【技术实现步骤摘要】
基于关键点匹配的零件尺寸自动标注方法及装置
[0001]本公开的实施例主要涉及零件尺寸标注领域。并且更具体地,涉及基于关键点匹配的零件尺寸自动标注方法及装置。
技术介绍
[0002]在土建领域和机械设计领域中存在大量零件图纸尺寸标注的功能需求。目前,零件尺寸的自动标注主要通过模板匹配的方法,将现有零件与零件库中的零件模板一一比对(例如,现有零件为工字形截面,而零件库中已有对应的工字形截面标注方式,可以直接套用),确定零件的标注方法,在部分零件设计软件中使用零件库中的固有零部件建模可以更方便地实现自动标注。但是由于目前异形零件越来越多,而异形零件没有统一的形状,难以在零件库中找到对应的零件模板,全部加入到零件库中会造成零件库的臃肿,降低检索效率,影响使用。
技术实现思路
[0003]本公开的实施例提供了一种基于关键点匹配的零件尺寸自动标注方法、装置、电子设备和计算机可读存储介质。
[0004]在本公开的第一方面中,提供了一种计算机实现的零件尺寸自动标注方法。该方法包括:读取待标注零件图;基于待标注零件图确定待标注零件的多个关键点;基于多个关键点利用第一神经网络模型获得待标注零件的多个候选标注点;基于多个候选标注点利用第二神经网络模型获得待标注零件的多个匹配标注点对;基于多个匹配标注点对,在待标注零件图中,对相关的待标注零件的尺寸进行标注,获得标注后的零件图;基于多个匹配标注点对,构建标注关系图并且利用标注关系图检查标注后的零件图,获得检查结果。
[0005]在本公开的第二方面中,提供了一 ...
【技术保护点】
【技术特征摘要】
1.一种计算机实现的零件尺寸自动标注方法,包括:读取待标注零件图;基于所述待标注零件图确定待标注零件的多个关键点;基于所述多个关键点利用第一神经网络模型获得所述待标注零件的多个候选标注点;基于所述多个候选标注点利用第二神经网络模型获得所述待标注零件的多个匹配标注点对;基于所述多个匹配标注点对,在所述待标注零件图中,对相关的所述待标注零件的尺寸进行标注,获得标注后的零件图;以及基于所述多个匹配标注点对,构建标注关系图并且利用所述标注关系图检查所述标注后的零件图,获得检查结果。2.根据权利要求1所述的方法,其中利用第一神经网络模型获得所述待标注零件的多个候选标注点包括:读取已标注的样本零件图;基于所述样本零件图确定所述样本零件图的多个关键点;基于所述多个关键点和所述样本零件图构建训练数据集;构建所述第一神经网络模型,并且利用所述训练数据集训练所述第一神经网络模型,获得训练后的第一神经网络模型,其中所述第一神经网络模型是多分类神经网络模型;以及利用所述训练后的第一神经网络模型获得所述待标注零件的多个候选标注点。3.根据权利要求1所述的方法,其中利用第二神经网络模型获得所述待标注零件的多个匹配标注点对包括:读取已标注的样本零件图;基于所述样本零件图确定所述样本零件图的多个标注点;基于所述多个标注点和所述样本零件图构建训练数据集;构建所述第二神经网络模型,并且利用所述训练数据集训练所述第二神经网络模型,获得训练后的第二神经网络模型,其中所述第二神经网络模型是多分类神经网络模型;以及利用所述训练后的第二神经网络模型获得所述待标注零件的多个匹配标注点对。4.根据权利要求1所述的方法,其中所述标注关系图包括水平配对关系图和竖直配对关系图。5.根据权利要求1所述的方法,其中利用所述标注关系图检查所述标注后的零件图包括:当所述标注关系图中存在环形关系时,生成标注冗余结果;当所述标注关系图中存在孤立点时,生成漏匹配结果;以及基于所述标注关系图,生成所述匹配标注点对中每个标注点的推断坐标,当所述推断坐标与所述标注点的实际坐标不一致时,生成标注尺寸异常结果。6.根据权利要求1所述的方法,其中所述关键点包括线段端点、线段中点、弧线端点,弧线中心点、椭圆的焦点、多边形、圆形的几何中心点以及线的交点。7.根据权利要求3所述的方法,其中所述数据集包括不配对数据集、水平标注配对数据
集、竖向标注配对数据集以及水平竖向同时配对数据集。8.一种零件尺寸自动标注装置,包括:输入模块,被配置为读取待标注零件图;关键点确定模块,被配置为基于所述待标注零件图确定待标注零件的多个关键点;候选标注点获取模块,被配置为基于所述多个关键点利用第一神经网络模型获得所述待标注零件的多个候选标注点;匹配标注点获取模块,被配置为基于所述多个候选标注点利用第二神经网络模型获得所述待标注零件的多个匹配标注点对;标注模块,被配置为在所述待标注零件图中,对相关的所述待标注零件的尺寸进行标注,获得标注后的零件图;...
【专利技术属性】
技术研发人员:马恩成,夏绪勇,张晓龙,赵玉栋,吴自成,李伯犀,
申请(专利权)人:北京构力科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。