Journal · 2024
Recognition of House Structures from Complicated Electrical Plan Images
Abstract
Advances in image analysis and deep learning technologies have expanded the use of floor plans, traditionally used for sales and rentals, to include 3D reconstruction and automated design. However, a typical floor plan does not provide detailed information, such as the type and number of outlets and locations affecting the placement of furniture and appliances. Electrical plans, providing details on electrical installations, are intricate due to overlapping symbols and lines and remain unutilized as house manufacturers independently manage them. This paper proposes an analysis method that extracts the house structure, room semantics, connectivities, and specifics of wall and ceiling sockets from electrical plans, achieving robustness to noise and overlaps by leveraging the unique features of symbols and lines. The experiments using 544 electrical plans show that our method achieved better accuracy (+3.6 pt) for recognizing room structures than the state-of-the-art method, 87.2% in identifying room semantics and 97.7% in detecting sockets.
Research Note
間取り図は本来は売買や賃貸のための資料ですが、画像解析と深層学習が進んだことで、3次元復元や設計の自動化にも使われるようになってきました。ただ間取り図には、コンセントがどの種類でいくつあるか、どこに付いているかといった情報が載っていません。これは家具や家電をどこに置けるかを左右するので、実用上は無視できない情報です。
その情報を持っているのが電気図面です。ところが電気図面は記号と線が重なり合っていて解析が難しく、しかもハウスメーカーがそれぞれ独自に管理しているため、これまで活用されてきませんでした。
本研究は、この電気図面から住宅の構造、各部屋の用途、部屋どうしのつながり、そして壁と天井のコンセントの詳細を抽出する解析手法を提案しています。記号と線が持つそれぞれ固有の特徴を手がかりにすることで、ノイズや重なりに対する頑健性を確保しました。
544枚の電気図面を用いた実験では、部屋の構造の認識で既存の最高性能の手法を 3.6 ポイント上回り、部屋の用途の判別で 87.2%、コンセントの検出で 97.7% の精度が得られました。
