一种基于轮廓筛选的建筑平面图纸房间识别方法技术

本发明专利技术公开的属于图纸房间识别技术领域，具体为一种基于轮廓筛选的建筑平面图纸房间识别方法，该方法利用图像相关算法识别出图纸上的所有轮廓，然后对图纸上所有被检测出的轮廓进行筛选，使用一些过滤规则，排除不符合要求的一些干扰轮廓，从而筛选出最有可能是房间的轮廓，并使用外接矩形框表示。最后继续使用非极大抑制算法筛选矩形框来获得最有可能是房间的矩形框。该方法对平面建筑图纸的房间识别具有一定的泛化能力，即可以识别不同类型的建筑平面图纸上的房间，为建筑平面图纸的房间识别提供了一种新思路。识别提供了一种新思路。识别提供了一种新思路。

【技术实现步骤摘要】
一种基于轮廓筛选的建筑平面图纸房间识别方法


[0001]本专利技术涉及图纸房间识别
，具体为一种基于轮廓筛选的建筑平面图纸房间识别方法。

技术介绍

[0002]许多建筑年代久远楼房建筑只具有纸质版的CAD图纸，需要一种方法可以识别出图纸上的房间位置，方便更好地进行国家机关事业单位进行办公用房分配等系统化的管理。现有技术大致方法为首先利用OCR技术提取文字部分，然后根据线的粗细提取房间骨架，封闭房间，最后完成房间识别。然而这些方法大多只适用于特定图纸，即在给定绘制标准的前提下进行，比如墙体如何绘制，门如何绘制，同时这些方法的识别速度不高。因此需要一个对图纸前提条件要求少，泛化能力更强，速度更快的方法来识别建筑平面图纸上的房间。

技术实现思路

[0003]本专利技术的目的在于提供一种基于轮廓筛选的建筑平面图纸房间识别方法，以解决上述
技术介绍
中提出的方法只适用于特定图纸、识别速度不高的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于轮廓筛选的建筑平面图纸房间识别方法，包括以下步骤：
[0005]S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；
[0006]S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；
[0007]S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；
[0008]S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；
[0009]S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息；
[0010]S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息。
[0011]优选的，所述步骤1中的使用的滤波为高斯滤波。
[0012]优选的，所述步骤2边缘检测的算法为Canny边缘检测。
[0013]优选的，所述步骤5中的轮廓过滤原则为同时满足以下三个条件时保留：
[0014]1轮廓的周长面积的比值小于等于设定的阈值；
[0015]2轮廓的面积占图片总面积的比值大于等于设定的阈值；
[0016]3轮廓的细长度大于等于设定的阈值。
[0017]其中条件3中细长度的计算公式为：
[0018]优选的，所述步骤6中的矩形框过滤的原则具体为：
[0019]A首选过滤面积最大矩形框外的所有矩形框；
[0020]B使用非极大抑制算法计算并过滤矩形框；
[0021]C若存在大框包含小框的情况，则计算大框减去小框的剩余面积与大框面积的比值，当其不超过设定的阈值时，则过滤，否则，保留。
[0022]与现有技术相比，本专利技术的有益效果是：
[0023]本专利技术的基于轮廓筛选的建筑平面图纸的房间识别方法可以快速完成图纸的房间识别，由于是基于轮廓筛选，所以本方法对图纸的绘制方式限制较小，只要图纸上的房间是封闭即可，因此本方法的泛化能力较好。只需输入建筑平面图纸，即可获得房间位置坐标信息的输出。
附图说明
[0024]图1为本专利技术的流程示意图；
[0025]图2、3、4、5为本方法的识别示意图。
具体实施方式
[0026]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0028]实施例：
[0029]请参阅图1
‑
5，本专利技术提供一种技术方案：一种基于轮廓筛选的建筑平面图纸房间识别方法，包括以下步骤：
[0030]S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；
[0031]S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；
[0032]S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；
[0033]S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；
[0034]S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息；
[0035]S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息。
[0036]所述步骤1中的使用的滤波为高斯滤波。
[0037]所述步骤2边缘检测的算法为Canny边缘检测。
[0038]所述步骤5中的轮廓过滤原则为同时满足以下三个条件时保留：
[0039]1轮廓的周长面积的比值小于等于设定的阈值；
[0040]2轮廓的面积占图片总面积的比值大于等于设定的阈值；
[0041]3轮廓的细长度大于等于设定的阈值。
[0042]其中条件3中细长度的计算公式为：
[0043]所述步骤6中的矩形框过滤的原则具体为：
[0044]A首选过滤面积最大矩形框外的所有矩形框；
[0045]B使用非极大抑制算法计算并过滤矩形框；
[0046]C若存在大框包含小框的情况，则计算大框减去小框的剩余面积与大框面积的比值，当其不超过设定的阈值时，则过滤，否则，保留。
[0047]其中，Canny边缘检测时的阈值设置为50，150，轮廓过滤原则中，轮廓的周长面积的比值的阈值为0.17，轮廓的面积占图片总面积的比值的阈值为 0.0005，轮廓的细长度的阈值为0.1。轮廓筛选后开始矩形框筛选，考虑图纸一般都有最大的外轮廓，所以先过滤掉最大外轮廓对应的最大矩形框之外的矩形框，即若一个矩形框的中心在最大矩形框外部，则删除这个矩形框；利用非极大阈值算法过滤掉重合度较高的矩形框，该算法需要利用一个分数排序，这里利用面积的倒数作为分数；对于大框包含小框的情况，可能是房间内的房间，也可能是多余的框，因此使用剩余面积进行过滤，即大框面积减去内部所有小框面积，若剩余面积占大框面积超过一半，则保留这个大框，否则删除大框，最后保留的所有矩形框坐标即为识别出的房间坐标。
[0048]图2，3，4，5是本方法应用的示意图，每张示意图从上到下依次为原图，轮廓筛选图，最终本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轮廓筛选的建筑平面图纸房间识别方法，其特征在于，包括以下步骤：S1：对建筑平面图片灰度化，使用滤波对其进行平滑去噪，并输出结果图片；S2：应用边缘检测算法对S1输出的图片进行边缘检测，并输出边缘检测后的图片；S3：对S2输出的边缘检测后的图片进行形态学变换中的闭运算，并输出形态学变换后的图片；S4：对S3输出的结果图进行轮廓检测，识别出图片上所有的轮廓，并保存输出所有轮廓的信息；S5：根据S4输出的轮廓信息，按照轮廓过滤的规则，对所有轮廓进行筛选，筛选完的轮廓改用外接矩形框表示，输出矩形框坐标点信息；S6：根据S5输出的矩形框信息，按照矩形框过滤的规则，对矩形框进行筛选，获得最终房间对应的矩形框位置信息，输出房间位置信息。2.根据权利要求1所述的一种基于轮廓筛选的建筑平面图纸房间识别方法，其特征在于：所述步骤1中的使用的滤波为高斯...

【专利技术属性】
技术研发人员：韩志科，
申请(专利权)人：杭州聚秀科技有限公司，
类型：发明
国别省市：