[發明專利]基于CAD圖紙的圖元識別方法和識別裝置

在審

• 申請號: 202010719005.5
• 申請日: 2020-07-23
• 公開（公告）號: CN111881809A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 師玉鵬
• 申請（專利權）人: 廣聯達科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N20/00;G06F30/10
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

1.一種基于CAD圖紙的圖元識別方法，其特征在于，包括：

將CAD圖紙中包含的所有圖元劃分為多個圖組，其中每個圖組中包含同一類型的圖元；

計算所述圖組的多個特征變量，所述特征變量用于表征所述圖組中包含的圖元的形狀特征；

將所述多個特征變量輸入識別模型，以確定所述圖組中包含的圖元類型。

2.根據權利要求1所述的圖元識別方法，其特征在于，所述將CAD圖紙中包含的所有圖元劃分為多個圖組的步驟包括：

獲取所述CAD圖紙的任一個圖層中包含的第一圖元；

從所述第一圖元中獲取具有相同顏色的第二圖元；

將所述第二圖元劃分為同一個圖組。

3.根據權利要求2所述的圖元識別方法，其特征在于，所述計算所述圖組的多個特征變量包括：

確定所述圖組中包含的聯通組，獲取聯通組信息；所述聯通組是指彼此相交的圖元組成的集合；

獲取所述圖組中的基本信息、長度信息、圖元數量信息、角度信息、連接信息、弧線信息；

根據所述聯通組信息、所述基本信息、所述長度信息、所述圖元數量信息、所述角度信息、所述連接信息和所述弧線信息計算所述多個特征變量。

4.根據權利要求3所述的圖元識別方法，其特征在于，所述特征變量包括以下一種或多種：

顏色特征，表征所述圖組中圖元的顏色；

線型特征，表征所述圖組中圖元的線性；

圖組個數特征，表征所述CAD圖紙中包含的圖組的個數；

長度比值，表征所述圖組中所有線段的總長度與所述CAD圖紙中所有線段的總長度的比值；

圖元數量比值，表征所述圖組中的圖元數量與所述CAD圖紙中的圖源數量的比值；

整圓數量，表征形成圓形的聯通組的數量；

弧線直線比例，表征所述圖組內的弧線個數與直線個數的比值；

角度特征，表征所述圖組內的直線的角度；

端點相交個數，表征僅在端點處與其他線相交的直線的個數；

非端點相交個數，表征在非端點處與其他線相交的直線的個數；

端點線比值，表征所述圖組中的最長線長度與端點相連的短線長度的比值；

起點角度，表征所述圖組中的最長線與端點相連的短線的起點角度；

終點角度，表征所述圖組中的最長線與端點相連的短線的終點角度；

弧線數量，表征所述圖組中包含的弧線的個數；

弧線數量比值，表征所述所述圖組中包含的弧線的個數與所述圖紙中所有圖元個數的比值；

弧線連接線段比例，表征兩端與線段相連的弧線個數和兩端不與線段相連的弧線個數的比值；

弧線線段平行比例，表征與弧線兩端相連且互相平行的線段的個數，和與弧線兩端相連的所有線段的個數比值；

水平垂直比例，表征所述圖組中方向為水平或垂直的線段占所有圖元的比例。

5.根據權利要求1所述的圖元識別方法，其特征在于，所述識別模型通過過程訓練得到：

獲取多個樣本數據，所述樣本數據包括作為輸入數據的多個特征變量和作為輸出數據的圖元類型標簽；

通過所述多個樣本數據訓練神經網絡模型，根據梯度下降法確定所述神經網絡模型中的權重參數；

將確定了權重參數的所述神經網絡模型作為所述識別模型。

6.一種基于CAD圖紙的圖元識別裝置，其特征在于，包括：

分組單元，適用于將CAD圖紙中包含的所有圖元劃分為多個圖組，其中每個圖組中包含同一類型的圖元；

特征計算單元，適用于計算所述圖組的多個特征變量，所述特征變量用于表征所述圖組中包含的圖元的形狀特征；

識別單元，適用于將所述多個特征變量輸入識別模型，以確定所述圖組中包含的圖元類型。

7.根據權利要求6所述的圖元識別方法，其特征在于，分組單元包括：

圖層子單元，適用于獲取所述CAD圖紙的任一個圖層中包含的第一圖元；

顏色子單元，適用于從所述第一圖元中獲取具有相同顏色的第二圖元，

圖組子單元，適用于將所述第二圖元劃分為同一個圖組。