[发明专利]一种基于深度学习辅助识别CAD中墙体的方法和装置

权利要求书

1.一种基于深度学习辅助识别CAD中墙体的方法，包括以下步骤：

获取并解析户型图对应的CAD文件数据，并对解析后的CAD文件数据进行栅格化处理，以获得CAD文件数据对应的户型图；

获取对所述CAD文件数据识别获得的第一墙体；

以深度学习网络为基础构建墙体识别模型，深度学习网络包括用于对二维数据墙体特征进行提取的第一部分和用于根据提取的墙体特征生成相应的重构图像第二部分，其中，第一部分包括数据输入层、卷积层、下采样层、激活函数层、全连接层，第二部分包括数据转置卷积层、激活函数层以及数据输出层，且第一部分的全连接层与第二部分的转置卷积层连接，将全连接层的结果作为转置卷积层的处理数据，这样利用第一部分的深度神经网络获得墙体特征，在利用第二部分的深度神经网络对墙体进行图像重建，生成重构图像，利用训练样本对深度学习网络进行有监督训练，改变深度神经网络的内部参数，以获得墙体识别模型，其中，每个训练样本包含一个栅格化的图像，和对该栅格化的图像中的墙体进行标注的墙体标注信息；

利用墙体识别模型对户型图进行识别，获得第二墙体，包括：将所述CAD文件数据对应的户型图输入到墙体识别模型，经计算获得墙体特征矩阵，根据所述墙体特征矩阵生成重构图像，该重构图像实际为墙体置信度矩阵，该墙体置信度矩阵的尺寸与输入户型图的尺寸相同，墙体置信度矩阵中每个位置点的值对应输入户型图对应位置为墙体的概率，即墙体置信度，然后根据预设的墙体类型阈值对重构图像进行截取，生成第二墙体；

利用所述第二墙体对所述第一墙体进行交叉验证，通过统计所述第一墙体在所述第二墙体上的重叠比例或重叠区域，剔除重叠比例低于重叠阈值的第一墙体，剩下的第一墙体为最终墙体。

2.如权利要求1所述的基于深度学习辅助识别CAD中墙体的方法，其特征在于，将所述CAD文件数据对应的户型图缩放到满足所述墙体识别模型输入图像尺寸后，输入到墙体识别模型中；

在获得重构图像后，将所述重构图像缩放到原户型图尺寸。

3.如权利要求1所述的基于深度学习辅助识别CAD中墙体的方法，其特征在于，所述方法还包括：

对所述最终墙体进行规则化处理，以满足墙体的连通关系。

4.如权利要求3所述的基于深度学习辅助识别CAD中墙体的方法，其特征在于，所述对所述最终墙体进行规则化处理包括：

对距离小于第一距离阈值的共线墙体进行合并，取两个共线墙体中较长墙体作为主墙体，并对主墙体朝较短墙体进行延伸，直到主墙体覆盖较短墙体为止，实现共线墙体的合并；

对互相垂直的墙体计算交点，并延伸距离所述交点小于第二距离阈值的墙体至所述交点，以形成墙体拐角；或者，将相互垂直的两个墙体同时延伸至所述交点，以形成墙体拐角。

5.如权利要求1所述的基于深度学习辅助识别CAD中墙体的方法，其特征在于，所述方法还包括：

在解析所述CAD文件数据后，剔除长度小于长度阈值的线段，将倾斜角度在预设角度范围内的线段转换成水平线段或竖直线段。

6.如权利要求1或3所述的基于深度学习辅助识别CAD中墙体的方法，其特征在于，所述方法还包括：

在解析所述CAD文件数据后，根据邻近线段的依赖关系，以原户型图中不存在具有依赖关系的线段的区域，或具有依赖关系线段的个数少于依赖阈值的区域作为分界，拆分获得多个子区域，每个子区域作为一个户型图。

7.一种基于深度学习辅助识别CAD中墙体的装置，包括：一个或多个处理器，存储器以及存储在所述存储器中并可在所述一个或多个处理器上执行的一个或多个计算机程序，其特征在于，

所述一个或多个处理器在执行所述一个或多个计算机程序时，实现如权利要求1～6任一所述方法的步骤。