一种制造技术

本发明专利技术公开了一种

【技术实现步骤摘要】
一种CAD图纸的切割与标注方法


[0001]本专利技术涉及
CAD
图纸
，具体来说，涉及一种
CAD
图纸的切割与标注方法
。

技术介绍

[0002]CAD
图纸中有很多重复工作内容需要进行提取并进行系统的设计和分析，传统的提取工作大都需要人力进行，既费时又费力，而且还很容易出错
。
针对上述问题，目前还没有有效的解决办法
。

技术实现思路

[0003]针对相关技术中的上述技术问题，本专利技术提出一种
CAD
图纸的切割与标注方法，能够克服现有技术的上述不足
。
[0004]为实现上述技术目的，本专利技术的技术方案是这样实现的：一种
CAD
图纸的切割与标注方法，包括如下步骤：
S1
通过元素解析器解析
DXF
文件中的元素并提取出线类型的图像实体；
S2
通过切割算法将有关联的线归为一组；
S2
的具体步骤如下：
S21
切割算法对传入的每一条线进行分析，通过线的起止点和长度绘制出每条线所占据的一个矩形区域，分别以
(lx,ly)
和
(rx,ry)
表示该矩形区域的左上和右下两点，取这个矩形两条对角线的交点
(midx,midy)
，针对每条线得到
(lx,lyx,rx,ry,midx,midy)
一组共6个属性；
S22
引入两个常量
c
和
p
，
c
表示两个矩形区域相交比例的阈值，
p
代表两条线距离的阈值；
S23
针对每一条线有
l
i
=(lx
i
,lyx
i
,rx
i
,ry
i
,midx
i
,midy
i
)
与其他的线进行计算得到矩形区域相交比例
ci
和距离
pi
，将满足
ci<c
且
pi<p
的线分为一组；不在一组的线被切割算法抛弃；
S24
将图纸中剩下的绘制结构的线传入绘图算法；
S3
将分组后的线重新绘制成
DXF
文件并生成图片；
S4
标注算法依赖
CNN
卷积神经网络对图像进行识别，识别出每张图片中包含的结构并对结构进行标注，并且根据识别结果持续优化网络提高识别的准确率；同时根据整体识别的结果反馈和优化切割算法中的常量
c
和常量
p。
[0005]进一步地，
S1
的具体步骤如下：
S11
图纸通过元素解析器提取图纸中所有的线，提取的线包含线的属性，属性以二进制的形式保存在
DXF
文件中；
S12
解析器把这些属性转化为文本形式保存为标准的
json
数据结构并传入切割算法中
。
[0006]进一步地，所述线的属性包括形状
、
长度和起止点坐标
。
[0007]进一步地，所述切割算法针对
TABLES
表中定义的
LTYPE
线进行，解析
DXF
文件后提取出图纸中包含所有
Line
类型的图像实体
。
[0008]进一步地，
S3
具体步骤如下：
S31
根据每组中线的相对位置得到每个结构的上下左右边框4个坐标，将这些坐标作为新图纸的大小来将线的原始坐标按照相对位置平移到新
DXF
图纸中，使每个结构都位于新
DXF
图纸的中央位置；
S32
将
DXF
图纸转化成图片格式传入标注算法
。
[0009]进一步地，步骤
S4
的结构包括门
、
窗和墙体
。
[0010]本专利技术的有益效果：本专利技术通过将输入的图纸依次经过元素解析器
、
切割算法
、
绘图算法和标注算法得到正确的切割与标注，高效地完成了图纸相关的重复工作内容的提取，大大地减少人力成本，降低了建筑工人运用图纸的技术门槛，提升工人职业技能水平
。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0012]图1是根据本专利技术实施例所述的
CAD
图纸的切割与标注方法的系统流程图
。
具体实施方式
[0013]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所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0014]如图1所示，根据本专利技术实施例所述的一种
CAD
图纸的切割与标注方法，包括如下步骤：
S1
通过元素解析器解析
DXF
文件中的元素并提取出线类型的图像实体；
S2
通过切割算法将有关联的线归为一组；
S2
的具体步骤如下：
S21
切割算法对传入的每一条线进行分析，通过线的起止点和长度绘制出每条线所占据的一个矩形区域，分别以
(lx,ly)
和
(rx,ry)
表示该矩形区域的左上和右下两点，取这个矩形两条对角线的交点
(midx,midy)
，针对每条线得到
(lx,lyx,rx,ry,midx,midy)
一组共6个属性；
S22
引入两个常量
c
和
p
，
c
表示两个矩形区域相交比例的阈值，
p
代表两条线距离的阈值；
S23
针对每一条线有
l
i
=(lx
i
,lyx
i
,rx
i
,ry
i
,midx
i
,midy
i
)
与其他的线进行计算得到矩形区域相交比例
ci
和距离
pi
，将满足
ci&lt;c<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
CAD
图纸的切割与标注方法，其特征在于，包括如下步骤：
S1
通过元素解析器解析
DXF
文件中的元素并提取出线类型的图像实体；
S2
通过切割算法将有关联的线归为一组；
S2
的具体步骤如下：
S21
切割算法对传入的每一条线进行分析，通过线的起止点和长度绘制出每条线所占据的一个矩形区域，分别以
(lx,ly)
和
(rx,ry)
表示该矩形区域的左上和右下两点，取这个矩形两条对角线的交点
(midx,midy)
，针对每条线得到
(lx,lyx,rx,ry,midx,midy)
一组共6个属性；
S22
引入两个常量
c
和
p
，
c
表示两个矩形区域相交比例的阈值，
p
代表两条线距离的阈值；
S23
针对每一条线有
l
i
=(lx
i
,lyx
i
,rx
i
,ry
i
,midx
i
,midy
i
)
与其他的线进行计算得到矩形区域相交比例
ci
和距离
pi
，将满足
ci&lt;c
且
pi&lt;p
的线分为一组；不在一组的线被切割算法抛弃；
S24
将图纸中剩下的绘制结构的线传入绘图算法；
S3
将分组后的线重新绘制成
DXF
文件并生成图片；
S4
标注算法依赖
CNN
卷积神经网络对图像进行识别，识别出每张图片中包含的结构并对结构进...

【专利技术属性】
技术研发人员：李子力，宋红景，胡文锋，钱增志，李太胜，孙玉龙，邢路，马良杰，
申请(专利权)人：中铁建设集团有限公司，
类型：发明
国别省市：