李 銳，李文強(qiáng)，漆小華，王 萌，宋悅剛，劉 漾

（1.四川大學(xué)機(jī)械工程學(xué)院，四川成都610065；2.四川大學(xué)創(chuàng)新方法與創(chuàng)新設(shè)計(jì)四川省重點(diǎn)實(shí)驗(yàn)室，四川成都610065；3.中國(guó)電子科技集團(tuán)公司第二十九研究所，四川成都610036）

CAD（computer aided design，計(jì)算機(jī)輔助設(shè)計(jì)）圖紙中不僅含有產(chǎn)品的幾何圖形信息，如零件圖、裝配圖等，還含有文本信息，如標(biāo)題欄、明細(xì)表等。對(duì)于不同類型的CAD圖紙，幾何圖形信息和文本信息的占比是不同的。對(duì)于傳統(tǒng)的機(jī)械建筑類圖紙來(lái)說(shuō)，幾何圖形信息是圖紙中的主要部分，文本信息較少；但對(duì)于某些文本圖紙，其信息幾乎由文字組成，如連接器電路圖，圖中清楚地標(biāo)注了連接器名稱，母板連接器名稱，母板用物資代碼，各個(gè)腔口名稱及相應(yīng)腔口中連接器的端子、特性和去向等信息。

為了提高文本圖紙的生成效率，利用自動(dòng)生成系統(tǒng)讀取待生成原文件中的文本信息并在AutoCAD軟件中自動(dòng)生成文本圖紙已成為一種發(fā)展趨勢(shì)。目前，該方法在實(shí)際生產(chǎn)中得到了越來(lái)越廣泛的應(yīng)用。根據(jù)待生成原文件中文本信息的不同屬性，自動(dòng)生成系統(tǒng)會(huì)自動(dòng)生成一張或多張CAD圖紙［1‐5］。為保證自動(dòng)生成的CAD圖紙的文本信息與原文件一致，須對(duì)其文本信息進(jìn)行提取并與原文件文本信息進(jìn)行匹配和校核。ObjectARX是AutoCAD軟件的二次開(kāi)發(fā)工具，利用其單行文本類中的contents函數(shù)和多行文本類中的strings函數(shù)可分別讀取通過(guò)塊表記錄迭代器遍歷CAD圖紙獲得的單行文本和多行文本［6‐10］。然而，由于塊表記錄迭代器是按照文本信息寫(xiě)入順序的逆序進(jìn)行遍歷的，并非按照CAD圖紙中文本信息的位置進(jìn)行遍歷，使得提取到的文本信息是混亂無(wú)序的。此外，現(xiàn)有CAD圖紙文本信息自動(dòng)提取方法僅針對(duì)單張圖紙，而對(duì)于多張CAD圖紙，利用該方法提取到的文本信息混雜在一起，無(wú)法辨識(shí)其所屬圖紙。因此，針對(duì)自動(dòng)生成的多張CAD圖紙，對(duì)其文本信息進(jìn)行有序提取和校核具有重要意義。

1 CAD圖紙文本信息提取的研究現(xiàn)狀

目前，國(guó)內(nèi)外學(xué)者針對(duì)CAD圖紙文本信息的提取已做了很多研究。Lu等基于對(duì)CAD圖紙中“文本”和“圖形”幾何特征的分析，提出了文本字符串提取的概念，即從混合文本信息和圖形的CAD圖紙中去除非文本元素，而不是直接從CAD圖紙中提取文本信息［11］。Chai等通過(guò)分離CAD圖紙中的文本框與周圍圖形來(lái)識(shí)別和提取文本信息［12］。何改云等通過(guò)用戶交互函數(shù)手動(dòng)地選取CAD圖紙中明細(xì)表的2個(gè)頂點(diǎn)，或在AutoCAD軟件的命令行中直接輸入2個(gè)頂點(diǎn)的坐標(biāo)來(lái)構(gòu)建窗口選擇集，提取CAD圖紙中所有的文本信息［13］。袁瓊通過(guò)將CAD圖紙中的每個(gè)明細(xì)表定義成一個(gè)屬性塊，并根據(jù)坐標(biāo)依次遍歷各屬性塊實(shí)現(xiàn)了CAD圖紙明細(xì)表中文本信息的提?。?4］。顏立坤等通過(guò)手動(dòng)選取CAD圖紙中明細(xì)表的坐標(biāo)范圍，先獲取該范圍內(nèi)所有文本的坐標(biāo)，然后采用冒泡法對(duì)這些坐標(biāo)進(jìn)行排序，確定其在明細(xì)表中的位置，從而實(shí)現(xiàn)CAD圖紙文本信息的提?。?5］。黃靖根據(jù)手動(dòng)獲取的明細(xì)表對(duì)角線上2個(gè)點(diǎn)的位置信息來(lái)構(gòu)建窗口選擇集，然后對(duì)選擇集內(nèi)的文本信息進(jìn)行操作，從而獲得了明細(xì)表中的文本及其位置信息［16］。張良棟等通過(guò)建立屬性塊來(lái)實(shí)現(xiàn)對(duì)CAD圖紙中明細(xì)表信息的提?。?7］。龔雄等通過(guò)遍歷CAD圖紙來(lái)搜索水平垂直線條和文字，并定義了2個(gè)分別記錄線條端點(diǎn)坐標(biāo)和文字字串及其坐標(biāo)的結(jié)構(gòu)數(shù)組，根據(jù)線條端點(diǎn)橫、縱坐標(biāo)的最小值和最大值確定了CAD圖圖框的坐標(biāo)范圍，然后依次提取圖框范圍內(nèi)的文本信息［18］。

雖然上述方法可對(duì)CAD圖紙的文本信息進(jìn)行有效提取，但存在以下2點(diǎn)不足：一是現(xiàn)有圖紙文本信息提取方法只能對(duì)單張CAD圖紙進(jìn)行提取，無(wú)法同時(shí)提取多張CAD圖紙的文本信息；二是現(xiàn)有圖紙文本信息提取方法僅能提取CAD圖紙中位置固定的文本信息，無(wú)法對(duì)多張CAD圖紙中位置不確定且類型多樣的文本信息進(jìn)行并行提取?；谏鲜霾蛔?，筆者提出了一種面向多張CAD圖紙的文本信息自動(dòng)提取方法，以實(shí)現(xiàn)對(duì)多張CAD圖紙中多種類型文本信息的有效提取。同時(shí)，基于提出的方法開(kāi)發(fā)了面向多張CAD圖紙的文本信息自動(dòng)提取與校核系統(tǒng)。

2 面向多張CAD圖紙的文本信息自動(dòng)提取方法及流程

2.1 面向多張CAD圖紙的文本信息自動(dòng)提取方法

為實(shí)現(xiàn)對(duì)多張CAD圖紙文本信息的自動(dòng)提取，需解決2個(gè)方面的問(wèn)題。一是當(dāng)對(duì)單張CAD圖紙的文本信息進(jìn)行提取時(shí)，由于所有文本信息都位于一張圖紙中，不存在不同圖紙之間文本信息相互干擾的問(wèn)題，可直接對(duì)整張CAD圖紙中的文本屬性塊進(jìn)行遍歷，然后分別提取屬性塊中的文本信息。但對(duì)于多張CAD圖紙而言，為了準(zhǔn)確提取每張CAD圖紙的文本信息，需先確定每張CAD圖紙的位置，然后分別提取屬于不同CAD圖紙的文本信息。二是當(dāng)僅對(duì)CAD圖紙中標(biāo)題欄或明細(xì)表中的文本信息進(jìn)行提取時(shí)，由于標(biāo)題欄和明細(xì)表的位置都相對(duì)固定，且其文本信息都屬于同一種類型，可直接利用窗口選擇集對(duì)CAD圖紙中選定范圍內(nèi)的文本信息進(jìn)行遍歷，并根據(jù)其坐標(biāo)進(jìn)行提取。但在提取多張CAD圖紙中位置不固定且類型多樣的文本信息時(shí)，為了準(zhǔn)確提取不同位置處不同類型的文本信息，需對(duì)多張CAD圖紙進(jìn)行遍歷并對(duì)各位置處不同類型的文本信息進(jìn)行分類提取。基于此，提出面向多張CAD圖紙的文本信息自動(dòng)提取方法，其主要包括以下3個(gè)部分。

1）確定每張CAD圖紙的位置。

CAD圖紙自動(dòng)生成系統(tǒng)可生成具有塊屬性的CAD圖紙。將不同規(guī)格的圖紙（A0、A1、A2、A3和A4紙）做成相應(yīng)的屬性塊（即圖紙塊），通過(guò)直接調(diào)用或插入來(lái)生成多張CAD圖紙。采用ObjectARX中的塊表記錄迭代器對(duì)自動(dòng)生成的每張CAD圖紙中的線段、圖形和屬性塊等實(shí)體進(jìn)行逐個(gè)遍歷，利用實(shí)體類中的isA（）函數(shù)篩選得到屬性塊，并利用塊表記錄類中的getName（）函數(shù)獲取屬性塊的名稱，將遍歷得到的屬性塊與所調(diào)用圖紙塊進(jìn)行對(duì)比，從而依次找出所有圖紙塊，確定CAD圖紙的數(shù)量，并根據(jù)圖紙塊對(duì)應(yīng)的圖紙幅面，結(jié)合圖紙塊插入點(diǎn)的坐標(biāo)確定其位置，從而將多張圖紙文本信息的提取轉(zhuǎn)換為單張圖紙文本信息的提取，避免了不同圖紙文本信息之間的相互干擾。

2）提取多張CAD圖紙的文本信息。

在CAD圖紙自動(dòng)生成系統(tǒng)通過(guò)讀取原文件中產(chǎn)品零件信息自動(dòng)生成的多張CAD圖紙中，文本信息已被分類，具有不同屬性的文本信息以不同類型的矩形框來(lái)區(qū)分。本文根據(jù)矩形框所具有的屬性特點(diǎn)對(duì)文本信息進(jìn)行分類提取。其中，矩形框的構(gòu)成方式包括多段線和屬性塊兩種。對(duì)于由多段線構(gòu)成的矩形框中的文本信息，利用矩形框的任意2個(gè)對(duì)角坐標(biāo)構(gòu)建窗口選擇集來(lái)獲取文本信息，利用容量可動(dòng)態(tài)變化的Vector數(shù)組或Cstring變量來(lái)存儲(chǔ)所提取的文本信息。對(duì)于由屬性塊構(gòu)成的矩形框中的文本信息，分2類進(jìn)行提?。寒?dāng)文本信息不屬于屬性塊的組成部分時(shí)（即文本信息不參與屬性塊的構(gòu)建），根據(jù)矩形框的插入點(diǎn)坐標(biāo)和尺寸構(gòu)建窗口選擇集，獲取文本信息并將其存儲(chǔ)在Vector數(shù)組或Cstring變量中；當(dāng)文本信息屬于屬性塊的組成部分時(shí)（即文本信息參與屬性塊的構(gòu)建），提取文本信息前必須先將矩形框炸開(kāi)，再根據(jù)文本信息的坐標(biāo)、圖層名等獲取文本信息并存儲(chǔ)。

基礎(chǔ)病理學(xué)教學(xué)只針對(duì)疾病的普遍特征進(jìn)行講授，包括疾病的病因、發(fā)病機(jī)制、病理變化、結(jié)局和轉(zhuǎn)歸，其講授的是疾病的基本特征，屬于非專業(yè)性極強(qiáng)的醫(yī)學(xué)課程，因此契合X型慕課，非職業(yè)“精英主義”的原則[4]。

3）自動(dòng)輸出與校核多張CAD圖紙的文本信息。

由于獲得的文本信息儲(chǔ)存在Vector數(shù)組或Cstring變量中，設(shè)計(jì)人員不能直接識(shí)別和利用。因此，須將儲(chǔ)存在數(shù)組或變量中的文本信息輸出并與原文件中的文本信息進(jìn)行對(duì)比。本文利用Excel接口程序輸出所提取的文本信息，并生成相應(yīng)的Execl文件。

與其他文本信息提取方法相比，面向多張CAD圖紙的文本信息自動(dòng)提取方法具有以下優(yōu)點(diǎn)：1）能夠自動(dòng)地識(shí)別每張CAD圖紙并進(jìn)行文本信息提取，即無(wú)論是單張或多張CAD圖紙，該方法都適用；2）不僅能對(duì)CAD圖紙中位置相對(duì)固定的標(biāo)題欄和明細(xì)表中的文本信息進(jìn)行提取，還能對(duì)CAD圖紙中位置不確定的文本信息進(jìn)行自動(dòng)識(shí)別和提??；3）可基于多段線和屬性塊的特征自動(dòng)識(shí)別CAD圖紙中不同類型的文本信息并進(jìn)行分類提取和輸出。

2.2 面向多張CAD圖紙的文本信息自動(dòng)提取流程

基于上述面向多張CAD圖紙的文本信息自動(dòng)提取方法，建立相應(yīng)的文本信息自動(dòng)提取與校核流程（如圖1所示），主要步驟如下。

圖1 面向多張CAD圖紙的文本信息自動(dòng)提取與校核流程Fig.1 Automatic extraction and verification process of text information for multiple CAD drawings

1）利用ObjectARX中的塊表記錄迭代器對(duì)多張CAD圖紙進(jìn)行遍歷，依次獲得所有圖紙塊。

2）將獲得的圖紙塊的插入點(diǎn)坐標(biāo)分別輸入到Vector數(shù)組中，并根據(jù)圖紙?jiān)贏utoCAD軟件界面中的排布方式對(duì)數(shù)組中的插入點(diǎn)坐標(biāo)進(jìn)行排序。

3）排序完成后，根據(jù)數(shù)組中圖紙塊的插入點(diǎn)坐標(biāo)確定每張CAD圖紙的位置。循環(huán)構(gòu)建窗口選擇集，對(duì)每張CAD圖紙文本信息所在的矩形框進(jìn)行遍歷。

4）將遍歷得到的矩形框按屬性特點(diǎn)進(jìn)行分類，并根據(jù)矩形框在CAD圖紙中的位置，對(duì)同類型的矩形框進(jìn)行排序。

5）排序完成后，根據(jù)矩形框的構(gòu)成方式，采用對(duì)應(yīng)的方法對(duì)文本信息進(jìn)行提取。

6）將提取得到的文本信息輸出到新生成的Excel文件中并與原文件中的文本信息進(jìn)行匹配和校核。

3 面向多張CAD圖紙的文本信息自動(dòng)提取與校核系統(tǒng)

在Visual Studio 2008平臺(tái)上通過(guò)二次開(kāi)發(fā)工具ObjectARX 2010開(kāi)發(fā)了一個(gè)面向多張CAD圖紙的文本信息自動(dòng)提取與校核系統(tǒng)，其主要包括以下功能模塊。

1）啟動(dòng)模塊。傳統(tǒng)的ObjectARX程序是通過(guò)在AutoCAD軟件的命令行中手動(dòng)輸入函數(shù)生成的啟動(dòng)命令來(lái)執(zhí)行相應(yīng)功能，但這種執(zhí)行方式要求操作人員清楚地記住各個(gè)功能函數(shù)的啟動(dòng)命令，當(dāng)啟動(dòng)命令的數(shù)量多且較長(zhǎng)時(shí)，這種執(zhí)行方式就會(huì)變得很麻煩。因此，本文開(kāi)發(fā)的系統(tǒng)通過(guò)加載菜單資源的方法創(chuàng)建了快捷菜單的命令執(zhí)行方式。其中，菜單資源加載函數(shù)的代碼如下：

2）文本信息提取模塊。根據(jù)屬性塊名稱遍歷得到CAD圖紙中相同類型矩形框的任意2個(gè)對(duì)角坐標(biāo)或插入點(diǎn)坐標(biāo)，并根據(jù)該類矩形框在圖紙中的位置對(duì)其對(duì)角坐標(biāo)或插入點(diǎn)坐標(biāo)進(jìn)行排序，以保證所提取文本信息的準(zhǔn)確排列，利用矩形框與文本之間的位置關(guān)系構(gòu)建窗口選擇集或炸開(kāi)矩形框，以獲取矩形框中的文本信息并存儲(chǔ)到Vector數(shù)組或Cstring變量中。其中，獲取由屬性塊構(gòu)成的矩形框中文本信息的部分代碼如下：

3）文本信息輸出模塊。利用Excel操作接口，按照1張圖紙對(duì)應(yīng)Excel中1個(gè)工作表的原則，將儲(chǔ)存在數(shù)組和變量中的文本信息輸出到Excel中。保存在Vector數(shù)組中的文本信息的輸出代碼如下：

4）文本信息校核模塊。利用Visual Studio 2008中的可視化技術(shù)將提取到的文本信息以窗口形式顯示出來(lái)。自定義的用戶交互函數(shù)的代碼如下：

4 應(yīng)用實(shí)例

利用前期開(kāi)發(fā)的基于Excel文件中文本信息的CAD圖紙自動(dòng)生成系統(tǒng)，通過(guò)讀取Excel文件中的文本信息，在AutoCAD軟件中生成多張連接器電路圖，如圖2所示。利用開(kāi)發(fā)的面向多張CAD圖紙的文本信息自動(dòng)提取與校核系統(tǒng)對(duì)連接器電路圖中的文本信息進(jìn)行自動(dòng)提取和校核。

圖2 自動(dòng)生成的連接器電路圖Fig.2 Automatically generated connector circuit diagram

1）在AutoCAD軟件界面中，先點(diǎn)擊鼠標(biāo)右鍵彈出快捷菜單，再點(diǎn)擊快捷菜單中的“輸出并校核”選項(xiàng)，啟動(dòng)文本信息的提取和校核功能。然后，借助視圖調(diào)整模塊對(duì)用戶窗口進(jìn)行調(diào)整，使得所有電路圖都處于用戶窗口內(nèi)，保證所提取文本信息的完整性。

2）利用塊表記錄迭代器對(duì)所有連接器電路圖進(jìn)行遍歷，將遍歷得到的圖紙塊名稱及其插入點(diǎn)坐標(biāo)分別添加到Vector數(shù)組和Vector數(shù)組中，并對(duì)圖紙塊名稱數(shù)組和插入點(diǎn)坐標(biāo)數(shù)組進(jìn)行同步排序。然后，根據(jù)圖紙塊名稱所對(duì)應(yīng)的圖紙尺寸（如“A0”對(duì)應(yīng)的圖紙尺寸為1 189 mm×841 mm）和插入點(diǎn)坐標(biāo)，循環(huán)構(gòu)建窗口選擇集并依次對(duì)每張圖紙中的屬性塊和多段線進(jìn)行遍歷。

在圖2所示的連接器電路圖中，文本信息被劃分為3種類型：類型1和類型3對(duì)應(yīng)的矩形框名稱為“zw_table”，類型2對(duì)應(yīng)的矩形框名稱為“zw_rf”，且類型3對(duì)應(yīng)的矩形框被紅色多段線所包圍。首先，分別利用矩形框名稱和紅色多段線創(chuàng)建結(jié)果緩沖區(qū)鏈表；然后，利用窗口選擇集分別遍歷這3類文本信息所在矩形框的對(duì)角坐標(biāo)和插入點(diǎn)坐標(biāo)并排序，以保證提取的文本信息的順序；最后，根據(jù)矩形框的坐標(biāo)和尺寸，再次構(gòu)建窗口選擇集，分別獲取3種文本信息并存儲(chǔ)在Vector數(shù)組中。

3）利用添加的Excel接口程序及put_item函數(shù)將儲(chǔ)存在數(shù)組中的文本信息輸出到Excel的工作表中（1張電路圖對(duì)應(yīng)1個(gè)工作表），并將工作表名設(shè)置為對(duì)應(yīng)連接器的名稱，如圖3所示。

圖3 輸出到Excel工作表中的連接器信息Fig.3 Connector information exported to Excel worksheet

4）文本信息輸出完成后，AutoCAD軟件的界面上會(huì)彈出1個(gè)文件選擇窗口，用于提醒設(shè)計(jì)人員選擇自動(dòng)生成連接器電路圖時(shí)所讀取的Excel文件，并與圖3所示的原Excel文件進(jìn)行匹配和校核；然后，利用內(nèi)置的可視化技術(shù)在AutoCAD軟件界面上生成一個(gè)窗口，用于顯示匹配結(jié)果。圖4所示為上述連接器電路圖文本信息匹配結(jié)果顯示窗口。

圖4 連接器電路圖文本信息匹配結(jié)果顯示窗口Fig.4 Display window of text information matching result of connector circuit diagram

5 結(jié) 論

針對(duì)現(xiàn)有圖紙文本信息提取方法無(wú)法自動(dòng)提取多張圖紙中多種類型文本信息的問(wèn)題，提出了一種面向多張CAD圖紙的文本信息自動(dòng)提取方法，并開(kāi)發(fā)了相應(yīng)的自動(dòng)提取和校核系統(tǒng)。目前，所開(kāi)發(fā)的系統(tǒng)已成功應(yīng)用于多張連接器電路圖文本信息的自動(dòng)提取和校核。此外，該方法還可應(yīng)用于其他產(chǎn)品CAD圖紙的文本信息提取，具有較好的實(shí)用性和廣闊的應(yīng)用前景。