【技术实现步骤摘要】
基于建筑图纸的区域特征提取方法、装置和计算机设备
[0001]本申请涉及图纸处理
，特别是涉及一种基于建筑图纸的区域特征提取方法、装置、计算机设备和存储介质。
技术介绍
[0002]在建筑图纸领域由于需要对指定区域进行分析，例如房间区域内的标高信息等。而利用人力去从图纸找出这些区域，效率比较低。
[0003]目前，对建筑图纸的指定区域进行分析采用的方法是基于深度学习的语义分割模型提取出指定区域，容易出现预测前景的像素缺失或者过多，造成区域分割不完整或者多个区域合并成一个区域，导致建筑图纸目标区域提取不准确。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够提高建筑图纸目标区域提取准确性的基于建筑图纸的区域特征提取方法、装置、计算机设备和存储介质。
[0005]一种基于建筑图纸的区域特征提取方法，所述方法包括：
[0006]获取建筑平面设计图纸；
[0007]利用训练好的区域提取模型，提取所述建筑平面设计图纸中各区域的区域关键点，所述区域关键点包括区域...
【技术保护点】
【技术特征摘要】
1.一种基于建筑图纸的区域特征提取方法，其特征在于，所述方法包括：获取建筑平面设计图纸；利用训练好的区域提取模型，提取所述建筑平面设计图纸中各区域的区域关键点，所述区域关键点包括区域的角点；对各所述区域关键点按照预设指定顺序进行连接，得到各所述区域的平面信息；输出所述区域的平面信息。2.根据权利要求1所述的方法，其特征在于，所述利用训练好的区域提取模型，提取所述建筑平面设计图纸中各区域的区域关键点，包括：利用训练好的区域提取模型，识别所述建筑平面设计图纸中的目标区域；提取各所述目标区域的区域关键点；所述对各所述区域关键点按照预设指定顺序进行连接，得到区域的平面信息，包括：对各所述目标区域关键点按照预设指定顺序进行连接，得到各所述目标区域的平面信息。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述建筑平面设计图纸中区域的平面信息进行可视化显示，并标识所述区域的平面信息中区域关键点。4.根据权利要求1所述的方法，其特征在于，训练所述区域提取模型的方式，包括：获取建筑平面设计样本图纸的标签数据；所述标签数据是根据标注在所述样本图纸中区域的平面信息的区域关键点确定的；利用构建的区域提取模型预测所述建筑平面设计样本图纸中各区域的区域关键点，得到各所述区域的关键点预测特征图；所述区域关键点包括区域的角点；根据标注的区域关键点、预测的区域关键点和所述关键点预测特征图上每个位置的先验框确定所述区域提取模型的损失函数；基于所述损失函数，根据所述关键点预测特征图对所述区域提取模型进行训练，直到所述损失函数收敛，得到训练好的区域提取模型。5.根据权利要求4所述的方法，其特征在于，所述获取建筑平面设计样本图纸的标签数据，包括：识别所述建筑平面设计样本图纸中各区域的区域关键点；通过按照指定的打标顺序对各所述区域关键点进行标注，得到各所述标注的区域关键点的标注数据；根据各所述标注的区域关键点的标注数据和所述平面信息确定各所述区域的标签数据；所述标签数据包括各所述区域的外接轮廓位置参数、所述区域的区域面积与外接轮廓面积的面积占比值，以及各所述区域关键点的坐标占比值；所述面积占比值是指所述区域的区域面积与所述区域的外接轮廓面积的比值；所述坐标占比值是指所述标注的区域关键点的坐标值与所述外接轮廓位置参数的比值；所述外接轮廓位置参数包括外接轮廓的长度、宽度和左上角坐标值。6.根据权利要求4所述的方法，其特征在于，所述利用构建的区域提取模型预测所述建筑平面设计样本图纸中各区域的区域关键点，得到各所述区域的关键点预测特征图，包括：将所述建筑平面设计样本图纸输入至区域提取模型中，识别所述建筑平面设计样本图
纸的目标区域；对各所述目标区域进行关键点提取，得到各所述目标区域的关键点预测特征图。7.根据权利要求6所述的方法，其特征在于，所述对各所述目标区域进行关键点提取，得到各所述目标区域的关键点预测特征图，包括：通过所述区域提取模型的主干网络层对各所述目标区域进行关键点提取，得到预测的区域关键点；对所述预测的区域关键点进行多次卷积处理，得到每次卷积对应的特征图；将各所述特征图分别输入至所述区域提取模型中对应的关键点信息提取网络层进行区域关键点提取，分别得到各所述特征图对应的关键点预...
【专利技术属性】
技术研发人员：黄深能，赵茜，吴晓宇，利啟东，高玮，佟博，李旭斐，胡盼盼，叶凯亮，
申请(专利权)人：广东博智林机器人有限公司，
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。