[发明专利]户型图中墙体的识别方法及户型图长度比例自动校正方法

说明书

技术领域

本发明涉及图像识别和建筑图纸识别技术领域，具体是指一种户型图中墙体的识别方法，并基于识别出的墙体提供了一种户型图长度比例自动校正方法。

背景技术

随着中国房地产经济的快速发展以及现代年轻人对房屋装修需求的改变，越来越多的年轻人希望能把自己的装修想法用于自己的房屋装修，但是又不希望实际的装修效果离自己的想象相差太大，如果能把平面的户型图转化为3D户型图，并让买房者自己先在3D模型上模拟装修看效果，再去实际装修房屋，想必一定能让实际装修效果到达最好。随着房地产开发商之间的竞争越来越激烈，越来越需要一种现实增强的技术能让房屋呈现的效果更好，而不仅仅是一张平面户型图。所以无论是从买房人看，还是从房地产开发商看，户型图的识别都是一种必然的发展趋势。

墙体是户型图的主体框架，决定了所有房间的布局规划。在户型图识别中，墙体是最先要识别的对象，同时也是识别户型图里其他信息(如门，窗，房间类型等)的基础，所以墙体识别的重要性不言而喻。

传统采用特征提取方法，可直接对户型图提取墙的形状特征，例如利用hough变换，或直接提取墙的角点特征，例如利用harris角点检测方法。传统方法步骤少，简单直接，速度快，但是由于家具，地板，装饰等干扰信息的存在会导致提取的特征点太多以至于识别率较低。

传统的自适应阈值分割方法可将图中背景和物体的分离，例如在邻域内用平均算子或高斯核算子来算出阈值(参考文献1：《The OpenCV Reference Manual》2.4.8版本，发布日期2013年12月29日)，或根据直方图的单峰或双峰特性把物体和背景分割开，或在全局范围内用迭代法算出阈值(参考文献2：《Visual C++数字图像处理》2001年4月，人民邮电出版社出版，作者何斌，马天予，王运坚，朱红莲)，这些传统的自适应阈值分割方法保留物体轮廓的能力比较好，会把大部分物体的轮廓信息都呈现出来。户型图的外围轮廓基本上是由墙体组成，并且外围轮廓之外的区域一般是颜色均匀分布的背景，利用传统的自适应阈值分割方法可获得户型图的外形轮廓。但是对于户型图中的家具、地板、装饰物品等干扰信息需要剔除掉，不希望它们的轮廓信息呈现出来，而传统的自适应阈值分割方法将不能满足这个需求，不利于获取户型内部墙体信息。

因此，目前户型图识别系统中对户型图中墙体识别率较低，提高识别率非常有必要。

发明内容

本发明针对目前户型图识别系统中对户型图中墙体识别率低的问题，提供了一种新颖的户型图中墙体的识别方法，以及基于所述墙体的识别方法的户型图长度比例自动校正方法。

本发明提供的户型图中墙体的识别方法，包括如下步骤：

步骤1：对需要识别的户型图进行预处理，得到户型图的灰度图；预处理包括图像去噪、图像增强和灰度转换；

步骤2：对户型图的外形轮廓进行检测；

步骤3：采用墙体阈值分割方法对户型图进行处理，得到二值图；

步骤4：对二值图进行腐蚀和膨胀；

步骤5：对步骤4处理后的二值图进行边缘检测，得到边缘图像；

步骤6：对边缘图像进行hough变换得到直线坐标信息；

步骤7：根据直线坐标信息获取墙的坐标信息。

所述的步骤3中的墙体阈值分割方法具体是：

对户型图的灰度图在(x,y)点的像素值I(x,y)，利用墙体分割阈值T分割得到二值图中的像素值r(x,y)为：

其中，墙体分割阈值T的获取方法是：对灰度图中步骤2检测出的轮廓所在的外形区域进行自适应阈值分割，获得墙体区域；计算墙体的平均灰度值W以及墙体以外区域的平均灰度值O；确定墙体分割阈值T＝(W+O)/2。

基于所提供的户型图中墙体的识别方法，还提供了户型图长度比例自动校正方法，利用OCR识别引擎识别户型图中标注的目标物体的长度，设L_i为OCR识别引擎识别出的第i个尺寸值，P_i为第i个尺寸值所对应的目标物体以像素为单位的长度值，N表示OCR识别引擎识别出的尺寸个数，则获得整个户型图的每像素的长度值Avg为：

则校正后第i个尺寸值所对应的目标物体以像素为单位的长度值为：

本发明的优点与积极效果在于：

(1)本发明提出的墙体识别方法，虽然处理步骤多，速度较慢，但是识别率高，能准确识别出墙体，以便在进一步转为三维户型模型时提供准确的基础信息；