| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva

Naslov:Vektorizacija rasterskih slik tlorisov zgradb : magistrsko delo
Avtorji:Oprešnik, Martin (Avtor)
Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Opresnik_Martin_2020.pdf (21,95 MB)
MD5: 2A407004473D80AB1AA239B38B410227
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga (mb22)
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V magistrskem delu smo se ukvarjali z vektorizacijo tlorisov stavb. Razvili smo sistem, ki na rasterski sliki tlorisa zazna stene in jih shrani v vektorsko obliko. Omejili smo se na zaznavo sten. Tlorisi lahko poleg označenih sten vsebujejo tudi okna, vrata in pohištvo. Okoli tlorisa je lahko glava načrta, ki vsebuje metapodatke, ki so med drugim naslov, merilo in ime arhitekta. Glavo smo pred vektorizacijo ročno odstranili. Sistem pri večbarvnih načrtih na podlagi barve najprej odstrani oznake, ki ne predstavljajo sten. Za tem zazna tip notacije načrta. Pri načrtih, ki imajo notacijo dveh vzporednih črt s filtriranjem poudarimo črte, sliko binariziramo, izračunamo skeleton slike, zaznamo črte in s pomočjo zaznanih črt zaznamo stene. Pri načrtih z notacijo odebeljene črte pa sliko filtriramo s filtrom mediane, jo binariziramo, zaznamo robove črt in iz zaznanih črt zaznamo stene. Izmed zaznanih sten za tem odstranimo morebiti napačno zaznane stene in izboljšamo natančnost detekcije v vogalih sten. Na koncu zaznane stene shranimo v vektorsko sliko v formatu SVG. Za preizkus naše rešitve smo pripravili podatkovno zbirko 40 tlorisov, od katerih je 20 načrtov za vsak tip notacije. Ročno označene tlorise smo z avtomatsko zaznanimi tlorisi primerjali s pomočjo Jaccardovega indeksa, senzitivnosti, preciznosti in relativne napake seštevka dolžin sten. Na testnih podatkih je naš sistem zaznal stene s povprečnim Jaccardovim indeksom 0,7; senzitivnostjo 0,76; preciznostjo 0,81 in povprečno napako pri seštevku dolžin sten 0,13. Na podlagi rezultatov sklepamo, da je predlagan programski sistem primeren za grobo vektorizacijo, a ni dovolj natančen za popolno avtomatsko uporabo.
Ključne besede:obdelava slik, tlorisi stavb, vektorizacija
Leto izida:2020
Kraj izvedbe:Maribor
Založnik:[M. Oprešnik]
Št. strani:X, 74 f.
Izvor:Maribor
UDK:004.932(043.2)
COBISS_ID:44093699 Novo okno
NUK URN:URN:SI:UM:DK:NVD63DLT
Število ogledov:122
Število prenosov:17
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
Področja:KTFMB - FERI
:
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.
Začetek licenciranja:21.10.2020

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Vectorization of floor plan raster images
Opis:The subject of this master’s thesis is vectorization of floor plan raster images. We developed a system for detecting walls on raster image of floor plan. We limited ourselves to detect only walls. In addition to walls, floor plans usually also contain windows, doors and furniture. Next to the main part of floor plan there is also a plan header, that contains metadata, such as address, scale and name of architect. Header was manually removed before vectorization. In multi-color plans the system first removes markings that do not represent walls, based on the color of markings. After that it detects the type of notation. In case of notation with two parallel lines, filtering is used to emphasize lines, then image gets binarized and transformed to extract skeleton. Lines are detected on skeleton image and then walls are detected based on these lines. In case of notation with thick lines, image is filtered with median filter and binarized. Walls are detected based on edges found on the image. We remove any possible false detections from detected walls then we improve accuracy in corners. At the end walls are saved in SVG file. In order to test our system we prepared 40 floor plans, 20 with parallel line walls and 20 with thick line walls. We compared automatically vectorized plans with manual vectorization based on Jaccards index, sensitivity, precision and relative lengths sum error. On test dataset our system detected walls with average Jaccard index 0,7; sensitivity 0,76; precision 0,81 and relative lengths sum error 0,13. Based on results we conclude that the system is good enough for rough detection, but is not accurate enough for completely automatic usage.
Ključne besede:image processing, floor plans, vectorization


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici