工程图纸识别是图像处理、模式识别和人工智能等多种学科的综合应用,直接面向企业需求,具有很高的理论意义和应用价值,是CAD领域的重要课题。经过多年研究,扫描工程图纸识别已经取得较大进展,部分实现像素到矢量的转换。但是,现有的工程图纸识别系统的矢量化结果是以孤立存在的图形基元(直线、圆弧、圆和字符等)为主,这种孤立图元结构的工程图识别结果缺乏矢量之间的逻辑关系、位置关系、拓扑结构关系和工程语义信息等,与高层次的工程图识别理解与智能重用相差较远。要全面实现工程图纸的识别理解与智能重用,完成二维模型到三维模型的转变,就必须在矢量化基础上进一步识别出工程图中的各种图形符号。本文对点划线、粗糙度符号和形位公差符号的识别技术进行了深入的研究。 本文分析了现有的点划线识别算法,指出了其局限性,为了克服现有方法的缺陷,本文根据直线式点划线和圆弧式点划线的构造特点和语法规则,在矢量基础上,提出了一种基于关键图形特征的识别算法。该算法首先提取一条直线或一段圆弧,将它们作为点划线的关键元素:然后根据点划线的语法规则,由关键元素引导,逐步搜索其它构成元素。该算法摆脱了以往仅识别直线式点划线的模式,对圆弧组成的点划线也有了很好的识别,提高了该算法的通用性。针对半径较小的圆或圆弧,本文提出了一种圆的中心线识别算法,以适应点划线为一条直线的特殊情况,并提高了圆的中心线的识别率。 本文还分析了现有的粗糙度符号识别算法,指出了其局限性,为了克服现有方法的缺陷,本文根据机械工程图中粗糙度符号的特点,在矢量基础上,提出并实现了一种基于关键图形特征和标注字符相结合的识别算法。该方法包括3个步骤:首先寻找该类图形的关键元素:然后根据该类图形的具体构造语法规则,由关键元素引导、逐步搜索该类图形的其它结构元素;最后用字符信息来对该类图形的有效性做出判定。该算法除了可以识别直线式粗糙度符号外,还可以对基本粗糙度符号和圆型粗糙度符号进行识别,提高了粗糙疫符号的整体识别率,解决了粗糙度符号另外两种形状的识别问题,由于用字符信息加以辅助判断,该算法的适应性和容错性得到进一步提高,此外该算法还具有识别过程简单、快速等优点。 本文讨论了在工程图矢量化后对形位公差符号的识别工作。针对形位公差自身的特点和语法、语义规则,在矢量基础上,提出并实现了一种基于关键图形特