CN117746156B - 一种智能图形识别与测量方法及*** - Google Patents
一种智能图形识别与测量方法及*** Download PDFInfo
- Publication number
- CN117746156B CN117746156B CN202311850256.7A CN202311850256A CN117746156B CN 117746156 B CN117746156 B CN 117746156B CN 202311850256 A CN202311850256 A CN 202311850256A CN 117746156 B CN117746156 B CN 117746156B
- Authority
- CN
- China
- Prior art keywords
- graph
- measurement
- information
- graphic
- feature
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 17
- 238000012567 pattern recognition method Methods 0.000 title claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 190
- 230000004927 fusion Effects 0.000 claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 44
- 238000010276 construction Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 45
- 238000003909 pattern recognition Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种智能图形识别与测量方法及***,涉及图形数据识别处理技术领域,所述方法包括:对标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息进行层级拆解、特征融合,得到图形构造特征融合信息对标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息进行测量要素分类标记,确定图形元素测量特征要素参数信息;依据图形元素测量特征要素参数信息配置图形测量网络对图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。达到通过配置图形测量网络实现图形智能化识别与测量,减少测量时间成本,提高测量效率和测量精确性,进而确保CAD设计效率和质量的技术效果。
Description
技术领域
本发明涉及图形数据识别处理技术领域,尤其涉及一种智能图形识别与测量方法及***。
背景技术
在CAD设计中,对图形的识别和测量是核心环节。通过准确地识别图形,可以理解图形的构成要素和特征,进而进行精确的测量,以实现设计目标。同时,图形测量还可以评估设计质量和效果,及时发现和修正设计中的问题,实现更加精准、高效的设计工作。然而,现有图形识别与测量通常需要人工操作,耗时长,且测量效率和测量精确性较低。
发明内容
本申请通过提供一种智能图形识别与测量方法及***,解决了现有技术智能图形识别与测量耗时长,且测量效率和测量精确性较低的技术问题,达到通过配置图形测量网络实现图形智能化识别与测量,减少测量时间成本,提高测量效率和测量精确性,进而确保CAD设计效率和质量的技术效果。
鉴于上述问题,本发明提供了一种智能图形识别与测量方法及***。
第一方面,本申请提供了一种智能图形识别与测量方法,所述方法包括:上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。
另一方面,本申请还提供了一种智能图形识别与测量***,所述***包括:图形去噪增强模块,用于上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;属性描述提取模块,用于对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;层级拆解融合模块,用于基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;等价图形识别划分模块,用于按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;测量要素分类标记模块,用于基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;图形测量展示模块,用于依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用对目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息,基于此对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;依据所述图形元素测量特征要素参数信息配置图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示的技术方案。进而达到通过配置图形测量网络实现图形智能化识别与测量,减少测量时间成本,提高测量效率和测量精确性,进而确保CAD设计效率和质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种智能图形识别与测量方法的流程示意图;
图2为本申请一种智能图形识别与测量方法中得到标准待测量CAD图形的流程示意图;
图3为本申请一种智能图形识别与测量***的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:图形去噪增强模块11,属性描述提取模块12,层级拆解融合模块13,等价图形识别划分模块14,测量要素分类标记模块15,图形测量展示模块16,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作***1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的***、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行***、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了一种智能图形识别与测量方法,所述方法包括:
步骤S1:上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;
如图2所示,进一步而言,所述得到标准待测量CAD图形,本申请步骤还包括:
对所述目标CAD图形进行小波去噪,获取目标滤波CAD图形;
对CAD底板进行像素分布识别,确定图形背景特征,并根据所述图形背景特征设置边线选取阈值,将满足所述边线选取阈值的灰度信息作为图形前景特征;
基于所述图形背景特征和所述图形前景特征,构建图形边线注意力约束模块;
通过所述图形边线注意力约束模块对所述目标CAD图形进行边线增强标记,得到所述标准待测量CAD图形。
具体的,为实现图形智能化识别与测量,通过CAD软件上传获取目标CAD图形,所述目标CAD图形为待识别测量的图形信息,可能包含一个或多个图形信息。为提高图形识别质量,需对所述目标CAD图形进行去噪、边线增强,首先对所述目标CAD图形进行小波去噪,根据图形信号特征选取合适的小波,利用小波变换的压缩性质进行图形噪声消除,在去除噪声的同时,保持图形的重要特征,获取滤波处理后的目标滤波CAD图形,以实现最佳去噪效果。再对CAD底板进行像素分布识别,其中,CAD底板为图形展示背景,可以为全黑背景,也可以为全白背景,可依据需求自行设置灰度背景,将所设置的CAD底板像素灰度分布信息确定为图形背景特征。
根据所述图形背景特征设置边线选取阈值,所述边线选取阈值为在当前背景像素下图形边线展示的像素分布阈值,一般设置为与所述图形背景特征相差较大。当满足所述边线选取阈值时,则表明此为图形边线部分,将满足所述边线选取阈值的灰度信息作为图形前景特征,即图形边线展示部分。基于所述图形背景特征和所述图形前景特征,构建图形边线注意力约束模块,所述图形边线注意力约束模块可选择性的对图形前景部分进行筛选处理。通过所述图形边线注意力约束模块对所述目标CAD图形进行边线增强标记,即对图形边线部分进行快速识别标记,得到聚焦增强后的标准待测量CAD图形。通过建立注意力机制实现图形边线识别增强,进而提高图形测量质量和图形边线识别效率,减少测量时间成本。
步骤S2:对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;
进一步而言,所述获得图形属性描述特征向量信息,本申请步骤还包括:
获取图形属性描述因素,所述图形属性描述因素包括图形应用描述和图形特征描述;
基于所述图形应用描述对所述标准待测量CAD图形进行属性特征描述,确定图形应用类型属性特征和图形展示类型属性特征;
按照所述图形特征描述对所述标准待测量CAD图形进行属性多级描述,确定图形多尺度描述特征;
基于所述图形应用类型属性特征和图形展示类型属性特征以及所述图形多尺度描述特征进行图形特征提取,得到所述图形属性描述特征向量信息。
具体的,为提高图形识别精确度,对所述标准待测量CAD图形进行属性描述、特征提取,首先制定获取图形属性描述因素,所述图形属性描述因素为图形关联属性的描述类型,包括图形应用描述和图形特征描述。其中,所述图形应用描述为图形的关联应用属性,包括图形应用类型以及图形展示类型等,基于所述图形应用描述对所述标准待测量CAD图形中的各图形进行属性特征描述,确定相应的图形应用类型属性特征,例如建筑图、施工图、工程图、布管图、工艺图等;和图形展示类型属性特征,例如平面图、轴测图、立体图等。其中,所述图形特征描述为图形的多尺度描述属性,按照所述图形特征描述对所述标准待测量CAD图形进行属性多级描述,确定图形多尺度描述特征,所述图形多尺度描述特征包括图形分辨率、像素灰度、色彩描述值、轮廓、边缘、纹理等多级图形属性描述特征。
基于所述图形应用类型属性特征和图形展示类型属性特征以及所述图形多尺度描述特征进行图形特征提取,即按照图形属性描述因素对各图形的具体层级内容部分进行细节提取并特征描述,得到对应的图形属性描述特征向量信息,所述图形属性描述特征向量信息为能够代表各图形属性内容的特征描述向量,包括图形应用类型属性特征、图形展示类型属性特征以及所述图形多尺度描述特征。通过图形属性描述因素全面描述图形特征信息,提高图形描述准确性,进而确保后续图形识别测量精确性。
步骤S3:基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;
进一步而言,所述得到图形构造特征融合信息,本申请步骤还包括:
基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级标签化,确定图形层级标签内容特征信息;
按照所述图形层级标签内容特征信息将所述标准待测量CAD图形进行层级拆解,获得图形层级构造拆解内容信息;
依据所述图形层级构造拆解内容信息进行描述特征映射关联,得到图形内容描述特征向量集合;
将所述图形内容描述特征向量集合中的各特征向量进行融合,生成所述图形构造特征融合信息。
具体的,为提高图形拆解识别精确度,基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合。首先基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级标签化,即通过图形属性描述特征向量对各图形进行结构层级标签化,确定相应的图形层级标签内容特征信息,示例性的,对于建筑图来说,层级标签内容由大到小包括建筑施工平面图、墙体结构图、承重柱构件图等。
按照所述图形层级标签内容特征信息将所述标准待测量CAD图形进行层级拆解,即将图形按照层级由大到小进行结构拆解,获得相应的图形层级构造拆解内容信息,所述图形层级构造拆解内容信息为层级拆解后的结构图形内容信息。依据所述图形层级构造拆解内容信息进行描述特征映射关联,即对各图形层级内容进行关联描述特征确定,得到相应的图形内容描述特征向量集合。进而将所述图形内容描述特征向量集合中的各特征向量进行融合,生成图形构造特征融合信息,所述图形构造特征融合信息为各图形层级内容的特征描述信息,包括图形应用类型属性特征、图形展示类型属性特征以及所述图形多尺度描述特征。实现图形层级内容快速拆解识别,提高图形层级识别精确性和特征描述全面性,进而提高后续图形测量准确性。
步骤S4:按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;
进一步而言,所述获取图形等价区域结构元素信息,本申请步骤还包括:
对所述图形构造特征融合信息进行特征区域选取分析,构建图形基准特征描述子集合和图形配准特征描述子集合;
基于所述图形基准特征描述子集合和所述图形配准特征描述子集合进行相似度分析,获得目标图形特征相似度集合;
对所述目标图形特征相似度集合中大于预设相似度阈值的特征区域进行匹配,得到图形匹配特征区域信息;
基于所述图形匹配特征区域信息对所述标准待测量CAD图形进行等价图形识别划分,确定所述图形等价区域结构元素信息。
具体的,由于CAD图形中可能存在对同一结构部分有多个图形描述,例如墙体构件的正面图、侧面图等,因此按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,即依据图形构造描述特征信息对图形中相同部分进行识别划分。首先对所述图形构造特征融合信息进行特征区域选取分析,即依据图形构造描述特征对CAD图形中存在相同描述特征的待匹配区域进行标记选取,构建相应的图形基准特征描述子集合,即各待匹配选取区域的图形构造描述特征集合;和图形配准特征描述子集合,即与各待匹配选取区域进行配准的其余图形构造描述特征集合。
基于所述图形基准特征描述子集合和所述图形配准特征描述子集合进行相似度分析,可通过计算图形基准特征描述子集合和其余图形配准特征描述子集合的余弦相似度进行图形相似性描述,获得相应的目标图形特征相似度集合。再对所述目标图形特征相似度集合中大于预设相似度阈值的特征区域进行匹配,其中,所述预设相似度阈值为图形匹配基准相似度阈值,可通过图形绘制情况经验设置,当特征相似度大于预设相似度阈值时,表明该待匹配选取区域与其配准区域为同一图形特征区域,以此得到满足相似度阈值的图形匹配特征区域信息。基于所述图形匹配特征区域信息对所述标准待测量CAD图形进行等价图形识别划分,即将CAD图形中相同结构部分的图形等价划分为一类,进而确定划分后的图形等价区域结构元素信息,所述图形等价区域结构元素信息为CAD图形结构划分后的待测量区域结构图形信息。实现图形等价结构内容快速识别划分,提高待测量图形识别准确性,进而提高后续图形测量精确性。
步骤S5:基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;
进一步而言,所述确定图形元素测量特征要素参数信息,本申请步骤还包括:
获取图形测量要素信息,所述图形测量要素信息包括定位要素、图形特征要素、拓扑要素;
基于所述图形测量要素信息进行知识内容填充、分类节点生成,搭建测量要素分类器;
基于所述测量要素分类器对所述图形等价区域结构元素信息中的各结构元素依次进行分类标记,确定所述图形元素测量特征要素参数信息。
具体的,为提高图形测量精确性和适用性,基于所述图形等价区域结构元素信息分别进行测量要素分类标记,即对各待测量区域结构图形信息分别进行测量要素参数分析。首先制定获取图形测量要素信息,所述图形测量要素信息为图形测量精度的关联影响要素,包括定位要素,即图形测量相对位置、方向等;图形特征要素,即图形对象属性特征、形状等;拓扑要素,即图形对象连接关系。基于所述图形测量要素信息进行知识内容填充,即对每个测量要素都进行具体知识内容搜索填充,例如,对于定位要素来说,其具体知识内容包括上下方向、左右方向、内外方向等;对于拓扑要素,其具体知识内容包括相接、相交、相离、平行、垂直等。
再将每个测量要素的各具体知识内容都作为一个分类节点,通过分类节点生成搭建测量要素分类器,所述测量要素分类器用于对图形测量要素类型进行具体分类。基于所述测量要素分类器对所述图形等价区域结构元素信息中的各结构元素依次进行分类标记,即对各待测量区域结构图形信息依次进行测量要素参数分类确定,得到相应的图形元素测量特征要素参数信息。实现图形测量要素参数个性化分析,确保图形测量参数适用性,进而提高图形测量精确性。
步骤S6:依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。
进一步而言,所述获取图形测量结果信息,本申请步骤还包括:
基于所述图形测量网络对所述图形等价区域结构元素信息进行解析,确定测量目标和测量距离;
依据所述测量目标和测量距离进行图形标定区域提取,建立图形标定锚框;
通过所述图形标定锚框对所述图形等价区域结构元素信息分别进行图形分割,获得图形标定像素分割结果;
基于所述图形测量网络对所述图形标定像素分割结果进行遍历测量,生成所述图形测量结果信息。
具体的,依据所述图形元素测量特征要素参数信息进行适用测量算法配置,通过测量算法经验配置得到图形测量网络,所述图形测量网络为与图形元素测量特征要素参数信息相匹配的测量算法参数,包括测量方向、测量算法类型、测量位置、测量参数、测量精度等。基于所述图形测量网络对所述图形等价区域结构元素信息分别进行匹配测量,首先基于所述图形测量网络对所述图形等价区域结构元素信息进行解析,确定各待测量区域结构图形信息的测量目标,即测量图形对象;和测量距离,即图形对象的测量边线距离范围。依据所述测量目标和测量距离进行图形标定区域提取,即按照图形测量参数对图形待测量区域进行标定提取,建立图形标定锚框,所述图形标定锚框为定义图形检测区域的边界框。
通过所述图形标定锚框对所述图形等价区域结构元素信息分别进行图形分割,即对各待测量区域结构图形信息的目标测量区域进行分割标定,获得对应的图形标定像素分割结果,以作为图形像素级区域测量。基于所述图形测量网络对所述图形标定像素分割结果进行遍历测量,即按照适用图形测量算法分别对匹配的各图形测量区域进行测量,生成相应的图形测量结果信息,所述图形测量结果信息为图形测量区域的结果参数信息,包括图形长度、角度、高度、面积等。并将所述图形测量结果信息向CAD用户进行可视化展示。通过配置图形测量网络实现图形智能化识别与测量,减少测量时间成本,提高测量效率和测量精确性,进而确保CAD设计效率和质量。
综上所述,本申请所提供的一种智能图形识别与测量方法及***具有如下技术效果:
由于采用对目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息,基于此对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;依据所述图形元素测量特征要素参数信息配置图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示的技术方案。进而达到通过配置图形测量网络实现图形智能化识别与测量,减少测量时间成本,提高测量效率和测量精确性,进而确保CAD设计效率和质量的技术效果。
实施例二
基于与前述实施例中一种智能图形识别与测量方法同样发明构思,本发明还提供了一种智能图形识别与测量***,如图3所示,所述***包括:
图形去噪增强模块11,用于上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;
属性描述提取模块12,用于对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;
层级拆解融合模块13,用于基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;
等价图形识别划分模块14,用于按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;
测量要素分类标记模块15,用于基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;
图形测量展示模块16,用于依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。
进一步的,所述***还包括:
图形小波去噪单元,用于对所述目标CAD图形进行小波去噪,获取目标滤波CAD图形;
像素特征识别获得单元,用于对CAD底板进行像素分布识别,确定图形背景特征,并根据所述图形背景特征设置边线选取阈值,将满足所述边线选取阈值的灰度信息作为图形前景特征;
注意力约束模块构建单元,用于基于所述图形背景特征和所述图形前景特征,构建图形边线注意力约束模块;
图形边线增强标记单元,用于通过所述图形边线注意力约束模块对所述目标CAD图形进行边线增强标记,得到所述标准待测量CAD图形。
进一步的,所述***还包括:
属性描述因素获取单元,用于获取图形属性描述因素,所述图形属性描述因素包括图形应用描述和图形特征描述;
属性特征描述单元,用于基于所述图形应用描述对所述标准待测量CAD图形进行属性特征描述,确定图形应用类型属性特征和图形展示类型属性特征;
属性多级描述单元,用于按照所述图形特征描述对所述标准待测量CAD图形进行属性多级描述,确定图形多尺度描述特征;
图形特征提取单元,用于基于所述图形应用类型属性特征和图形展示类型属性特征以及所述图形多尺度描述特征进行图形特征提取,得到所述图形属性描述特征向量信息。
进一步的,所述***还包括:
层级标签化单元,用于基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级标签化,确定图形层级标签内容特征信息;
图形层级拆解单元,用于按照所述图形层级标签内容特征信息将所述标准待测量CAD图形进行层级拆解,获得图形层级构造拆解内容信息;
描述特征映射关联单元,用于依据所述图形层级构造拆解内容信息进行描述特征映射关联,得到图形内容描述特征向量集合;
特征向量融合单元,用于将所述图形内容描述特征向量集合中的各特征向量进行融合,生成所述图形构造特征融合信息。
进一步的,所述***还包括:
区域选取分析单元,用于对所述图形构造特征融合信息进行特征区域选取分析,构建图形基准特征描述子集合和图形配准特征描述子集合;
相似度分析单元,用于基于所述图形基准特征描述子集合和所述图形配准特征描述子集合进行相似度分析,获得目标图形特征相似度集合;
特征区域匹配单元,用于对所述目标图形特征相似度集合中大于预设相似度阈值的特征区域进行匹配,得到图形匹配特征区域信息;
图形识别划分单元,用于基于所述图形匹配特征区域信息对所述标准待测量CAD图形进行等价图形识别划分,确定所述图形等价区域结构元素信息。
进一步的,所述***还包括:
图形测量要素获取单元,用于获取图形测量要素信息,所述图形测量要素信息包括定位要素、图形特征要素、拓扑要素;
要素分类器搭建单元,用于基于所述图形测量要素信息进行知识内容填充、分类节点生成,搭建测量要素分类器;
元素分类标记单元,用于基于所述测量要素分类器对所述图形等价区域结构元素信息中的各结构元素依次进行分类标记,确定所述图形元素测量特征要素参数信息。
进一步的,所述***还包括:
结构元素解析单元,用于基于所述图形测量网络对所述图形等价区域结构元素信息进行解析,确定测量目标和测量距离;
标定区域提取单元,用于依据所述测量目标和测量距离进行图形标定区域提取,建立图形标定锚框;
图形区域分割单元,用于通过所述图形标定锚框对所述图形等价区域结构元素信息分别进行图形分割,获得图形标定像素分割结果;
图形遍历测量单元,用于基于所述图形测量网络对所述图形标定像素分割结果进行遍历测量,生成所述图形测量结果信息。
前述图1实施例一中的一种智能图形识别与测量方法的各种变化方式和具体实例同样适用于本实施例的一种智能图形识别与测量***,通过前述对一种智能图形识别与测量方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智能图形识别与测量***的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图4所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、***总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、***部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如***设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,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、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作***1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作***1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种智能图形识别与测量方法,其特征在于,所述方法包括:
上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;
对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;
基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;
按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;
基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;
依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示;
所述获取图形等价区域结构元素信息,包括:
对所述图形构造特征融合信息进行特征区域选取分析,构建图形基准特征描述子集合和图形配准特征描述子集合;
基于所述图形基准特征描述子集合和所述图形配准特征描述子集合进行相似度分析,获得目标图形特征相似度集合;
对所述目标图形特征相似度集合中大于预设相似度阈值的特征区域进行匹配,得到图形匹配特征区域信息;
基于所述图形匹配特征区域信息对所述标准待测量CAD图形进行等价图形识别划分,确定所述图形等价区域结构元素信息。
2.如权利要求1所述的方法,其特征在于,所述得到标准待测量CAD图形,包括:
对所述目标CAD图形进行小波去噪,获取目标滤波CAD图形;
对CAD底板进行像素分布识别,确定图形背景特征,并根据所述图形背景特征设置边线选取阈值,将满足所述边线选取阈值的灰度信息作为图形前景特征;
基于所述图形背景特征和所述图形前景特征,构建图形边线注意力约束模块;
通过所述图形边线注意力约束模块对所述目标CAD图形进行边线增强标记,得到所述标准待测量CAD图形。
3.如权利要求1所述的方法,其特征在于,所述获得图形属性描述特征向量信息,包括:
获取图形属性描述因素,所述图形属性描述因素包括图形应用描述和图形特征描述;
基于所述图形应用描述对所述标准待测量CAD图形进行属性特征描述,确定图形应用类型属性特征和图形展示类型属性特征;
按照所述图形特征描述对所述标准待测量CAD图形进行属性多级描述,确定图形多尺度描述特征;
基于所述图形应用类型属性特征和图形展示类型属性特征以及所述图形多尺度描述特征进行图形特征提取,得到所述图形属性描述特征向量信息。
4.如权利要求1所述的方法,其特征在于,所述得到图形构造特征融合信息,包括:
基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级标签化,确定图形层级标签内容特征信息;
按照所述图形层级标签内容特征信息将所述标准待测量CAD图形进行层级拆解,获得图形层级构造拆解内容信息;
依据所述图形层级构造拆解内容信息进行描述特征映射关联,得到图形内容描述特征向量集合;
将所述图形内容描述特征向量集合中的各特征向量进行融合,生成所述图形构造特征融合信息。
5.如权利要求1所述的方法,其特征在于,所述确定图形元素测量特征要素参数信息,包括:
获取图形测量要素信息,所述图形测量要素信息包括定位要素、图形特征要素、拓扑要素;
基于所述图形测量要素信息进行知识内容填充、分类节点生成,搭建测量要素分类器;
基于所述测量要素分类器对所述图形等价区域结构元素信息中的各结构元素依次进行分类标记,确定所述图形元素测量特征要素参数信息。
6.如权利要求1所述的方法,其特征在于,所述获取图形测量结果信息,包括:
基于所述图形测量网络对所述图形等价区域结构元素信息进行解析,确定测量目标和测量距离;
依据所述测量目标和测量距离进行图形标定区域提取,建立图形标定锚框;
通过所述图形标定锚框对所述图形等价区域结构元素信息分别进行图形分割,获得图形标定像素分割结果;
基于所述图形测量网络对所述图形标定像素分割结果进行遍历测量,生成所述图形测量结果信息。
7.一种智能图形识别与测量***,其特征在于,所述***用于执行权利要求1-6任一项所述的方法,所述***包括:
图形去噪增强模块,用于上传获取目标CAD图形,对所述目标CAD图形进行去噪、边线增强,得到标准待测量CAD图形;
属性描述提取模块,用于对所述标准待测量CAD图形进行属性描述、特征提取,获得图形属性描述特征向量信息;
层级拆解融合模块,用于基于所述图形属性描述特征向量信息对所述标准待测量CAD图形进行层级拆解、特征融合,得到图形构造特征融合信息;
等价图形识别划分模块,用于按照所述图形构造特征融合信息对所述标准待测量CAD图形进行等价图形识别划分,获取图形等价区域结构元素信息;
测量要素分类标记模块,用于基于所述图形等价区域结构元素信息分别进行测量要素分类标记,确定图形元素测量特征要素参数信息;
图形测量展示模块,用于依据所述图形元素测量特征要素参数信息配置图形测量网络,基于所述图形测量网络对所述图形等价区域结构元素信息分别进行测量,获取图形测量结果信息进行展示。
8.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-6中任一项所述的一种智能图形识别与测量方法中的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的一种智能图形识别与测量方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311850256.7A CN117746156B (zh) | 2023-12-29 | 2023-12-29 | 一种智能图形识别与测量方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311850256.7A CN117746156B (zh) | 2023-12-29 | 2023-12-29 | 一种智能图形识别与测量方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117746156A CN117746156A (zh) | 2024-03-22 |
CN117746156B true CN117746156B (zh) | 2024-07-02 |
Family
ID=90260655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311850256.7A Active CN117746156B (zh) | 2023-12-29 | 2023-12-29 | 一种智能图形识别与测量方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117746156B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及*** |
CN116822099A (zh) * | 2023-08-30 | 2023-09-29 | 张家港Aaa精密制造股份有限公司 | 一种提高轴承加工精度的方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447704B (zh) * | 2016-10-13 | 2019-04-19 | 西北工业大学 | 基于显著区域特征和边缘度的可见光-红外图像配准方法 |
CN110991465B (zh) * | 2019-11-15 | 2023-05-23 | 泰康保险集团股份有限公司 | 一种物体识别方法、装置、计算设备及存储介质 |
CN113255759B (zh) * | 2021-05-20 | 2023-08-22 | 广州广电运通金融电子股份有限公司 | 基于注意力机制的目标内特征检测***、方法和存储介质 |
CN113643334A (zh) * | 2021-07-09 | 2021-11-12 | 西安电子科技大学 | 基于结构相似性的异源遥感图像配准方法 |
CN115035250A (zh) * | 2022-06-15 | 2022-09-09 | 薛志强医疗科技(上海)工作室 | 一种建模图形数据信息交互处理方法及*** |
CN116758045B (zh) * | 2023-07-05 | 2024-01-23 | 日照鲁光电子科技有限公司 | 一种半导体发光二极管的表面缺陷检测方法及*** |
CN116664873B (zh) * | 2023-07-27 | 2024-04-26 | 腾讯科技(深圳)有限公司 | 图像信息处理方法、装置及存储介质 |
CN116972709B (zh) * | 2023-09-25 | 2023-12-19 | 天津金色方圆仪器仪表有限公司 | 一种钢卷尺检定误差分析方法及*** |
-
2023
- 2023-12-29 CN CN202311850256.7A patent/CN117746156B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998695A (zh) * | 2022-07-18 | 2022-09-02 | 深圳市前海泽金产融科技有限公司 | 一种提高图像识别速度的方法及*** |
CN116822099A (zh) * | 2023-08-30 | 2023-09-29 | 张家港Aaa精密制造股份有限公司 | 一种提高轴承加工精度的方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117746156A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10803554B2 (en) | Image processing method and device | |
CN110197147B (zh) | 遥感影像的建筑物实例提取方法、装置、存储介质及设备 | |
CN112560980B (zh) | 目标检测模型的训练方法、装置及终端设备 | |
CN110738125A (zh) | 利用Mask R-CNN选择检测框的方法、装置及存储介质 | |
CN110751149B (zh) | 目标对象标注方法、装置、计算机设备和存储介质 | |
CN108564102A (zh) | 图像聚类结果评价方法和装置 | |
CN110889437B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111814905A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN113657202A (zh) | 构件识别方法、构建训练集方法、装置、设备及存储介质 | |
CN115909059A (zh) | 一种自然资源样本库建立方法和装置 | |
CN115861400B (zh) | 目标对象检测方法、训练方法、装置以及电子设备 | |
CN113838061A (zh) | 用于图像标注的方法、装置及存储介质 | |
CN115984307A (zh) | 视频对象分割方法、装置、电子设备及存储介质 | |
CN117671303B (zh) | 基于孪生网络的立体测距隐患预警方法及*** | |
CN116596935A (zh) | 形变检测方法、装置、计算机设备及计算机可读存储介质 | |
CN117146739B (zh) | 用于光学瞄准镜的测角检定方法及*** | |
CN117746156B (zh) | 一种智能图形识别与测量方法及*** | |
CN117593420A (zh) | 基于图像处理的平面图纸标注方法、装置、介质及设备 | |
CN106056575B (zh) | 一种基于似物性推荐算法的图像匹配方法 | |
CN107452003A (zh) | 一种含有深度信息的图像分割的方法及装置 | |
CN111950517A (zh) | 一种目标检测方法、模型训练方法,电子设备及存储介质 | |
CN115100541B (zh) | 一种卫星遥感数据的处理方法、***及云平台 | |
CN111932447B (zh) | 一种图片处理方法、装置、设备及存储介质 | |
CN115359468A (zh) | 一种目标网站识别方法、装置、设备及介质 | |
CN114066788A (zh) | 一种平衡的实例分割数据合成方法 |
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 |