CN110555258A - 基于概率及规则库的自动布局方法 - Google Patents

Abstract

本发明公开一种基于概率及规则库的自动布局算法，首先基于规则库生成每个待布局家具在空间中的所有可能布局的位置列表；然后通过与数据库中的空间进行相似度匹配得到家具的空间概率标注，将预选位置列表按概率大小排序；最后交叉组合每个家具的预选位置列表，通过碰撞检测选择最佳的布局方案。本发明可以根据特定户型和指定的装修风格自动、高效地为房间定制装修布局，节省大量人力成本。

Description

基于概率及规则库的自动布局方法

技术领域

本发明涉及概率统计学，图形学和规则库技术，特别涉及利用概率统计学和规则库技术设计算法实现房间家具的自动布局。

背景技术

随着装修需求和装修热潮的不断增长，由设计师依据户型和装修风格为每一套住房设计适配的房间布局变得耗时耗力。

发明内容

目前的家装设计主要依赖于人力，针对上述问题，本发明提供一种基于概率及规则库的自动布局算法，具体来说，首先基于规则库生成家具的预选位置列表；然后通过与数据库中的空间进行相似度匹配得到家具的空间概率标注，将预选位置列表排序；最后交叉组合每个家具的预选位置列表，通过碰撞检测选择最佳的布局方案。

基于概率及规则库的自动布局方法，包括如下步骤：

第1步，获得一个待布局的户型图，并且获得需要布局的家具的种类、尺寸和数量信息；

第2步，根据预设定的经验规则在待布局的户型图中将需要布局的家具进行放置；

第3步，对第2步中得到的家具布局结果中的各个家具分别进行移动，生成一系列的备选布局结果；

第4步，将所述的待布局的户型图与数据库中的已经存在家具布局结果的参考户型图进行户型类似性比较，找到在参考户型图中与待布局的户型图在尺寸、形状上最为接近的参考户型；

第5步，将第3步中得到的一系列的备选布局结果计算符合最优布局的概率，所述的概率的计算过程中纳入了至少两个参数：1）与最为接近的参考户型中的家具布局结果的近似性；2）家具布局与经验布局规则的近似性；

第6步，将概率最高的布局结果作为该户型的布局。

在一个实施方式中，所述的需要布局的家具是指功能性较强、可独立存在的大件家具，如沙发、窗、桌子、衣柜等。

在一个实施方式中，第2步中，所述的家具进行放置是考察了家具在各个功能空间中的放置，所述的功能空间是指房屋下不同功能性的可布局区域，如卧室、客厅、厨房等。

在一个实施方式中，第2步中，预设定的经验规则是指根据经验设定的不同类型的家具在空间中摆放满足的规则，如衣柜通常靠墙摆放、餐桌通常排在空间的中间区域等。

在一个实施方式中，第4步中，户型类似性比较是指空间的形状、门窗在空间中的相对位置等 。

在一个实施方式中，在第5步之后，还需要对所述的一系列的备选布局中的家具位置相互进行重新排列组合，并对生成的新的组合重复进行第5步的概率计算，并对计算结果送入第6步。

在一个实施方式中，对生成的新的组合重复进行第5步的概率计算时，对于含有已经计算出的家具的布局概率的新的组合优先计算 。

在一个实施方式中，在进行重新排列组合时，还包括对家具进行碰撞检测的步骤。

在一个实施方式中，所述的第5步中，所述的两个参数在纳入概率计算时，还加入了权重因子，且权重因子可以人为设定。

有益效果

本发明所提供的一种基于概率统计及规则库的自动布局算法，实施过程中自动、高效、节省人力成本。自动布局算法可以使计算机从优秀设计师的作品中学习到如何对家具自动、高效、高质量地进行布局，进而根据户型图和已有的装修风格为住房自动生成适配的房间布局，从而使得装修设计变得快速、简便又不失特色。

附图说明

图1为本发明实施的自动布局算法工作流程图。

图2为本发明实施的生成一个家具的预选位置列表的流程图。

图3为本发明实施的一个布局空间的示意图。

图4为本发明实施的预选位置列表按概率标注排序的示意图。

图5为空间相似度匹配的方法示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种基于概率统计及规则库的自动布局算法，其包括：

首先，需要获取一个待布局的户型图，在这个户型图的数据中，标记出了各个功能房间的位置、大小、形状、房间功能等信息。通过后续的布局操作，在这个待布局的户型图中生成一系列的家具布局，并自动生成符合预期标准的设计结果。

接下来，再需要生成需要在这个待布局的户型图中需要旋转的家具的种类，以卧室为例，在这个空间中可以布置床、床头柜、衣柜、电视柜等。

本发明中布局的家具主要是功能性较强、可独立存在的大件家具，如沙发、窗、桌子、衣柜等。

接下来，执行以下步骤：

步骤1）、基于规则库生成每个家具在空间中的预选位置列表；所述的规则库是指根据经验设定的不同类型的家具在空间中摆放满足的规则，如衣柜通常靠墙摆放、餐桌通常排在空间的中间区域等，这些规则都是人为事先设定，用于初步形成初始设计结果，并且这个规则库的一些基本原则对于后续的家具移动也有约束作用，当衣柜靠墙摆放时，在后续的移动过程中也必须满足这个约束条件；

随后需要在初步生成的设计结果的基础上，对各个家具进行相应的移动，生成一系列的其它布局结果，是在步骤1中家具的所有可选位置的生成是在规则库的基础上，在空间中移动产生的。如图4左边是生成床的可选位置列表的示例，假设床的摆放规则是沿墙摆放，则将床沿着墙以一定的步长移动就可以生成所有可选位置。

步骤2）、本步骤中，是需要对步骤1中生成的一系列的布局结果进行概率计算，或者说是计算出生成的设计结果符合最优设计结果的概率。

这里的概率计算原则主要有两部分：

第一部分的计算过程，首先是要通过空间特征匹配，这里的空间特征匹配主要是指与将当前待布局的空间与数据库中标注过家具位置的空间进行匹配，寻找与待布局空间形状相似、门窗位置相近的空间（这里的数据库中标注过家具位置的房间数据，主要是已经被广泛接受的、被用户认可的较好的设计效果，可以用于作为基准，因此，选取出相似形状的房间，这些房间的布置的家具也具有相应的参考价值）。如图5，将房间A与数据库中的房间a和房间b进行相似度比较，房间a除了形状相似外，门的位置也比较接近，这时候就认为房间a与房间A的相似度更高。在得到了最相似的房间之后，再将生成的布局结果中家具的位置与这个相似房间中的家具位置的近似程度进行比对，家具的位置近似程度越高，这个布局结果符合最优结果的概率就越大。

另一部分的计算过程，是需要和家具的自身布局的经验原则进行相比，与这个经验规则符合程度越高，越能够代表这个布局结果符合最优结果的概率就越大。例如：对于床的布局结果来说，床在待布局空间中位置的合理性，比如靠近窗、远离门等规则，都是可以判定床性地最优布局的，这些都可以人为设定。

基于以上的两部分的规则设定，通过以下方式对概率进行计算。

下式是一个通用的计算公式，某家具布局在空间当前位置的概率为：

其中是权重因子，满足；是各因素的概率值，如对于床，为标注概率值(即与最相似的房间的房间中的家具位置相比的近似性)，即若当前位置与匹配到的空间中的床的位置越接近，概率值越高，为家具的位置与经验规则的近似性，例如是床自身的布局概率值，即床在待布局空间中位置的合理性，比如靠近窗、远离门等。这里的计算过程中同时考虑了两方面的因素，可以有效地对家具布局的合理性进行判定，这里的权重因子可以人工进行调节。

步骤3）、由于上述的过程中，是将各个家具按照初定的规则进行有限次的移动得到了一组布局结果，为了获得不在这个结果之内的其它的家具布局结合情况，将每个家具的预选位置列表交叉组合，生成多个方案，并将步骤1得到的可布局位置列表按概率大小排序，通过碰撞检测选择最佳的布局方案。

图4是一个生成卧室的床的预选位置并排序的实例。如图所示，床的摆放越靠近匹配到的空间中床的位置，该位置较佳的概率越大，因此本发明根据已标记的最佳位置将生成的预选位置列表按优劣排序，在后续的交叉组合中优先使用排在前面的布局位置。

最佳位置的确定是针对当前一个家具，确定一个空间中所有需要布局的家具的布局顺序，每次布局一个家具，针对该家具生成预选位置列表，特别的，如果存在位置与已布局家具碰撞，则舍弃该位置。

表1是所述步骤3中交叉组合各家具预选位置列表的实例。假设现有N个待布局家具，每个家具的预选位置列表长度可以各不相同； 表示第i个家具， 表示第i个家具的预选位置列表长度， 表示第i个家具的第j个预选位置。具体实施过程按照表1的组合顺序生成方案，如果当前组合方案碰撞检测失败，则生成下一个组合方案进行碰撞检测，如此进行下去，直到碰撞检测成功输出最终方案，或所有组合方案均碰撞检测失败返回空方案。

表1家具预选位置列表交叉组合实例

本发明生成待布局空间中所有可能的家具布局位置，按优先级进行交叉组合，其优点在于，能够在通过碰撞检测即检验家具是否不相互碰撞、是否不与墙碰撞的条件下，找到最合适的家具布局组合。

Claims (9)

1.基于概率及规则库的自动布局方法，其特征在于，包括如下步骤：

第1步，获得一个待布局的户型图，并且获得需要布局的家具的种类、尺寸和数量信息；

第2步，根据预设定的经验规则在待布局的户型图中将需要布局的家具进行放置；

第3步，对第2步中得到的家具布局结果中的各个家具分别进行移动，生成一系列的备选布局结果；

第4步，将所述的待布局的户型图与数据库中的已经存在家具布局结果的参考户型图进行户型类似性比较，找到在参考户型图中与待布局的户型图在尺寸、形状上最为接近的参考户型；

第5步，将第3步中得到的一系列的备选布局结果计算符合最优布局的概率，所述的概率的计算过程中纳入了至少两个参数：1）与最为接近的参考户型中的家具布局结果的近似性；2）家具布局与经验布局规则的近似性；

第6步，将概率最高的布局结果作为该户型的布局。

2.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，所述的需要布局的家具是指功能性较强、可独立存在的大件家具，如沙发、窗、桌子、衣柜等。

3.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，第2步中，所述的家具进行放置是考察了家具在各个功能空间中的放置，所述的功能空间是指房屋下不同功能性的可布局区域，如卧室、客厅、厨房等。

4.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，第2步中，预设定的经验规则是指根据经验设定的不同类型的家具在空间中摆放满足的规则，如衣柜通常靠墙摆放、餐桌通常排在空间的中间区域等。

5.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，第4步中，户型类似性比较是指空间的形状、门窗在空间中的相对位置等 。

6.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，在第5步之后，还需要对所述的一系列的备选布局中的家具位置相互进行重新排列组合，并对生成的新的组合重复进行第5步的概率计算，并对计算结果送入第6步。

7.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在一个实施方式中，对生成的新的组合重复进行第5步的概率计算时，对于含有已经计算出的家具的布局概率的新的组合优先计算 。

8.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，在进行重新排列组合时，还包括对家具进行碰撞检测的步骤。

9.根据权利要求1所述的基于概率及规则库的自动布局方法，其特征在于，所述的第5步中，所述的两个参数在纳入概率计算时，还加入了权重因子，且权重因子可以人为设定。