KR102614742B1 - Method for computerized date processing of point detail and recommendation method for point detail modeling file - Google Patents
Method for computerized date processing of point detail and recommendation method for point detail modeling file Download PDFInfo
- Publication number
- KR102614742B1 KR102614742B1 KR1020230103765A KR20230103765A KR102614742B1 KR 102614742 B1 KR102614742 B1 KR 102614742B1 KR 1020230103765 A KR1020230103765 A KR 1020230103765A KR 20230103765 A KR20230103765 A KR 20230103765A KR 102614742 B1 KR102614742 B1 KR 102614742B1
- Authority
- KR
- South Korea
- Prior art keywords
- matrix
- file
- detail
- detailed
- matching
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 115
- 239000000463 material Substances 0.000 claims description 23
- 238000010586 diagram Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 격점상세도 파일을 수집하여 격점상세도 전산화 파일을 생성하는 단계와, 확인대상 격점상세도를 입력받아 데이터베이스 내의 전산화 파일과 행렬매칭하여 격점상세도 모델링 파일을 추천하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. The present invention includes the steps of collecting a break point detail file and generating a break point detail computerized file, receiving the break point detail map to be confirmed, matrix matching the computerized file in a database, and recommending a break point detail modeling file. Disclosed is a method for computerized data processing of detailed breakpoints and recommendation of detailed breakpoint modeling files.
Description
본 발명은 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법에 관한 것으로서, 보다 자세하게는 2D 문서로 표현되어 있는 격점상세도를 전산화하여 3D 모델링에 접목시킬 수 있게 하거나 가상현실 디지털트윈 상 시설물을 구현할 수 있게 하는 격점상세도 전산화 데이터 처리 기법 및 격점상세도 모델링 파일 추천 방법에 관한 것이다. The present invention relates to computerized data processing of breakpoint details and a method of recommending breakpoint detail modeling files. More specifically, the present invention relates to a method of computerizing breakpoint details expressed in 2D documents and incorporating them into 3D modeling or virtual reality digital twin facilities. It is about a detailed computerized data processing technique and a method of recommending detailed breakpoint modeling files that enable the implementation of .
현재 토목공사 시 상수도관과 같은 지하 시설물을 설계하거나 정비할 때에는 각 격점 마다 배치되는 자재들을 일일이 도면에 그림으로 그려서 표현하는 격점상세도를 사용하고 있다. Currently, when designing or maintaining underground facilities such as water pipes during civil engineering work, detailed joint point drawings are used, which represent the materials placed at each joint by drawing them one by one on a drawing.
하지만, 격점상세도의 도면에는 자재들의 종류와 배치만 나타나 있을 분 각 자재들의 규격이나 명칭 등 자세한 정보를 얻기 어렵기 때문에 별도의 표를 작성하여 첨부하여야 한다는 문제가 있다. However, since the detailed drawing of the gap point only shows the type and arrangement of the materials, it is difficult to obtain detailed information such as the specifications and names of each material, so there is a problem that a separate table must be prepared and attached.
또한, 설계시 마다 캐드(CAD)를 이용하여 절점을 새로 그려야 하고, 설계가 끝난 격점상세도는 캐드 도면을 통해 확인할 수 있을 뿐 이를 이용해 3D 모델링에 이용하거나 디지털트윈 기술을 활용해 시설물의 형상을 살펴보는 것은 불가능하였다. In addition, each time a design is made, new nodes must be drawn using CAD, and the design-completed node details can only be confirmed through CAD drawings and can be used for 3D modeling or the shape of the facility using digital twin technology. It was impossible to look.
종래에는 인쇄된 문서에서 문자를 인식하는 기술 정도만 구현되어 있을 뿐 격점상세도의 도면에서 절점의 정보를 추출하여 전산화하는 방법은 전혀 존재하지 않았다. 이에, 격점상세도를 전산화 하기 위한 전산화 처리 기법에 대한 연구가 진행되고 있다. Previously, only the technology to recognize characters in printed documents was implemented, and there was no method of extracting node information from detailed node drawings and computerizing it. Accordingly, research is being conducted on computerized processing techniques to computerize the detailed breakpoints.
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로써, 대량의 격점상세도 도면 데이터들을 자동으로 전산화할 수 있는 격점상세도 전산화 데이터 처리 기법과, 전산화된 격점상세도 파일을 기반으로 3D 모델링 파일을 자동으로 추천해주는 시스템을 제공하는 것을 목적으로 한다. The present invention was devised to solve the above problems, and includes a detailed computerized data processing technique that can automatically computerize a large amount of detailed drawing data, and 3D modeling based on the computerized detailed drawing file. The purpose is to provide a system that automatically recommends files.
상기와 같은 과제를 해결하기 위해 본 발명은 격점상세도 파일을 수집하여 격점상세도 전산화 파일을 생성하는 단계와, 확인대상 격점상세도를 입력받아 데이터베이스 내의 전산화 파일과 행렬매칭하여 격점상세도 모델링 파일을 추천하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. In order to solve the above problems, the present invention includes the steps of collecting break point detail files and generating a computerized break point detail file, receiving the break point detail map to be checked, matrix matching the computerized file in the database, and creating a break point detail modeling file. Disclosed is a method for computerized data processing of detailed breakpoints and recommended modeling files for detailed breakpoints, which includes the step of recommending.
본 발명의 일 실시예에 따르면, 격점상세도 전산화 파일을 생성하는 단계는 행렬매칭 매커니즘을 통해 격점상세도 정보를 추출하는 단계와, AI를 이용해 격점상세도 이미지를 학습하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to an embodiment of the present invention, the step of generating a computerized breakpoint detail file includes extracting breakpoint detail information through a matrix matching mechanism and learning a breakpoint detail image using AI. Disclosed is a method for computerized data processing of detailed breakpoints and recommendation of detailed breakpoint modeling files.
본 발명의 일 실시예에 따르면, 상기 행렬매칭 매커니즘은 격점상세도 파일을 DCF 파일 형식으로 변환하는 단계와, DXF 파일에서 절점별 레이어를 부여하는 단계와, 좌표 기반 텍스트 엔터티와 도면 엔터티 행렬을 생성하는 단계와, 동일 레이어를 갖는 텍스트 엔터티와 도면 엔터티 행렬을 매칭하여 절점정보를 추출하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, the matrix matching mechanism includes the steps of converting a point detail file into a DCF file format, assigning a layer for each node in the DXF file, and generating coordinate-based text entities and drawing entity matrices. A method of computerized nodal detail data processing and nodal detail modeling file recommendation is disclosed, which includes the step of extracting nodal information by matching a text entity and a drawing entity matrix having the same layer.
본 발명의 일 실시예에 따르면, 상기 좌표 기반 텍스트 엔터티는 격점상세도 재료들의 정보를 표로 나타낸 데이터들에 위치 좌표를 부여하여 순서에 상관없이 추출되는 텍스트 정보를 정렬하는 방식을 사용하여 생성하고, 상기 도면 엔터티 행렬은 격점상세도 도면에 포함된 문자 정보를 삭제하고 재료 번호가 재료 그림과 중첩되도록 배치를 변경한 후 상기 재료 번호들의 상관 관계를 토대로 행렬을 생성하는 방식을 사용하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, the coordinate-based text entity is created using a method of sorting the text information extracted regardless of the order by assigning positional coordinates to the data representing the information of the point detail material in a table, The drawing entity matrix is characterized by using a method of deleting text information included in the detailed point drawing, changing the arrangement so that the material number overlaps the material picture, and then generating a matrix based on the correlation between the material numbers. Disclosed is a method for computerized data processing of breakpoint details and recommendation of breakpoint detail modeling files.
본 발명의 일 실시예에 따르면, 격점상세도 모델링 파일을 추천하는 단계는 확인대상 격점상세도를 입력받은 후 데이터베이스 내 전산화 파일과 행렬 매칭 및 이미지 매칭하여 가장 유사도가 높은 모델링 파일을 추천하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, the step of recommending a detailed modeling file is characterized in that the modeling file with the highest similarity is recommended by receiving the detailed detailed drawing to be confirmed and then performing matrix matching and image matching with the computerized file in the database. Disclosed is a method for computerized data processing of detailed breakpoints and recommendation of detailed breakpoint modeling files.
본 발명의 일 실시예에 따르면, 상기 행렬매칭은 확인대상 격점상세도와 매트릭스 치트 시트 내의 행렬들을 비교하여 동일한 행렬이 존재하는지 판단하고, 동일한 행렬이 존재하지 않는 경우 행렬을 회전변환하여 동일한 행렬이 존재하는지 판단하고, 회전변환하여 동일한 행렬이 존재하지 않는 경우 행렬의 크기를 변환하여 동일한 행렬이 존재하는지 판단하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, the matrix matching determines whether the same matrix exists by comparing the matrixes in the grid point detail to be checked and the matrix cheat sheet, and if the same matrix does not exist, the matrix is rotated to determine if the same matrix exists. Disclosed is a method for computerized data processing and detailed modeling files, which is characterized in determining whether the same matrix exists by performing rotation transformation and, if the same matrix does not exist, converting the size of the matrix to determine whether the same matrix exists.
본 발명의 일 실시예에 따르면, 행렬매칭 시 동일한 행렬이 존재하지 않는 경우 비교한 행렬들과의 유사도 점수를 계산하여 가장 높은 점수의 행렬에 대응하는 모델링 파일을 추천하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, when the same matrix does not exist during matrix matching, the similarity score with the compared matrices is calculated and the modeling file corresponding to the matrix with the highest score is recommended. A computerized data processing and point-detail modeling file recommendation method is disclosed.
본 발명의 일 실시예에 따르면, 상기 유사도 점수는 입력 매트릭스(input matrix)와 매트릭스 치트 시트의 매트릭스를 중첩시켜 더블 레이어 매트릭스를 생성하고, 상기 더블 레이어 매트릭스에서 전체 요소 대비 일치하는 요소의 비율로 계산하는 것을 특징으로 하는 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to one embodiment of the present invention, the similarity score is calculated by overlapping the input matrix and the matrix of the matrix cheat sheet to create a double layer matrix, and calculating the ratio of matching elements to all elements in the double layer matrix. Disclosed is a method for computerized data processing and detailed breakpoint modeling files, which are characterized in that:
본 발명의 일 실시예에 따르면, 시스템이 이미지 매칭에 의하여 추천된 모델링 파일의 유사도 점수를 계산한 후, 행렬매칭의 유사도 점수와 이미지 매칭의 유사도 점수 중 어느 하나가 기설정된 기준값 이상인 경우 추천성공으로 판단하고 둘 다 기준값 미만인 경우 추천실패로 판단하여 데이터베이스에 저장하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to an embodiment of the present invention, after the system calculates the similarity score of the recommended modeling file by image matching, if either the similarity score of matrix matching or the similarity score of image matching is higher than a preset reference value, the recommendation is successful. Disclosed is a method of computerized data processing and detailed breakpoint modeling file recommendation, which is characterized in that if both values are less than the standard value, it is judged as a recommendation failure and stored in a database.
본 발명의 일 실시예에 따르면, 상기 추천성공 데이터들과 추천실패 데이터들을 레이블로 지정해 이미지 학습을 진행하여 이미지 매칭의 정확도를 향상시키는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법을 개시한다. According to an embodiment of the present invention, the accuracy of image matching is improved by performing image learning by labeling the recommendation success data and the recommendation failure data, and improving the accuracy of image matching and the point detail modeling file. A recommendation method is disclosed.
본 발명에 따르면 대량의 격점상세도 도면 데이터들을 자동으로 전산화하여 설계도 작성 및 시설관리 효율을 향상시킬 수 있다. According to the present invention, it is possible to automatically computerize a large amount of detail drawing data to improve design drawing and facility management efficiency.
또한, 본 발명에 따르면 전산화된 격점상세도 도면 정보를 이용하여 시설물의 3D 모델링을 가능하게 하고 시스템이 절점에 매칭되는 3D 구조물을 추천해 줄 수 있게 하여 3D 모델링 속도를 증가시킬 수 있다. In addition, according to the present invention, 3D modeling of facilities can be performed using computerized nodal point detail drawing information, and the 3D modeling speed can be increased by allowing the system to recommend 3D structures matching the nodes.
아울러, 전산화된 절점 정보를 이용해 평면도, 종단면도와 조합하여 3차원 공간 데이터로 변환하는 것이 가능하게 한다. In addition, it is possible to convert computerized node information into three-dimensional spatial data by combining it with plan views and longitudinal sections.
도 1은 본 발명의 일 실시예에 따른 격점상세도 전산화 데이터 처리 및 모델링 파일 추천 시스템의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 격점상세도 전산화 파일 생성 매커니즘을 설명하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 행렬매칭 매커니즘을 설명하는 도면이다.
도 4는 절점별 레이어를 부여하는 방법을 설명하기 위한 예시도이다.
도 5는 도면 엔터티(Entity) 행렬을 생성하기 위하여 전처리하는 과정을 설명하는 예시도이다.
도 6은 AI를 이용해 격점상세도 이미지를 학습하는 과정을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 격점상세도 모델링 파일 추천 매커니즘을 설명하는 도면이다.
도 8은 확인대상 격점상세도에 대응하는 모델링 파일을 추천하는 방법을 설명하는 도면이다.
도 9는 매트릭스 치트 시트(Matrix cheat sheet)를 나타낸 예시도이다.
도 10은 행렬들의 유사도 점수를 계산하는 방법을 설명하는 도면이다. Figure 1 is a conceptual diagram of a detailed computerized data processing and modeling file recommendation system according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating a mechanism for generating a detailed computerized file of critical points according to an embodiment of the present invention.
Figure 3 is a diagram explaining a matrix matching mechanism according to an embodiment of the present invention.
Figure 4 is an example diagram to explain a method of assigning a layer for each node.
Figure 5 is an example diagram explaining the preprocessing process to generate a drawing entity matrix.
Figure 6 is a diagram to explain the process of learning a point detail image using AI.
Figure 7 is a diagram illustrating a gap point detail modeling file recommendation mechanism according to an embodiment of the present invention.
Figure 8 is a diagram illustrating a method of recommending a modeling file corresponding to a detailed grid point to be confirmed.
Figure 9 is an example diagram showing a matrix cheat sheet.
Figure 10 is a diagram explaining a method of calculating similarity scores of matrices.
이하, 본 발명에 대하여 도면을 참조하여 보다 상세하게 설명한다. 본 명세서에서는 서로 다른 실시예라도 동일·유사한 구성에 대해서는 동일·유사한 참조번호를 부여하고, 그 설명은 처음 설명으로 갈음한다. 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.Hereinafter, the present invention will be described in more detail with reference to the drawings. In this specification, the same or similar reference numbers are assigned to the same or similar components even in different embodiments, and the description is replaced with the first description. As used herein, singular expressions include plural expressions unless the context clearly dictates otherwise.
본 명세서에서는 서로 다른 실시예라도 동일·유사한 구성에 대해서는 동일·유사한 참조번호를 부여하고, 그 설명은 처음 설명으로 갈음한다. 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 또한, 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.In this specification, the same or similar reference numbers are assigned to the same or similar components even in different embodiments, and the description is replaced with the first description. As used herein, singular expressions include plural expressions unless the context clearly dictates otherwise. In addition, the suffixes “module” and “part” for components used in the following description are given or used interchangeably only for the ease of writing the specification, and do not have distinct meanings or roles in themselves.
도 1은 본 발명의 일 실시예에 따른 격점상세도 전산화 데이터 처리 및 모델링 파일 추천 시스템(100)의 개념도이다. Figure 1 is a conceptual diagram of a detailed computerized data processing and modeling file recommendation system 100 according to an embodiment of the present invention.
도 1을 참조하면, 시스템(100)은 격점상세도 데이터를 수집하고 분석하여 전산화 데이터를 저장하여 데이터풀을 형성하고, 확인하고자 하는 격점상세도를 입력하면 데이터풀에 저장된 전산화 데이터와 비교/대조하여 최적의 모델링 파일을 생성하거나 추천할 수 있다. Referring to FIG. 1, the system 100 collects and analyzes break point detail data and stores computerized data to form a data pool. When the break point detail you want to check is input, the system 100 compares/contrasts it with the computerized data stored in the data pool. This allows you to create or recommend the optimal modeling file.
도시된 바에 따르면, 시스템(100)은 제어부(110)와, 입력부(120)와, 출력부(130)와, 데이터수집부(140)와, 분석부(150)와, 데이터베이스(160) 등을 포함할 수 있다. 또한, 도시되지는 않았지만 서버를 통해 이동 단말기 또는 고정 단말기와 데이터를 송수신 할 수 있으며, 별도의 어플리케이션이나 프로그램이 제공될 수 있다. 도 1에 도시된 시스템(100)의 구성은 설명의 편의 상 구분한 것으로, 물리적으로 이와 같이 구성이 구분되지 않고 하나의 제어부(110)에 의하여 모든 역할이 수행되거나 더 세분화된 구성으로 이루어질 수도 있다. As shown, the system 100 includes a control unit 110, an
데이터수집부(140)는 다수의 격점상세도 데이터들을 수집한다. 수집하는 데이터들은 스캔 파일 또는 캐드(CAD)파일일 수 있다. 하지만, 분석을 위해선 이러한 파일들을 DXF 파일 형식으로 변환하는 것이 바람직하다. The data collection unit 140 collects a plurality of gap point detail data. The data collected may be scanned files or CAD files. However, for analysis, it is advisable to convert these files to DXF file format.
분석부(150)는 수집된 파일들을 분석하고 행렬매칭 매커니즘 또는 이미지 학습 매커니즘을 통해 격점상세도 전산화 파일을 생성하여 데이터베이스(160)에 저장한다. The analysis unit 150 analyzes the collected files, generates a detailed computerized file through a matrix matching mechanism or an image learning mechanism, and stores it in the database 160.
입력부(120)는 확인대상 격점상세도 파일을 입력받아 제어부(110)로 전달한다. 제어부(110)는 전달받은 파일을 데이터베이스(160)에 저장된 데이터와 비교하고 분석하여 확인대상 격점상세도 파일과 매칭되는 모델링 파일을 선택하고 출력부(130)를 통해 출력한다. The
출력부(130)를 통해 출력되는 파일은 JSON파일 형식 또는 3D 모델링 파일일 수 있다. The file output through the
도 2는 본 발명의 일 실시예에 따른 격점상세도 전산화 파일 생성 매커니즘을 설명하는 도면이고, 도 3은 본 발명의 일 실시예에 따른 행렬매칭 매커니즘을 설명하는 도면이다. FIG. 2 is a diagram illustrating a mechanism for generating a detailed computerized file of grid points according to an embodiment of the present invention, and FIG. 3 is a diagram illustrating a matrix matching mechanism according to an embodiment of the present invention.
도 2를 참조하면, 격점상세도 파일을 생성하는 방법은 격점상세도 파일을 수집하는 단계(S110)와, 행렬매칭 매커니즘을 통해 격점상세도 정보를 추출하는 단계(S120)와, AI를 이용해 격점상세도 이미지를 학습하는 단계(S130)와, 격점상세도 전산화 파일을 생성하는 단계(S140) 등을 포함할 수 있다. Referring to Figure 2, the method of generating a gap point detail file includes the steps of collecting the gap point detail file (S110), extracting the gap point detail information through a matrix matching mechanism (S120), and using AI to It may include a step of learning a detailed view image (S130) and a step of generating a computerized file of the point details (S140).
격점상세도 파일을 수집하는 단계(S110)에서는 시스템(100)이 다량의 도면 정보를 담고 있는 격점상세도 파일들을 수집한다. 각 도면들은 해당 시설물을 구성하고 있는 여러가지 재료들의 이름, 재료 정보, 수량 등에 대한 정보를 갖고 있으며 어떠한 모습으로 재료들이 배치 되어있는지 그림으로 함께 표현되어 있다. 본 발명에서는 AutoCAD의 도면 파일(파일 확장자 DWG)을 DXF 파일로 변환하여 사용하는 것이 바람직하다. In the step of collecting the point detail file (S110), the system 100 collects the point detail file containing a large amount of drawing information. Each drawing contains information on the names, material information, and quantity of the various materials that make up the facility, and how the materials are arranged is expressed in pictures. In the present invention, it is preferable to convert AutoCAD drawing files (file extension DWG) to DXF files.
행렬매칭 매커니즘을 통해 격점상세도 정보를 추출하는 단계(S120)는 격점상세도 파일을 DXF 파일 형식으로 변환하는 단계(S121)와, DXF 파일에서 절점별 레이어를 부여하는 단계(S122)와, 좌표 기반 텍스트 엔터티(Entity)와 도면 엔터티(Entity) 행렬을 생성하는 단계(S123)와, 동일 레이어를 갖는 텍스트 엔터티와 도면 엔터티 행렬을 매칭하여 절점 정보를 추출하는 단계(S124) 등을 포함할 수 있다. The step of extracting node detail information through a matrix matching mechanism (S120) includes converting the node detail file to the DXF file format (S121), assigning a layer for each node in the DXF file (S122), and coordinates. It may include a step of generating a base text entity and a drawing entity matrix (S123), and a step of extracting node information by matching a text entity and drawing entity matrix having the same layer (S124). .
도 4를 참조하면, DXF 파일에서 절점별 레이어를 부여하는 단계(S122)에서는 도면 그림 데이터(L2)와 도면 그림을 설명하는 표 정보 데이터(L3)를 확인하고 이를 격점 정보(L1)에 매칭한다. Referring to FIG. 4, in the step of assigning a layer for each node in the DXF file (S122), the drawing data (L2) and the table information data (L3) explaining the drawing are checked and matched to the nodal point information (L1). .
도 5를 참조하면, 도면 그림 데이터의 전처리 전 모습(a)과 전처리 후 모습(b)을 확인할 수 있다. 시스템(100)은 도면 엔터티 행렬을 생성하기 위하여 도면 그림 데이터를 전처리한다. 전처리 전 도면 그림에는 재료의 이름과 설명 등(301)이 기재되어 있으며 재료의 번호가 이음선으로 표시(302)되어 있다. 전처리 과정에서 시스템(100)은 재료의 이름과 설명을 삭제하고 재료의 번호를 재료와 중첩되도록 이동시킨다. 이를 통해 재료 간의 위치 관계를 시스템(100)이 정확히 인식할 수 있게 되고 엔터티 행렬을 생성할 수 있게 된다. Referring to Figure 5, you can see the drawing data before pre-processing (a) and after pre-processing (b). System 100 preprocesses drawing picture data to generate a drawing entity matrix. The drawing before pretreatment shows the name and description of the material (301), and the number of the material is indicated by a seam line (302). In the preprocessing process, the system 100 deletes the name and description of the material and moves the number of the material to overlap with the material. Through this, the system 100 can accurately recognize the positional relationship between materials and create an entity matrix.
좌표 기반 텍스트 엔터티(Entity)와 도면 엔터티(Entity) 행렬을 생성하는 단계(S123)에서는 좌표 기반 텍스트 엔터티 정렬 알고리즘을 통해 표 데이터를 추출하고, 도면 엔터티 행렬 변환을 통해 데이터를 추출한다. 그 후 레이블 기반 절점 매칭 알고리즘을 통해 동일한 레이어 이름을 갖고 있는 격점을 서로 매칭한다. In the step (S123) of generating coordinate-based text entity and drawing entity matrices, table data is extracted through a coordinate-based text entity sorting algorithm and data is extracted through drawing entity matrix conversion. Afterwards, nodes with the same layer name are matched to each other through a label-based node matching algorithm.
데이터 추출을 진행하면 텍스트들이 순서에 상관없이 추출되는데, 본 발명에서는 시스템(100)이 순서에 상관없이 추출된 텍스트 데이터들에 위치 좌표를 부여해 텍스트를 정렬한다. 이를 통해 항목에 맞게 표 데이터 추출할 수 있다. When data extraction is performed, texts are extracted regardless of order. In the present invention, the system 100 assigns location coordinates to the extracted text data regardless of order to sort the texts. Through this, table data can be extracted according to the item.
도면 엔터티 행렬을 생성하는 과정에서는 전처리가 이루어진 도면 그림을 이용한다. 시스템(100)은 도면 그림의 번호를 추출하여 각 번호가 위치하고 있는 좌표 값을 이용해 행렬화 하여 데이터 추출한다. 아래 표 1에는 도면 그림을 행렬화 하여 추출한 예시를 확인할 수 있다. In the process of creating a drawing entity matrix, preprocessed drawing pictures are used. The system 100 extracts data by extracting numbers from drawings and matrixing them using the coordinate values where each number is located. In Table 1 below, you can see an example of a drawing extracted by matrixing it.
도 6은 AI를 이용해 격점상세도 이미지를 학습하는 과정을 설명하기 위한 도면이다. Figure 6 is a diagram to explain the process of learning a point detail image using AI.
본 발명에서는 행렬매칭 매커니즘과 더불어 AI를 이용한 이미지 학습을 통해 모델링 파일 추천의 정확도를 높일 수 있다. In the present invention, the accuracy of modeling file recommendation can be increased through image learning using AI in addition to the matrix matching mechanism.
다른 종류의 이미지 학습에 비해 본 발명의 분야인 격점상세도 파일은 데이터를 수집하기가 쉽지 않으므로 적은 데이터로도 모델을 학습할 수 있는 Siamese Network 사용하는 것이 바람직하다. 따라서, 본 발명의 일 실시예에서는 이미지를 분류하는 목적에 특화된 인공지능 모델 중 하나인 VGGNet을 백본(Backbone)으로 가지는 Siamese Network를 사용한다. 또한, 본 발명의 일 실시예에 따르면 이미지 학습 과정에서 행렬매칭 매커니즘을 통해 추출한 전산화 데이터를 레이블로 지정하여 학습 효율을 향상시킬 수 있다. Compared to other types of image learning, it is not easy to collect data for point-detail files, which are the field of the present invention, so it is preferable to use Siamese Network, which can learn models with small amounts of data. Therefore, in one embodiment of the present invention, Siamese Network, which has VGGNet, one of the artificial intelligence models specialized for the purpose of classifying images, as the backbone, is used. Additionally, according to an embodiment of the present invention, learning efficiency can be improved by designating computerized data extracted through a matrix matching mechanism as a label during the image learning process.
이미지 학습을 위해서 시스템(100)은 격점상세도 이미지 파일을 전처리한다. 이 때 시스템(100)은 행렬매칭 전처리와는 달리 재료의 이름과 설명 뿐 아니라 재료의 번호도 이미지에서 삭제한다. For image learning, the system 100 preprocesses the point detail image file. At this time, unlike matrix matching preprocessing, the system 100 deletes not only the name and description of the material but also the material number from the image.
도 7은 본 발명의 일 실시예에 따른 격점상세도 모델링 파일 추천 매커니즘을 설명하는 도면이다. Figure 7 is a diagram illustrating a gap point detail modeling file recommendation mechanism according to an embodiment of the present invention.
도 7을 참조하면, 격점상세도 모델링 파일 추천 방법은 확인대상 격점상세도를 입력하는 단계(S210)와, 확인대상 격점상세도를 데이터베이스(160) 내 전산화 파일과 행렬 매칭하는 단계(S220)와, 확인대상 격점상세도를 데이터베이스(160) 내 전산화 파일과 이미지 매칭하는 단계(S230)와, 행렬 매칭 결과와 이미지 매칭 결과를 조합하여 격점상세도 모델링 파일을 추천하는 단계(S240) 등을 포함할 수 있다. Referring to FIG. 7, the method of recommending a break point detail modeling file includes steps of inputting a break point detail to be confirmed (S210), and matrix matching the break point detail to be checked with a computerized file in the database 160 (S220). , a step (S230) of image matching the detailed detailed view to be confirmed with a computerized file in the database 160, and a step (S240) of recommending a detailed detailed modeling file by combining the matrix matching result and the image matching result. You can.
확인대상 격점상세도를 데이터베이스(160) 내 전산화 파일과 행렬 매칭하는 단계(S220)에서는 시스템(100)이 매트릭스 치트 시트(Matrix cheat sheet)를 생성하는 단계(S221)와, 확인대상 격점상세도와 매트릭스 치트 시트 내의 행렬들을 비교하는 단계(S222)와, 비교한 행렬들과의 유사도 점수를 계산하고 가장 높은 점수의 행렬에 대응하는 모델링 파일을 추천하는 단계(S223) 등을 포함할 수 있다. In the step (S220) of matrix matching the detailed score points to be checked with the computerized file in the database 160, the system 100 generates a matrix cheat sheet (S221), and the detailed detailed view points to be checked and the matrix. It may include a step of comparing matrices in the cheat sheet (S222), calculating a similarity score with the compared matrices, and recommending a modeling file corresponding to the matrix with the highest score (S223).
매트릭스 치트 시트(Matrix cheat sheet)를 생성하는 단계(S221)에서 시스템(100)은 도 9에 도시된 형태의 치트 시트를 생성시킬 수 있다. In the step of generating a matrix cheat sheet (S221), the system 100 may generate a cheat sheet of the form shown in FIG. 9.
도면 정보 추출 시에 시스템(100)은 도면 그림 정보를 행렬화하여 추출한다. 이 정보들을 전체 도면 파일에서 가져와 하나의 시트 안에 저장하게 되며, 본 발명에서는 이 시트를 매트릭스 치트 시트(matrix cheat sheet)라 정의한다. When extracting drawing information, the system 100 converts drawing information into a matrix and extracts it. This information is taken from the entire drawing file and stored in one sheet, and in the present invention, this sheet is defined as a matrix cheat sheet.
시스템(100)은 매트릭스 치트 시트(matrix cheat sheet)에 있는 도면 행렬 정보를 만들어져 있는 실제 3D Modeling 파일과 링크한다. 입력부(120)를 통해 새로운 격점 상세도 도면이 입력되면 시스템(100)은 앞에서 생성한 매트릭스 치트 시트(matrix cheat sheet)에서 도면 행렬 정보가 가장 유사한 모델링 파일을 추천한다. The system 100 links the drawing matrix information in the matrix cheat sheet with the actual 3D Modeling file that has been created. When a new detailed detailed drawing is input through the
확인대상 격점상세도와 매트릭스 치트 시트 내의 행렬들을 비교하는 단계(S222)에서는 확인대상 격점상세도와 매트릭스 치트 시트 안에 있는 행렬들을 비교/대조한다. In the step (S222) of comparing the grid point detail to be checked and the matrices in the matrix cheat sheet, the matrices in the grid point detail and the matrix cheat sheet are compared/contrasted.
비교/대조 방법은 먼저 행렬의 모양이 같은 도면끼리 서로 비교하여 동일한 모양의 행렬이 존재하는 경우 해당 행렬에 대응되는 모델링 파일을 추천한다. 동일한 모양의 행렬이 존재하지 않는 경우에는 행렬을 4회전시키며 모든 방향에 대해 동일성이 있는지를 확인한다. The comparison/contrast method first compares drawings with the same matrix shape, and if a matrix of the same shape exists, a modeling file corresponding to the matrix is recommended. If there is no matrix of the same shape, the matrix is rotated 4 times and checked for equality in all directions.
회전 변환 거친 후에도 동일한 행렬이 존재하지 않는 경우 행렬의 크기를 맞추어 준다. 본 발명의 일 실시예에 따르면 행렬의 크기는 행렬의 주위(행 또는 열)를 0으로 채워 행 또는 열의 수를 변경하는 방법으로 맞춘다. If the same matrix does not exist even after rotation transformation, adjust the size of the matrix. According to one embodiment of the present invention, the size of the matrix is adjusted by changing the number of rows or columns by filling the surroundings (rows or columns) of the matrix with zeros.
예를 들어, 표 2와 같이 4x5 행렬과 일치하는 행렬이 존재하지 않을 경우 시스템(100)은 표 2의 행렬을 회전 변환하여 동일한 행렬이 존재하는지 분석하고, 4번의 회전 변환을 거쳐도 동일한 행렬이 존재하지 않는다면 표 3과 같이 4x5 행렬을 5x5 행렬로 변환하여 다시 동일한 행렬이 존재하는지를 분석한다. 이 경우에도 동일한 행렬이 존재하지 않는 경우 회전 변환을 통해 동일한 행렬이 있는지 검토한다. For example, if there is no matrix that matches the 4x5 matrix as shown in Table 2, the system 100 rotates the matrix in Table 2 to analyze whether the same matrix exists, and the same matrix remains even after four rotation transformations. If it does not exist, convert the 4x5 matrix to a 5x5 matrix as shown in Table 3 and analyze again whether the same matrix exists. Even in this case, if the same matrix does not exist, check whether the same matrix exists through rotation transformation.
동일한 행렬이 존재하지 않는 경우 시스템(100)은 유사도 점수가 가장 높은 모델링 파일을 사용자에게 추천한다. If the same matrix does not exist, the system 100 recommends the modeling file with the highest similarity score to the user.
도 10을 참조하면, 시스템(100)은 확인대상 격점상세도를 입력 매트릭스(input matrix)로 설정하고, 매트릭스 치트 시트 내에 존재하는 매트릭스와 입력 매트릭스를 중첩시켜 더블 레이어 매트릭스(double layer matrix)를 생성시킨다. Referring to FIG. 10, the system 100 sets the detail point to be confirmed as an input matrix and creates a double layer matrix by overlapping the matrix existing in the matrix cheat sheet and the input matrix. I order it.
도시된 바에 따르면, 더블 레이어 매트릭스에서 일치하는 요소는 빨간색으로 표시하고 일치하지 않는 요소는 초록색으로 표시하였다. As shown, matching elements in the double layer matrix are displayed in red and non-matching elements are displayed in green.
유사도 점수는 일치하는 요소의 숫자를 전체 요소의 숫자로 나눈 값으로 정의한다. The similarity score is defined as the number of matching elements divided by the total number of elements.
도 10에서는 더블 레이어 매트릭스 상 일치하는 요소의 숫자는 3이고, 전체 요소의 숫자는 10이다. 따라서, 도 10의 유사도 점수는 0.3이 된다. In Figure 10, the number of matching elements in the double layer matrix is 3, and the total number of elements is 10. Therefore, the similarity score in Figure 10 is 0.3.
시스템(100)은 이러한 방식으로 유사도 점수를 계산하여 확인대상 격점상세도와 일치하는 행렬이 존재하지 않을 경우에는 가장 유사도 점수가 높은 모델링 파일을 사용자에게 추천하게 된다. The system 100 calculates the similarity score in this way, and if there is no matrix matching the point detail to be checked, it recommends the modeling file with the highest similarity score to the user.
확인대상 격점상세도를 데이터베이스(160) 내 전산화 파일과 이미지 매칭하는 단계(S230)에서는 시스템(100)이 이미지 학습을 통해 저장된 데이터베이스(160) 내의 모델링 이미지와 확인대상 격점상세도 이미지를 비교하여 가장 유사한 모델링 이미지를 추천한다. 그 후 시스템(100)은 이미지 학습을 통해 추천한 모델링 이미지와 확인대상 격점상세도 이미지의 유사도 점수를 계산한다. In the step (S230) of image matching the critical point detail to be confirmed with the computerized file in the database 160, the system 100 compares the modeling image in the database 160 stored through image learning with the critical point detail image to be confirmed to find the most Similar modeling images are recommended. Afterwards, the system 100 calculates a similarity score between the recommended modeling image and the point detail image to be confirmed through image learning.
행렬 매칭 결과와 이미지 매칭 결과를 조합하여 격점상세도 모델링 파일을 추천하는 단계(S240)에서는 행렬매칭 방식을 통해 추천된 모델링 파일의 유사도 점수와 이미지 학습 방식을 통해 추천된 모델링 파일의 유사도 점수를 확인하여 둘 중 하나의 유사도 점수가 기준값을 넘는 경우 추천 성공으로 판단하여 추천 방식을 데이터베이스(160)에 저장한다. 실험 결과 유사도 점수가 0.9 미만인 경우 특정 절점의 재료가 바뀌거나 누락되는 경우가 발생한 반면 0.9 이상일 경우 누락이 발생하는 경우가 발견되지 않았다. 따라서, 본 발명에서 추천 성공을 판가름하기 위한 유사도 점수의 기준값은 0.9로 설정하는 것이 바람직하다. In the step (S240) of recommending a detailed modeling file by combining the matrix matching result and the image matching result, the similarity score of the modeling file recommended through the matrix matching method and the similarity score of the modeling file recommended through the image learning method are confirmed. Therefore, if the similarity score of one of the two exceeds the standard value, the recommendation is judged to be successful and the recommendation method is stored in the database 160. As a result of the experiment, if the similarity score was less than 0.9, there were cases where the material of a specific node was changed or missing, whereas if the similarity score was more than 0.9, no cases of omission were found. Therefore, in the present invention, it is desirable to set the standard value of the similarity score to 0.9 to determine the success of recommendation.
본 발명의 일 실시예에 따르면, 시스템(100)은 추천 성공과 추천 실패의 데이터를 레이블값으로 설정하여 이미지 학습의 정확도를 향상시킬 수 있다. According to an embodiment of the present invention, the system 100 can improve the accuracy of image learning by setting recommendation success and recommendation failure data as label values.
상기에서 설명한 본 발명의 적어도 하나의 실시예에 따르면, 대량의 격점상세도 도면 데이터들을 자동으로 전산화하여 설계도 작성 및 시설관리 효율을 향상시킬 수 있고, 전산화된 격점상세도 도면 정보를 이용하여 시설물의 3D 모델링을 가능하게 하고 시스템이 절점에 매칭되는 3D 구조물을 추천해 줄 수 있게 하여 3D 모델링 속도를 증가시킬 수 있으며, 전산화된 절점 정보를 이용해 평면도, 종단면도와 조합하여 3차원 공간 데이터로 변환하는 것이 가능해지는 등 종래기술에 비해 향상된 효과를 기대할 수 있다. According to at least one embodiment of the present invention described above, it is possible to automatically computerize a large amount of detailed drawing data to improve design drawing and facility management efficiency, and to improve the efficiency of design drawing and facility management by using the computerized detailed drawing information. It enables 3D modeling and increases the speed of 3D modeling by allowing the system to recommend 3D structures matching nodes. It is possible to convert computerized node information into 3D spatial data by combining it with floor plans and longitudinal sections. Improved effects can be expected compared to prior technologies.
이상에서 설명한 본 발명의 내용은 위에서 설명된 실시예들의 구성과 방법에 한정되는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.The content of the present invention described above is not limited to the configuration and method of the embodiments described above, and the embodiments may be configured by selectively combining all or part of each embodiment so that various modifications can be made.
Claims (10)
입력부가 확인대상 격점상세도를 입력받아 데이터베이스 내의 전산화 파일과 행렬매칭하여 격점상세도 모델링 파일을 추천하는 단계를 포함하며,
상기 격점상세도 전산화 파일을 생성하는 단계는,
제어부가 행렬매칭 매커니즘을 통해 격점상세도 정보를 추출하는 단계; 및
이미지를 분류하는 목적에 특화된 인공지능 모델 중 하나인 VGGNet을 백본(Backbone)으로 가지는 샴 네트워크(Siamese Network)를 사용하여 격점상세도 이미지를 학습하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.A step where the data collection unit collects the break point detail file and generates a break point detail computerized file; and
It includes a step where the input unit receives the detailed detailed diagram of points to be confirmed, performs matrix matching with a computerized file in the database, and recommends a detailed detailed modeling file.
The step of generating the detailed computerized file is,
A step where the control unit extracts point detail information through a matrix matching mechanism; and
A point-detail computerized data comprising the step of learning a point-detail image using a Siamese Network that has VGGNet, one of the artificial intelligence models specialized for the purpose of classifying images, as a backbone. How to recommend processing and detailed modeling files.
상기 행렬매칭 매커니즘은,
제어부가 격점상세도 파일을 DXF (Drawing Exchange Format)
파일 형식으로 변환하는 단계;
제어부가 DXF 파일에서 절점별 레이어를 부여하는 단계;
제어부가 좌표 기반 텍스트 엔터티와 도면 엔터티 행렬을 생성하는 단계;
제어부가 동일 레이어를 갖는 텍스트 엔터티와 도면 엔터티 행렬을 매칭하여 절점정보를 추출하는 단계를 포함하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to paragraph 1,
The matrix matching mechanism is,
The control unit converts the detailed drawing file into DXF (Drawing Exchange Format)
Converting to file format;
A step where the control unit assigns a layer for each node in the DXF file;
A control unit generating coordinate-based text entities and drawing entity matrices;
A method of computerized nodal detail data processing and nodal detail modeling file recommendation, characterized in that the control unit extracts nodal information by matching a text entity and a drawing entity matrix having the same layer.
상기 좌표 기반 텍스트 엔터티는 격점상세도 재료들의 정보를 표로 나타낸 데이터들에 위치 좌표를 부여하여 순서에 상관없이 추출되는 텍스트 정보를 정렬하는 방식을 사용하여 생성하고,
상기 도면 엔터티 행렬은 격점상세도 도면에 포함된 문자 정보를 삭제하고 재료 번호가 재료 그림과 중첩되도록 배치를 변경한 후 상기 재료 번호들의 상관 관계를 토대로 행렬을 생성하는 방식을 사용하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to paragraph 3,
The coordinate-based text entity is created using a method of assigning positional coordinates to the data representing the information of the point detail materials in a table and sorting the extracted text information regardless of the order,
The drawing entity matrix is characterized by using a method of deleting text information included in the detailed point drawing, changing the arrangement so that the material number overlaps the material picture, and then generating a matrix based on the correlation between the material numbers. Method for computerized data processing of breakpoint details and recommendation of breakpoint detail modeling files.
격점상세도 모델링 파일을 추천하는 단계는,
확인대상 격점상세도를 입력받은 후 데이터베이스 내 전산화 파일과 행렬 매칭 및 이미지 매칭하여 가장 유사도가 높은 모델링 파일을 추천하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to paragraph 4,
The steps to recommend a detailed modeling file are:
A computerized data processing and detailed breakpoint modeling file recommendation method characterized by recommending a modeling file with the highest similarity through matrix matching and image matching with computerized files in the database after inputting the breakpoint detail to be confirmed.
상기 행렬매칭은,
확인대상 격점상세도와 매트릭스 치트 시트 내의 행렬들을 비교하여 동일한 행렬이 존재하는지 판단하고, 동일한 행렬이 존재하지 않는 경우 행렬을 회전변환하여 동일한 행렬이 존재하는지 판단하고, 회전변환하여 동일한 행렬이 존재하지 않는 경우 행렬의 크기를 변환하여 동일한 행렬이 존재하는지 판단하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to clause 5,
The matrix matching is,
Compare the matrices in the check target detail view and the matrix cheat sheet to determine whether the same matrix exists. If the same matrix does not exist, rotate the matrix to determine whether the same matrix exists. Rotate the matrix to determine whether the same matrix exists. In this case, a point-detail computerized data processing and point-detail modeling file recommendation method characterized by converting the size of the matrix to determine whether the same matrix exists.
행렬매칭 시 동일한 행렬이 존재하지 않는 경우 비교한 행렬들과의 유사도 점수를 계산하여 가장 높은 점수의 행렬에 대응하는 모델링 파일을 추천하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to clause 6,
When matching matrices, if the same matrix does not exist, the similarity score with the compared matrices is calculated and the modeling file corresponding to the matrix with the highest score is recommended. Recommended method.
상기 유사도 점수는,
입력 매트릭스(input matrix)와 매트릭스 치트 시트의 매트릭스를 중첩시켜 더블 레이어 매트릭스를 생성하고, 상기 더블 레이어 매트릭스에서 전체 요소 대비 일치하는 요소의 비율로 계산하는 것을 특징으로 하는 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.In clause 7,
The similarity score is,
A detailed computerized data processing, characterized in that a double-layer matrix is created by overlapping the input matrix and the matrix of the matrix cheat sheet, and the ratio of matching elements to the total elements in the double-layer matrix is calculated. How to recommend a detailed modeling file.
시스템이 이미지 매칭에 의하여 추천된 모델링 파일의 유사도 점수를 계산한 후, 행렬매칭의 유사도 점수와 이미지 매칭의 유사도 점수 중 어느 하나가 기설정된 기준값 이상인 경우 추천성공으로 판단하고 둘 다 기준값 미만인 경우 추천실패로 판단하여 데이터베이스에 저장하는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.According to clause 8,
After the system calculates the similarity score of the recommended modeling file by image matching, if either the similarity score of matrix matching or the similarity score of image matching is greater than the preset standard value, the recommendation is judged to be successful, and if both are less than the standard value, the recommendation is failed. A method of computerizing detailed breakpoint data and recommending detailed breakpoint modeling files, characterized by determining and storing them in a database.
상기 행렬매칭의 유사도 점수와 이미지 매칭의 유사도 점수 중 어느 하나가 기설정된 기준값 이상에 해당되어 추천성공으로 판단된 데이터들과, 행렬매칭의 유사도 점수와 이미지 매칭의 유사도 점수 둘 다 기준값 미만에 해당되어 추천실패 로 판단된 데이터들을 레이블로 지정해 이미지 학습을 진행하여 이미지 매칭의 정확도를 향상시키는 것을 특징으로 하는 격점상세도 전산화 데이터 처리 및 격점상세도 모델링 파일 추천 방법.
According to clause 9,
Data judged to be successful in recommendation because either the similarity score of the matrix matching or the similarity score of the image matching is greater than the preset standard value, and the similarity score of the matrix matching or the similarity score of the image matching is both less than the standard value. A point-detail computerized data processing and point-detail modeling file recommendation method that improves the accuracy of image matching by labeling data judged to be recommendation failures and performing image learning.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220098339 | 2022-08-08 | ||
| KR1020220098339 | 2022-08-08 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102614742B1 true KR102614742B1 (en) | 2023-12-15 |
Family
ID=89124746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230103765A KR102614742B1 (en) | 2022-08-08 | 2023-08-08 | Method for computerized date processing of point detail and recommendation method for point detail modeling file |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102614742B1 (en) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010066955A (en) * | 2008-09-10 | 2010-03-25 | Alpine Electronics Inc | Device, system, method and program for design support |
| CN108846089A (en) * | 2018-06-12 | 2018-11-20 | 南京师范大学 | A kind of spatial data matching method towards urban water supply special pipelines and comprehensive pipeline |
| CN109697298A (en) * | 2017-10-24 | 2019-04-30 | 刘军 | Method for drafting, device and the electronic equipment of prefabricated components in-depth detail drawing |
| CN110543655A (en) * | 2019-07-10 | 2019-12-06 | 广州大学 | optimal design method and device for precision alignment platform of nano-imprinting equipment |
| KR102141219B1 (en) * | 2019-12-26 | 2020-08-04 | 서정성 | Method and apparatus for controlling design and construction process of fire protection equipment |
| CN111814243A (en) * | 2020-07-20 | 2020-10-23 | 中铁二院重庆勘察设计研究院有限责任公司 | Automatic generation method of tunnel design drawing and three-dimensional model |
| KR102191493B1 (en) * | 2019-12-26 | 2020-12-14 | 주식회사 태화산업 | Method and apparatus for controlling design and construction process of electrical equipment |
| KR102269474B1 (en) * | 2020-11-27 | 2021-06-25 | 주식회사 무브먼츠 | Method for extracting 2d drawing data of pipelines to generate 3d design data |
| US20210407111A1 (en) * | 2020-06-24 | 2021-12-30 | Bluebeam, Inc. | Systems and methods for automatic alignment of drawings |
| CN114547968A (en) * | 2022-01-18 | 2022-05-27 | 国网冀北电力有限公司 | Physical loop modeling method of intelligent substation drawing |
-
2023
- 2023-08-08 KR KR1020230103765A patent/KR102614742B1/en active IP Right Grant
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010066955A (en) * | 2008-09-10 | 2010-03-25 | Alpine Electronics Inc | Device, system, method and program for design support |
| CN109697298A (en) * | 2017-10-24 | 2019-04-30 | 刘军 | Method for drafting, device and the electronic equipment of prefabricated components in-depth detail drawing |
| CN108846089A (en) * | 2018-06-12 | 2018-11-20 | 南京师范大学 | A kind of spatial data matching method towards urban water supply special pipelines and comprehensive pipeline |
| CN110543655A (en) * | 2019-07-10 | 2019-12-06 | 广州大学 | optimal design method and device for precision alignment platform of nano-imprinting equipment |
| KR102141219B1 (en) * | 2019-12-26 | 2020-08-04 | 서정성 | Method and apparatus for controlling design and construction process of fire protection equipment |
| KR102191493B1 (en) * | 2019-12-26 | 2020-12-14 | 주식회사 태화산업 | Method and apparatus for controlling design and construction process of electrical equipment |
| US20210407111A1 (en) * | 2020-06-24 | 2021-12-30 | Bluebeam, Inc. | Systems and methods for automatic alignment of drawings |
| CN111814243A (en) * | 2020-07-20 | 2020-10-23 | 中铁二院重庆勘察设计研究院有限责任公司 | Automatic generation method of tunnel design drawing and three-dimensional model |
| KR102269474B1 (en) * | 2020-11-27 | 2021-06-25 | 주식회사 무브먼츠 | Method for extracting 2d drawing data of pipelines to generate 3d design data |
| CN114547968A (en) * | 2022-01-18 | 2022-05-27 | 国网冀北电力有限公司 | Physical loop modeling method of intelligent substation drawing |
Non-Patent Citations (1)
| Title |
|---|
| '상수도관망 정비 기술, 블록시스템 구축 및 노후관 정비 설계시 주안점' (https://blog.naver.com/daegunusu04/222370081326 ) |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112270027B (en) | Paperless intelligent interactive examination method for city design based on entity model | |
| US10248858B2 (en) | Multi-page document recognition in document capture | |
| CN113642088B (en) | Method for feeding back construction progress information and displaying deviation of BIM (building information modeling) model in real time | |
| Dong et al. | Tablesense: Spreadsheet table detection with convolutional neural networks | |
| CN1103087C (en) | Optical scanning list recognition and correction method | |
| CN113434623B (en) | Fusion method based on multi-source heterogeneous space planning data | |
| CN112115774A (en) | Character recognition method and device combining RPA and AI, electronic equipment and storage medium | |
| CN111767732A (en) | Document content understanding method and system based on graph attention model | |
| Pantoja-Rosero et al. | Generating LOD3 building models from structure-from-motion and semantic segmentation | |
| JP4235604B2 (en) | Image processing apparatus, image processing method, and program | |
| Cotella | From 3D point clouds to HBIM: application of artificial intelligence in cultural heritage | |
| CN114387608B (en) | Table structure identification method combining convolution and graph neural network | |
| JP6523979B2 (en) | Document management apparatus, document management method and program | |
| KR102388777B1 (en) | System for providing adjacent building pre-survey service usign 360 degree virtual reality camera | |
| CN116862454B (en) | Indoor building design management method and system | |
| KR102614742B1 (en) | Method for computerized date processing of point detail and recommendation method for point detail modeling file | |
| Li et al. | [Retracted] Deep‐Learning‐Based 3D Reconstruction: A Review and Applications | |
| KR101063827B1 (en) | Semi-automated Conjugated Point Pair Extraction Method for Transformation of Geometric Maps between Continuous and Digital Topographic Maps | |
| CN115858843A (en) | City space map information platform in block form and construction method thereof | |
| CN116311297A (en) | Electronic evidence image recognition and analysis method based on computer vision | |
| KR20240020705A (en) | Method for extracting and computerizing longitudinal section datas | |
| CN115690795A (en) | Resume information extraction method and device, electronic equipment and storage medium | |
| CN114694159A (en) | Engineering drawing BOM identification method and device, electronic equipment and storage medium | |
| Dal-Poz et al. | Automatic extraction of road seeds from high-resolution aerial images | |
| CN115048473A (en) | Artificial intelligence service method and system for city information model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |