导读:本文包含了工程图纸识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,自动识别,工程图纸,字符,地铁,风险,矢量化。
工程图纸识别论文文献综述
蒋檬凡[1]（2019）在《工程图纸中字符检测与识别方法的研究》一文中研究指出随着科技进步以及计算机的发展,工业生产也逐渐由工人主导生产与测试转化为计算机代替人工进行自动化处理,在机械工件设计、生产以及测试过程中,利用计算机检测与识别仪表屏幕以及图纸图像中字符,自动化地分析处理这些参数,无需人工测试以及比对图纸从而极大地提高生产效率,同时减少人工带来的误差。本文以机械工件生产与测试为背景,通过研究仪表及图纸图像中字符的检测与识别方法,完成整个自动化质检中字符识别这一关键步骤,并且设计与实现了一套完整的仪表及图纸图像中字符识别系统。本文主要研究及工作内容如下:1.研究了字符检测相关算法,针对仪表及图纸图像字符中存在较多标注线、仪表及工件图形、指示符号等干扰的特点,提出了改进的字符检测方法,通过一定的图像处理以及筛选条件去除这些干扰,再结合相关检测算法初步提取,最后使用基于连通域聚集的方式提取出一系列所需要的目标文本行。2.研究了文本行的倾斜校正和字符切分相关算法,针对在实际工业生产中使用传统校正算法效果不好的情况,探索并采取相对有效的倾斜校正算法,针对图纸图像中某些复杂的情况提出了改进的粘连字符切分算法,并通过实验验证所采取的方法明显优于传统方法,能够有效地完成字符的校正与切分。3.研究了字符识别流程中特征提取与分类相关算法,试验各种特征以及分类算法对于实际项目中字符的识别效果,针对不变矩特征识别效果不佳的情况进行了相应的特征选择与修正,对于KNN分类算法中的不足,提出了在最终分类判决阶段基于距离加权的改进。然后通过实验验证,改进的特征提取与分类算法均对仪表及图纸图像字符识别效果有较大的提升。4.分析了仪表及图纸图像字符识别错误的情况,对于错误比较集中的切分错误和形近字符错误提出了相应的修正方式。对于切分错误采用基于结构特征以及识别反馈的方式以提高切分精度,而对于形近字符提出一种识别置信度机制以及基于上下文的修正模式并以此提高形近字符的准确度,最后对涉及到的算法模块编程实现与测试,并整合各个模块设计出一套更有效的识别流程架构,通过多级识别模块相结合的方式进一步提高识别率及可靠性,完成整个系统搭建与实现。经过实验测试结果分析可知,本文采用的算法以及设计的系统能够有效满足实际生产需求,达到预期目标,从而应用到工业生产中提高生产及测试效率。(本文来源于《电子科技大学》期刊2019-04-01）
张琪,叶颖[2]（2018）在《基于对象图例及其拓扑关系识别的二维工程CAD图纸矢量化方法》一文中研究指出为实现二维工程CAD图纸矢量化,提出一种基于对象图例及其拓扑关系识别的矢量化方法。该方法首先针对对象图例的几何属性,提出基于HOG(Histogram of Gradient)和SVM(Support Vector Machine)的多类对象图例分类方法,然后通过提取对象的环形分割特征识别子类对象图例,接着利用基于连通域标记方法实现对象图例拓扑关系的识别。结果表明,本文算法能够有效识别图纸中的对象及其拓扑关系,对于图纸中常见的图例线条断裂、模糊等问题具有鲁棒性。基于本文算法提取的对象几何和拓扑信息可以为后续的图纸矢量化奠定基础,相关关键技术的探索性研究对后续工程图纸矢量化研究具有一定启发性。(本文来源于《计算机与现代化》期刊2018年11期）
李梦琴[3]（2018）在《用于移动终端的工程图纸标识编码的端对端识别系统》一文中研究指出近年来,随着信息科学技术的发展,计算机运算能力的提升以及移动终端的普及,传统的工程领域在移动端的应用也越来越广泛。工程图纸作为工业、建筑等领域的重要元素之一,工程图纸字符的智能识别和匹配也有很大的研究价值,受到了国内外工程研究人员与专家学者的广泛关注。利用深度学习的平台处理大量数据,应对复杂场景的智能识别已经有了非常出色的成绩。传统的图像处理技术,结合深度学习进一步解决实际问题已经是人工智能发展的趋势,具有极高的研究价值和应用前景。光学字符识别(Optical Character Recognition,OCR)是一种在数字图像中将印刷或手写字符转换为文字的方式。随着字符识别技术的发展,OCR已经成为模式识别领域其中重要的应用之一,文档中的字符识别已经实现了很高的识别率。然而,对于复杂自然场景的字符识别,也依然存在一些挑战,主要是由于自然场景的图片存在分辨率低,失焦,背景对比不明显,干扰过多等问题。尤其是移动终端采集的工程图纸,复杂的光照问题,图纸的形变,褪色,遮挡,污迹等干扰因素给图纸的定位和识别带来了很大的挑战。由于国家法律规定,建筑图纸只有国家相关部门审核后盖章确认才能作为施工的依据,因此只有通过移动终端对盖章确认后的图纸拍照才能既方便查找又能真正应用到实际工作中,而不是直接采用电子版。本文提出一个基于传统图像处理以及深度学习的工程图纸字符序列识别系统。该系统能将盖章确认的工程图纸经过手机端的拍照,利用改进的RANSAC-table等方法自动对不同的图纸进行分类,根据不同的分类结果定位到该类别的图像特定的几何特征区域,提取几何区域内的字符。随后利用改进的VGG(Visual Geometry Group)卷积神经网络进行字符特征提取,双向循环神经网络BLSTM进行特征解码,联结主义时间分类器CTC(Connectionist Temporal Classification)进行识别,从而实现端对端的字符序列识别,智能提取图纸中的标识信息。后期存入数据库,可以实现工程图纸的快速检索,达到系统智能化,无纸化的目的。本文的创新点有:1)针对工程图纸问题,应用传统图像处理方法对图纸进行分类并使用神经网络进行识别,设计了一种用于移动终端的工程图纸端对端字符识别系统,能实现图纸的智能分类与识别,在工程应用上具有智能化,自动化,无纸化的特点。2)在本系统的工程图纸分类部分,结合蒙特卡洛思想以及随机采样一致性RANSAC算法,提出了一种改进的RANSAC-table算法,能有效解决具有形变、模糊、缺损的表格定位问题。根据与传统表格检测算法对比,针对移动终端采集的工程图纸,本文提出的算法具有更强的鲁棒性。3)在本系统的端对端识别部分,采用了改进的VGG卷积神经网络、双方向的循环神经网络BLSTM以及联结主义时间分类器CTC作为字符序列的识别算法,相对于传统字符识别方法在识别效果上有较大提升。(本文来源于《深圳大学》期刊2018-06-30）
秦刚[4]（2017）在《基于工程图纸的地铁轨道焊接施工安全风险自动识别系统》一文中研究指出地铁轨道焊接施工是一项高风险性建设工程。在隧道施工中空气质量,隧道内积水状况,以及设计曲线度和坡度等因素都对生产安全有直接的风险影响。而由风险辨识不细致,考虑不全面等主观因素造成的事故风险,工期延误等严重后果屡见不鲜。因此,本文基于工程图纸,采用计算机技术研发了一种风险自动识别系统,可以辅助技术人员避免主观判断失误所造成的损失。(本文来源于《科技风》期刊2017年07期）
杨寒冰[5]（2016）在《工程图纸中字符识别技术的研究与实现》一文中研究指出近年以来,随着计算机技术的不断发展,相关领域的应用也越来越普及,字符识别技术就是其一。字符、数字识别技术越来越引起人们的重视,研究力度不断增大。与此同时,字符识别技术需求日益上升,这也赋予了对字符识别技术研究的意义。字符识别技术已日趋成熟,一些应用领域已有一些实践。但在工程图纸这一领域的应用还比较空白,相关技术的完善度仍有欠缺。本文即是对工程图纸中字符识别技术进行的研究与实践的总结,希望能对相关人士有所帮助。本文选题来源于长春客车厂与吉林大学合作开发的“轻轨工程图纸中字符的智能识别的研究与应用”项目,以电脑自动识别工程图纸中的字符代替人为识别录入。因为现实工程中,图纸的数量巨大,内容繁杂,若人为识别录入所需工作量很大,成本较高,而且十分枯燥,容易出错。所以以计算机智能识别代替人工识别有着很重大的意义。项目中改进了数字与字母的特征提取算法,由于字符与数字在外形上具有相似度,本文针对此进行了算法实现与改进。同时也为了解决相似字符之间的误识率进行了算法实现与改进。还有许多其它问题,不在此一一列举。本文主要工作包括以下几个方面。首先要对图像进行一系列的前期处理,前期处理就是借助一些技术对图像进行先一步的处理,以便后续操作的进行,主要包括以下几个方面。灰度化,把叁通道的图片转变成单通道图片,用于缩减图片原始数据量,便于后续对图像的处理。二值化,图像二值化的作用是为了方便提取图像中的信息,二值图像在进行计算机识别时可以增加识别效率,这对于增加识别率,后续处理排除噪点,降低误识率都有着重大的意义。前期处理结束后,就可以开始对相关字符进行识别。字符识别方法主要分为模式识别、特征提取、神经网络叁个方面,本文主要涉及模式识别及特征提取这两者,核心识别算法为模板匹配。工程图纸中的字符识别有其自己的特点。工程图纸数量大,因为图纸可能是在不同时间段完成,出自不同人手中,标准不同一,这就造成了对一部分图纸的识别方法可能不适用于另一部分图纸。工程图纸每一张的内容多较为复杂,噪点比较多,如何有效去除噪点提高识别率,降低误识率也是一个很需要重视的问题。正因为图纸内容多,原始数据量随之就变得比较大,所以在识别工程图纸中的字符时也应该注意算法的时间复杂度等相关问题。本文会对项目中遇到的问题及解决方法一一进行总结,研究成果和方法已经过实际项目检验。效果很好。(本文来源于《吉林大学》期刊2016-04-01）
李昱鑫[6]（2015）在《基于自组织的工程图纸智能识别技术研究》一文中研究指出工程图纸识别就是把经过扫描后的光栅图像转换为能够被CAD技术使用的矢量格式图形。工程图纸识别涉及到计算机视觉、模式识别、图像处理等学科领域,它是工程图纸重复利用,目标检测,图像分析理解等应用的基础,在建筑、机械、电子设计等领域有着广泛的应用前景,具有很高的研究价值。本文对工程图纸中常见的圆弧和直线的识别算法以及工程图元整体识别方法进行了深入研究。主要研究工作如下:(1)针对工程图纸识别过程中圆弧检测准确率不高,检测时间过长等问题,提出了一种基于切线段匹配的快速圆弧检测算法。首先,找出可能位于圆外边界上八方向与圆相切的线段,并添加到切线段集合中;然后,对已找到的切线段进行配对,估算圆心半径,得到候选圆集合;最后,对候选圆集合进行数据合并,之后,对每一个候选圆进行跟踪检测。(2)针对工程图纸识别过程中直线检测需要预处理,准确率不高,鲁棒性差等问题,提出了一种基于种子段约束的随机抽样直线检测算法。首先,构造种子段;然后,根据种子段信息进行随机抽样,获得局内点局外点信息,当局内点与总点数的比值大于预先设定的阈值,则说明抽样两点可构成直线段;最后,对获取的直线段进行跟踪延长。(3)针对工程图纸识别层次较低的问题,引入自组织思想,提出了基于自组织的整体识别方法。首先通过像素进行直线圆弧的识别,得到基础矢量;然后从基础矢量数据中进行工程图元的识别,得到图元数据。基础矢量为工程图元的识别提供源泉,反过来工程图元信息又为基础矢量提供约束指导。工程图纸识别在相关数据的相互依赖,相互作用中协调进行。本文对所提圆弧与直线检测算法进行有效性验证试验以及对比试验,实验结果表明本文的方法能够有效地对圆弧和直线进行识别,并有较高的准确性和快速性。(本文来源于《沈阳建筑大学》期刊2015-11-01）
林铭德,戴一璟,刘莞[7]（2011）在《建筑安装工程图纸对象自动识别方法的研究》一文中研究指出针对当前主要依靠人工进行识别的现状,提出一种计算机自动识别建筑安装工程图纸中电气构件的方法。首先利用DXF文件读取图形信息,根据电气构件图形特征,删除DXF文件中的冗余图形信息,并将DXF文件转为图像格式,在图像中利用图像分割技术读取全部的电气构件数据。实验仿真结果表明该方法快速、有效。(本文来源于《电子技术应用》期刊2011年09期）
余宏亮[8]（2011）在《基于工程图纸的地铁车站施工安全风险自动识别研究》一文中研究指出地铁工程建设是一项复杂的高风险性建设工程。一方而,国内地铁工程建设规模逐年扩大,另一方面地铁及地下工程施工安全事故频发。总结地铁工程目前安全管理的现状,即有规模大、发展快,技术和管理力量难以保证等客观原因,更重要的是对风险辨识不细致全面、风险控制措施不到位等主观观原因。在地铁车站施工风险识别所需的经验丰富的技术人员十分匮乏地情况下,如何将专家经验和规范中的风险识别知识结构化,通过计算机自动识别风险将具有较大的理论研究和工程实践价值。本文提出研发基于工程图纸的地铁车站施工安全风险自动识别系统(Safety Risk Identification System for Metro Station Construction on the Basis of Construction Drawings, SRIS),通过研究风险致险因素自动提取方法,从标准、规范及专家经验中获取风险识别规则,设计风险自动识别推理机制和算法,实现由工程图纸信息到施工安全风险的自动输出。SRIS系统应用于地铁车站施工准备期风险评估过程,排查重大安全隐患,为风险动态控制与预警提供参考依据,是信息技术改革传统的风险识别过程的具体应用。设计并实现风险致险因素自动提取。首先对地铁施工安全风险及致险因素进行分类,然后建立工程图纸中可识别的项目特征类、结构构件类、地质水文类和施工环境类信息与各类致险因素的关联关系表,最后设计计算机识图策略和专用算法图纸中各类信息的识别和工程语义解析,从而完成工程技术参数及致险因素的自动提取。构建基于可信度的风险识别知识库。总结地铁车站施工安全风险识别领域的相关理论性知识和专家经验性知识,系统地归纳整理地铁年站施工安全风险及其致险因素,阐释了风险识别知识获取过程、风险识别知识的混合表示方法及结构化存储的方法,在此基础上构建基于可信度的风险识别知识库。提出基于规则推理(RBR)和基于CBR-RBR混合模式两种推理机制。针对风险识别规则的构成特点,在基于规则推理(RBR)原理基础上提出基于无规则控制的成组检索匹配推理算法和风险可信度计算方法。总结安全事故案例的多层次属性特征,提出基于案例推理(CBR)和基于规则推理(RBR)混合模式在地铁车站施工安全事故案例库中的应用模型,并指出在CBR主导前提下RBR的具体应用方法,实现从施工安全事故案例库获取风险识别信息。研发并应用基于工程图纸的风险自动识别系统。分析和设计地铁车站施工安全风险自动识别系统的总体结构、功能模块划分、数据库结构。以武汉地铁二号线工程螃蟹甲车站项目为例,给出了风险自动识别的全过程和实例验证。(本文来源于《华中科技大学》期刊2011-09-01）
余宏亮[9]（2011）在《基于工程图纸的地铁车站施工安全风险自动识别研究》一文中研究指出地铁工程建设是一项复杂的高风险性建设工程。一方面,国内地铁工程建设规模逐年扩大,另一方面地铁及地下工程施工安全事故频发。总结地铁工程目前安全管理的现状,即有规模大、发展快,技术和管理力量难以保证等客观原因,更重要的是对风险辨识不细致全面、风险控制措施不到位等主观原因。在地铁车站施工风险识别所需的经验丰富的技术人员十分匮乏地情况下,如何将专家经验和规范中的风险识别知识结构化,通过计算机自动识别风险将具有较大的理论研究和工程实践价值。本文提出研发基于工程图纸的地铁车站施工安全风险自动识别系统(Safety Risk Identification System for Metro Station Construction on the Basis of Construction Drawings, SRIS),通过研究风险致险因素自动提取方法,从标准、规范及专家经验中获取风险识别规则,设计风险自动识别推理机制和算法,实现由工程图纸信息到施工安全风险的自动输出。SRIS系统应用于地铁车站施工准备期风险评估过程,排查重大安全隐患,为风险动态控制与预警提供参考依据,是信息技术改革传统的风险识别过程的具体应用。设计并实现风险致险因素自动提取。首先对地铁施工安全风险及致险因素进行分类,然后建立工程图纸中可识别的项目特征类、结构构件类、地质水文类和施工环境类信息与各类致险因素的关联关系表,最后设计计算机识图策略和专用算法图纸中各类信息的识别和工程语义解析,从而完成工程技术参数及致险因素的自动提取。构建基于可信度的风险识别知识库。总结地铁车站施工安全风险识别领域的相关理论性知识和专家经验性知识,系统地归纳整理地铁车站施工安全风险及其致险因素,阐释了风险识别知识获取过程、风险识别知识的混合表示方法及结构化存储的方法,在此基础上构建基于可信度的风险识别知识库。提出基于规则推理(RBR)和基于CBR-RBR混合模式两种推理机制。针对风险识别规则的构成特点,在基于规则推理(RBR)原理基础上提出基于元规则控制的成组检索匹配推理算法和风险可信度计算方法。总结安全事故案例的多层次属性特征,提出基于案例推理(CBR)和基于规则推理(RBR)混合模式在地铁车站施工安全事故案例库中的应用模型,并指出在CBR主导前提下RBR的具体应用方法,实现从施工安全事故案例库获取风险识别信息。研发并应用基于工程图纸的风险自动识别系统。分析和设计地铁车站施工安全风险自动识别系统的总体结构、功能模块划分、数据库结构。以武汉地铁二号线工程螃蟹甲车站项目为例,给出了风险自动识别的全过程和实例验证。(本文来源于《华中科技大学》期刊2011-09-01）
宋晓宇,李玉冲,刘继飞[10]（2011）在《基于拓扑结构的工程图纸识别方法》一文中研究指出目的构建工程图纸中常用图形对象的知识库,在后续图形对象识别过程中,利用知识库中存储的图形对象的特征信息,标记其他待识别工程图纸中相似度较高的图形对象.方法将矢量化处理后得到的基本图元之间的拓扑关系和几何约束信息存储在图的结构中,作为这类图形对象的知识表征.在识别工程图纸时,利用图结构中存储的图形对象知识表征进行比较与识别.结果对工程图纸中常用的六个图形对象在识别时间和识别率两个方面进行了测试,随着组成待识别图形对象"基本图元"数量的增加,图形对象的识别时间基本趋于线性增长并且识别率都可达到97%以上.结论基于拓扑结构的工程图纸识别方法在前期图元矢量化的基础上能够准确高效的进行二维图形对象的识别.(本文来源于《沈阳建筑大学学报(自然科学版)》期刊2011年04期）
工程图纸识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现二维工程CAD图纸矢量化,提出一种基于对象图例及其拓扑关系识别的矢量化方法。该方法首先针对对象图例的几何属性,提出基于HOG(Histogram of Gradient)和SVM(Support Vector Machine)的多类对象图例分类方法,然后通过提取对象的环形分割特征识别子类对象图例,接着利用基于连通域标记方法实现对象图例拓扑关系的识别。结果表明,本文算法能够有效识别图纸中的对象及其拓扑关系,对于图纸中常见的图例线条断裂、模糊等问题具有鲁棒性。基于本文算法提取的对象几何和拓扑信息可以为后续的图纸矢量化奠定基础,相关关键技术的探索性研究对后续工程图纸矢量化研究具有一定启发性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
工程图纸识别论文参考文献
[1].蒋檬凡.工程图纸中字符检测与识别方法的研究[D].电子科技大学.2019
[2].张琪,叶颖.基于对象图例及其拓扑关系识别的二维工程CAD图纸矢量化方法[J].计算机与现代化.2018
[3].李梦琴.用于移动终端的工程图纸标识编码的端对端识别系统[D].深圳大学.2018
[4].秦刚.基于工程图纸的地铁轨道焊接施工安全风险自动识别系统[J].科技风.2017
[5].杨寒冰.工程图纸中字符识别技术的研究与实现[D].吉林大学.2016
[6].李昱鑫.基于自组织的工程图纸智能识别技术研究[D].沈阳建筑大学.2015
[7].林铭德,戴一璟,刘莞.建筑安装工程图纸对象自动识别方法的研究[J].电子技术应用.2011
[8].余宏亮.基于工程图纸的地铁车站施工安全风险自动识别研究[D].华中科技大学.2011
[9].余宏亮.基于工程图纸的地铁车站施工安全风险自动识别研究[D].华中科技大学.2011
[10].宋晓宇,李玉冲,刘继飞.基于拓扑结构的工程图纸识别方法[J].沈阳建筑大学学报(自然科学版).2011
论文知识图
