CN110222621B - 相似户型检测方法、电子设备及存储介质 - Google Patents

相似户型检测方法、电子设备及存储介质 Download PDF

Info

Publication number
CN110222621B
CN110222621B CN201910462861.4A CN201910462861A CN110222621B CN 110222621 B CN110222621 B CN 110222621B CN 201910462861 A CN201910462861 A CN 201910462861A CN 110222621 B CN110222621 B CN 110222621B
Authority
CN
China
Prior art keywords
house type
unfilled corner
target house
target
matched
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
Application number
CN201910462861.4A
Other languages
English (en)
Other versions
CN110222621A (zh
Inventor
于东海
宋鑫
韩泽鹏
赵乾
蔡白银
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seashell Housing Beijing Technology Co Ltd
Original Assignee
Seashell Housing Beijing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Seashell Housing Beijing Technology Co Ltd filed Critical Seashell Housing Beijing Technology Co Ltd
Priority to CN201910462861.4A priority Critical patent/CN110222621B/zh
Publication of CN110222621A publication Critical patent/CN110222621A/zh
Application granted granted Critical
Publication of CN110222621B publication Critical patent/CN110222621B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document
    • G06V30/422—Technical drawings; Geographical maps

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供一种相似户型检测方法、电子设备及存储介质，所述方法包括：从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；根据比较结果，确定所述目标户型与所述待匹配户型是否相似。本发明实施例方法简单，使用更细节的特征进行相似检测，检测精度高。

Description

相似户型检测方法、电子设备及存储介质
技术领域
本发明属于数据处理领域，更具体地，涉及一种相似户型检测方法、电子设备及存储介质。
背景技术
随机计算机技术的普及和广泛发展，人们可以更加方便快捷地获取房源信息。当前在房产交易平台上，每套房屋会挂接对应的户型图。户型图描述了房屋的整体属性，从户型图上可以很直观地看到整个房屋的格局、规划、朝向和面积大小等信息。由于房产交易的平台上的户型图很多，用户通常会从中检索出与所需户型图相似的户型图。
目前，在一些房交易系统中存储有成熟的户型矢量图，根据户型图的矢量信息，可以完整地还原出房屋户型的俯视图及其附加信息。用户一般根据户型的基本信息，如室、厅、厨、卫的种类和数量等进行检索，但是只匹配室、厅、厨、卫的种类和数量并不能满足户型相似的精准需求，只是一个粗略的相似结果。此外，还可以依据矢量图生成的图片查找相似户型图。该方法通过大量的有标注训练数据，训练机器学习模型，使之能识别相似图片，或者通过图形学方法计算两张户型图片之间的相似程度。但图片相似的户型图细节并不一定相似，而且实现复杂度较大。
综上所述，现有的相似户型检测方法检测结果不精确，且实现复杂。因此，需要提供一种新的相似户型检测方法以解决上述问题。
发明内容
为克服上述现有的相似户型检测方法检测结果不够精确，且实现复杂的问题或者至少部分地解决上述问题，本发明实施例提供一种相似户型检测方法、电子设备及存储介质。
根据本发明实施例的第一方面，提供一种相似户型检测方法，包括：
步骤S101，从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；
步骤S102，若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；
步骤S103，根据比较结果，确定所述目标户型与所述待匹配户型是否相似。
优选地，所述步骤S101中从目标户型矢量图中提取目标户型的外部轮廓特征的步骤具体包括：
将所述目标户型矢量图中的最大x坐标、最小x坐标、最大y坐标和最小y坐标分别进行两两组合，获取所述目标户型的外接矩形；
将所述目标户型的外接矩形的顶点坐标和中心坐标作为所述目标户型的外部轮廓特征。
优选地，所述步骤S101中从目标户型矢量图中提取所述目标户型的缺角特征的步骤具体包括：
判断所述目标户型矢量图中是否存在缺角，若是，则获取所述缺角的外接矩形；
根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状；
根据各个所述缺角的形状，确定所述缺角的特征。
优选地，所述判断所述目标户型矢量图中是否存在缺角包括：
判断所述目标户型矢量图的顶点是否为所述目标户型的外接矩形顶点，若是，则判定所述目标户型矢量图的顶点处不存在缺角；若不是，则判定所述目标户型矢量图的顶点处存在缺角。
优选地，所述根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状的步骤具体包括：
从落入所述缺角的外接矩形的目标户型矢量图中，获取所述目标户型矢量图中与所述缺角的外接矩形顶点最近的x坐标和y坐标；其中，所述最近的x坐标和y坐标不位于所述目标户型的外接矩形上；
判断所述最近的x坐标和y坐标是否为所述缺角的外接矩形顶点的坐标，若是，则判定所述缺角为矩形；
若不是，则判定所述缺角为L形缺角。
优选地，所述缺角的特征包括所述缺角位于所述目标户型的外接矩形上的长度、所述缺角位于其外接矩形上但不位于所述目标户型的外接矩形上的长度、以及所述缺角的面积中的一者或多者。
优选地，所述步骤S103具体包括：
比较所述目标户型和所述待匹配户型预先获取的缺角位置和缺角形状是否分别相同，若相同，则获取所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离；
比较所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离是否小于第二预设阈值，若是，则判定所述目标户型与所述待匹配户型相似。
优选地，在所述步骤S101之前还包括：
判断所述目标户型和所述待匹配户型中分间的种类和/或数量是否相同，若相同，则执行所述步骤S101。
根据本发明实施例的第二个方面，还提供一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的相似户型检测方法。
根据本发明实施例的第三个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的相似户型检测方法。
本发明实施例提供一种相似户型检测方法、电子设备及存储介质，该方法通过从目标户型矢量图和待匹配户型矢量图中提取目标户型和待匹配户型的外部轮廓特征和缺角特征，先判断待匹配户型和目标户型的外部轮廓特征是否相似，在外部轮廓特征相似的情况下再判断待匹配户型和目标户型的缺角特征是否相似，从而确定待匹配户型和目标户型是否相似。本实施例从户型矢量图中提取户型的详细细节外部轮廓特征和缺角特征，从而检测出细节特征相似的户型，检测精度高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的相似户型检测方法整体流程示意图；
图2为本发明实施例提供的相似户型检测方法中户型中的缺角特征结构示意图；
图3为本发明实施例提供的相似户型检测方法中户型中的缺角判定结构示意图；
图4为本发明实施例提供的相似户型检测方法中户型中的缺角形状判定结构示意图；
图5为本发明实施例提供的相似户型检测方法中户型中的复杂缺角结构示意图；
图6为本发明实施例提供的相似户型检测方法中户型中的复杂缺角形状判定结构示意图；
图7为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的一个实施例中提供一种相似户型检测方法，图1为本发明实施例提供的相似户型检测方法整体流程示意图，该方法包括：
步骤S101，从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；
其中，目标户型为已知户型，用于检索出与其相似的户型。待匹配户型为检索数据库中的一个户型，用于与目标户型进行匹配，从而确定其是否与目标户型相似。户型矢量图是指通过在右手坐标系中的点来描述户型的关键点，并通过点、线、面等来刻画房屋户型的标准矢量图，其主要元素有点、线和面，各类元素的表示有对应的格式协议，数据记录方式为键值对类型的数据。从键值对类型的数据可以完整地还原出户型图的所有信息。由于户型一般不为矩形，因此户型的外接矩形与真实的户型轮廓还存在较大差异，因此本实施例中引入了缺角特征。另外，目标户型的外部轮廓特征包括目标户型的外接矩形的顶点坐标和中心坐标。待匹配户型的外部轮廓特征包括待匹配户型的外接矩形的顶点坐标和中心坐标。将待匹配户型的外部轮廓特征和缺角特征进行存储。
步骤S102，若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；
其中第一预设阈值为预先设定的阈值。计算目标户型的外部轮廓特征和待匹配户型的外部轮廓特征之间的距离，若该距离小于第一预设阈值，则说明目标户型的外部轮廓特征和待匹配户型的外部轮廓特征相似，然后继续判断目标户型和待匹配户型的缺角特征是否相似。
步骤S103，根据比较结果，确定所述目标户型与所述待匹配户型是否相似。
若目标户型和待匹配户型的缺角特征相似，则判定目标户型与待匹配户型相似，否则判定目标户型与待匹配户型不相似。
在使用外部轮廓特征和缺角特征进行相似性判断之前，可以先对目标户型和待匹配户型的基础信息进行相似性判断，基础信息包括分间的种类和/或数量，分间的种类包括室、厅、厨和卫等。若目标户型和待匹配户型中分间的种类和数量相同，则再对目标户型和待匹配户型的外部轮廓特征和缺角特征进行相似性判断，否则认为不存在相似可能，不再进行后续外部轮廓特征和缺角特征的相似判断。
本实施例通过从目标户型矢量图和待匹配户型矢量图中提取目标户型和待匹配户型的外部轮廓特征和缺角特征，先判断待匹配户型和目标户型的外部轮廓特征相似，在外部轮廓特征相似的情况下判断待匹配户型和目标户型的缺角特征相似，从而确定待匹配户型和目标户型是否相似。在上述实施例的基础上，本实施例中所述步骤S101中从目标户型矢量图中提取目标户型的外部轮廓特征的步骤具体包括：将所述目标户型矢量图中的最大x坐标、最小x坐标、最大y坐标和最小y坐标分别进行两两组合，获取所述目标户型的外接矩形；将所述目标户型的外接矩形的顶点坐标和中心坐标作为所述目标户型的外部轮廓特征。
具体地，遍历目标户型矢量图中的所有点，获取目标户型矢量图的最大x坐标、最小x坐标、最大y坐标和最小y坐标。将这四个坐标进行两两组合，得到四个点，即(最大x坐标，最大y坐标)、(最大x坐标，最小y坐标)、(最小x坐标，最大y坐标)和(最小x坐标，最小y坐标)。根据这四个顶点坐标构建目标户型的外接矩形。根据外接矩形的四个顶点坐标获取目标户型的中心点坐标，即((最大x坐标-最小x坐标)/2，(最大y坐标-最小y坐标)/2)。以同样的方法根据待匹配户型矢量图获取待匹配户型的外接矩形顶点坐标和中心点坐标。
在上述实施例的基础上，本实施例中所述步骤S101中从目标户型矢量图中提取所述目标户型的缺角特征的步骤具体包括：判断所述目标户型矢量图中是否存在缺角，若是，则获取所述缺角的外接矩形；根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状；根据所述缺角的形状，确定所述缺角的特征。
具体地，在从目标户型矢量图中提取目标户型的缺角特征之前，先判断目标户型矢量图中是否存在缺角。若目标户型矢量图中存在缺角，则获取各个缺角的外接矩形。根据落入缺角的外接矩形中的目标户型矢量图，探测外接矩形四个角上缺角的形状。落入缺角的外接矩形中的目标户型矢量图是指坐标落入缺角的外接矩形坐标范围之内的目标户型矢量图。本实施例不限于缺角形状的获取方法。根据缺角的形状确定缺角的特征。缺角的形状可以为矩形或L形，为了计算和处理方便，本发明中对于非矩形的缺角形状都定义为L形或者矩形与L形的组合。可以用五维特征描述一个缺角。如图2中的虚线部分所示，在图2的左上角和右上角探测到了两个缺角，左上角缺角为矩形，右上角缺角为L形。左上角矩形可以用(x1,y1,e1,n1,a1)特征来表示。其中，x1＝n1，表示缺角在x轴方向的长度；y1＝e1，表示缺角在y轴方向的长度；a1表示缺角面积。右上角的L形缺角可用(x2,y2,e2,n2,a2)特征来表示。其中，x2、y2分别表示缺角在x、y轴方向位于目标户型的外接矩形上的长度；e2、n2分别表示L形缺角在在x、y轴方向位于缺角的外接矩形上但不位于目标户型的外接矩形上的长度；a2表示缺角面积。以同样的方法，确定待匹配户型矢量图中的缺角特征。
在上述实施例的基础上，本实施例中若所述目标户型矢量图中存在缺角，则获取所述缺角的外接矩形的步骤之前包括：判断所述目标户型矢量图的顶点是否为所述目标户型的外接矩形顶点，若是，则判定所述目标户型矢量图的顶点处不存在缺角；若不是，，则判定所述目标户型矢量图的顶点处存在缺角。
具体地，从户型矢量图中获取落在户型的外接矩形上的顶点，判断落在户型外接矩形上的顶点是否为户型外接矩形的顶点，若是，则户型矢量图的该顶点处存在缺角，否则不存在缺角。如图3所示。N、E、S和W为户型外接矩形的四条边，n1至n7为户型矢量图落在户型外接矩形边的顶点。图3中最大的虚线矩形为户型外接矩形。其中，n6是S和W两条边的交点，为户型外接矩形的顶点，因此可以判定W与S相交的顶点处不存在缺角。n7是W边上最靠近N边的顶点，但不是W和N两条边的交点，因此可以判定W与N的顶点处存在缺角。以同样的方法判断其他顶点是否存在缺角。采用本实施例的方法判断待匹配户型矢量图中是否存在缺角。在判断缺角的同时，确定缺角的外接矩形，如图3中左上角和右上角的虚线矩形所示。缺角外接矩形的确定方法参照之前目标户型的外接矩形获取的方式，这里不再赘述。
在上述实施例的基础上，本实施例中根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状的步骤具体包括：从落入所述缺角的外接矩形的目标户型矢量图中，获取所述目标户型矢量图中与所述缺角的外接矩形顶点最近的x坐标和y坐标；其中，所述最近的x坐标和y坐标不位于所述目标户型的外接矩形上；判断所述最近的x坐标和y坐标是否为所述缺角的外接矩形顶点的坐标，则判定所述缺角为矩形；若不是，则判定所述缺角为L形缺角。
具体地，对于判定为有缺角的位置进一步分析缺角形状和面积。对于每一个缺角，先对落入缺角外接矩形的目标户型矢量图进行遍历，其中不包含户型外接矩形顶点所在的两条边，获取距离缺角外接矩形顶点最近的x坐标和y坐标。若这对x坐标和y坐标是缺角外接矩形的顶点，则判定该缺角为矩形；若不是，则判定该缺角为L形。如图4所示，a处缺角在外接矩形中只找到一个点n1,且n1是缺角a外接矩形的一个顶点，所以判定a处为矩形缺角，则其五维特征可以根据缺角外接矩形算出。b处缺角在外接矩形中找出的最接近右上角顶点的坐标x和y坐标对应的点为n2，n2未落到b处的缺角外接矩形边上，因此判定该缺角为L形缺角，其五维特征也可由b处缺角外接矩形顶点坐标和n2获得。
当缺角不是严格的矩形或L形时，本实施例将其近似简化为最接近的矩形或L形。如图5所示，右上角是一个复杂的缺角形状。如图6所示，根据本实施例获取得到最靠近c顶点的x坐标和y坐标对应的点为n,则近似认为c处的缺角外接矩形由n切割得到的L形缺角为近似的缺角形状。
在上述实施例的基础上，本实施例中所述步骤S103具体包括：比较所述目标户型和所述待匹配户型的缺角位置和缺角形状是否分别相同，若相同，则获取所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离；比较所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离小于第二预设阈值，若是，则判定所述目标户型与所述待匹配户型相似。
具体地，目标户型的缺角特征和待匹配户型的缺角特征分别用一个向量表示，缺角特征的向量表示根据缺角的形状确定，例如矩形缺角用向量(x1,y1,e1,n1,a1)来表示，L形缺角可用向量(x2,y2,e2,n2,a2)来表示。在进行缺角相似性判断时，先判断目标户型和待匹配户型的缺角位置和缺角形状是否相同。若相同，则再判断目标户型的缺角特征和待匹配户型的缺角特征之间的距离是否小于第二预设阈值；若不相同，则认为目标户型和待匹配户型不相似。根据缺角的形状确定的缺角特征中不包括缺角形状和缺角位置。两个户型中缺角特征的距离可以看出是计算向量之间的距离，如曼哈顿距离。在缺角形状和位置相同的情况下，将目标户型和待匹配户型中同一位置的缺角特征进行距离计算，然后将所有位置的缺角特征距离相加得到目标户型的缺角特征和待匹配户型的缺角特征之间的距离。若目标户型的缺角特征和待匹配户型的缺角特征之间的距离小于第二预设阈值，则判定目标户型与待匹配户型相似，否则目标户型与待匹配户型不相似。
由此可见，本发明从户型矢量图中提取户型的详细细节外部轮廓特征和缺角特征，从而检测出细节特征相似的户型，检测精度高。
本实施例提供一种电子设备，图7为本发明实施例提供的电子设备整体结构示意图，该设备包括：至少一个处理器701、至少一个存储器702和总线703；其中，
处理器701和存储器702通过总线703完成相互间的通信；
存储器702存储有可被处理器701执行的程序指令，处理器调用程序指令能够执行上述各方法实施例所提供的方法，例如包括：从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；根据比较结果，确定所述目标户型与所述待匹配户型是否相似。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；根据比较结果，确定所述目标户型与所述待匹配户型是否相似。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种相似户型检测方法，其特征在于，包括：
步骤S101，从目标户型矢量图中提取目标户型的外部轮廓特征和缺角特征，从待匹配户型矢量图中提取待匹配户型的外部轮廓特征和缺角特征；
步骤S102，若所述目标户型的外部轮廓特征和所述待匹配户型的外部轮廓特征之间的距离小于第一预设阈值，则将所述目标户型的缺角特征和所述待匹配户型的缺角特征进行比较；
步骤S103，根据比较结果，确定所述目标户型与所述待匹配户型是否相似；
所述步骤S101中从目标户型矢量图中提取目标户型的外部轮廓特征的步骤具体包括：
将所述目标户型矢量图中的最大x坐标、最小x坐标、最大y坐标和最小y坐标分别进行两两组合，获取所述目标户型的外接矩形；
将所述目标户型的外接矩形的顶点坐标和中心坐标作为所述目标户型的外部轮廓特征；
所述步骤S101中从目标户型矢量图中提取所述目标户型的缺角特征的步骤具体包括：
判断所述目标户型矢量图中是否存在缺角，若是，则获取所述缺角的外接矩形；
根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状；
根据各个所述缺角的形状，确定所述缺角的特征。
2.根据权利要求1所述的方法，其特征在于，所述判断所述目标户型矢量图中是否存在缺角包括：
判断所述目标户型矢量图的顶点是否为所述目标户型的外接矩形顶点，若是，则判定所述目标户型矢量图的顶点处不存在缺角；
若不是，则判定所述目标户型矢量图的顶点处存在缺角。
3.根据权利要求1所述的方法，其特征在于，所述根据所述缺角的外接矩形和所述目标户型矢量图，获取所述缺角的形状的步骤具体包括：
从落入所述缺角的外接矩形的目标户型矢量图中，获取所述目标户型矢量图中与所述缺角的外接矩形顶点最近的x坐标和y坐标；其中，所述最近的x坐标和y坐标不位于所述目标户型的外接矩形上；
判断所述最近的x坐标和y坐标是否为所述缺角的外接矩形顶点的坐标，若是，则判定所述缺角为矩形；若不是，则判定所述缺角为L形。
4.根据权利要求3所述的方法，其特征在于，所述缺角特征包括所述缺角位于所述目标户型的外接矩形上的长度、所述缺角位于其外接矩形上但不位于所述目标户型的外接矩形上的长度、以及所述缺角的面积中的一者或多者。
5.根据权利要求1所述的方法，其特征在于，所述步骤S103具体包括：
比较所述目标户型和所述待匹配户型预先获取的缺角位置和缺角形状是否分别相同，若相同，则获取所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离；
比较所述目标户型的缺角特征和所述待匹配户型的缺角特征之间的距离是否小于第二预设阈值，若是，则判定所述目标户型与所述待匹配户型相似。
6.根据权利要求1-4任一所述的方法，其特征在于，在所述步骤S101步骤之前还包括：
判断目标户型和待匹配户型中分间的种类和/或数量是否相同，若相同，则执行所述步骤S101。
7.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器和总线；其中，
所述处理器和存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。
CN201910462861.4A 2019-05-30 2019-05-30 相似户型检测方法、电子设备及存储介质 Active CN110222621B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910462861.4A CN110222621B (zh) 2019-05-30 2019-05-30 相似户型检测方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910462861.4A CN110222621B (zh) 2019-05-30 2019-05-30 相似户型检测方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110222621A CN110222621A (zh) 2019-09-10
CN110222621B true CN110222621B (zh) 2021-06-11

Family

ID=67818943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910462861.4A Active CN110222621B (zh) 2019-05-30 2019-05-30 相似户型检测方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110222621B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240768B (zh) * 2019-12-18 2022-03-15 北京城市网邻信息技术有限公司 户型图处理方法、系统、装置和计算机可读存储介质
CN113946900B (zh) * 2021-12-21 2022-03-29 深圳小库科技有限公司 一种基于户型轮廓和分布特征快速推荐相似户型的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679618A (zh) * 2013-11-18 2014-03-26 杭州群核信息技术有限公司 一种用于住宅户型的自动风水测评方法及测评系统
CN108304848A (zh) * 2018-01-10 2018-07-20 链家网（北京）科技有限公司 户型特征的自动提取方法、系统、电子设备和存储介质
CN108335020A (zh) * 2018-01-17 2018-07-27 链家网（北京）科技有限公司 一种房屋户型方正程度的定量评估方法及装置
CN108416707A (zh) * 2018-02-07 2018-08-17 链家网（北京）科技有限公司 房屋户型评估方法及装置
CN108427714A (zh) * 2018-02-02 2018-08-21 北京邮电大学 基于机器学习的房源重复记录识别方法及系统
CN109658192A (zh) * 2018-12-20 2019-04-19 重庆锐云科技有限公司 一种房源推荐方法及服务器
CN109711443A (zh) * 2018-12-14 2019-05-03 平安城市建设科技(深圳)有限公司 基于神经网络的户型图识别方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446378B (zh) * 2016-09-13 2019-12-03 中国科学院计算技术研究所 一种房间形状几何特征描述方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679618A (zh) * 2013-11-18 2014-03-26 杭州群核信息技术有限公司 一种用于住宅户型的自动风水测评方法及测评系统
CN108304848A (zh) * 2018-01-10 2018-07-20 链家网（北京）科技有限公司 户型特征的自动提取方法、系统、电子设备和存储介质
CN108335020A (zh) * 2018-01-17 2018-07-27 链家网（北京）科技有限公司 一种房屋户型方正程度的定量评估方法及装置
CN108427714A (zh) * 2018-02-02 2018-08-21 北京邮电大学 基于机器学习的房源重复记录识别方法及系统
CN108416707A (zh) * 2018-02-07 2018-08-17 链家网（北京）科技有限公司 房屋户型评估方法及装置
CN109711443A (zh) * 2018-12-14 2019-05-03 平安城市建设科技(深圳)有限公司 基于神经网络的户型图识别方法、装置、设备及存储介质
CN109658192A (zh) * 2018-12-20 2019-04-19 重庆锐云科技有限公司 一种房源推荐方法及服务器

Also Published As

Publication number Publication date
CN110222621A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN108416785B (zh) 面向封闭空间的拓扑分割方法及装置
CN110210564B (zh) 相似户型检测方法及装置
CN108389245B (zh) 动画场景的渲染方法、装置、电子设备和可读存储介质
CN111145214A (zh) 目标跟踪方法、装置、终端设备及介质
WO2022227764A1 (zh) 事件检测的方法、装置、电子设备以及可读存储介质
US20210319250A1 (en) Matching method and apparatus, electronic device, computer-readable storage medium, and computer program
JP2016179534A (ja) 情報処理装置、情報処理方法、プログラム
CN110222621B (zh) 相似户型检测方法、电子设备及存储介质
CN108664860B (zh) 房间平面图的识别方法及装置
CN113392681A (zh) 人体跌倒检测方法、装置及终端设备
Xiao et al. Coupling point cloud completion and surface connectivity relation inference for 3D modeling of indoor building environments
CN112328880A (zh) 地理区域聚类方法、装置、存储介质和电子设备
CN111653268A (zh) 一种购物仓的人机语音交互系统及方法
US20210209396A1 (en) Information processing device, control method, and program
CN117474998A (zh) 一种货架位置检测方法、装置、设备及存储介质
US11741621B2 (en) Method and system for detecting plane information
CN115033732B (zh) 一种时空轨迹关联方法、装置、电子设备及存储介质
CN114663076B (zh) 一种光反射实验评分方法、系统、设备及可读存储介质
US20220392251A1 (en) Method and apparatus for generating object model, electronic device and storage medium
CN111275693B (zh) 一种图像中物体的计数方法、计数装置及可读存储介质
CN114820409A (zh) 图像异常检测方法、装置、电子设备及存储介质
CN114529801A (zh) 一种目标检测的方法、装置、设备及存储介质
CN111783180A (zh) 图纸拆分方法及相关装置
CN116226297B (zh) 数据模型的可视化搜索方法、系统、设备及存储介质
CN117635888B (zh) 一种数据处理方法及相关装置

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
TA01 Transfer of patent application right

Effective date of registration: 20200302

Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing

Applicant after: Seashell Housing (Beijing) Technology Co., Ltd.

Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin

Applicant before: Shell Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant