[发明专利]一种平面户型图的墙体区域识别方法、系统、设备及介质

说明书

本发明涉图像处理技术领域，尤其涉及一种平面户型图的墙体区域识别方法、系统、设备及介质，其中方法包括步骤A：构建训练数据集，包括对平面户型图的墙体信息进行标注，构建墙体分割训练数据；步骤B：构建语义分割网络模型，由首卷积层、编码器、解码器和输出层组成的语义分割网络模型；步骤C：训练语义分割网络模型，将步骤A中得到的墙体分割训练数据输入至语义分割网络模型进行训练，当语义分割网络模型训练至收敛时，得到墙体识别模型；步骤D：模型识别墙体信息，将待识别的平面户型图输入至训练好的墙体识别模型进行识别，得到墙体信息。本发明解决现有的墙体识别方法的识别精度不高，且对不同样式的户型图下存在漏识别和误识别的问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种平面户型图的墙体区域识别方法、系统、设备及介质。

背景技术

墙体区域识别是户型识别的关键，精准的墙体识别结果意味着设计师可以有效地减少手工绘制和修改的时间成本，从而能提升整体的设计效率。

但目前的墙体区域识别方法存在以下问题：首先由于平面户型图的来源不同，从而导致平面户型图的风格迥异，平面户型图的样式也是大为不同。其次在不同的平面户型图中，墙体的表示方式也是千差万别，而且平面户型图中的家具贴图、地板纹理、甚至图片水印也会对墙体区域的识别产生极大的干扰，从而提高了户型识别任务的难度。

发明内容

本发明的目的在于提出一种平面户型图的墙体区域识别方法、系统、设备及介质，以解决现有的墙体识别方法的识别精度不高，且对于不同样式的户型图下存在漏识别和误识别的问题。

为达此目的，本发明采用以下技术方案：

一种平面户型图的墙体区域识别方法，包括以下步骤：

步骤A：构建训练数据集，包括对平面户型图的墙体信息进行标注，构建墙体分割训练数据；

步骤B：构建语义分割网络模型，由首卷积层、编码器、解码器和输出层组成的语义分割网络模型；

步骤C：训练语义分割网络模型，将步骤A中得到的墙体分割训练数据输入至语义分割网络模型进行训练，当语义分割网络模型训练至收敛时，得到墙体识别模型；

步骤D：模型识别墙体信息，将待识别的平面户型图输入至训练好的墙体识别模型进行识别，得到墙体信息。

优选的，在所述步骤A中，构建训练数据集包括以下步骤：

步骤A1：获取不同来源、不同风格、不同样式、不同大小的各类平面户型图；

步骤A2：通过开源软件Labelme或者其他带蒙版标注功能的软件，人工标记得到每张户型图中所有墙体标记区域的轮廓点二维坐标；

其中，所述墙体标记区域包括含有墙体样式的区域、含有内嵌在墙上的系列门区域和内嵌在墙上系列窗区域；

步骤A3：将墙体轮廓坐标转换成和平面户型图大小一致的二维标签。

优选的，在所述步骤A3中，将墙体轮廓坐标转换成和平面户型图大小一致的二维标签，包括以下步骤：

步骤A31：创建一张和平面户型图的分辨率大小一致的单通道空白蒙版图；

步骤A32：读取标记得到的墙体区域轮廓点的二维坐标；

步骤A33：根据轮廓点的坐标信息在蒙版图上的对应位置绘制填充的封闭的多边形，最终在空白蒙版图上得到仅包含墙体区域的二维标签；

其中，基于输入的平面户型图的分辨率确定语义分割网络模型的分割精度。

优选的，在所述步骤B中，所述首卷积层包括两层重复的普通卷积层、归一化层和激活层；