本发明涉及三维地籍建模，具体的是基于建筑平面图的不动产户室语义信息提取方法及系统。
背景技术：
1、传统的二维地籍管理模式已无法全面反映土地在立体空间中的权属关系和利用状况。因此，需要建立以三维地籍为核心的土地立体化管理模式。三维地籍建模是实现三维地籍管理目标的关键步骤。
2、建筑平面图是将新建建筑物或构筑物的墙、门窗、楼梯、地面及内部功能布局等建筑情况，以水平投影方法和相应的图例所组成的图纸。包括包含大量的几何、语义、关系信息，可以作为三维地籍建模丰富的信息源；目前，对于建筑平面图中的语义提取方法大致可分为人工提取和自动化提取两类，基于人工的提取方法费时费力且经济效益低的工作，并且在复杂的数据处理和语义提取过程中容易出现人为错误。自动化提取方法通常对建筑构件进行识别，缺乏户室语义信息的提取以及建筑构件的重建过程，其提取信息无法直接作为三维地籍建模的数据源。
技术实现思路
1、为解决上述背景技术中提到的不足，本发明的目的在于提供基于建筑平面图的不动产户室语义信息提取方法及系统，能够解决人工提取建筑平面图的不动产语义费时费力以及相关自动化提取方法缺乏户室语义信息的提取以及建筑构件的重建的问题。
2、第一方面，本发明的目的可以通过以下技术方案实现：基于建筑平面图的不动产户室语义信息提取方法，方法包括以下步骤：
3、接收建筑平面图，对建筑平面图进行预处理，得到不动产户室图像，将不动产户室图像输入至预先建立的卷积神经网络模型内，输出包含户室关键特征的多尺度特征图，将包含户室关键特征的多尺度特征图进行扁平化处理得到一维特征向量；
4、将一维特征向量输入至预先建立的transformer encoder内进行深度增强，输出得到包含增强关键特征的向量；
5、将包含增强关键特征的向量输入至预先建立的transformer decoder内进行迭代的多边形查询细化，输出得到代表户室及其部件的多边形顶点坐标，根据代表户室及其部件的多边形顶点坐标生成矢量图。
6、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述对建筑平面图进行预处理包括记、轴线的干扰信息的去除、图像格式转换和图像标准化；过程如下：
7、记、轴线的干扰信息的去除为：去除建筑平面图文字注记、轴线的干扰信息，保留墙体和门窗的重要结构信息，
8、图像格式转换为：将dxf格式的建筑平面图转换为png格式；
9、图像标准化为：对图像进行尺寸的标准化、归一化处理。
10、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的卷积神经网络模型选择 resnet-101；
11、在resnet-101网络的残差模块生成包含户室多尺度特征图，通过卷积将多尺度特征图的通道数进行统一，然后对特征图实施扁平化处理，得到由若干像素值组成的一维特征向量。
12、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述resnet-101网络的表达式如下：
13、resnet-101主干由五个模块构成：
14、初始卷积层和最大池化层；
15、残差模块1:；
16、残差模块2:；
17、残差模块3:；
18、残差模块4；
19、：表示使用大小的卷积核进行卷积操作；
20、：表示使用大小的窗口进行最大池化操作；
21、：表示步长为，用于描述卷积或池化操作中窗口每次移动的距离；
22、：分别代表每步卷积操作中卷积核的通道数。
23、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的transformer encoder包括：多个编码器层，每一层由多头自注意力模块和前馈网络两模块构成；
24、将一维特征向量通过编码器输入嵌入层映射到256维的向量空间，并在每个像素对应特征向量中加入相应的位置编码，然后经过多头注意力机制和前馈网络来捕捉户室的几何、语义和关系特征的向量信息，提取局部特征和全局特征以及更复杂的像素间关系，输出包含增强关键特征的向量。
25、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的transformer encoder的表达式如下：
26、多头注意力模块：
27、
28、
29、
30、：表示多头注意力模块的最终输出；：将多个向量或矩阵按顺序拼接在一起的函数；：表示模型中所有头的输出；：表示头的总数；：表示输出变换矩阵；是第个头的输出结果；分别是第个头的查询、键、值变换矩阵；
31、是键向量的维度；是注意力计算函数；：分别表示查询向量、键向量和值向量；：概率分布函数，将和的点积结果转换为概率分布；
32、前馈网络：
33、
34、：输入向量，是前馈网络的输入数据，：第一个线性变换的权重矩阵；：第一个线性变换的偏置向量；：激活函数；第二个线性变换的权重矩阵；：第二个线性变换的偏置向量。
35、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述预先建立的transformer decoder包括：多个解码器层，每一层由多头注意力模块、多头注意力模块和前馈网络三个主要模块构成；
36、预先建立的transformer decoder的表达式如下：
37、掩码多头注意力模块：
38、
39、
40、
41、在原有的注意力函数中加入一个掩码，来屏蔽下一位置的信息；
42、掩码多头注意力函数表示为：
43、
44、：表示按位乘法；：表示掩码矩阵；
45、以及多头注意力模块和前馈网络。
46、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将包含增强关键特征的向量输入至预先建立的transformer decoder内进行迭代的多边形查询细化的过程如下：
47、建立多边形查询：
48、定义由若干个多边形组成的集合：；每个多边形；每个顶点，其中表示一个有效顶点的概率，表示顶点坐标，用多边形表示房间及其部件的预测，在transformer decoder的最后一层通过函数预测多边形的类型，对于一张建筑平面图，设置房间、门、窗、通道四种类型标签，分别对应到四类多边形集合
49、；
50、通过多边形匹配建立预测集合和真实集合之间的联系：
51、地面的真实坐标值用表示，其中多边形；顶点，对于，首先将填充到顶点的长度，然后进一步扩充中到的长度，在的多边形中设置每个顶点。
52、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述根据代表户室及其部件的多边形顶点坐标生成矢量图的过程：
53、将多边形通过类型预测匹配到四类多边形集合中，分别表示房间、门、窗和通道多边形的预测；
54、对多边形集合中的多边形的顶点坐标自动化连接得到线图层，对线图层进行拓扑重建并建立缓冲区生成面图层；连接多边形集合中的两点坐标得到线段，对线段建立缓冲区生成面图层；面图层和进行求交裁剪运算并匹配类型标签生成门、窗、墙图层。
55、第二方面，为了达到上述目的，本发明公开了基于建筑平面图的不动产户室语义信息提取系统，包括：
56、图像处理模块，用于接收建筑平面图，对建筑平面图进行预处理，得到不动产户室图像，将不动产户室图像输入至预先建立的卷积神经网络模型内，输出包含户室关键特征的多尺度特征图，将包含户室关键特征的多尺度特征图进行扁平化处理得到一维特征向量；
57、深度增强模块，用于将一维特征向量输入至预先建立的transformer encoder内进行深度增强，输出得到包含增强关键特征的向量；
58、图层生成模块，用于将包含增强关键特征的向量输入至预先建立的transformerdecoder内进行迭代的多边形查询细化，输出得到代表户室及其部件的多边形顶点坐标，根据代表户室及其部件的多边形顶点坐标生成矢量图。
59、本发明的有益效果：
60、本发明通过自动化和智能化的处理流程，利用卷积神经网络和transformer模型的深度学习技术，能够精确地从建筑平面图中提取关键的几何、语义和关系特征，并有效地将这些特征转化为多边形顶点坐标，最终自动化地生成矢量图。本发明为建筑平面图的不动产语义信息提取提供了一种全新的解决方案，减少了人工提取的错误和成本，同时大幅提升了信息提取的效率，为三维地籍建模提供了丰富、高质量的数据，可直接作为三维地籍建模的数据源，具有广泛的应用前景和实际价值。
1.基于建筑平面图的不动产户室语义信息提取方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述对建筑平面图进行预处理包括注记、轴线的干扰信息的去除、图像格式转换和图像标准化；过程如下：
3.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述预先建立的卷积神经网络模型选择 resnet-101；
4.根据权利要求3所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述resnet-101网络的表达式如下：
5.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述预先建立的transformer encoder包括：多个编码器层，每一层由多头自注意力模块和前馈网络两模块构成；
6.根据权利要求5所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述预先建立的transformer encoder的表达式如下：
7.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述预先建立的transformer decoder包括：多个解码器层，每一层由掩码多头注意力模块、多头注意力模块和前馈网络三个主要模块构成；
8.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述将包含增强关键特征的向量输入至预先建立的transformer decoder内进行迭代的多边形查询细化的过程如下：
9.根据权利要求1所述的基于建筑平面图的不动产户室语义信息提取方法，其特征在于，所述根据代表户室及其部件的多边形顶点坐标生成矢量图的过程：
10.基于建筑平面图的不动产户室语义信息提取系统，其特征在于，包括：
