CN109670262B - 一种计算机辅助家居布局优化方法及系统 - Google Patents
一种计算机辅助家居布局优化方法及系统 Download PDFInfo
- Publication number
- CN109670262B CN109670262B CN201811623593.1A CN201811623593A CN109670262B CN 109670262 B CN109670262 B CN 109670262B CN 201811623593 A CN201811623593 A CN 201811623593A CN 109670262 B CN109670262 B CN 109670262B
- Authority
- CN
- China
- Prior art keywords
- layout
- scoring
- deduction
- items
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开一种家居装饰自动评分方法和系统,方案包括:1)获取户型图,识别户型当中的功能区域,墙体,门窗,硬装,软装,家具,家电,装饰等物品。2)根据获取的户型图建立空间坐标系,将功能区域,墙体,门窗,硬装,软装,家具,家电,装饰等物品表示成空间矩形,分别使用(x,y,z)表示其空间中心坐标点,(w,l,h)表示对应坐标轴的位置。3)根据专家经验设置的扣分项目明细表,计算两两物品之间的偏差值并得到对应的扣分项。4)统计所有扣分项分值,得到最终得分结果。
Description
技术领域
本发明涉及一种计算机辅助家居布局优化方法及系统,属于计算机辅助设计技术领域。
背景技术
传统家居装饰方案的评估,依赖于人工审核,不仅耗费大量的人力和物力,而且因为不同个体的差异性,导致评分难以统一。本发明一种家居装饰自动评分方法和系统,用于减少人工成本,并且提供统一的评判标准。
发明内容
本发明所要解决的技术问题是常规的家居布局工作需要依靠人工进行优化,效率较低、标准不一致。本发明采用了基于计算机辅助的家居设计布局优化方法,可以有效地降低人工成本、提供统一的评判标准。
本发明的第一个方面,提供了:
一种计算机辅助家居布局优化方法,包括如下步骤,
S1,获得户型图当中的需要进行优化的目标物件;
S2,对所述的目标物件采用空间矩形进行表示,确定目标物件的位置和大小;
S3,根据目标物件之间的位置关系设计评分指标,采用所述的评分指标对当前的户型图,中的目标物件进行评分;
S4,对目标物件进行移动,重新进行评分,得到最优评分条件下的户型图布局。
在一个实施方式中,所述的目标物件包括功能区域、墙体、门窗、硬装、软装、家具、家电、装饰等物品。
在一个实施方式中,采用三维坐标表示空间矩形的位置,采用空间矩形的长宽高表示其大小。
在一个实施方式中,所述的评分指标选自中心对齐、边缘对齐、重叠、方向、距离中的一种或几种。
在一个实施方式中,将房间内的物体向其四周的墙体进行投影,将投影作为虚拟墙体,并将虚拟墙体作为比较位置关系的参照物。
在一个实施方式中,对每一种位置关系,根据其偏差程度设计不同的偏差区间,在不同偏差区间内的情况设计不同的扣分值。
在一个实施方式中,S4中的步骤具体是指:对S3中得到的的各个布局评分项的扣分值进行编码后,采用强化学习的方法按照扣分值对不同布局状态进行优化,得到最优的布局。
本发明的第二个方面,提供了:
一种计算机辅助家居布局优化系统,包括:
目标物件获取模块,用于获得户型图当中的需要进行优化的目标物件;
目标物件位置大小确定模块,用于对所述的目标物件采用空间矩形进行表示,确定目标物件的位置和大小;
评分模块,用于根据目标物件之间的位置关系设计评分指标,采用所述的评分指标对当前的户型图,中的目标物件进行评分;
优化模块,对目标物件进行移动,并且调用评分模块重新进行评分,得到最优评分条件下的户型图布局。
在一个实施方式中,所述的目标物件包括功能区域、墙体、门窗、硬装、软装、家具、家电、装饰等物品。
在一个实施方式中,目标物件位置大小确定模块采用三维坐标表示空间矩形的位置,采用空间矩形的长宽高表示其大小。
在一个实施方式中,所述的评分模块中的评分指标选自中心对齐、边缘对齐、重叠、方向、距离中的一种或几种。
在一个实施方式中,所述的评分模块将房间内的物体向其四周的墙体进行投影,将投影作为虚拟墙体,并将虚拟墙体作为比较位置关系的参照物。
在一个实施方式中,所述的评分模块对每一种位置关系,根据其偏差程度设计不同的偏差区间,在不同偏差区间内的情况设计不同的扣分值。
本发明的第三个方面,提供了:
记录有可以运行所述的计算机辅助家居布局优化方法的程序的计算机可读介质。
有益效果
本发明的一种家居装饰自动评分方法和系统, 使用两两物品之间的扣分项作为评判标准,支持距离,方向,中心对齐,边缘对其,重叠5种方式的评判,统一了评判标准,减少因个体差异性带来的误差;支持每一个扣分项对应多个偏差区间,进一步细化评分的精度。
附图说明
图1一种家居自动评分系统及方法结构示意图
图2虚拟物品及方向示意图
图3 中心对齐偏差值示意图
图4 边缘对齐偏差值示意图
图5 重叠偏差示意图
图6 方向偏差示意图
图7家居布局优化方法流程图
图8扣分项编码示意图
图9强化学习结构示意图
图10 神经网络输出示意图
图11 中心对齐优化示意图
图12 边缘对齐优化示意图
图13重叠优化示意图
图14方向优化示意图
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。应当理解,给出这些示例性实施例仅是为了使相关领域的技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些系统、模块或单元做出了各种引用,然而,任何数量的不同模块可以被使用并运行在客户端和/或服务器上。所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
本发明当中的优化方法步骤如图1所示,详细说明如下:
1 获取户型图,识别当中的功能区域,墙体,门窗,硬装,软装,家具,家电,装饰等物品以及对应的长,宽,高。本发明当中的功能区域是指各个房间的功能,例如卧室、客厅、厨房、卫生间等,由于在不同的功能房间当中,房间内相关物件的位置关系会存在着区别。
2 根据获取的户型图建立空间坐标系,将功能区域,墙体,门窗,硬装,软装,家具,家电,装饰等物品表示成空间矩形,分别使用(x,y,z)表示其空间中心坐标点,(w, l, h)表示对应坐标轴的位置。这里所说的空间矩形也是可以指立方体,这里采用空间矩形对各个物体进行表示可以便于后续对其位置关系进行评分。
3 根据家具以及墙体信息生成家具“虚拟墙体”,每一个家具会向四个方向做投影,生成4个方向的虚拟墙体,每一个虚拟墙体的方向均指向该家具。根据家具以及周边墙体,生成4个方向的虚拟墙体, 若某一个方向无墙体则不生成该方向的墙体。每一个虚拟墙体是该家具在墙体的投影,这里只考虑每一个方向最近墙体的投影。虚拟墙体的命名方式按照该家具的逆时针旋转角度命名,虚拟物品的方向指向该家具。具体的参考图2。本步骤当中,生成虚拟墙体的目的是为了便于计算房间内的其他物体与墙体之间的相对位置关系,这样就更容易进行评分。
4 根据扣分明细表,选择物品,计算两个物品对应明细表当中扣分项的偏差值;扣分项包括: 中心对齐, 边缘对齐, 重叠, 方向, 距离5种。
中心对齐偏差值,用于计算两个物品中心点的欧式距离。中心对齐同时包含”x”轴的中心对齐和”y”轴的中心对齐,在实际实施过程中,取两个方向的最小值作为最终的中心对齐偏差值。例如: 沙发与电视柜中心对齐;电视柜与电视中心对齐;床与电视柜中心对齐等,具体的参照图3。
边缘对齐偏差值,用于计算连个物品边界处的欧式距离。边缘对齐同时包含8种方式的对齐,在实际实施过程中,取最小值作为最终的边缘对齐偏差值。例如: 边几与沙发边缘对齐, 床与床头柜边缘对齐等。具体的参照图4。
重叠偏差值,用于计算两个物品的重叠面积。例如: 床头柜与床重叠, 床头柜与墙重叠等。具体的参照图5。
方向偏差值,用于计算两个物品正方向的偏差值。例如: 床的方向与电视柜偏差180; 床的方向与电视偏差180等。具体的参照图6。
扣分明细表(部分) 如下所示:
表1
物品1 | 物品2 | 扣分项 | 区间(单位:厘米) | 分值 |
床 | 床_180墙 | 距离 | [0, 10] | 0 |
床 | 床_180墙 | 距离 | [10, 20] | -1 |
床 | 床_180墙 | 距离 | [20, 30] | -2 |
床 | 电视柜 | 中心对齐 | [20, 40] | -2 |
遍历扣分明细表,分别计算满足条件的偏差值。在实际实施过程中,仅计算扣分明细表当中物品1和物品2同时存在的偏差值,即仅当物品1和物品2同时存在时才进行扣分判断。
5 根据偏差值,找到对应的偏差区间,得到扣分值。
6 统计所有扣分值,得到最终的得分结果。
7. 对于室内可以移动的物品进行移动,再次通过上述的步骤计算最终得分结果,并且获得最优得分情况下的布局。
为了进一步地对上述的物品移动和优化过程进行计算机辅助设计,还可以有以下的改进优化方法,主要是:在已有布局基础之上针对评分系统的扣分项建立强化学习模型,找出最优优化方案,提升布局效果的美观。具体步骤如图7所示:
第1步,首先,获取已经布局完成的数据,包括:功能区域,墙体,门窗,硬装,软装,家具,家电,装饰等物品,以及对应物品的空间中心点坐标(x,y,z)和“x”、“y”、“z”轴的长度(w, l, h),记录当前布局状态。在上述的过程中主要是将物品作为立方体或者矩形来进行位置、大小的标定,通过其中心点的坐标以及长宽高的数值来表示。
第2步,使用评系统获取家居布局扣分项目明细表,包含扣分项,扣分物品,偏差值。由于在布局设计中,需要考察多项不同的布局,需要对获取到的数据使用评系统获取家居布局扣分项目明细表, 其中部分评分项的示例如表2所示。对获取到的数据使用评系统获取家居布局扣分项目明细表,该明细表每一个扣分项当中,包含: 物品、参照物品、扣分类型、参考方向以及偏差区间。扣分物品包含: 具体的家居物品、墙体、门窗以及家具映射的虚拟墙体,如: 床与墙体映射生成的”床头墙”。偏差值指: 两个物品间的边缘点距离、中心点距离、重叠面积或者是角度偏差等。
表2
物品1 | 物品2 | 扣分项 | 区间(单位:厘米) | 分值 | 偏差(单位: 厘米) |
床 | 床_180墙 | 床_墙距离 | [0, 10] | 0 | 5 |
床 | 床_180墙 | 床_墙距离 | [10, 20] | -1 | 15 |
床 | 床_180墙 | 床_墙距离 | [20, 30] | -2 | 22 |
床 | 电视柜 | 床_电视柜中心距离 | [20, 40] | -2 | 30 |
第3步,使用扣分项生成multi_hot编码,用于表示当前系统的状态,每一位编码用于表示一个扣分项和一个扣分分值。其中,每一个扣分项都做当中一位,当前位的扣分项处于扣分状态时,该位置为”1”,否则为”0”,编码方式如图8所示。
根据以上的规则,可以形成各个分项的扣分值,并且可以累加为整体的布局得分,分值越高越好。
第4步,接下来,使用强化学习选择未来奖赏最大的扣分项及扣分物品,根据不同扣分类型以及对应的偏差值,移动或转动物品,优化扣分项,更新布局状态。使用的强化学习结构示意图如图9所示。本案例属于情节性任务(episodic task),即在迭代有限步骤内会结束,选取整个过程当中的评分最优值作为最终优化方案,采用的终止条件有两种: 1迭代次数达到最大值。2 当前布局状态无扣分项。本案例所用奖赏函数属于延迟奖赏(discount delayed reward),如下:
其中,Gt表示当前时刻的奖赏值,score表示评分系统所有扣分项评分值之和,T_表示获取的最优方案时刻,T表示结束状态时刻,参数α衡量当前时刻当前行为的有效性,参数λ衡量整体过程当前行为的有效性。本案例采用的神经网络结构是3层全连接型神经网络,网络的输出节点对应一个扣分项和一个移动的物品,如图10所示。
本案例的行为就是优化扣分项,行为的选择使用如下公式:
其中,output表示神经网络的输出概率分布,action是待执行的行为,包含优化移动的物品以及优化的扣分项。
移动扣分物品指: 根据中心距离偏差值,边缘距离偏差值,重叠面积,角度偏差值,移动物品位置或者转动物品方向,用于优化扣分项。
第5步,使用强化学习选择未来奖赏最大的扣分项及扣分物品,根据不同扣分类型以及对应的偏差值,移动或转动物品,优化扣分项,更新布局状态。优化的扣分项包括:
1中心对齐优化。移动物品,使其在指定方向中心对齐,如图11所示。
2边缘对齐优化。移动物品,使其在指定方向边缘对齐,如图12所示。
3重叠优化。移动物品,使其不再重叠,如图13所示。
4方向优化。移动物品,使其按照指定方向转动,如图14所示。
重复执行所述1~5步,直到满足停止条件为止(达到最大迭代次数;满足得分门限值)。
选取记录的布局状态当中,选择分值最大状态的作为最终结果。
具体算法步骤:
输入: 已有家居布局状态(包括具体的物品,以及对应物品的中心坐标(x, y, z)和坐标轴的长度(w, l, h));最大迭代次数max_deep;最优扣分门限值 threshold。初始化参数时刻t=0, 神经网络F, 布局状态states=, 累加奖赏值G=, 及参数, epoch和 。
过程:
1 调用评分算法,获取当前时刻分值scoret,当前布局状态statet,并记录(statet,scoret)-> states;
2 循环体1:
for i=1 to epoch:
while True:
if (t > max_deep) or (scoret>threshold):
break; // 满足停止条件 退出循环
else:
使用statet生成multi_hot编码,用于表示当前系统的状态 St;
计算状态行为评估函数,并选择待执行的action:
执行action(中心对齐优化,边缘对齐优化,方向优化或者重叠优化),获得新的布局状态statet+1;
调用评分算法,获取当前时刻分值scoret+1,当前布局状态statet+1,并记录(statet+1,scoret+1)-> states;
t = t + 1;
reverse(states); // 翻转states
for state, score_detail in states:
Gt -> G;
for statet, scoret in states:
基于以上的过程,该优化方法如下:
一种强化学习家居布局优化方法,包括如下步骤:
第1步,获取家居的布局状态;
第2步,根据第1步中的布局状态计算出布局评分项的扣分值;
第3步,对第2步的各个布局评分项的扣分值进行编码后,采用强化学习的方法按照扣分值对不同布局状态进行优化,得到最优的布局。
在一个实施方式中,所述的布局状态是指物品的空间位置布局状态。
在一个实施方式中,所述的布局状态所对应的物品包括:功能区域,墙体,门窗,硬装,软装,家具,家电等。
在一个实施方式中,所述的物品是通过其中心点坐标以及物品的长宽高来表示其位置和大小。
在一个实施方式中,评分项包括中心对齐、边缘对齐、重叠、方向偏差或者距离偏差中的一种或几种。
在一个实施方式中,第3步中布局评分项的扣分值采用multi-hot编码。
在一个实施方式中,所述的编码中,按照每个布局评分项进行编排,若当前位的布局评分项处于扣分状态时,该位置为”1”,否则为”0”。
在一个实施方式中,强化学习中所用奖赏函数采用延迟奖赏函数。
在一个实施方式中,所述的奖赏函数是:
其中,Gt表示当前时刻的奖赏值,score表示评分系统所有扣分项评分值之和,T_表示获取的最优方案时刻,T表示结束状态时刻,参数α用于衡量当前时刻当前行为的有效性,参数λ用于衡量整体过程当前行为的有效性。
在一个实施方式中,强化学习过程中的行为采用如下函数:
其中,output表示神经网络的输出概率分布;action是待执行的行为,是指对布局评分项的优化移动。
一种强化学习家居布局优化系统,包括:
布局状态获取模块,用于获取家居的布局状态;
扣分值计算模块,用于根据布局状态计算出布局评分项的扣分值;
编码模块,用于对布局评分项的扣分值进行编码;
强化学习模块,用于采用强化学习的方法按照扣分值对不同布局状态进行优化,得到最优的布局。
在一个实施方式中,所述的布局状态是指物品的空间位置布局状态。
在一个实施方式中,所述的布局状态所对应的物品包括:功能区域,墙体,门窗,硬装,软装,家具,家电等。
在一个实施方式中,所述的布局状态获取模块通过物品中心点坐标以及物品的长宽高来表示物品位置和大小。
在一个实施方式中,所述的评分项包括中心对齐、边缘对齐、重叠、方向偏差或者距离偏差中的一种或几种。
在一个实施方式中,所述的编码模块采用multi-hot编码。
在一个实施方式中,所述的编码模块按照每个布局评分项进行编排,若当前位的布局评分项处于扣分状态时,该位置为”1”,否则为”0”。
在一个实施方式中,强化学习模块中所用奖赏函数采用延迟奖赏函数。
在一个实施方式中,所述的奖赏函数是:
其中,Gt表示当前时刻的奖赏值,score表示评分系统所有扣分项评分值之和,T_表示获取的最优方案时刻,T表示结束状态时刻,参数α用于衡量当前时刻当前行为的有效性,参数λ用于衡量整体过程当前行为的有效性。
在一个实施方式中,强化学习模块中强化学习过程中的行为采用如下函数:
其中,output表示神经网络的输出概率分布;action是待执行的行为,是指对布局评分项的优化移动。
记载有可以运行上述方法的程序的计算机可读取介质。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
Claims (1)
1.一种计算机辅助家居布局优化方法,其特征在于,包括如下步骤:
S1,获得户型图当中的需要进行优化的目标物件;
S2,对所述的目标物件采用空间矩形进行表示,确定目标物件的位置和大小;
S3,根据目标物件之间的位置关系设计评分指标,采用所述的评分指标对当前的户型图中的目标物件进行评分;
S4,对目标物件进行移动,重新进行评分,得到最优评分条件下的户型图布局;
所述的目标物件包括功能区域、墙体、门窗、硬装、软装、家具、家电、装饰物品;采用三维坐标表示空间矩形的位置,采用空间矩形的长宽高表示其大小;所述的评分指标选自中心对齐、边缘对齐、重叠、方向、距离中的一种或几种;
将房间内的物体向其四周的墙体进行投影,将投影作为虚拟墙体,并将虚拟墙体作为比较位置关系的参照物;
对每一种位置关系,根据其偏差程度设计不同的偏差区间,在不同偏差区间内的情况设计不同的扣分值;
S4步骤中,所述的得到最优评分条件下的户型图布局的过程中包括以下步骤:
第1步,获取家居的布局状态;
第2步,根据第1步中的布局状态计算出布局评分项的扣分值;
第3步,对第2步的各个布局评分项的扣分值进行编码后,采用强化学习的方法按照扣分值对不同布局状态进行优化,得到最优的布局;
所述的布局状态是指物品的空间位置布局状态;
所述的布局状态所对应的物品包括:功能区域,墙体,门窗,硬装,软装,家具,家电;
所述的物品是通过其中心点坐标以及物品的长宽高来表示其位置和大小;
评分项包括中心对齐、边缘对齐、重叠、方向偏差或者距离偏差中的一种或几种;
第3步中布局评分项的扣分值采用multi-hot编码;
所述的编码中,按照每个布局评分项进行编排,若当前位的布局评分项处于扣分状态时,该位置为”1”,否则为”0” ;
强化学习中所用奖赏函数采用延迟奖赏函数;
所述的奖赏函数是:
其中,Gt表示当前时刻的奖赏值,scoret和scoret+1分别表示当前时刻和下一时刻的评分系统所有扣分项评分值之和,T_表示获取的最优方案时刻,T表示结束状态时刻,参数α用于衡量当前时刻当前行为的有效性,参数λ用于衡量整体过程当前行为的有效性;
强化学习过程中的行为采用如下函数:
其中,output表示神经网络的输出概率分布;action是待执行的行为,是指对布局评分项的优化移动。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811633297.XA CN109670264B (zh) | 2018-12-28 | 2018-12-28 | 一种强化学习家居布局优化方法和系统 |
CN201811623593.1A CN109670262B (zh) | 2018-12-28 | 2018-12-28 | 一种计算机辅助家居布局优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811623593.1A CN109670262B (zh) | 2018-12-28 | 2018-12-28 | 一种计算机辅助家居布局优化方法及系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811633297.XA Division CN109670264B (zh) | 2018-12-28 | 2018-12-28 | 一种强化学习家居布局优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109670262A CN109670262A (zh) | 2019-04-23 |
CN109670262B true CN109670262B (zh) | 2021-04-27 |
Family
ID=66147393
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811633297.XA Active CN109670264B (zh) | 2018-12-28 | 2018-12-28 | 一种强化学习家居布局优化方法和系统 |
CN201811623593.1A Active CN109670262B (zh) | 2018-12-28 | 2018-12-28 | 一种计算机辅助家居布局优化方法及系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811633297.XA Active CN109670264B (zh) | 2018-12-28 | 2018-12-28 | 一种强化学习家居布局优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN109670264B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543685A (zh) * | 2019-08-05 | 2019-12-06 | 东易日盛家居装饰集团股份有限公司 | 基于室内结构的功能区优化方法、装置及电子设备 |
CN111090899B (zh) * | 2019-11-07 | 2022-12-09 | 郑州大学 | 一种用于城市建筑空间布局设计方法 |
CN110990594B (zh) * | 2019-11-29 | 2023-07-04 | 华中科技大学 | 一种基于自然语言交互的机器人空间认知方法及系统 |
CN111310259A (zh) * | 2020-01-17 | 2020-06-19 | 广东三维家信息科技有限公司 | 家装设计中的部件布局方法、装置及电子设备 |
CN111882647A (zh) * | 2020-06-23 | 2020-11-03 | 北京城市网邻信息技术有限公司 | 一种家具的展示方法及装置 |
CN111984171A (zh) * | 2020-07-15 | 2020-11-24 | 北京城市网邻信息技术有限公司 | 一种生成家具移动轨迹的方法和装置 |
CN114386133A (zh) * | 2020-10-19 | 2022-04-22 | 广州尚诺建筑设计有限公司 | 一种样板房客厅软装布局的系统及方法 |
CN112257169B (zh) * | 2020-10-30 | 2021-08-06 | 贝壳找房(北京)科技有限公司 | 物品分配方法、装置、计算机可读存储介质及电子设备 |
CN113052973A (zh) * | 2021-04-14 | 2021-06-29 | 杭州群核信息技术有限公司 | 一种可编程定义的室内场景生成方法、装置、系统和存储介质 |
CN113792358B (zh) * | 2021-09-22 | 2024-06-04 | 深圳须弥云图空间科技有限公司 | 一种三维家具自动交互布局方法、装置及电子设备 |
CN114003992A (zh) * | 2021-10-29 | 2022-02-01 | 土巴兔集团股份有限公司 | 一种智能的家具布局方法及装置 |
CN114509043B (zh) * | 2022-02-15 | 2024-04-30 | 深圳须弥云图空间科技有限公司 | 空间对象编码方法、装置、设备及介质 |
CN117235873B (zh) * | 2023-11-13 | 2024-04-05 | 广州视声智能股份有限公司 | 基于历史工作记录的智慧家居布局方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235851A (zh) * | 2013-01-04 | 2013-08-07 | 西安交通大学 | 一种面向高比刚度的机床支撑件筋板布局智能化设计方法 |
CN107256434A (zh) * | 2017-04-24 | 2017-10-17 | 深圳市蜗牛窝科技有限公司 | 家居自动布局的方法 |
CN108427828A (zh) * | 2018-02-07 | 2018-08-21 | 李荣陆 | 一种自动评估平面设计布局质量与优化的装置 |
CN108694266A (zh) * | 2017-04-07 | 2018-10-23 | 美宅科技(北京)有限公司 | 基于机器学习的智能装修设计方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100647807B1 (ko) * | 2005-11-24 | 2006-11-23 | 인하대학교 산학협력단 | 그림자 분석을 통한 3차원 건물정보 추출방법 |
-
2018
- 2018-12-28 CN CN201811633297.XA patent/CN109670264B/zh active Active
- 2018-12-28 CN CN201811623593.1A patent/CN109670262B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235851A (zh) * | 2013-01-04 | 2013-08-07 | 西安交通大学 | 一种面向高比刚度的机床支撑件筋板布局智能化设计方法 |
CN108694266A (zh) * | 2017-04-07 | 2018-10-23 | 美宅科技(北京)有限公司 | 基于机器学习的智能装修设计方法与系统 |
CN107256434A (zh) * | 2017-04-24 | 2017-10-17 | 深圳市蜗牛窝科技有限公司 | 家居自动布局的方法 |
CN108427828A (zh) * | 2018-02-07 | 2018-08-21 | 李荣陆 | 一种自动评估平面设计布局质量与优化的装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109670264B (zh) | 2022-07-08 |
CN109670264A (zh) | 2019-04-23 |
CN109670262A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670262B (zh) | 一种计算机辅助家居布局优化方法及系统 | |
CN109740243B (zh) | 一种基于分件强化学习技术的家具布局方法及系统 | |
US20230393579A1 (en) | Sectoring of maps for robot navigation | |
KR102219276B1 (ko) | 인테리어 공간의 3d 그리드 표현에서 2d 플로어 플랜 추출 | |
US10062207B2 (en) | Method and system for reconstructing a three-dimensional model of point clouds | |
CN110096768B (zh) | 一种快速实现厨房自动布局的方法及系统 | |
CN110569563B (zh) | 一种个性化软装布局的方法及系统 | |
US9911232B2 (en) | Molding and anchoring physically constrained virtual environments to real-world environments | |
CN101930627B (zh) | 一种基于二维户型图的三维户型建模方法 | |
US20160195401A1 (en) | Method and system for locating an object | |
CN103778538A (zh) | 一种家具仿真布局方法和系统 | |
CN107240151A (zh) | 一种基于父子约束的场景布局保存与再现方法 | |
CN111008654A (zh) | 一种户型图中房间的识别方法及系统 | |
CN102682150B (zh) | 设计导航场景 | |
WO2020244121A1 (zh) | 一种地图信息处理方法、装置及移动设备 | |
CN110433495A (zh) | 游戏中虚拟场景的配置方法及装置、存储介质及电子设备 | |
CN103366402A (zh) | 三维虚拟服饰的快速姿态同步方法 | |
CN110096736A (zh) | 一种二维户型图绘制方法 | |
CN107256434B (zh) | 家居自动布局的方法 | |
CN110781541B (zh) | 一种家装设计图的区域合并方法及系统 | |
CN111125815B (zh) | 一种基于规则的室内窗帘布局计算方法 | |
KR102068745B1 (ko) | 그리드 맵을 복수개의 룸으로 구획하는 방법 및 장치 | |
CN116612214A (zh) | 顶点权重处理方法、装置、电子设备及存储介质 | |
US20210365603A1 (en) | Artificial intelligence systems and methods for interior furnishing | |
CN109815551A (zh) | 建筑设计方法、装置、可读存储介质及混合现实设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |