1.一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，包括如下步骤：步骤(1)获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2；

步骤(2)对建筑图纸图像G2依次进行灰度化、二值化和边缘检测的预处理操作，得到预处理图像G3；

步骤(3)定义轮廓特征，对预处理后的图像G3进行膨胀操作，对膨胀后形成的连通域进行判定，确定图纸中待识别的标签区域并分割，得到标签区域图像G4，具体步骤为：(3.1)对预处理后的建筑图纸图像G3，使用OpenCV中dilate函数进行膨胀操作，与进行卷积，形成连通域；

(3.2)分别使用OpenCV中contourArea函数和arcLength函数计算连通域的轮廓面积A和轮廓长度L；

(3.3)定义轮廓面积阈值集are＝{are1,are2,…,aren}和轮廓长度阈值集len＝{len1,len2,…,lenn}，分别对A和L进行筛选从而确定标签信息区域TA；

(3.4)将标签信息区域TA进行分割，得到标签信息图像G4；

步骤(4)对处理后的标签区域图像G4进行OCR识别，得到图纸标签信息集G5。

2.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(1)中获取建筑图纸文件G1，并将pdf格式的建筑图纸文件G1转换为png格式图像G2的具体步骤如下：

利用PyMuPDF库，与原建筑图纸G1等比例将格式转换为png格式建筑图纸图像G2，保证建筑图纸图像的信息完整性。

3.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(2)中得到预处理图像G3的具体步骤如下：(2.1)定义png格式图像G2中像素点集C＝{c1,c2,…,cN}，其中像素点cN的表示形式为cN(RN,GN,BN)，RN,GN,BN为第N个像素点的红色分量，绿色分量和蓝色分量，其中RN,GN,BN∈[0,

255]；

(2.2)定义灰度化公式g＝0.114*R+0.587*G+0.299*B，其中R、G、B分别为像素点的红色分量、绿色分量和蓝色分量；

(2.3)定义循环变量m，用来遍历C，使用灰度化公式g计算G2中每个像素点的灰度值，得到G2像素点灰度值集Gray＝{g1,g2,…,gm}，其中gm∈[0,255]，从而将彩色图纸图像转换灰度化图像R1；

(2.4)定义循环变量n，用来遍历Gray，定义T＝{t1,t2,…,tn}为灰度建筑图纸图像R1中每个像素点的灰度值，定义阈值th＝230；

(2.5)如果tn≤th，则跳转到步骤(2.6)，否则跳转到步骤(2.7)；

(2.6)tn＝0；

(2.7)tn＝255；

(2.8)得到二值化的像素点灰度值集T1＝{t1,t2,…,tn}，其中tn＝{0,255}，则将灰度建筑图纸图像转换为二值建筑图纸图像R2；

(2.9)利用OpenCV中的Canny算子对R2进行边缘检测，并设定低阈值tl＝50，高阈值tg＝170，得到预处理后图像G3。

4.根据权利要求1所述的一种基于OpenCV的建筑图纸标签信息检测方法，其特征在于，所述步骤(4)中得到图纸标签信息集G5的具体步骤如下：(4.1)对标签信息图像G4，使用百度提供的basicAccurate函数进行文字识别，返回识别的置信度TR和识别结果集RE；

(4.2)设定置信度阈值为TV；

(4.3)如果TR

(4.4)标记为不可识别；

(4.5)提取出识别结果RE中的注册签章信息R1，出图签章信息R2，详细信息R3，得到图纸标签信息集G5＝{R1,R2,R3}。