CN110765540A - 一种户型图匹配多种整装设计的系统及其方法 - Google Patents

Abstract

本发明是一种户型图匹配多种整装设计的系统，该系统包括利用深度学习的TensorFlow框架进行建模的户型图像处理模块、数据处理模块、数据存储模块和中央控制模块，所述户型图像处理模块、数据处理模块、数据存储模块均与中央控制模块通讯连接。该系统通过户型图像处理模块、数据处理模块、数据存储模块和中央控制模块，依次完成图像的采集，图像的参数处理，利用深度学习对图像分析后进行数据提取，并将提取的数据与数据存储模块中存储的样本数据进行对比，匹配出较为合适的户型装修样本数据，同时向客户推送出与户型装修样本数据关联的效果图。大大节省了设计成本，同时对以往设计方案的借鉴，也便于客户的认可，提高了工作效率。

Description

一种户型图匹配多种整装设计的系统及其方法

技术领域

本发明属于户型匹配技术领域，特别涉及一种户型图匹配多种整装设计的系统及其方法。

背景技术

随着房地产行业发展迅速，出现了各式各样的户型，而且人们对装饰设计的需求也越来越高。目前，人们需要装修时，若想获得自己房屋的装修效果图，大多是由装修公司利用专业的设计软件，绘制户型，然后根据用户需求进行设计，要获得满意的装修设计，往往需要设计师和用户充分沟通，多次修改设计方案，才能得到所想要的家居装修方案，其过程费时费力。

设计人员在对房屋进行装修设计时，往往需要花费大量的时间与客户进行详细的沟通和确认，并且在设计过程中也需要进行繁琐的图纸制作，严重影响了工作效率，客户在一次次修改制图方案时也会存在情绪等问题，容易造成客户丢失的风险，而本发明设计图纸的方式是借鉴以往整体户型相似的设计方案，这样的方式大大降低设计成本和时间，并且以往户型设计的效果图也能更直观的展示在客户面前，也更容易使得用户选择和接受，充分减少了设计人员与客户沟通的时间。

本方法提高社会资源配置的优化和集成，提升了创新力和生产力，从而解决传统装饰企业设计环节带来的所有困扰，并为装饰企业节省了生产成本和提高了获客率。

在借鉴布局相似户型的过程中，需要在预先建立的户型数据库中进行遍历筛选。这些户型数据库往往数据量很大，而且户型的布局多种多样，使得人工筛选的过程费时费力，不利于设计人员进行快速筛选出合适的户型作为参考，导致整体装饰公司设计效率低下。

在公告号“CN109992693A”名称为“户型匹配方法及装置”的中国发明专利中，公开了一种户型匹配方法及装置，其中，该方法包括：获取待匹配的户型图像；提取待匹配的户型图像的几何特征；几何特征包括轮廓特征、面积特征和位置特征；将几何特征与预先建立的数据库中的户型样本图像进行相似度匹配，得到几何特征与数据库中的户型样本图像之间的相似度；根据相似度，从数据库中筛选得到与待匹配的户型图像相匹配的户型样本图像。通过户型的几何特征对数据库中的户型样本图像进行相似度匹配，可快速从数据库中得到最为相似的户型图，提高了装饰公司设计过程中的户型匹配效率。

以上公开的专利中通过户型匹配实现了对较相似的户型的筛选，筛选出较接近的户型图，提高了户型的设计效率，但是对每种户型的对应的装修方案并未提出，而针对不同的户型的装修方案的设计也极为重要。

发明内容

为解决上述问题，本发明的目的在于提供一种户型装修方案的设计高效、适应于多种户型、户型设计方案良好的一种户型图匹配多种整装设计的系统及其方法。

本发明的另一个目的在于提供一种户型匹配系统合理完整、功能全面的一种户型图匹配多种整装设计的系统及其方法。

为实现上述目的，本发明的技术方案如下。

一种户型图匹配多种整装设计的系统，其特征在于，该系统包括户型图像处理模块、数据存储模块、中央控制模块和利用深度学习的TensorFlow框架进行建模的数据处理模块，所述户型图像处理模块、数据处理模块、数据存储模块均与中央控制模块通讯连接；

户型图像处理模块：完成户型图像的采集以及对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；其中，户型图像的采集可以有多种方式得到。其中包括但不限于：A、通过对户型图拍照的形式获得户型图像。B、通过上传的形式获得户型图像。C、通过语音识别方式获取。其中通过语音识别方式获取具体可以为，如：语音输入“XX市XX区XX大楼XX号”，系统自动识别语音信息，并在数据存储模块中获取事先储存的户型图像信息。

数据处理模块：利用深度学习完成对户型图像处理模块处理后的户型布局轮廓图的数据处理，将数据处理模块处理后得到的数据与数据存储模块中存储的户型样本数据进行比对，得到较为匹配的户型装修样本数据；

数据存储模块：用于存储不同户型的装修样本数据；

中央控制模块：用于户型图像处理模块、数据处理模块和数据存储模块之间的数据处理和转化。该系统通过户型图像处理模块、数据处理模块、数据存储模块和中央控制模块，依次完成图像的采集，图像的参数处理，利用深度学习对图像的数据进行提取，并将提取的数据与数据存储中存储的样本数据进行对比，匹配出较为合适的户型装修样本数据。整个系统准确高效的实现了根据客户提供的户型图，快速的获得较为合适的户型装修方案，大大节省了设计成本，同时对以往设计方案的借鉴，也便于客户的认可，提供了工作效率。其中，利用深度学习对数据进行分析和匹配保证了数据处理的准确性和高效性，降低了人为比对检索的时间。

进一步地，所述户型图像处理模块包括采集模块和图像处理模块，所述采集模块和图像处理模块均与中央控制模块通讯连接，所述采集模块用于采集待匹配的户型图，所述图像处理模块包括用于对采集模块采集到的户型图进行图像处理，得到户型布局轮廓图。

进一步地，所述数据处理模块包括数据分析模块、数据匹配模块、数据排序模块和文件关联模块，所述数据分析模块、数据匹配模块、数据排序模块和文件关联模块均与中央控制模块通讯连接，所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出布局轮廓图的几何特征的数据；所述数据匹配模块将数据分析模块得到的几何特征的数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本数据；所述数据排序模块按照数据匹配模块的匹配度高低对匹配到的户型装修样本数据进行先后排序，同时将样本数据关联的效果图呈现到客户端；所述文件关联模块用于提取户型样本所关联的所有设计图纸及相关文件，选中以上的样本数据后，即可下载相关联的设计图纸及相关文件。通过数据分析模块实现了对户型布局轮廓图的数据分析，通过数据匹配模块匹配出较为合适的户型装修样本，其中按照匹配度高低对匹配出的户型装修样本进行排序，便于客户的优先选择，文件关联模块为每种户型装修样本提供了对应的设计图纸，便于装修风格的选取和预览。

进一步地，所述数据存储模块存储的户型装修数据为以往的装修样本数据，当客户对装修数据进行修改后，即可更新到数据存储模块中。通过数据存储模块实现了对多种户型装修样本的存储，便于实现对户型装修样本的检索、更新和保存。

进一步地，所述采集模块包括摄像器采集、手机拍照。通过摄像器和手机拍照的方式即可完成户型图的采集，方便高效。

进一步地，所述几何特征包括轮廓、面积、平面布局、装修风格，户型装修样本数据关联的设计图纸包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游。装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游的提供，便于户型装修样本的筛选和预览，确保户型装修达到最佳效果。

进一步地，所述数据分析模块采用深度学习的TensorFlow框架进行建模，将已知户型装修样本数据输入到模型中进行训练，得到预模型，将户型轮廓图输入到预模型中，提取出布局轮廓图的几何特征的数据。通过深度学习框架的建模和使用，确保数据分析模块处理后的数据的准确性和高效性。

进一步地，所述数据匹配模块利用预模型，将布局轮廓图的几何特征的数据与数据存储模块中存储的户型装修样本数据进行匹配。保证匹配的准确性和全面性。

一种户型图匹配多种整装设计的方法，其特征在于，该方法的具体步骤如下：

S1：通过采集模块完成户型图像的采集；

S2：通过图像处理模块完成对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；

S3：所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出布局轮廓图的几何特征的数据；

S4：所述数据匹配模块将数据分析模块得到的几何特征的数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本；

S5：所述数据排序模块按照匹配度高低对匹配到的户型装修样本进行排序，排序后呈现到客户端；

S6：所述文件关联模块用于提取已排序户型样本所关联的所有设计图纸及相关文件；

S7：数据存储模块：用于存储不同户型的装修样本数据，户型装修样本数据包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游；

进一步地，所述图像处理模块包括如下步骤：

S21：用opencv技术对采集到的图像进行处理，得到户型灰度图；

S22：对户型灰度图进行OTSU二值化处理，以除掉图像背景；

S23：对除掉背景后的图像用Sobel算子技术得到边缘图像，然后针对边缘图像剪取得到户型布局轮廓图；

S24：采用墙体阈值分割方法对户型布局轮廓图进行处理，进行门窗识别。

通过对图像的处理以满足数据处理模块的格式需求，同时实现户型门窗的识别和获取，方便实现户型装修样式的匹配和选择。

本发明的使用可以节省行业运营成本，但从某种意义上来说，除了节约了行业大量运营成本外，更重要的核心是我们的系统，它完全可以跨越装饰行业同行之间的鸿沟，用我们的系统达到设计共享，资源共享，是一个装饰行业设计行业一个新的开元系统，它会使行业往前迈一大步。

综上所述，该系统通过户型图像处理模块、数据处理模块、数据存储模块和中央控制模块，依次完成图像的采集，图像的参数处理，利用深度学习对图像的数据进行提取，并将提取的数据与数据存储中存储的样本数据进行对比，匹配出较为合适的户型装修样本数据。整个系统准确高效的实现了根据客户提供的户型图，快速的获得较为合适的户型装修方案，大大节省了设计成本，同时对以往设计方案的借鉴，也便于客户的认可，提供了工作效率。其中，利用深度学习对数据进行分析和匹配保证了数据处理的准确性和高效性，降低了人为比对检索的时间，该技术可以应用于手机、平板电脑、计算机等多种终端设备上，利用该技术可以开发出APP、商城网站、操作系统等供装饰公司使用，对当前传统装饰公司模式具有革命性，这种人工智能+互联网+设计+实体业务的模式，也是一种新的发展模式，具有很好的创新性。

附图说明

图1是本发明的一种户型图匹配多种整装设计的方法的流程图。

图2是本发明的一种户型图匹配多种整装设计的方法的业务具体实施流程图。

图3是本发明的一种户型图匹配多种整装设计的系统的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

为实现上述目的，本发明的技术方案如下。

参照图1-3，一种户型图匹配多种整装设计的系统，其特征在于，该系统包括户型图像处理模块、数据存储模块、中央控制模块和利用深度学习的TensorFlow框架进行建模的数据处理模块，所述户型图像处理模块、数据处理模块、数据存储模块均与中央控制模块通讯连接；

户型图像处理模块：完成户型图像的采集以及对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；

数据处理模块：利用深度学习完成对户型图像处理模块处理后的户型布局轮廓图的数据处理，将数据处理模块处理后得到的数据与数据存储模块中存储的户型样本数据进行比对，得到较为匹配的户型装修样本数据；

数据存储模块：用于存储不同户型的装修样本数据；

中央控制模块：用于户型图像处理模块、数据处理模块和数据存储模块之间的数据处理和转化。该系统通过户型图像处理模块、数据处理模块、数据存储模块和中央控制模块，依次完成图像的采集，图像的参数处理，利用深度学习对图像的数据进行提取，并将提取的数据与数据存储中存储的样本数据进行对比，匹配出较为合适的户型装修样本数据。整个系统准确高效的实现了根据客户提供的户型图，快速的获得较为合适的户型装修方案，大大节省了设计成本，同时对以往设计方案的借鉴，也便于客户的认可，提供了工作效率。其中，利用深度学习对数据进行分析和匹配保证了数据处理的准确性和高效性，降低了人为比对检索的时间。

在本实施例中，所述户型图像处理模块包括采集模块和图像处理模块，所述采集模块和图像处理模块均与中央控制模块通讯连接，所述采集模块用于采集待匹配的户型图，所述图像处理模块包括用于对采集模块采集到的户型图进行图像处理，得到户型布局轮廓图。

在本实施例中，所述数据处理模块包括数据分析模块、数据匹配模块、数据排序模块和文件关联模块，所述数据分析模块、数据匹配模块、数据排序模块和文件关联模块均与中央控制模块通讯连接，所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出布局轮廓图的几何特征的数据；所述数据匹配模块将数据分析模块得到的几何特征数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本数据；所述数据排序模块按照数据匹配模块的匹配度高低对匹配到的户型装修样本数据进行先后排序，同时将样本数据关联的效果图呈现到客户端；所述文件关联模块用于提取已排序户型样本所关联的所有设计图纸及相关文件，选中以上的样本数据后，即可下载相关联的设计图纸及相关文件。通过数据分析模块实现了对户型布局轮廓图的数据分析，通过数据匹配模块匹配出较为合适的户型装修样本，其中按照匹配度高低对匹配出的户型装修样本进行排序，便于客户的优先选择，文件关联模块为每种户型装修样本提供了对应的设计图纸，便于装修风格的选取和预览。

参照图2，在本实施例中，所述数据存储模块存储的户型装修数据为以往的装修样本数据，当客户对装修数据进行修改后，即可更新到数据存储模块中。通过数据存储模块实现了对多种户型装修样本的存储，便于实现对户型装修样本的检索、更新和保存。

在本实施例中，所述采集模块包括摄像器采集、手机拍照。通过摄像器和手机拍照的方式即可完成户型图的采集，方便高效。

在本实施例中，所述几何特征包括轮廓、面积、平面布局、装修风格，户型装修样本数据关联的设计图纸包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游。装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游的提供，便于户型装修样本的筛选和预览，确保户型装修达到最佳效果。

在本实施例中，所述数据分析模块采用深度学习的TensorFlow框架进行建模，将已知户型装修样本数据输入到模型中进行训练，得到预模型，将户型轮廓图输入到预模型中，提取出布局轮廓图的几何特征的数据。通过深度学习框架的建模和使用，确保数据分析模块处理后的数据的准确性和高效性。

在本实施例中，所述数据匹配模块利用预模型，将布局轮廓图的几何特征的数据与数据存储模块中存储的户型装修样本数据进行匹配。保证匹配的准确性和全面性。

参照图1-2，一种户型图匹配多种整装设计的方法，其特征在于，该方法的具体步骤如下：

S1：通过采集模块完成户型图像的采集；

S2：通过图像处理模块完成对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；

S3：所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出布局轮廓图的几何特征的数据；

S4：所述数据匹配模块将数据分析模块得到的几何特征的数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本；

S5：所述数据排序模块按照匹配度高低对匹配到的户型装修样本进行排序，排序后呈现到客户端；

S6：所述文件关联模块用于提取已排序户型样本所关联的所有设计图纸及相关文件；

S7：数据存储模块：用于存储不同户型的装修样本数据，户型装修样本数据包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游；

在本实施例中，所述图像处理模块包括如下步骤：

S21：用opencv技术对采集到的图像进行处理，得到户型灰度图；

S22：对户型灰度图进行OTSU二值化处理，以除掉图像背景；

S23：对除掉背景后的图像用Sobel算子技术得到边缘图像，然后针对边缘图像剪取得到户型布局轮廓图；

S24：采用墙体阈值分割方法对户型布局轮廓图进行处理，进行门窗识别。

通过对图像的处理以满足数据处理模块的格式需求，同时实现户型门窗的识别和获取，方便实现户型装修样式的匹配和选择。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种户型图匹配多种整装设计的系统，其特征在于，该系统包括户型图像处理模块、数据存储模块、中央控制模块和利用深度学习的TensorFlow框架进行建模的数据处理模块，所述户型图像处理模块、数据处理模块、数据存储模块均与中央控制模块通讯连接；

户型图像处理模块：完成户型图像的采集以及对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；

数据处理模块：利用深度学习完成对户型图像处理模块处理后的户型布局轮廓图的数据处理，将数据处理模块处理后得到的数据与数据存储模块中存储的户型样本数据进行比对，得到较为匹配的户型装修样本数据；

数据存储模块：用于存储不同户型的装修样本数据；

中央控制模块：用于户型图像处理模块、数据处理模块和数据存储模块之间的数据处理和转化。

2.如权利要求1所述的一种户型图匹配多种整装设计的系统，其特征在于，所述户型图像处理模块包括采集模块和图像处理模块，所述采集模块和图像处理模块均与中央控制模块通讯连接，所述采集模块用于采集待匹配的户型图，所述图像处理模块包括用于对采集模块采集到的户型图进行图像处理，得到户型布局轮廓图。

3.如权利要求2所述的一种户型图匹配多种整装设计的系统，其特征在于，所述数据处理模块包括数据分析模块、数据匹配模块、数据排序模块和文件关联模块，所述数据分析模块、数据匹配模块、数据排序模块和文件关联模块均与中央控制模块通讯连接，所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出布局轮廓图的几何特征的数据；所述数据匹配模块将数据分析模块得到的几何特征的数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本数据；所述数据排序模块按照数据匹配模块的匹配度高低对匹配到的户型装修样本数据进行先后排序，同时将样本数据关联的效果图呈现到客户端；所述文件关联模块用于提取户型样本数据所关联的所有设计图纸及相关文件，选中以上的样本数据后，即可下载相关联的设计图纸。

4.如权利要求1所述的一种户型图匹配多种整装设计的系统，其特征在于，所述数据存储模块存储的户型装修数据为以往的装修样本数据，当客户对装修数据进行修改后，即可更新到数据存储模块中。

5.如权利要求2所述的一种户型图匹配多种整装设计的系统，其特征在于，所述采集模块包括摄像器采集、手机拍照。

6.如权利要求3所述的一种户型图匹配多种整装设计的系统，其特征在于，所述几何特征包括轮廓、面积、平面布局、装修风格，户型装修样本数据关联的设计图纸包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游。

7.如权利要求3所述的一种户型图匹配多种整装设计的系统，其特征在于，所述数据分析模块采用深度学习的TensorFlow框架进行建模，将已知户型装修样本数据输入到模型中进行训练，得到预模型，将户型轮廓图输入到预模型中，提取出布局轮廓图的几何特征的数据。

8.如权利要求7所述的一种户型图匹配多种整装设计的系统，其特征在于，所述数据匹配模块利用预模型，将布局轮廓图的几何特征的数据与数据存储模块中存储的户型装修样本数据进行匹配。

9.一种户型图匹配多种整装设计的方法，其特征在于，该方法的具体步骤如下：

S1：通过采集模块完成户型图像的采集；

S2：通过图像处理模块完成对采集到的户型图的处理，得到户型布局轮廓图，以满足数据处理模块的应用需求；

S3：所述数据分析模块用于对户型布局轮廓图进行分析处理，提取出几何特征的数据；

S4：所述数据匹配模块将数据分析模块得到的几何特征的数据与数据存储模块中存储的户型装修样本的数据进行相似度对比，匹配出较为合适的户型装修样本；

S5：所述数据排序模块按照匹配度高低对匹配到的户型装修样本进行排序，排序后呈现到客户端；

S6：所述文件关联模块用于提取已排序户型样本所关联的所有设计图纸及相关文件；

S7：数据存储模块：用于存储不同户型的装修样本数据，户型装修样本数据包括装修效果图、施工图、物料白皮书、工程量清单、VR全景、虚拟漫游。

10.如权利要求9所述的一种户型图匹配多种整装设计的方法，其特征在于，所述图像处理模块包括如下步骤：

S21：用opencv技术对采集到的图像进行处理，得到户型灰度图；

S22：对户型灰度图进行OTSU二值化处理，以除掉图像背景；

S23：对除掉背景后的图像用Sobel算子技术得到边缘图像，然后针对边缘图像剪取得到户型布局轮廓图；

S24：采用墙体阈值分割方法对户型布局轮廓图进行处理，进行门窗识别。

Images