CN114494742A - 一种基于深度学习的建筑专业户型对比方法 - Google Patents
一种基于深度学习的建筑专业户型对比方法 Download PDFInfo
- Publication number
- CN114494742A CN114494742A CN202111559456.8A CN202111559456A CN114494742A CN 114494742 A CN114494742 A CN 114494742A CN 202111559456 A CN202111559456 A CN 202111559456A CN 114494742 A CN114494742 A CN 114494742A
- Authority
- CN
- China
- Prior art keywords
- deep learning
- model
- house type
- method based
- picture
- 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.)
- Pending
Links
- 238000013135 deep learning Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000002360 preparation method Methods 0.000 claims abstract description 9
- 238000007639 printing Methods 0.000 claims abstract description 8
- 238000003672 processing method Methods 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于深度学***面图中客厅的位置和轮廓；根据客厅的位置，利用广度优先算法遍历从客厅出发通过门可以知道的所有套内空间，所有空间的外部轮廓即为户的轮廓；截取包含户内轮廓的图片。本发明通过使用深度学***面图中户的对比，能够有效的解决由于户的角度和尺寸不一致，导致对比不准确的问题；能有效的提高户型对比的准确率。
Description
技术领域
本发明涉及建筑专业住宅平面图中户型的智能比对领域，尤其涉及一种基于深度学习网络模型对户的特征向量提取，进而利用余弦相似度进行户型对比方法。
背景技术
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。
现有建筑专业住宅平面图纸中户获取和比对的技术中，首先需要将住宅平面图中基础图元(图元指的是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，如门、窗)所在的图层推荐到正确的构件图层，包括门、窗、墙线，再通过CAD图纸打印服务将所有构建的图元打印到png图片上(图片的宽为11890，高为8410)，通过传统图像算法中的轮廓查找操作，找到图片中所有的封闭空间，然后根据客厅的位置，利用广度优先算法遍历从客厅出发通过门可以知道的所有套内空间，上述得到所有空间的外部轮廓即为户的轮廓，截取包含户内轮廓的图片送到深度学习网络模型中进行户轮廓的特征向量提取，结果返回户的128维特征向量，最后通过余弦相似度判断是否为同一个户型。
目前，在通过业务逻辑获取图中所有的户之后，由于不同户之间存在角度和尺寸差异，导致户型对比和实际效果有偏差，影响后续板房和货量之间相同户型中构件和空间的对比，从而无法保证住宅开发的货量产品和消费者事先看到的板房产品完全一致导致的投诉等问题。
发明内容
针对上述问题，本发明提供了一种基于深度学习的建筑专业户型对比方法。
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深度学习的建筑专业户型对比方法，该方法包括以下步骤：
S1、模型训练；
S2、模型部署；
所述步骤S1中的模型训练具体包括以下步骤：
S11、先进行数据准备：图纸准备，由CAD服务打印图片；
S12、使用传统图像处理方法，找到图片上所有的封闭空间；
S13、利根据图纸中文本标注，找到平面图中客厅的位置和轮廓；
S14、根据客厅的位置，利用广度优先算法遍历从客厅出发通过门可以知道的所有套内空间，所有空间的外部轮廓即为户的轮廓；
S15、截取包含户内轮廓的图片；
S16、送入深度学习网络模型进行特征提取训练，提取户的128维特征向量；
S17、利用余弦相似度进行户之后特征向量的计算，将满足要求的户是为统一户型。
优选的，所述步骤S11中数据准备具体包括：将大概100张图纸通过CAD解析获取到图纸上所需的图元信息，并通过CAD图纸打印服务生成200张住宅平面图的png图片。
优选的，所述步骤S12中先检查步骤S11中数据准备包含的200张住宅平面图。
优选的，所述步骤S16中使用的是Resnet50模型。
优选的，所述步骤S2中的模型部署具体包括：
将训练好的模型部署到ai-service中，供AI识图引擎调用。
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：
本发明一种基于深度学***面图中户的对比，能够有效的解决由于户的角度和尺寸不一致，导致对比不准确的问题；能有效的提高户型对比的准确率。
附图说明
图1是本发明步骤流程图；
图2是本发明模型训练步骤流程图；
图3是本发明实施例CAD解析图纸示意图；
图4是本发明实施例寻找封闭空间的图纸示意图；
图5是本发明实施例寻找每一户轮廓的图纸示意图；
图6是本发明实施例模型部署的图纸示意图。
具体实施方式
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。
如图1-6所示，本发明提供一种基于深度学习的建筑专业户型对比方法，该方法包括以下步骤：
S1、模型训练；
S2、模型部署；
步骤S1中的模型训练具体包括以下步骤：
S11、先进行数据准备：图纸准备，由CAD服务打印图片；
S12、使用传统图像处理方法，找到图片上所有的封闭空间；
S13、利根据图纸中文本标注，找到平面图中客厅的位置和轮廓；
S14、根据客厅的位置，利用广度优先算法遍历从客厅出发通过门可以知道的所有套内空间，所有空间的外部轮廓即为户的轮廓；
S15、截取包含户内轮廓的图片；
S16、送入深度学习网络模型进行特征提取训练，提取户的128维特征向量；
S17、利用余弦相似度进行户之后特征向量的计算，将满足要求的户是为统一户型。
其中，步骤S11中数据准备具体包括：将大概100张图纸通过CAD解析获取到图纸上所需的图元信息，并通过CAD图纸打印服务生成200张住宅平面图的png图片；
其中，步骤S12中先检查步骤S11中数据准备包含的200张住宅平面图；
其中，步骤S16中使用的是Resnet50模型；
其中，步骤S2中的模型部署具体包括：
将训练好的模型部署到ai-service中，供AI识图引擎调用。
本发明提供一种基于深度学***面图中户的对比，能够有效的解决由于户的角度和尺寸不一致，导致对比不准确的问题；能有效的提高户型对比的准确率。
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。
Claims (5)
1.一种基于深度学习的建筑专业户型对比方法，其特征在于，所述方法包括以下步骤：
S1、模型训练；
S2、模型部署；
所述步骤S1中的模型训练具体包括以下步骤：
S11、先进行数据准备：准备好图纸，由CAD服务打印图片；
S12、使用传统图像处理方法，找到图片上所有的封闭空间；
S13、利根据图纸中文本标注，找到平面图中客厅的位置和轮廓；
S14、根据客厅的位置，利用广度优先算法遍历从客厅出发通过门可以知道的所有套内空间，所有空间的外部轮廓即为户的轮廓；
S15、截取包含户内轮廓的图片；
S16、送入深度学习网络模型进行特征提取训练，提取户的128维特征向量；
S17、利用余弦相似度进行户之后特征向量的计算，将满足要求的户是为统一户型。
2.根据权利要求1所述一种基于深度学***面图的png图片。
3.根据权利要求1所述一种基于深度学***面图。
4.根据权利要求1所述一种基于深度学习的建筑专业户型对比方法，其特征在于：所述步骤S16中使用的是Resnet50模型。
5.根据权利要求1所述一种基于深度学习的建筑专业户型对比方法，其特征在于：所述步骤S2中的模型部署具体包括：
将训练好的模型部署到ai-service中，供AI识图引擎调用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111559456.8A CN114494742A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的建筑专业户型对比方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111559456.8A CN114494742A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的建筑专业户型对比方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114494742A true CN114494742A (zh) | 2022-05-13 |
Family
ID=81493600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111559456.8A Pending CN114494742A (zh) | 2021-12-20 | 2021-12-20 | 一种基于深度学习的建筑专业户型对比方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494742A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658192A (zh) * | 2018-12-20 | 2019-04-19 | 重庆锐云科技有限公司 | 一种房源推荐方法及服务器 |
| US20200210638A1 (en) * | 2018-12-28 | 2020-07-02 | Plantasset Technology Inc. | Method of design quality through the consistency check and design rule check of engineering data of 3d cad model for plant engineering |
| CN111931818A (zh) * | 2020-07-10 | 2020-11-13 | 上海建工四建集团有限公司 | Bim与图纸中配件信息一致性的自动审核方法和*** |
| WO2021068061A1 (en) * | 2019-10-07 | 2021-04-15 | Orbiseed Technology Inc. | System and method for generating 3d models from specification documents |
| CN113010944A (zh) * | 2021-02-26 | 2021-06-22 | 万翼科技有限公司 | 模型校验方法、电子设备及相关产品 |
-
2021
- 2021-12-20 CN CN202111559456.8A patent/CN114494742A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109658192A (zh) * | 2018-12-20 | 2019-04-19 | 重庆锐云科技有限公司 | 一种房源推荐方法及服务器 |
| US20200210638A1 (en) * | 2018-12-28 | 2020-07-02 | Plantasset Technology Inc. | Method of design quality through the consistency check and design rule check of engineering data of 3d cad model for plant engineering |
| WO2021068061A1 (en) * | 2019-10-07 | 2021-04-15 | Orbiseed Technology Inc. | System and method for generating 3d models from specification documents |
| CN111931818A (zh) * | 2020-07-10 | 2020-11-13 | 上海建工四建集团有限公司 | Bim与图纸中配件信息一致性的自动审核方法和*** |
| CN113010944A (zh) * | 2021-02-26 | 2021-06-22 | 万翼科技有限公司 | 模型校验方法、电子设备及相关产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017362937B2 (en) | Information processing device, information processing method, and program | |
| CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
| Tang et al. | Automatic reconstruction of as-built building information models from laser-scanned point clouds: A review of related techniques | |
| Delalandre et al. | Generation of synthetic documents for performance evaluation of symbol recognition & spotting systems | |
| Ochmann et al. | Automatic generation of structural building descriptions from 3D point cloud scans | |
| CN110941871A (zh) | 一种基于Revit三维模型中房间信息的自动标注方法及*** | |
| CN112116613B (zh) | 图像矢量化方法及*** | |
| CN111008654A (zh) | 一种户型图中房间的识别方法及*** | |
| Boulch et al. | Semantizing complex 3D scenes using constrained attribute grammars | |
| Li et al. | A method based on an adaptive radius cylinder model for detecting pole-like objects in mobile laser scanning data | |
| Liu | An adaptive process of reverse engineering from point clouds to CAD models | |
| Mewada et al. | Automatic room information retrieval and classification from floor plan using linear regression model | |
| CN116385859A (zh) | 图元识别方法、装置、计算机设备及其介质 | |
| CN110826121B (zh) | 一种自动定位户型走廊和玄关的方法及*** | |
| Yamada et al. | Graph structure extraction from floor plan images and its application to similar property retrieval | |
| CN113887508A (zh) | 一种对建筑专业住宅平面图中公共走廊空间的中心线的精准识别方法 | |
| Xiao et al. | Coupling point cloud completion and surface connectivity relation inference for 3D modeling of indoor building environments | |
| KR20230036327A (ko) | 패치기반의 딥러닝 알고리즘을 통한 실내도면 이미지에서의 실내공간정보 자동추출방법 및 그 장치 | |
| CN108133116B (zh) | Cad户型图墙厚自动识别方法及*** | |
| Wang et al. | Reconstructing facade semantic models using hierarchical topological graphs | |
| CN111859510A (zh) | 房间快速换装方法、智能终端 | |
| CN110781851A (zh) | 一种基于图片的装修户型图识别方法 | |
| CN114494742A (zh) | 一种基于深度学习的建筑专业户型对比方法 | |
| CN117237681A (zh) | 图像处理方法、装置及相关设备 | |
| KR20140137254A (ko) | 문자 인식을 이용한 위치 정보 제공 단말, 서버, 시스템 및 방법 |
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 |