基于AI户型图识别的实现方式介绍，先看看网络上常见的户型图。

随便找了一张户型图测试下效果

整套户型图在线识别的方案源码包含三个项目：

一个画图：生成训练用的数据：用现有的户型数据反向生成户型图或者手动标注数据。

一个识别：训练后的结果结合上传的户型图提取点位置的数据。

一个训练：单独的开源训练项目：用来训练识别户型图的模型。

训练的模型包含了识别门，窗，墙体，识别率在百分之八十五以上，只识别墙体识别率会更高。可以识别各种构件，包括不限于飘窗，单开门，双开门，户型朝向，床，家具等。

可以直接根据图像生成的结果导入到blender，3Dmax，CAD中。方便处理海量的户型数据文件。项目包含全体项目源码和训练模型教程以及现有模型。

临时的测试接口地址：http://39.100.116.224:8000/index

因为资源有限只训练了几种常见的户型风格，可以通过提高数据样本，提高训练次数和时长，增加户型风格来提高识别率。并且能有效的排除掉在线户型图识别中的水印，指南针，标尺，文字表述等噪音干扰项。

在对房型图中墙体进行识别时,采用了更为复杂的算法,比如Canny边缘检测、Hough变换等。目前,该算法可以基本解决误识别的问题,对大多数房型图,都能准确有效识别其墙体区域,获得墙体线段的端点坐标。根据需求,识别结果中的墙体线段的端点和拐点信息可以存储在XML或JSON格式的文件中,也可以通过HTTP接口的方式返回。然而,在较为困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。为了对识别结果中的个别错误情况进行修改,该系统提供了交互式的修正工具,供设计师等专业用户使用,这大大提高了用户的工作效率。wechat:wlgbzg

上图点位置的测试数据：

{"walls": [{"x": {"start": 322, "end": 817}, "y": {"start": 323, "end": 818}}, {"x": {"start": 853, "end": 592}, "y": {"start": 858, "end": 597}}, {"x": {"start": 408, "end": 524}, "y": {"start": 408, "end": 594}}, {"x": {"start": 853, "end": 524}, "y": {"start": 853, "end": 592}}, {"x": {"start": 853, "end": 592}, "y": {"start": 853, "end": 597}}, {"x": {"start": 862, "end": 763}, "y": {"start": 862, "end": 818}}, {"x": {"start": 952, "end": 268}, "y": {"start": 952, "end": 367}}, {"x": {"start": 705, "end": 524}, "y": {"start": 853, "end": 524}}, {"x": {"start": 957, "end": 597}, "y": {"start": 957, "end": 763}}, {"x": {"start": 853, "end": 367}, "y": {"start": 853, "end": 524}}, {"x": {"start": 408, "end": 619}, "y": {"start": 408, "end": 818}}, {"x": {"start": 322, "end": 597}, "y": {"start": 322, "end": 817}}, {"x": {"start": 322, "end": 817}, "y": {"start": 322, "end": 818}}, {"x": {"start": 705, "end": 268}, "y": {"start": 705, "end": 524}}, {"x": {"start": 408, "end": 268}, "y": {"start": 408, "end": 524}}, {"x": {"start": 853, "end": 367}, "y": {"start": 952, "end": 367}}, {"x": {"start": 952, "end": 367}, "y": {"start": 1123, "end": 367}}, {"x": {"start": 853, "end": 597}, "y": {"start": 858, "end": 597}}, {"x": {"start": 858, "end": 597}, "y": {"start": 957, "end": 597}}, {"x": {"start": 957, "end": 597}, "y": {"start": 1123, "end": 597}}, {"x": {"start": 862, "end": 763}, "y": {"start": 957, "end": 763}}, {"x": {"start": 957, "end": 763}, "y": {"start": 1123, "end": 763}}, {"x": {"start": 408, "end": 524}, "y": {"start": 705, "end": 524}}, {"x": {"start": 1123, "end": 367}, "y": {"start": 1123, "end": 597}}, {"x": {"start": 1123, "end": 597}, "y": {"start": 1123, "end": 763}}, {"x": {"start": 408, "end": 268}, "y": {"start": 705, "end": 268}}, {"x": {"start": 705, "end": 268}, "y": {"start": 952, "end": 268}}, {"x": {"start": 322, "end": 818}, "y": {"start": 323, "end": 818}}, {"x": {"start": 323, "end": 818}, "y": {"start": 408, "end": 818}}, {"x": {"start": 408, "end": 818}, "y": {"start": 862, "end": 818}}], "casement_windows": [{"x": {"start": 990, "end": 367}, "y": {"start": 1104, "end": 367}}, {"x": {"start": 408, "end": 350}, "y": {"start": 408, "end": 474}}, {"x": {"start": 322, "end": 610}, "y": {"start": 322, "end": 798}}, {"x": {"start": 952, "end": 278}, "y": {"start": 952, "end": 348}}, {"x": {"start": 408, "end": 629}, "y": {"start": 408, "end": 753}}], "scoop_windows": [], "single_doors": [{"x": {"start": 882, "end": 763}, "y": {"start": 934, "end": 763}}, {"x": {"start": 755, "end": 524}, "y": {"start": 807, "end": 524}}, {"x": {"start": 957, "end": 606}, "y": {"start": 957, "end": 654}}, {"x": {"start": 638, "end": 524}, "y": {"start": 690, "end": 524}}], "sliding_doors": [], "entry_doors": [{"x": {"start": 853, "end": 540}, "y": {"start": 853, "end": 582}}]}