AIBuild

AI识别户型图，机器学习自动识别户型图转换成全景VR

随着房产、家装产业智能化和数字化，房屋行业相关技术出现大量的定制需求

作为房地产、家装行业绕不开的门槛，户型图，以及户型图识别、户型图数字化，成为亟待解决的核心业务。

房型图识别，目的是通过图像算法，智能识别房型图户型图中的墙壁、门、窗、获取墙体端点坐标和拐角坐标。可以利用识别到的墙体线段坐标，实现三维模型重构，供设计师、开发人员使用。

户型图中墙体样式多样，粗细不同、颜色不一，有灰色、线框、黑色等等。

户型图中存在家具、家居、水印等干扰，尤其是与墙体同色的物品，容易误识别成墙体。

首先对房型图灰度化，并根据灰度分布情况使用动态阈值化，生成二值化的图像。对二值化的图像，识别图片中的主体——即房型主体轮廓区域，获取房型轮廓的墙体对应的灰度分布。 根据墙体灰度，对房型图中的像素进行kmeans计算，离墙体灰度较近的像素则判别为墙体区域。 最后一步，对识别的墙体区域进行向量化，得到墙体的端点与拐点信息，完成墙体识别。门窗的识别，可以在墙体识别结果的基础上进行。 但是测试后发现，该方法难以解决户型图中物体的干扰（床，地毯，电视柜，沙发，衣柜，桌子等），极易造成误识别的情况。另外，框线风格的房型图，由于其墙体区域由平行线构成，很难用灰度分布的方式进行识别，以上方法对框线图失效。此技术方案无法使用。

由于有了以上的经验，在对房型图中墙体进行识别时，采用了更为复杂的算法。目前，算法可以基本解决误识别的问题，对于大部分房型图，都能准确有效识别其墙体区域，获得其端点坐标。

根据需求，可将墙体线段的端点拐点信息存入xml或者json文件，或者以http的方式返回。当然，在较难的图像识别问题中，几乎没有什么算法能达到100%的准确率。对于识别结果中出现的个别的错误识别情况，可在交互中提供修改工具，供设计师等使用，大大提升了设计师的效率。 目前三维家，酷家乐的家装设计软件中也集成了类似的，在户型图中智能识别墙体的功能，并提供对错漏识别进行修改的交互工具。