[发明专利]一种识别线型的方法、设备及可读存储介质在审

专利信息
申请号: 202010694470.8 申请日: 2020-07-17
公开(公告)号: CN111882534A 公开(公告)日: 2020-11-03
发明(设计)人: 张亚娴 申请(专利权)人: 广联达科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06N20/00
代理公司: 北京英特普罗知识产权代理有限公司 11015 代理人: 程超
地址: 100000 北京市海淀区西*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 识别 线型 方法 设备 可读 存储 介质
【权利要求书】:

1.一种识别线型的方法,其特征在于,所述方法包括:

获取待识别的板标识图层,确定所述板标识图层中的线条信息;

将具有连通关系的线条聚类以形成线簇;

利用第一分类模型,分别确定出每个线簇的线簇类别;其中,所述线簇类别包括:混合线簇或单一线簇;

当任一线簇为混合线簇时,利用第二分类模型,分别确定出所述线簇中的每个线条的线型类别。

2.根据权利要求1所述的识别线型的方法,其特征在于,所述线型类别包括以下一种或多种:多边形、标高、单板引线、无文本直线、表格、范围斜线、带有圆的引线、带有圆的范围标注类型、带有箭头的标注类型、标尺、椭圆、单板嵌入矩形、和其他线型。

3.根据权利要求1所述的识别线型的方法,其特征在于,所述方法还包括:

获取线簇样本集;其中,所述线簇样本集包括:多个线簇样本以及每个线簇样本的线簇类别;

分别从每个线簇样本中提取出第一特征参数;

根据每个线簇样本的第一特征参数和线簇类别对预设模型进行训练,以得到第一分类模型。

4.根据权利要求1所述的识别线型的方法,其特征在于,所述利用第一分类模型,分别确定出每个线簇的线簇类别,包括:

针对一个线簇,从所述线簇中提取出第一特征参数;

将所述第一特征参数输入到所述第一分类模型中;

获取所述第一分类模型的输出结果;其中,所述输出结果为:混合线簇或单一线簇。

5.根据权利要求3或4所述的识别线型的方法,其特征在于,所述第一特征参数包括以下一种或多种:

线簇中的线条个数、线簇中的线条构成的多边形的边数、线簇中的线条构成的多边形是否包含文本、线簇的边框所包围的封闭区域个数、线簇构成的多边形所包围的封闭区域个数、距离线簇中的直线线条最近的且与直线线条平行的文本图元的个数、线簇中线条与线条之间的交点个数、线簇中包含的平行线的对数、线簇中包含的垂直线的对数、与线簇中的直线线条平行的文本是否全是数字、与线簇中的线条相交的文本个数、距离线簇最近的文本的距离、线簇的边框中包含的文本个数、线簇的边框的中心的横坐标值、线簇的边框的中心的纵坐标值、线簇中均为直线线条且直线线条是否均为平行或垂直、线簇中线条的平均长度、在线簇中一个直线线条的端点是另一个直线线条的端点的个数与直线线条端点总个数的比值、线簇中直线线条的端点是否在圆内、线簇中线条长度的方差。

6.根据权利要求1所述的识别线型的方法,其特征在于,所述方法还包括:

获取线条样本集;其中,所述线条样本集包括:多个线条样本以及每个线条样本的线型类别;

分别从每个线条样本中提取出第二特征参数;

根据每个线条样本的第二特征参数和线型类别,对预设模型进行训练,以得到第二分类模型。

7.根据权利要求1所述的识别线型的方法,其特征在于,所述当任一线簇为混合线簇时,利用第二分类模型,分别确定出所述线簇中的每个线条的线型类别,具体包括:

针对所述线簇中的一个线条,从所述线条中提取出第二特征参数;

将所述第二特征参数输入到所述第二分类模型中;

获取所述第二分类模型的输出结果;其中,所述输出结果为线型类别。

8.根据权利要求6或7所述的识别线型的方法,其特征在于,所述第二特征参数包括以下一种或多种:

线条的长度、线条是否在多边形上、线条的类型、线条与其他线条的交点个数、线条的边框所包围的封闭区域个数、当线条为直线时与线条平行的其他线条的个数、当线条为直线时与线条垂直的其他线条的个数、当线条为直线时与线条平行的文本是否为纯数字、线条是否位于某个封闭区域内部、与线条相交的文本个数、当线条为直线时与线条相交且成45度夹角的其他线条的个数、与线条公用端点的其他线条的个数、线条是否为封闭的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广联达科技股份有限公司,未经广联达科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010694470.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top