主讲人：李嫄姝 2012-3-7

A Novel Knowledge-Based System for Interpreting Complex Engineering Drawings : Theory , Representation , and Implementation

主讲人：李嫄姝2012-3-7

INTRODUCTION• 解析系统（ Interpretation system）• 目的：将用绘制图元（ graphical primitives ）表示的工程图转成高层次描述。• 个体本身属性信息（形状等）；• 个体彼此间复杂的关系（引用、复制等）。

• 工程图的高层次描述（ High-level interpretation of engineering drawings ）• 如何高效而鲁棒的解释描述绘图内容的上下文信息• 现实生活中的绘图除了包含几何形状外还有彼此间的约束和交互

INTRODUCTION• 自动高层次分析方法• 显式的图形约束（ explicit graphical constraint ）• 如：连接，平行，图元间的交叉等• 对潜在的工程个体进行形状查找• 隐含推理（ implicit reasoning ）• 如：省略、对称、引用等• 对所有信息（同一或不同图纸间）交叉分析

INTRODUCTION• 本文关键之处• 1 ）如何清楚而有效的表述图纸上复杂的建筑信息。• 2 ）如何使用基于知识的表述来线性解析复杂的高层次工程图。• 本文贡献之处• 1 ）提出一种基于描述符的分层的知识表述方法（ hierarchical

descriptor-based knowledge representation method ），来组织各类物体间复杂的高层次关系。• 2 ）开发了一种新的解析系统，该系统基于建议知识表述方法（ proposed knowledge representation method ）将现实的工程图转变为内容导向（ content-oriented ）的高层次表述。

INTRODUCTION

实例知识域（显式 & 隐式）扩展巴科斯范式（ EBNF）

载入知识表述文件树形结构由识别函数组成的线性序列

表述

解析

INTRODUCTION• 本文较之前优势• 1 ）对现实复杂工程图的高层次解析效果最好。• 2 ）不是用“ rules+inference” 而是通过分析人对复杂高层次工程图的解析过程，通过定义 EBNF 来清楚而容易的表述各部件和它们间的联系。• 3 ）该方法可以通过简单的修改基于 EBNF 的描述来适用于现实工程需要。

CHARACTERISTICS OF ENGINEERING DRAWINGS

• 工程图三部分• 比例（ scale ）• 工程体精确的几何投影。• 图解（ schematic ）• 各类快捷图标（ shortcut ）。• 内部表达（ internal representation ）• 隐含语义和关系。

CHARACTERISTICS OF ENGINEERING DRAWINGS

Fig.1

KNOWLEDGE ANALYSIS AND SYSTEM OVERVIEW

• 实际工程图纸中的典型知识构架• 外部知识（ Explicit knowledge ）工程实体明确的几何定义，它们相关的维度集和注释。• 内部知识（ implicit knowledge ）【多视图】相同的个体会以不同角度呈现，不一定要相同的 scale 。【省略】为避免重复，用文本表示细节，简化绘图。【引用】导航线和文本可用于表述细节部分， reference source & referencer 。【继承】不同图纸间相同部分， inheritance source & inheritor 。【反射】用于对称结构， reflection source & reflecter 。【尺寸约束】维度、尺寸注释。【图解或其他个人偏好】




• 自动解析系统步骤1. 在知识表述阶段，我们需要考虑目标物体显式的几何形状定义及与其他部分隐式的约束。2. 在自动解析阶段，系统可以在不同类型的模式下自由切换，在相关图画间反复解析。3. 隐式信息更可靠，因为形状定义模式各异和不精确的绘图等原因。显式几何定义可以被用于识别的入口；隐性约束可以用来引导随后的图形推理或一致性检测。


• 自动解析子系统• 由知识解释（ knowledge interpreter ）、知识分析（ knowledge parser ）和个体查找（ entity

searcher ）组成。1. 根据输入图纸类型载入相应知识文件，然后将其重排为树形结构。2. 知识分析执行深度优先查询，从根节点遍历整个树确定目标个体。3. 节点访问序列事实上转换成为一系列识别或解析函数。


Fig.3

KNOWLEDGE REPRESENTATION• 知识表述策略• 人类的理解过程• 【阅读】先读注释，以便了解缺省设置，然后自底往上读不同楼层图纸。• 【分析】先找到网格线，然后通过查找他们典型构成（如名字）迅速定位。

KNOWLEDGE REPRESENTATION• 符合人类理解方式的工程图自动解析方法包括以下几点：1. 识别出待解析的工程个体。快速找出各个有用个体。2. 有一个合适的解析顺序3. 放到整体环境中解析。例如，三视图。• 我们用调整好朝向的（ oriented ）、有序的（ ordered ）、完整的（ integrated ）策略用于设计我们新的知识表述方法，而不是原先的“ rules+inference” 。

KNOWLEDGE REPRESENTATION• Oriented Strategy• 清楚的预定义某工程个体可能存在的部件、约束和关系，以及其他隐含的描

述。解析个体被清晰的预定义后，搜寻区域可以被缩小从而提高效率和正确率。

• Ordered Strategy• 避免各图纸间不必要的跳跃。• 以塔图为例，自动解析的典型序列如下： 1）高层受低层影响，因此要选用自底向上方法。 2）Source 个体要先于其他访问。 3）某些明显的特征构成（如 a name text）应该最先被搜寻，因为他们通常可以加速分析。• Integrated Strategy• 内部结构和整体环境都要考虑。

KNOWLEDGE REPRESENTATION• 分层知识表述方法• 条件驱动的自动解析过程• 知识表述（ knowledge representation ）• 基于知识的解析（ knowledge-based interpretation ）

• 工程领域知识首先用知识描述符表示出来，遵守恰当的oriented 、 ordered 和 integrated 策略。每个工程个体被一个特定描述符集合确定，叫做它的有效描述符（ effective descriptor ）。

• 解析图纸时，载入相应的描述符集合，不可预知的条件驱动解析过程转化为一系列明确的线性描述符访问过程。

KNOWLEDGE REPRESENTATION• 条件驱动的自动解析过程（以 tower 为例）1. figs.1a 和 1b 的维度归同到全局坐标系中。2. fig.1a 中的 reference source column section view被查找出以便提供圆柱体的细节属性（如名称和形状）。3. referencer columns 通过形状匹配识别出。4. 一旦 fig.1a里的 referencer columns 找到，他们的形状坐标转换到 fig.1b 进而快速搜寻 inheritor

column 。5. 从 fig.1b 中删除识别出的维度和 inheritor columns 的图元，由于简化了查找空间，潜在的 slab 个体最终根据他们的图像构成定义（ graphical composition definitions ）被精确查找。

Fig.4

KNOWLEDGE REPRESENTATION• 知识描述符• 内部描述符（ internal descriptor ）• 描述目标个体的内部构造• 外部描述符（ external descriptor ）• 描述和其他工程个体之间的关系。外部描述符总是导致不同目标间的跳跃。

KNOWLEDGE REPRESENTATION• 典型内部描述符• Internal composition object（ ICO）• 定义分级重组的各部分。例如，名称、维度和形状是一个

column区域视图个体的 ICOs 。• Internal relational constraint（ IRC）• 描述某一解析目标的 ICO之间的关系，如平行、垂直。 IRC 对检测待识别工程目标体构造的关系的有效性很有用。例如，直线和说明文字需要跟随某特定图形约束来形成一个维度（ dimension ）。• Internal dimensional constraint（ IDC）• 定义形状、维度和相关注释之间的维度约束。维度提供检测几何有效性的约束。

KNOWLEDGE REPRESENTATION• 典型外部描述符（按用途分）• External necessary object（ ENO）• 一个必须体，需要在分析某特定物体前定义。例如，一个

beam drawing 是其相对应的 slab drawing 的 ENO 。• External source object（ ESO）• 带有细节属性的相应的 source entity 。• External flagging object（ EFO）• 标注工程目标的存在，例如，名字文本“ C1” 。

KNOWLEDGE REPRESENTATION• External leading method（ ELM）• 确定 ENO 、 ESO 或 EFO 和其他个体间关系。• distance-ELM （“ C1” 文本离哪个区域最近）• graphical-ELM （ ellipse&line ）• boundary-ELM （ cloud shape ）。

• External source-tracking method（ ESM）• 确定目标体如何搜寻它的 ESO 。• 分 reference-ESMs 、 inheritance-ESMs 和 reflection-ESMs 。

• External dimension-direction constraint（ EDC）

• 定义解析目标和它的 ENOs 间的维度和直接联系。维度集经常决定识别结果是否正确，或者加快识别进程。

KNOWLEDGE REPRESENTATION• 基于描述符的分层知识表述• BNF 有以下三个 meta-symbol ：• “:=”---- 被定义为• “|” ---- 或者• “<>”---- 包围种类名称（ surround a category

name ）

• EBNF 描述符

KNOWLEDGE REPRESENTATION

• Tower 例子的有效表述



• 解析系统的核心模块• 知识注释（ knowledge interpreter ）• 知识语法剖析（ knowledge parser ）• 个体搜寻（ entity searcher ）

• Knowledge interpreter首先将分层知识表述（ hierarchical knowledge representation ）载入一个 EBNF 树结构。 EBNF 树通过有效描述符和它们内在的分级关系，定义出潜在的解析目标。

KNOWLEDGE-BASED INTERPRETATION



• 个体搜寻（ entity searcher）失败原因1. 没有严格遵循 drawing rules2. 出现不在 knowledge base 中的个体• 解决办法• 记录该搜寻区域，创建一个警告消息，返回一个失败结果。自动解析过程终止后，用户双击warning message ，相关的失败区域显现，进一步做人工一致性检测或交互（ consistency-checking & interaction ）。


EXPERIMENTS AND DISCUSSIONS• 本文方法总结• 首先，抽取各类建筑实体的共同特征并且在建筑和结构工程师的指导下找到他们之间隐性约束。• 其次，将这些实体表述为知识描述符，并写入 XML格式的文件中，这种格式适用于组织和核查分级数据。• 最后，在解析过程中，系统载入带解析工程图纸和相应的

XML 文件。之后，通过深度优先遍历 EBNF 树，相应的函数被调用处理输入图纸。

EXPERIMENTS AND DISCUSSIONS• 本文较之前方法优势1. 每个解析目标仅仅由一组简单的描述符表述，使得定义域知识可读并且更方便人工维护。2. 因为 knowledge 是分级组织构成的，各种先前知识不会带来链式修改。3. 动态解析过程能够通过重排序，添加，删除或修改一个工程目标的“静态”的描述符来简单制定。

EXPERIMENTS AND DISCUSSIONS

• 降低时间成本方法：并行查找

EXPERIMENTS AND DISCUSSIONS

EXPERIMENTS AND DISCUSSIONS• 失败案例• 内部： 1. 内部几何形状定义没有包含在表述文件中。• 2. 内部表述符定义的很好，但是画的不好。• 外部： 1. 外部关系定义没有包含在表述文件中。• 2. 画的有错，如丢失 source entities ，尺寸标注冲突等。• 待提升处• 1. 解析参数更加智能化，少设限。• 2. 扩大适用领域。

O(∩_∩)O~

Documents

主讲人：李 嫄 姝 2012-3-7

主讲人：李嫄姝 2012-3-7