建筑CAD墙体识别与剪裁算法设计

以建筑AutoCAD矢量图形文件为研究载体,以墙体为主要研究对象,设计了墙体数据深度优先探测提取算法。根据提取出的墙体数据集合,设计了基于凹点分割的墙体裁剪算法,该算法已在实践中进行了反复验证,高效可靠。在此基础上提出了以中轴线+属性形式代替墙体的设计思想,构建墙体抽象模型,为建筑工程量自动计算提供数据支持。

室内装修中墙体的识别

从房屋结构形式着手,介绍框架、框剪及砖混等结构形式的墙体的可拆性,并结合实际情况进一步阐述承重墙和非承重墙的识别方法及可拆除情况。

基于深度学习的公共建筑像素施工图空间识别

像素级图纸空间识别在自动审图、图纸翻模应用中起到关键作用。已有识别方案主要针对户型图,基于语义分割直接识别空间。公共建筑施工图有更多干扰线和图纸元素、更高分辨率及更多空间类型,高分辨率使模型难以获取图纸的全局信息,空间类型的多样性导致无法确定空间类型的范围,已有空间识别方案难以直接迁移。为了识别公共建筑施工图中的空间,标注公共建筑施工图数据集,包含20张标注墙体像素、100张标注构件包围盒的公共建筑施工图,提出基于深度学习的空间边界识别方案及中心线提取和关键线均方误差损失函数,以提高空间边界中墙体的识别准确率,通过空间围合识别空间,提出空间边界平滑算法,在保持空间形状的同时减少空间边界点数量。实验结果表明,该方法突破了分辨率和空间类型限制,取得了较好的空间识别结果,为识别公共建筑施工图的空间提出了解决方案。相较于已有方法,该方法在保证墙体精确率的情况下获得了更高的召回率。