据所述多个构件分布密度确定目标均方差;依据均方差与图像增强算法之间的映射关系,确定所述目标均方差对应的目标图像增强算法;依据所述目标图像增强算法对所述待审核图纸进行图像增强处理。
可以理解的是,由于方法实施例与装置实施例为相同技术构思的不同呈现形式,因此,本申请中装置实施例部分的内容应同步适配于方法实施例部分,此处不再赘述。
在图3所描述的智能审图方法中,获取到待审核图纸后,可以针对不同的待审核图纸确定对应的审图规则,并且将审图结果初始化;然后依据该审图规则获取基础图框和构件信息库;再对待审核图纸进行坐标网格化分割,遍历待审核图纸中的构件,从而选定需要审核的图纸区域,以及从基础图框和构件信息库提取构件信息;再根据提取到的构件信息去判断需要审核的图纸区域的构件是否符合审图规则要求;之后根据判断结果更新审图结果,并将审图结果输出,全程人工智能审图,有利于提高审图的效率和精准度。
请参阅图4,图4是本申请实施例提供的一种服务器410的结构示意图,如图4所示,所述服务器410包括通信接口411、处理器412、存储器413和至少一个用于连接所述通信接口411、所述处理器412、所述存储器413的通信总线414。
存储器413包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmableread only memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CD-ROM),该存储器413用于相关指令及数据。
通信接口411用于接收和发送数据。
处理器412可以是一个或多个中央处理器(central processing unit,CPU),在处理器412是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
该服务器410中的处理器412用于读取所述存储器413中存储的一个或多个程序代码,执行以下操作:获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;根据所述审图规则获取基础图框和构件信息库;从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
需要说明的是,各个操作的实现还可以对应参照上述方法或装置实施例中相应的描述。
在图4所描述的服务器410中,获取到待审核图纸后,可以针对不同的待审核图纸确定对应的审图规则,并且将审图结果初始化;然后依据该审图规则获取基础图框和构件信息库;再对待审核图纸进行坐标网格化分割,遍历待审核图纸中的构件,从而选定需要审核的图纸区域,以及从基础图框和构件信息库提取构件信息;再根据提取到的构件信息去判断需要审核的图纸区域的构件是否符合审图规则要求;之后根据判断结果更新审图结果,并将审图结果输出,全程人工智能审图,有利于提高审图的效率和精准度。
本申请实施例还提供一种芯片,所述芯片包括至少一个处理器,存储器和接口电路,所述存储器、所述收发器和所述至少一个处理器通过线路互联,所述至少一个存储器中存储有计算机程序;所述计算机程序被所述处理器执行时,上述方法实施例中所示的方法流程得以实现。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,上述方法实施例中所示的方法流程得以实现。
本申请实施例还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,上述方法实施例中所示的方法流程得以实现。
应理解,本申请实施例中提及的处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
还应理解,本申请实施例中提及的存储器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。其中,非易失性存储器可以是只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable ROM,PROM)、可擦除可编程只读存储器(Erasable PROM,EPROM)、电可擦除可编程只读存储器(Electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,SRAM)、动态随机存取存储器(Dynamic RAM,DRAM)、同步动态随机存取存储器(Synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(Direct Rambus RAM,DR RAM)。
需要说明的是,当处理器为通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件时,存储器(存储模块)集成在处理器中。
应注意,本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
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申请的范围。
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***、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。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (5)
1.一种智能审图装置,其特征在于,包括:
引擎初始化模块,用于获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;
构件变量接收模块,用于根据所述审图规则获取基础图框和构件信息库;
自定义预处理模块,用于从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
关系逻辑处理模块,用于根据提取到的构件信息对所述待审核图纸中的构件进行规则判断;
处理结果返回模块,用于根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果;
OpenCV预处理模块,用于对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求,包括:将待审核图纸划分为多个区域;确定所述多个区域中每一区域的构件分布密度,得到多个构件分布密度,每一区域对应一个构件分布密度;根据所述多个构件分布密度确定目标均方差;根据均方差与图像增强算法之间的映射关系,确定所述目标均方差对应的目标图像增强算法;根据所述目标图像增强算法对所述待审核图纸进行图像增强处理;
所述自定义预处理模块包括:
构件信息提取单元,用于从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;
构件识别单元,用于根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
所述关系逻辑处理模块包括:
房间识别单元,用于识别所述待审核图纸中的房间,以确定待审核房间;
判断单元,用于根据提取到的构件信息对所述待审核房间中的构件进行规则判断。
2.根据权利要求1所述的装置,其特征在于,所述引擎初始化模块包括:
图纸识别单元,用于识别所述待审核图纸的类型;
图层识别单元,用于识别所述待审核图纸中的图层;
引擎初始化单元,用于根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
3.根据权利要求1或2所述的装置,其特征在于,所述装置还包括:
程序异常处理模块,用于当审图过程出现异常时,输出审图失败的结果。
4.一种智能审图方法,其特征在于,包括:
获取待审核图纸,并确定用于审核所述待审核图纸的审图规则,以及初始化审图结果;
对所述待审核图纸进行预处理,以使所述待审核图纸满足审图要求,包括:将待审核图纸划分为多个区域;确定所述多个区域中每一区域的构件分布密度,得到多个构件分布密度,每一区域对应一个构件分布密度;根据所述多个构件分布密度确定目标均方差;根据均方差与图像增强算法之间的映射关系,确定所述目标均方差对应的目标图像增强算法;根据所述目标图像增强算法对所述待审核图纸进行图像增强处理;
根据所述审图规则获取基础图框和构件信息库;
从所述基础图框和构件信息库中提取构件信息,以及对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件,包括:从所述基础图框和构件信息库中提取构件信息和坐标网格化分割参数;根据所述坐标网格化分割参数对所述待审核图纸进行坐标网格化分割,并遍历所述待审核图纸中的构件,以识别所述待审核图纸中的构件;
根据提取到的构件信息对所述待审核图纸中的构件进行规则判断,包括:识别所述待审核图纸中的房间,以确定待审核房间;根据提取到的构件信息对所述待审核房间中的构件进行规则判断;
根据所述规则判断结果更新所述审图结果,以及输出更新后的审图结果。
5.根据权利要求4所述的方法,其特征在于,所述确定用于审核所述待审核图纸的审图规则,以及初始化审图结果,包括:
识别所述待审核图纸的类型;
识别所述待审核图纸中的图层;
根据所述待审核图纸的类型和/或所述待审核图纸中的图层确定用于审核所述待审核图纸的审图规则,以及初始化审图结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540447.3A CN111783562B (zh) | 2020-06-12 | 2020-06-12 | 智能审图方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540447.3A CN111783562B (zh) | 2020-06-12 | 2020-06-12 | 智能审图方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111783562A CN111783562A (zh) | 2020-10-16 |
CN111783562B true CN111783562B (zh) | 2024-04-26 |
Family
ID=72756350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010540447.3A Active CN111783562B (zh) | 2020-06-12 | 2020-06-12 | 智能审图方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783562B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861485B (zh) * | 2021-03-23 | 2024-02-09 | 台山核电合营有限公司 | 核电dcs控制逻辑图纸的处理方法、装置及设备 |
CN113392446B (zh) * | 2021-05-27 | 2022-08-19 | 万翼科技有限公司 | 剪力墙的审核数据的生成方法、装置、设备及存储介质 |
CN113592886B (zh) * | 2021-07-28 | 2024-03-19 | 金地(集团)股份有限公司 | 建筑图纸的审图方法、装置、电子设备及介质 |
CN113673413A (zh) * | 2021-08-16 | 2021-11-19 | 金地(集团)股份有限公司 | 建筑图纸的审图方法、装置、计算机可读介质及电子设备 |
CN113781263A (zh) * | 2021-11-10 | 2021-12-10 | 江西少科智能建造科技有限公司 | 基于施工图的空调外机的安装审查方法、***及设备 |
CN114329685A (zh) * | 2021-11-18 | 2022-04-12 | 江西少科智能建造科技有限公司 | 一种平面设计图审查方法、装置、存储介质及设备 |
CN114722483A (zh) * | 2022-06-09 | 2022-07-08 | 江西少科智能建造科技有限公司 | 一种地库出入口的智能审查方法、装置及设备 |
CN117711011A (zh) * | 2024-02-06 | 2024-03-15 | 航天宏图信息技术股份有限公司 | 一种地图中交通建筑信息检验方法、装置、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150751A (zh) * | 2013-01-10 | 2013-06-12 | 江苏易图地理信息工程有限公司 | 在数字地图中实现建筑物内外一体化的三维建模方法 |
CN107045526A (zh) * | 2016-12-30 | 2017-08-15 | 许昌学院 | 一种电子建筑施工图的图形识别方法 |
CN107633261A (zh) * | 2017-08-28 | 2018-01-26 | 上海网罗电子科技有限公司 | 一种基于人工智能的消防建筑图纸智能审核***及方法 |
CN108550020A (zh) * | 2018-03-30 | 2018-09-18 | 四川成化工程项目管理有限公司 | 基于bim技术的工程造价控制方法 |
CN109146419A (zh) * | 2018-08-17 | 2019-01-04 | 四川网道科技发展有限公司 | 基于人工智能的图纸分类审核*** |
CN110399787A (zh) * | 2019-06-10 | 2019-11-01 | 万翼科技有限公司 | 一种工程图纸的管理***及方法 |
CN110909650A (zh) * | 2019-11-15 | 2020-03-24 | 清华大学 | 基于领域知识和目标检测的cad图纸识别方法和装置 |
CN111144394A (zh) * | 2019-12-13 | 2020-05-12 | 中国平安财产保险股份有限公司 | 基于人工智能的自动审核方法、装置、设备及存储介质 |
CN111177820A (zh) * | 2019-11-28 | 2020-05-19 | 泰康保险集团股份有限公司 | 模型审核方法、装置、存储介质和的电子设备 |
-
2020
- 2020-06-12 CN CN202010540447.3A patent/CN111783562B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150751A (zh) * | 2013-01-10 | 2013-06-12 | 江苏易图地理信息工程有限公司 | 在数字地图中实现建筑物内外一体化的三维建模方法 |
CN107045526A (zh) * | 2016-12-30 | 2017-08-15 | 许昌学院 | 一种电子建筑施工图的图形识别方法 |
CN107633261A (zh) * | 2017-08-28 | 2018-01-26 | 上海网罗电子科技有限公司 | 一种基于人工智能的消防建筑图纸智能审核***及方法 |
CN108550020A (zh) * | 2018-03-30 | 2018-09-18 | 四川成化工程项目管理有限公司 | 基于bim技术的工程造价控制方法 |
CN109146419A (zh) * | 2018-08-17 | 2019-01-04 | 四川网道科技发展有限公司 | 基于人工智能的图纸分类审核*** |
CN110399787A (zh) * | 2019-06-10 | 2019-11-01 | 万翼科技有限公司 | 一种工程图纸的管理***及方法 |
CN110909650A (zh) * | 2019-11-15 | 2020-03-24 | 清华大学 | 基于领域知识和目标检测的cad图纸识别方法和装置 |
CN111177820A (zh) * | 2019-11-28 | 2020-05-19 | 泰康保险集团股份有限公司 | 模型审核方法、装置、存储介质和的电子设备 |
CN111144394A (zh) * | 2019-12-13 | 2020-05-12 | 中国平安财产保险股份有限公司 | 基于人工智能的自动审核方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111783562A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783562B (zh) | 智能审图方法及相关装置 | |
CN110246112B (zh) | 基于深度学习的激光扫描slam室内三维点云质量评价方法 | |
CN111782583B (zh) | 智能审图方法及相关装置 | |
CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
CN112348836B (zh) | 一种自动提取建筑物轮廓的方法及装置 | |
US11282271B2 (en) | Method in constructing a model of a scenery and device therefor | |
CN115358034A (zh) | 一种基于bim管综优化设计的智能排布方法及*** | |
US10115165B2 (en) | Management of tax information based on topographical information | |
US20100278418A1 (en) | System and method for measuring errors of workpieces | |
WO2014091302A2 (en) | System and method for quantified quality analysis and benchmarking for building information modeling | |
CN114241509B (zh) | 基于施工图的空间分割方法、***、存储介质及设备 | |
CN112948928B (zh) | 基于建筑信息模型的净空高度计算方法及相关装置 | |
CN116993923B (zh) | 换流站三维模型制作方法、***、计算机设备和存储介质 | |
CN110264444A (zh) | 基于弱分割的损伤检测方法及装置 | |
CN109753710A (zh) | 一种构件设计图的审图方法、装置、***及可读存储介质 | |
CN114387332B (zh) | 一种管道测厚方法及装置 | |
CN114444168A (zh) | 建筑图纸中墙柱的识别方法、装置、电子设备和存储介质 | |
KR20230036327A (ko) | 패치기반의 딥러닝 알고리즘을 통한 실내도면 이미지에서의 실내공간정보 자동추출방법 및 그 장치 | |
CN105813103B (zh) | 基站俯仰角的测量方法和装置 | |
CN114550187A (zh) | 图纸中门窗的识别方法、装置、电子设备和存储介质 | |
CN113989632A (zh) | 一种遥感图像桥梁检测方法、装置、电子设备及存储介质 | |
CN112800099A (zh) | 一种房屋选型匹配方法及装置 | |
Karavarsamis et al. | The score test for the two‐sample occupancy model | |
CN117649530B (zh) | 基于语义级拓扑结构的点云特征提取方法、***及设备 | |
TWI773575B (zh) | 房價評估設備 |
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 |