当前位置: 首页 > java >正文

CAD图纸智能搜索三大突破:图纸秒搜技术、相似度匹配与AI语义搜索

前言

在制造业、建筑设计和工程管理等相关领域,CAD图纸是核心资产,但海量图纸的管理与检索长期存在三大痛点:

  • 全文检索难:传统方式需逐张打开图纸人工查找,耗时耗力;-

  • 相似图纸匹配低效:设计师常需复用历史图纸,但人工比对相似度误差率高;

  • 精准搜索依赖经验:非专业人员难以通过模糊描述快速定位图纸内容。

    为此,唯杰地图 https://vjmap.com 推出三项智能搜索方案:

  • CAD图纸秒搜:基于现代化全文搜索和索引引擎,秒级检索图纸内所有文字、图层、块名称、线型名称等,支持多条件组合查询;

  • 相似度搜索:采用SIFT算法和深度学习模型,提取几何特征与拓扑结构,精准匹配相似图纸;

  • AI语义搜索:通过大模型解析自然语言指令(如“找查找半径为10的红色的圆”),直接查出具体图中符合条件的圆。

    通过这三项技术,让图纸从“沉睡的档案”变为“可对话的数据资产”。

一、CAD图纸秒搜

进入唯杰地图云端管理平台 在搜索框输入要查询的内容,即可秒搜所有相关的图纸,实现图文并茂的方式呈现。

1.1 搜索入口

  • 在顶部导航栏的搜索框中输入要搜索的内容
  • 支持搜索图中文字图层名称块名称线型名称填充符号名

1.2 搜索建议

  • 输入过程中会实时显示搜索建议
  • 点击建议项可以快速填充搜索内容

1.3 高级过滤

  • 点击搜索框右侧的过滤图标
  • 在下拉菜单中选择"高级过滤选项"

1.4 过滤条件说明

  1. 地图版本

    • 可以输入mapid或mapid_version
    • 多个版本用逗号分隔
    • 点击"选择"按钮可以从列表中选择地图
  2. 文档类型

    • 支持多种类型的选择:
      • 单行文字 (1)
      • 多行文本 (2)
      • 属性注记 (3)
      • 块属性注记 (4)
      • 图层 (5)
      • 块名称 (6)
      • 线型名称 (7)
      • 填充符号名称 (8)
      • 用户自定义 (9)
    • 可以多选
  3. 时间范围

    • 支持两种格式:
      • 天数:如"7"表示最近7天
      • 日期范围:如"2024-01-01~2024-01-31"
  4. 边界框

    • 格式:minX,minY,maxX,maxY
    • 点击"选择"按钮可以从地图上选择范围, 通过范围可以查询所有图纸中相同范围内的文字
  5. 结果限制

    • 可以设置返回结果的最大数量
    • 范围:1-10000
    • 默认值:1000

1.5 刷新索引

  • 在过滤下拉菜单中选择"刷新全文索引数据"
  • 用于更新搜索索引,确保搜索结果最新

1.6 清除过滤

  • 在过滤下拉菜单中选择"清除所有过滤"
  • 快速清除所有已设置的过滤条件

1.7 使用技巧

  • 多个关键词用空格分隔可以进行组合搜索
  • 点击某个结果项的"排序"按钮,可以将其设为参照点, 其他结果项会显示到该点的距离,并可以按距离排序

二、CAD图相似度匹配

图像相似度匹配通过向量化的方法,主要分为特征提取、向量表示和相似度计算三个步骤。

  • 1、特征提取
    将图像转换为高维特征向量是匹配的基础,常用方法包括:
    传统算法:如SIFT(尺度不变特征变换)、SURF(加速稳健特征)、ORB(定向FAST)等,提取局部关键点及其描述子。
    深度学习方法:使用CNN(卷积神经网络)提取全局或局部特征,生成更具语义信息的向量
  • 2、 向量表示
    向量化:将提取的特征整合为固定长度的向量
  • 3、相似度计算
    通过距离或相似度度量比较向量:
    欧氏距离:计算向量间的直线距离,适用于空间分布相似性
    余弦相似度:衡量向量方向一致性。
    汉明距离:用于二进制哈希向量(如感知哈希),统计不同比特数

image-20250506194555461

在唯杰地图云端管理平台 中,在要匹配的图的操作菜单下面,点击地图相似度排序, 返回的结果会按与此图的相似度进行排序。

三、AI智能查询

对于具体的CAD图,可通过AI语义的方式对图中内容进行查询。

可在 唯杰地图云端管理平台中,打开地图。点击工具栏上面的AI数据查询 进入 AI数据查询可视化查询工具

示例地址: https://vjmap.com/app/visual/#/query?mapid=sys_zp&version=v1&mapopenway=GeomRender&theme=dark

image-20250303161206288

image-20250303161516621

演示教程

http://www.xdnf.cn/news/4356.html

相关文章:

  • 【每天一个知识点】使用 apriori() 函数获取频繁项集
  • 逐次逼近式A/D转换器
  • 线性回归练习1
  • 从基础到进阶:C++ 中 find 函数的全方位解析
  • MySQL 隐式转换及整数转浮点
  • 解锁健康生活:全新养身指南
  • Leetcode Hot 100 三数之和
  • Relay算子注册(在pytorch.py端调用)
  • 卷积神经网络实战(3)
  • 【基础】Python包管理工具uv使用全教程
  • Java日期格式化方法总结
  • DApp 开发:开启去中心化应用新时代
  • Spring事务和事务传播机制
  • C语言| 递归和循环的优缺点
  • 塔能水泵节能方案:精准驱动工厂能耗优化
  • 展锐Android13禁止用户使用超级省电
  • 新一代Python专业编译器Nuitka简介
  • ROS2:自定义接口文件(无废话)
  • 多模态理论知识
  • 二叉树与堆排序(概念|遍历|实现)
  • python酒店在线预定管理系统-酒店客房管理系统-快捷酒店入住系统
  • 【Linux系统】vim编辑器的使用
  • FoMo 数据集是一个专注于机器人在季节性积雪变化环境中的导航数据集,记录了不同季节(无雪、浅雪、深雪)下的传感器数据和轨迹信息。
  • C语言编程--递归程序--求数组的最大元素值
  • 油气地震资料信号处理中的NMO(正常时差校正)
  • 【网络篇】传输层TCP协议的确认应答,超时重传机制
  • IT咨询——企业数据资产怎样评估
  • 满分PPT | 基于数据运营的新型智慧城市实践与思考智慧城市数据中台解决方案智能建筑与智慧城市建设方案
  • 基于nacos实现动态线程池设计与实践:告别固定配置,拥抱弹性调度
  • LabVIEW与 IMAQ Vision 机器视觉应用