本申请提供了一种电子图纸的识别方法、装置、电子设备及存储介质，对电子图纸进行解析，以确定电子图纸中的目标图素的属性数据，目标图素包括线和文本；根据目标图素的属性数据，提取每个线的多个第一目标子特征；针对每个线，分别对该线的多个第一目标子特征进行归一化处理，并将归一化处理后的多个第一目标子特征合并为该线对应的第一目标特征；针对每个线，将该线对应的第一目标特征输入与目标构件类型对应的预测分类模型，以输出该线对应的预测值；根据每个线对应的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线，以准确的在电子图纸中识别出构件线，为检测电子图纸中的目标构件奠定基础。检测电子图纸中的目标构件奠定基础。检测电子图纸中的目标构件奠定基础。
【技术实现步骤摘要】
一种电子图纸的识别方法、装置、电子设备及存储介质
[0001]本申请涉及电子图纸识别
，具体而言，涉及一种电子图纸的识别方法、装置、电子设备及存储介质。
技术介绍
[0002]现有的建筑图纸构件识别中，一般通过图像识别算法实现，但是建筑图纸中图形复杂，外观相似的构件可能是不同构件类型的构件，例如梁和柱绘制在电子图纸中都是矩形形状，因此利用图像识别算法对电子图纸中的构件进行识别准确率较低，不能满足识别需求。因此提出一种结合机器学习算法的建筑图纸的构件识别方法，首先识别出建筑图纸中所有构件线，再基于识别出的构件线检测出目标构件。但如何从建筑图纸中准确的识别出构件线是待解决的问题。
技术实现思路
[0003]有鉴于此，本申请的目的在于提供一种电子图纸的识别方法、装置、电子设备及存储介质，以准确的在电子图纸中识别出构件线，为检测电子图纸中的目标构件奠定基础。
[0004]第一方面，本申请提供了一种电子图纸的识别方法，方法包括：接收图纸识别指令，图纸识别指令中携带有类型标识和图纸标识，图纸标识指示待识别的电子图纸，类型标识指示期望识别的目标构件类型；获取图纸标识所指示的电子图纸，并对电子图纸进行解析，以确定电子图纸中的目标图素的属性数据，目标图素包括线和文本；根据目标图素的属性数据，提取每个线的多个第一目标子特征；针对每个线，分别对该线的多个第一目标子特征进行归一化处理，并将归一化处理后的多个第一目标子特征合并为该线对应的第一目标特征；针对每个线，将该线对应的第一目标特征输入与目标构件类型对应的预测分类模型，以输出该线对应的预测值；根据每个线对应的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线。
[0005]优选的，属性数据包括线的长度值、线的宽度值和线的端点坐标，通过以下方式提取多个第一目标子特征：针对每个线，提取该线的长度值、宽度值和端点坐标中的至少一个数据值，每提取的一个数据值确定为该线的一个第一目标子特征。
[0006]优选的，通过以下方式提取多个第一目标子特征：针对每个线，确定与该线存在交点的相交线，将确定出的相交线的数量，确定为该线的一个第一目标子特征，和/或，将该线在电子图纸中与目标轴之间的角度值，提取为该线的一个第一目标子特征。
[0007]优选的，属性数据还包括文本的位置坐标，通过以下方式提取多个第一目标子特征：针对每个线，根据该线与各文本的位置坐标之间的距离值，确定出与该线距离最近的文本；针对每个线，将与该线距离最近的文本的位置坐标，提取为该线的一个第一目标子特征，和/或，将该线与距离最近的文本之间的距离值，提取为该线的一个第一目标子特征。
[0008]优选的，通过以下方式确定出电子图纸中用于构成目标构件类型所指示的构件的构件线：针对每个线，将该线对应的预测值与目标预测值进行比较，若该线对应的预测值大
于目标预测值，则确定该线是用于构成目标构件类型所指示的构件的构件线，若该线对应的预测值不大于目标预测值，则确定该线不是用于构成目标构件类型所指示的构件的构件线。
[0009]优选的，预测分类模型包括多个决策树模型，通过以下方式生成与目标构件类型对应的预测分类模型：根据目标构件类型确定多个预设特征集，每个预设特征集包括多个第二目标特征，多个第二目标特征为用于构成目标构件类型所指示的构件的构件线的特征；针对每个预设特征集，利用该预设特征集与初始模型，训练生成一个决策树模型，每个决策树模型用于输出每个线归属于目标构件类型所指示的构件的权重值；根据多个决策树模型，生成与目标构件类型对应的预测分类模型，其中，预测分类模型输出的预设值为所有决策树模型输出的权重值的总和。
[0010]优选的，第二目标特征包括多个第二目标子特征，每个决策树模型包括多个节点，通过以下方式训练生成每个决策树模型：确定每个节点对应的分裂特征，每个节点对应的分裂特征为一个第二目标子特征；确定每个节点对应的分裂特征的分裂特征值；根据每个节点上的分裂特征和分裂特征值配置初始模型，初始模型中的每个决策路径上的最后一个节点对应输出权重值，以生成决策树模型。
[0011]第二方面，本申请提供了一种电子图纸的识别装置，装置包括：
[0012]接收模块，用于接收图纸识别指令，图纸识别指令中携带有类型标识和图纸标识，图纸标识指示待识别的电子图纸，类型标识指示期望识别的目标构件类型；
[0013]解析模块，用于获取图纸标识所指示的电子图纸，并对电子图纸进行解析，以确定电子图纸中的目标图素的属性数据，目标图素包括线和文本；
[0014]特征提取模块，用于根据目标图素的属性数据，提取每个线的多个第一目标子特征；
[0015]归一化模块，用于针对每个线，分别对该线的多个第一目标子特征进行归一化处理，并将归一化处理后的多个第一目标子特征合并为该线对应的第一目标特征；
[0016]预测模块，用于针对每个线，将该线对应的第一目标特征输入与目标构件类型对应的预测分类模型，以输出该线对应的预测值；
[0017]判断模块，用于根据每个线对应的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线。
[0018]第三方面，本申请还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的电子图纸的识别方法的步骤。
[0019]第四方面，本申请还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的电子图纸的识别方法的步骤。
[0020]本申请提供的一种电子图纸的识别方法、装置、电子设备及存储介质，接收图纸识别指令，图纸识别指令中携带有类型标识和图纸标识，图纸标识指示待识别的电子图纸，类型标识指示期望识别的目标构件类型。获取图纸标识所指示的电子图纸，并对电子图纸进行解析，以确定电子图纸中的目标图素的属性数据，目标图素包括线和文本。根据目标图素
的属性数据，提取每个线的多个第一目标子特征；针对每个线，分别对该线的多个第一目标子特征进行归一化处理，并将归一化处理后的多个第一目标子特征合并为该线对应的第一目标特征。针对每个线，将该线对应的第一目标特征输入与目标构件类型对应的预测分类模型，以输出该线对应的预测值。根据每个线对应的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线。通过在电子图纸中，针对每个线提取目标特征，这里的目标特征是基于电子图纸中图素的属性数据选择提取的，进而通过预测分类模型计算出每个线的预测值，根据每个线的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线。通过预设的构件线的特征结合机器学习算法，识别出的构件线更准确。
[0021]为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0022]为了更清楚地说明本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电子图纸的识别方法，其特征在于，所述方法包括：接收图纸识别指令，所述图纸识别指令中携带有类型标识和图纸标识，所述图纸标识指示待识别的电子图纸，所述类型标识指示期望识别的目标构件类型；获取所述图纸标识所指示的电子图纸，并对电子图纸进行解析，以确定电子图纸中的目标图素的属性数据，所述目标图素包括线和文本；根据所述目标图素的属性数据，提取每个线的多个第一目标子特征；针对每个线，分别对该线的多个第一目标子特征进行归一化处理，并将归一化处理后的多个第一目标子特征合并为该线对应的第一目标特征；针对每个线，将该线对应的第一目标特征输入与目标构件类型对应的预测分类模型，以输出该线对应的预测值；根据每个线对应的预测值，确定出电子图纸中用于构成目标构件类型所指示的构件的构件线。2.根据权利要求1所述的方法，其特征在于，所述属性数据包括线的长度值、线的宽度值和线的端点坐标，通过以下方式提取多个第一目标子特征：针对每个线，提取该线的长度值、宽度值和端点坐标中的至少一个数据值，每提取的一个数据值确定为该线的一个第一目标子特征。3.根据权利要求2所述的方法，其特征在于，通过以下方式提取多个第一目标子特征：针对每个线，确定与该线存在交点的相交线，将确定出的相交线的数量，确定为该线的一个第一目标子特征，和/或，将该线在电子图纸中与目标轴之间的角度值，提取为该线的一个第一目标子特征。4.根据权利要求3所述的方法，其特征在于，所述属性数据还包括文本的位置坐标，通过以下方式提取多个第一目标子特征：针对每个线，根据该线与各文本的位置坐标之间的距离值，确定出与该线距离最近的文本；针对每个线，将与该线距离最近的文本的位置坐标，提取为该线的一个第一目标子特征，和/或，将该线与距离最近的文本之间的距离值，提取为该线的一个第一目标子特征。5.根据权利要求1所述的方法，其特征在于，通过以下方式确定出电子图纸中用于构成目标构件类型所指示的构件的构件线：针对每个线，将该线对应的预测值与目标预测值进行比较，若该线对应的预测值大于目标预测值，则确定该线是用于构成目标构件类型所指示的构件的构件线，若该线对应的预测值不大于目标预测值，则确定该线不是用于构成目标构件类型所指示的构件的构件线。6.根据权利要求1所述的方法，其特征在于，所述预测分类模型包括多个决策树模型，通过以下方式生成与目标构件类型对应的预测分类模型：根据...
【专利技术属性】
技术研发人员：葛梦颖，李志星，
申请(专利权)人：北京国盛华兴科技有限公司，
类型：发明
国别省市：
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。