【技术实现步骤摘要】
面向机器学习的柱大样建筑图纸图层分类方法及系统
本专利技术属于建筑信息模型和建筑图纸的机器学习智能识别
，具体是一种基于构件特征的图层分类方法，尤其涉及一种面向机器学习的柱大样建筑图纸图层分类方法及系统。
技术介绍
随着计算机软硬件技术的发展，建筑信息模型BIM技术在建筑行业的应用越来越深入，在建筑工程的预算、施工、结算、运维等各阶段都大量使用了BIM模型完成算量、体量、计价等工作，大幅提升建筑行业信息化水平。由此可见BIM模型的构建变得尤为重要。当前建筑设计行业的现状是以CAD图纸的形式交付建筑施工图，因此BIM模型通常是通过人工翻模、软件自动翻模的方式实现的。现有技术如广州大学的自动建模系列母子专利《基于建筑图纸的建筑物自动建模方法》、《基于建筑图纸的阳台自动识别方法》、《基于建筑图纸的门和窗自动识别方法》、《基于建筑图纸的井自动识别方法及系统》、《基于建筑图纸的柱和墙自动识别方法》、《基于建筑图纸的楼梯自动识别方法》，宁波睿峰信息科技有限公司的图层分类专利《一种将建筑图纸转换为三维BIM模型的图层...
【技术保护点】
1.一种面向机器学习的柱大样建筑图纸图层分类方法，用于服务器端，包括：导入CAD建筑图纸并进行预处理，按照图形元素进行分割成子图并建立对应属性信息映射关系，分析柱大样特征图层并进行识别分类，根据表格图层完成柱大样CAD建筑图纸特征图层分类。/n
【技术特征摘要】
1.一种面向机器学习的柱大样建筑图纸图层分类方法，用于服务器端，包括：导入CAD建筑图纸并进行预处理，按照图形元素进行分割成子图并建立对应属性信息映射关系，分析柱大样特征图层并进行识别分类，根据表格图层完成柱大样CAD建筑图纸特征图层分类。
2.根据权利要求1所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述CAD建筑图纸包含不同楼层的柱、墙、梁、板、板筋、楼梯以及其他多种建筑构件的子图构成子图集合。
3.根据权利要求2所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述子图带有矩形边框，子图之间在几何上彼此分离。
4.根据权利要求1或2或3所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述按照图形元素进行分割成子图包括以下具体步骤：
步骤101、遍历所有CAD建筑图纸的图形元素，找出所有的矩形元素；
步骤102、找出最大的且相分离的矩形图形元素集，所述矩形元素作为CAD子图边框；
步骤103、遍历子图边框，根据边框范围，选中范围内的CAD图形元素并另存为一新CAD图纸文件，保存CAD图纸的原有的图层分类信息；
步骤104、重复步骤S101-S103，遍历完成CAD图纸的自动分割。
5.根据权利要求4所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述最大的矩形图形元素集，是指不被其他矩形包含在内的矩形元素。
6.根据权利要求1或2所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述建立对应属性信息映射关系需识别子图用途，包括以下步骤：
S201、识别所有图名信息，从CAD设计图纸中识别出图纸目录表格，获得该CAD图纸中子图的数量、图号、图纸名称及其他数据；
S202、识别子图图名信息，遍历子图中的所有文本图元信息，与图纸目录中的图纸名称匹配，如果匹配，建立子图与图纸名称的映射关系；
S203、识别子图纸用途，识别图名中的建筑构件名称信息，建立图纸名称与建筑构件之间的匹配信息。
7.根据权利要求1所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述柱大样构件分为原位柱大样和表格柱大样，表格柱大样分为一型、二型，包括以下表达信息特征：名称、标高、截面多边形、截面尺寸信息、纵筋布筋位置信息、箍筋布筋位置信息、纵筋钢筋信息以及箍筋钢筋信息。
8.根据权利要求1所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述柱大样构件包括以下设计元素特征：表格、原位大样集中标注、柱构件名称编号、标高、纵筋集中标注、箍筋集中标注、截面多边形、截面尺寸标注、纵筋布筋点位集、纵筋原位标注、箍筋布筋线集、箍筋拆分图线集以及箍筋原位标注。
9.根据权利要求1或7所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述柱大样CAD建筑图纸特征图层分类包括：
S301、表格特征图层自动分类，进行表格的自动识别和表头自动识别；
S302、原位大样集中标注特征图层自动分类；
S303、二型表格柱大样特征图层自动分类；
S304、一型表格柱大样识别特征图层自动分类；
S305、尺寸标注特征图层自动分类；
S306、截面多边形特征图层自动分类；
S307、纵筋布筋点位集特征图层自动分类；
S308、纵筋原位标注特征图层自动分类；
S309、箍筋布筋线集特征图层自动分类；
S310、箍筋拆分图线集特征图层自动分类；
S311、箍筋原位标注特征图层自动分类。
10.根据权利要求9所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述步骤S301包括：
1.1、进行表格的自动识别；
所述表格的几何特征包括水平、垂直两组平行线，具备以下特征：
1)假设水平方向平行线，左端为起点，右段为终点；垂直方向平行线，上端为起点，下端为终点；
则有以下推论：
2)所有水平方向的平行线长度相等，所有垂直方向的平行线长度相等；
3)所有水平方向的平行线的起点都位于同一条直线上，即垂直方向水平线最左边的那条平行直线；所有水平方向的平行线的终点都位于同一条直线上，即垂直方向水平线最右边的那条平行直线；
4)所有垂直方向的平行线的起点都位于同一条直线上，即水平方向水平线最上边的那条平行直线；所有垂直方向的平行线的终点都位于同一条直线上，即水平方向水平线最下边的那条平行直线；
根据上述表格特征，进行表格识别，识别行列数，根据行列数计算出每一个表格单元，假定为Cell，表格单元的矩形边框范围，假定为Rect，即Rect(left，top，right，bottom)；
如果自动识别表格失败，则跳转步骤S302原位大样集中标注特征图层自动分类；
1.2，识别表头；
优先按照列来识别表头，如果按列无法识别表头，则按行方式识别表头，算法逻辑一样；
1.2.1先按列遍历，如果完成遍历，调到步骤1.2.4；
1.2.2当前列中，再按行遍历每个cell，基于cell的rect范围去检索CAD图元信息，若当前cell只检索到一个CAD文本图元，则记录改cell为候选表头字段，同时记录当前cell检索到的所有CAD图元的图元信息，以备后用；
1.2.3如果当前列中的所有cell都为候选表头，并且当前列中的表头信息符合柱大样表的表头信息标准，则记录当前列为表头列；调到步骤1.2.1；
1.2.3.1如果当前列中的所有cell都为候选表头，并且当前列中的表头信息不符合柱大样表的表头信息标准，则记录当前列为非表头列；调到步骤1.2.1；
1.2.3.2如果当前列中的有一个cell为非候选表头，则记录当前列为非表头列，调到步骤1.2.1；
1.2.4检查所有列，判断是否识别出表头列，以及表头列的数量；如果没有识别出表头，换为按行识别表头；
1.2.5如果识别出表头列，将表格线加入表格线特征图层，输出表格信息table以备后用，完成表格线自动分类；
如果识别表格成功，但识别表头失败，则跳转步骤S303开始二型表格柱大样特征图层自动分类；
如果识别表格成功，且识别表头成功，则跳转步骤S304开始一型表格柱大样识别特征图层自动分类。
11.根据权利要求9所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述步骤S302中原位柱大样CAD图纸集中标注了柱大样的名称、纵筋、箍筋、尺寸信息以及其他相关信息，包括：
2.1遍历CAD图纸的所有文本信息，若遍历完成，则跳转2.5；
2.2如果当前CAD文本图元信息为多行文本，则跳转2.3；否则跳转2.1；
2.3如果当前CAD多行文本图元符合柱大样名称、尺寸、纵筋、箍筋标注信息标准，则跳转2.4；
2.3.1如果当前CAD多行文本图元不符合柱大样名称、尺寸、纵筋、箍筋标注信息标准，则跳转2.1；
2.4基于当前CAD多行文本图元，检索其引线图元，若果找到引线图元，则将CAD多行文本图元、引线图元加入到原位大样集中标注特征图层；
2.5结束原位柱大样集中标注特征图层自动分类。
12.根据权利要求9所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述步骤S303中二型表格柱大样，每一个单元格完整的包含柱大样的名称、纵筋、箍筋、标高信息、截面信息，其图层自动分类包括：
3.1按行遍历表格table，如果遍历完成，则跳转3.4；
3.2遍历当前行的每一个cell，如果完成，则跳转3.1；
3.3将当前cell标记为截面特征，并且遍历当前cell的CAD文本图形元素，如果完成，则跳转3.2；
3.3.1如果当前文本图元的字符串取值符合主构件编号/名称语义规范，则将当前行标记为柱构件名称编号特征，将当前行的所有列单元格的CAD图形元素加入到柱构件名称编号特征图层，跳转3.3；
3.3.2如果当前文本图元的字符串取值符合纵筋语义规范，并且该文本图元通过引线与填充截面多边形相连，则将当前CAD图形元素加入到柱构件纵筋集中标注特征图层，跳转3.3；
3.3.3如果当前文本图元的字符串取值符合箍筋语义规范，并且同时满足以下条件之一的，则将当前CAD图形元素加入到柱构件箍筋集中标注特征图层，跳转3.3；
3.3.3.1该文本图元通过引线与填充截面多边形相连；
3.3.3.2该文本图元位于当前cell的Rect的中下部，且上方有一条独立水平短直线；
3.3.4如果当前文本图元的字符串取值包含标高等相关语义信息，则将当前CAD图形元素加入到柱构件标高特征图层，跳转3.3；
3.4完成二型表格柱大样集中标注类特征图层自动分类。
13.根据权利要求9所述的面向机器学习的柱大样建筑图纸图层分类方法，其特征在于，所述步骤S304中一型表格柱大样，具有柱大样的名称、纵筋、箍筋、标高信息、截面信息字段表头单元格，且个字段的取值也位于不同独立表格单元格中。
假设表头按列排列称为列式表头(行式处理逻辑相同)，则其图层自动分类包括：
4.1遍历表格表头，如果当前行的表头单元格的取值符合语义规范，则将当前行标记为柱构件名称编号特征，将当前行的所有列单元格的CAD图形元素加入到柱构件名称编号特征图层，完成该图层的自动分类；
4.2遍历表格表头，如果当前行的表头单元格的取值符合语义规范，则将当前行标记为纵筋集中标注特征，将当前行的所有列单元格的CAD图形元素加入到柱构件纵筋集中标注特征图层...
【专利技术属性】
技术研发人员：刘仕杰，
申请(专利权)人：广联达科技股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。