【技术实现步骤摘要】
本专利技术涉及地形数据处理。更具体地，本专利技术涉及基于机器学习的图纸智能识别方法。
技术介绍
1、地形图由地形要素组成，主要包括地貌和地物。地貌即地球表面的高低起伏形态，如山脉、丘陵、平原、盆地等，通常使用等高线来表示地形的高低变化，通过等高线的疏密和形态，可以直观地看出地形的陡峭程度和坡度变化。地物则是指地表上的人工或自然物体，如建筑物、道路、河流、湖泊、森林等，这些地物通过不同的符号和颜色进行表示，以便于识别和区分。
2、目前通过人工识别标注地形图的过程中通常会受到工作人员的主观想法以及经验的影响，效率较低且易出错，因此，有必要借助算法研究可以用于图纸的智能识别方法。掩码区域卷积神经网络（mask region-based convolutional neural network，简称maskr-cnn）是一种实例分割模型，该算法可以精确检测目标并分割轮廓，在地形图中可准确区分建筑物、植被等不同地物，细化边界与类别，得到每个地形要素的分割掩码，为地形要素的精细化提取和复杂场景分析提供技术支撑。
3、但是，直...
【技术保护点】
1.基于机器学习的图纸智能识别方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，预先训练Mask R-CNN模型，包括：
3.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，使用经典细化算法提取每个分割掩码对应的骨架以及骨架端点。
4.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，所述获取骨架端点到该骨架端点所处骨架上最近分支点之间的所有像素点以及所有像素点数量，之前还包括：
5.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，...
【技术特征摘要】
1.基于机器学习的图纸智能识别方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，预先训练mask r-cnn模型，包括：
3.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，使用经典细化算法提取每个分割掩码对应的骨架以及骨架端点。
4.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，所述获取骨架端点到该骨架端点所处骨架上最近分支点之间的所有像素点以及所有像素点数量，之前还包括：
5.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，所述获取骨架端点到该骨架端点所处骨架上最近分支点之间的所有像素点以及所有像素点数量，分别作为该骨架端点的分支和分支距离，还包括：
6.根据权利要求1所述的基于机器学习的图纸智能识别方法，其特征在于，所述根...
【专利技术属性】
技术研发人员：冯兴龙，卢宇森，陈苏平，祖瑾伟，张亚飞，刘幸，付朋伟，冯朝阳，
申请(专利权)人：西安星讯智能通信科技有限公司，
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。