CN110851906A - 样板间家具布局应用方法及装置 - Google Patents
样板间家具布局应用方法及装置 Download PDFInfo
- Publication number
- CN110851906A CN110851906A CN201911116088.2A CN201911116088A CN110851906A CN 110851906 A CN110851906 A CN 110851906A CN 201911116088 A CN201911116088 A CN 201911116088A CN 110851906 A CN110851906 A CN 110851906A
- Authority
- CN
- China
- Prior art keywords
- furniture
- sample
- furniture layout
- sample plates
- layout
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种样板间家具布局应用方法及装置，涉及家具布局技术领域。该样板间家具布局应用方法包括：建立智能样板间库；利用智能样板间库中的家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；将待识别样板间的样板间数据发送至训练好的家具布局生成模型中，以获取样板间家具布局结果；将样板间家具布局结果与待识别样板间进行分析，将样板间家具布局结果应用于待识别样板间中。本发明实施例的样板间家具布局应用方法及装置通过将需要设计的待识别样板间的样板间数据发送至训练好的家具布局生成模型中，自动获取样板间家具布局结果，而无需人工测量各种尺寸信息，提高了样本间家具布局的效率和精确度。
Description
技术领域
本发明涉及家具布局技术领域，尤其是涉及一种样板间家具布局应用方法及装置。
背景技术
目前，在家装设计师进行设计装修的过程中，只能通过亲自到实地测量样板间的墙体、门窗、家具和空间等各种尺寸信息，并且然后根据这些各种尺寸信息对家具布局进行设计，这不仅使得样板间家具布局效率低下，而且精确度也不能保证。
发明内容
有鉴于此，本发明的目的在于提供一种样板间家具布局应用方法及装置，以改善样板间家具布局效率低下，精确度也不能保证的技术问题。
第一方面，本发明实施例提供了一种样板间家具布局应用方法，所述方法包括以下步骤：
建立智能样板间库；其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息；
利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；
将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果；
将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述建立智能样板间库的步骤，包括：
获取样板间的多个二维图像的二维图像数据；其中，所述样板间为摆放好家具的样板间；
将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，在将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中的步骤之后，所述方法还包括：
对所述样板间家具布局结果中的家具进行移位和/或旋转。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
第二方面，本发明实施例还提供一种样板间家具布局应用装置，所述装置包括：
建立模块，用于建立智能样板间库；其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息；
训练模块，用于利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；
发送模块，用于将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果；
分析模块，用于将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述建立模块用于：
获取样板间的多个二维图像的二维图像数据；其中，所述样板间为摆放好家具的样板间；
将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，在所述分析模块之后，所述装置还包括：
移位旋转模块，用于对所述样板间家具布局结果中的家具进行移位和/或旋转。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
第三方面，本发明实施例还提供一种服务器，所述服务器包括：处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上文所述的方法。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现上文所述的方法。
本发明实施例带来了以下有益效果：本发明实施例提供的一种样板间家具布局应用方法及装置，利用所建立的智能样板间库中的家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型，然后将待识别样板间的样板间数据发送至该训练好的家具布局生成模型中，获取样板间家具布局结果，最后将该结果与待识别样板间进行分析，将该结果应用于待识别样板间中。本发明实施例的样板间家具布局应用方法及装置通过将需要设计的待识别样板间的样板间数据发送至训练好的家具布局生成模型中，自动获取样板间家具布局结果，而无需人工测量各种尺寸信息，提高了样本间家具布局的效率和精确度。
本发明的其他特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构中实现和获得。
为使本发明的上述目的、特征和优点能够更加明显易懂，下文特举优选实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明的具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图进行简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域技术人员来讲，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一种样板间家具布局应用方法的流程图；
图2为本发明实施例提供的另一种样板间家具布局应用方法的流程图；
图3本发明实施例提供的一种样板间家具布局应用装置的结构框图；
图4为本发明实施例提供的一种服务器的结构示意图。
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，下面将结合附图对本发明的技术方案进行清楚、完整的描述，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，本领域技术人员在没有做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。
目前，在家装设计师进行设计装修的过程中，只能通过亲自到实地测量样板间的墙体、门窗、家具和空间等各种尺寸信息，并且然后根据这些各种尺寸信息对家具布局进行设计，这不仅使得样板间家具布局效率低下，而且精确度也不能保证。基于此，本发明实施例提供了一种样板间家具布局应用方法及装置，以缓解上述问题。
为了便于对本实施例进行理解，首先对本发明实施例所公开的一种样板间家具布局应用方法进行详细介绍。
在一种可能的实施方式中，本发明提供了一种样板间家具布局应用方法。如图1所示为本发明实施例提供的一种样板间家具布局应用方法的流程图，该方法包括以下步骤：
步骤S102：建立智能样板间库。
其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息。
需要进一步说明的是，智能样本间与普通样本间的区别在于，智能样本间所具有的预先识别好的家具布局信息。
步骤S104：利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型。
步骤S106：将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果。
步骤S108：将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
本发明实施例带来了以下有益效果：本发明实施例通过一种样板间家具布局应用方法，利用所建立的智能样板间库中的家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型，然后将待识别样板间的样板间数据发送至该训练好的家具布局生成模型中，获取样板间家具布局结果，最后将该结果与待识别样板间进行分析，将该结果应用于待识别样板间中。本发明实施例的样板间家具布局应用方法及装置通过将需要设计的待识别样板间的样板间数据发送至训练好的家具布局生成模型中，自动获取样板间家具布局结果，而无需人工测量各种尺寸信息，提高了样本间家具布局的效率和精确度。
在实际使用时，为了对建立智能样板间库的过程进行更加详细的描述，本发明实施例在图2中示出了本发明实施例提供的另一种样板间家具布局应用方法的流程图，该方法包括以下步骤：
步骤S202：获取样板间的多个二维图像的二维图像数据。
其中，所述样板间为摆放好家具的样板间。
步骤S204：将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
步骤S206：利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型。
其中，该家具布局生成模型为对未摆放家具的待识别样板间的家具布局进行识别的神经网络模型。
步骤S208：将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果。
步骤S210：将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
其中，在将样板间家具布局结果与待识别样板间进行分析，将样板间家具布局结果应用于待识别样板间中之后，还能够根据用户的个人需要，对样板间家具布局结果进行调整。
具体地，对所述样板间家具布局结果中的家具进行移位和/或旋转。
需要特别说明的是，本发明实施例中的每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
综上所述，本发明的样板间家具布局应用方法，通过当用户处于坐姿状态下时，利用所建立的智能样板间库中的家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型，然后将待识别样板间的样板间数据发送至该训练好的家具布局生成模型中，获取样板间家具布局结果，最后将该结果与待识别样板间进行分析，将该结果应用于待识别样板间中。本发明实施例的样板间家具布局应用方法及装置通过将需要设计的待识别样板间的样板间数据发送至训练好的家具布局生成模型中，自动获取样板间家具布局结果，而无需人工测量各种尺寸信息，提高了样本间家具布局的效率和精确度。
在另一种可能的实施方式中，对应于上述实施方式提供的样板间家具布局应用方法，本发明实施例还提供了一种样板间家具布局应用装置，图3本发明实施例提供的一种样板间家具布局应用装置的结构框图。如图3示，该装置包括：
建立模块301，用于建立智能样板间库；其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息；
训练模块302，用于利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；
发送模块303，用于将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果；
分析模块304，用于将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
在实际使用时，所述建立模块301块用于：
获取样板间的多个二维图像的二维图像数据；其中，所述样板间为摆放好家具的样板间；
将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
在实际使用时，在所述分析模块304之后，所述装置还包括：
移位旋转模块，用于对所述样板间家具布局结果中的家具进行移位和/或旋转。
在实际使用时，每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
在又一种可能的实施方式中，本发明实施例还提供了一种服务器，图4示出了本发明实施例提供的一种服务器的结构示意图，参见图4，该服务器包括：处理器400、存储器401、数据总线402和通信接口403，该处理器400、存储器401、通信接口403和通过数据总线402连接；处理器400用于执行存储器401中存储的可执行模块，例如计算机程序。
其中，存储器401存储有能够被处理器400执行的计算机可执行指令，处理器400执行计算机可执行指令以实现上文所述的方法。
进一步地，存储器401可能包含高速随机存取存储器(RAM，Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口403(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
数据总线402可以是ISA数据总线、PCI数据总线或EISA数据总线等。该数据总线可以分为地址数据总线、数据数据总线、控制数据总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根数据总线或一种类型的数据总线。
其中，存储器401用于存储程序，处理器400在接收到程序执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的样板间家具布局应用方法可以应用于处理器400中，或者由处理器400实现。
此外，处理器400可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器400中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器400可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器400读取存储器401中的信息，结合其硬件完成上述方法的步骤。
在又一种可能的实施方式中，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上文所述的方法。
本发明实施例提供的样板间家具布局应用装置，与上述实施例提供的样板间家具布局应用方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例所提供的样板间家具布局应用方法及装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，ReaD-Only Memory)、随机存取存储器(RAM，RanDom Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种样板间家具布局应用方法，其特征在于，所述方法包括以下步骤：
建立智能样板间库；其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息；
利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；
将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果；
将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
2.根据权利要求1所述的方法，其特征在于，所述建立智能样板间库的步骤，包括：
获取样板间的多个二维图像的二维图像数据；其中，所述样板间为摆放好家具的样板间；
将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
3.根据权利要求1所述的方法，其特征在于，在将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中的步骤之后，所述方法还包括：
对所述样板间家具布局结果中的家具进行移位和/或旋转。
4.根据权利要求1所述的方法，其特征在于，每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
5.一种样板间家具布局应用装置，其特征在于，所述装置包括：
建立模块，用于建立智能样板间库；其中，所述智能样板间库中的每个智能样板间带有预先识别好的家具布局信息；
训练模块，用于利用所述智能样板间库中的所述家具布局信息对家具布局生成模型进行训练，获取训练好的家具布局生成模型；
发送模块，用于将待识别样板间的样板间数据发送至所述训练好的家具布局生成模型中，以获取样板间家具布局结果；
分析模块，用于将所述样板间家具布局结果与所述待识别样板间进行分析，将所述样板间家具布局结果应用于所述待识别样板间中。
6.根据权利要求5所述的装置，其特征在于，所述建立模块用于：
获取样板间的多个二维图像的二维图像数据；其中，所述样板间为摆放好家具的样板间；
将所述二维图像数据发送至训练好的深度神经网络进行识别，获取多个识别结果，建立智能样板间库。
7.根据权利要求5所述的装置，其特征在于，在所述分析模块之后，所述装置还包括：
移位旋转模块，用于对所述样板间家具布局结果中的家具进行移位和/或旋转。
8.根据权利要求5所述的装置，其特征在于，每个智能样板间的预先识别好的家具布局信息包括每个智能样板间的墙体位置信息、门窗位置信息、家具位置信息，及其空间信息。
9.一种服务器，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至4任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116088.2A CN110851906A (zh) | 2019-11-14 | 2019-11-14 | 样板间家具布局应用方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116088.2A CN110851906A (zh) | 2019-11-14 | 2019-11-14 | 样板间家具布局应用方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110851906A true CN110851906A (zh) | 2020-02-28 |
Family
ID=69601749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911116088.2A Pending CN110851906A (zh) | 2019-11-14 | 2019-11-14 | 样板间家具布局应用方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110851906A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
| CN113111426A (zh) * | 2021-05-12 | 2021-07-13 | 佛山市祥源家具制造有限公司 | 家具布局方法、装置、电子设备及存储介质 |
| CN113297664A (zh) * | 2021-06-30 | 2021-08-24 | 广东三维家信息科技有限公司 | 一种酒格架模型生成方法、装置、设备及存储介质 |
| CN114935994A (zh) * | 2022-05-10 | 2022-08-23 | 阿里巴巴（中国）有限公司 | 物品数据处理方法、设备及存储介质 |
| CN115146360A (zh) * | 2022-07-18 | 2022-10-04 | 如你所视(北京)科技有限公司 | 家装方案生成方法、装置及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102737409A (zh) * | 2012-06-28 | 2012-10-17 | 北京中科广视科技有限公司 | 一种三维虚拟室内设计方案的生成方法 |
| US20160140676A1 (en) * | 2013-06-20 | 2016-05-19 | Diakrit International Ltd. | Visualization tool for furniture arrangement in a real estate property |
| CN106815440A (zh) * | 2017-01-19 | 2017-06-09 | 深圳市彬讯科技有限公司 | 一种家居户型设计的结构物品智能布局方法及系统 |
| CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及系统 |
| CN109920052A (zh) * | 2019-03-16 | 2019-06-21 | 淄博职业学院 | 一种三维虚拟室内设计方案的生成方法 |
| CN110197225A (zh) * | 2019-05-28 | 2019-09-03 | 广东三维家信息科技有限公司 | 基于深度学习的户型空间匹配方法和系统 |
| CN110263432A (zh) * | 2019-06-19 | 2019-09-20 | 广州神蛋网络科技有限公司 | 一种装修方案自动获取方法 |
-
2019
- 2019-11-14 CN CN201911116088.2A patent/CN110851906A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102737409A (zh) * | 2012-06-28 | 2012-10-17 | 北京中科广视科技有限公司 | 一种三维虚拟室内设计方案的生成方法 |
| US20160140676A1 (en) * | 2013-06-20 | 2016-05-19 | Diakrit International Ltd. | Visualization tool for furniture arrangement in a real estate property |
| CN106815440A (zh) * | 2017-01-19 | 2017-06-09 | 深圳市彬讯科技有限公司 | 一种家居户型设计的结构物品智能布局方法及系统 |
| CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及系统 |
| CN109920052A (zh) * | 2019-03-16 | 2019-06-21 | 淄博职业学院 | 一种三维虚拟室内设计方案的生成方法 |
| CN110197225A (zh) * | 2019-05-28 | 2019-09-03 | 广东三维家信息科技有限公司 | 基于深度学习的户型空间匹配方法和系统 |
| CN110263432A (zh) * | 2019-06-19 | 2019-09-20 | 广州神蛋网络科技有限公司 | 一种装修方案自动获取方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王墨等: "浅析样板间设计方案的数字化传达方式", 《建材与装饰》 * |
| 穆峰: "颠覆传统装修：互联网家装的实践论" * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
| CN113111426A (zh) * | 2021-05-12 | 2021-07-13 | 佛山市祥源家具制造有限公司 | 家具布局方法、装置、电子设备及存储介质 |
| CN113111426B (zh) * | 2021-05-12 | 2024-02-09 | 佛山市祥源家具制造有限公司 | 家具布局方法、装置、电子设备及存储介质 |
| CN113297664A (zh) * | 2021-06-30 | 2021-08-24 | 广东三维家信息科技有限公司 | 一种酒格架模型生成方法、装置、设备及存储介质 |
| CN114935994A (zh) * | 2022-05-10 | 2022-08-23 | 阿里巴巴（中国）有限公司 | 物品数据处理方法、设备及存储介质 |
| CN115146360A (zh) * | 2022-07-18 | 2022-10-04 | 如你所视(北京)科技有限公司 | 家装方案生成方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110851906A (zh) | 样板间家具布局应用方法及装置 | |
| CN111832447B (zh) | 建筑图纸构件识别方法、电子设备及相关产品 | |
| CN106709318B (zh) | 一种用户设备唯一性的识别方法、装置和计算设备 | |
| CN107204956B (zh) | 网站识别方法及装置 | |
| Grana et al. | YACCLAB-yet another connected components labeling benchmark | |
| CN107040535B (zh) | 移动应用渠道登录监控方法、装置、系统及存储介质 | |
| TWI525555B (zh) | 影像處理裝置及處理方法 | |
| CN107807841B (zh) | 服务器模拟方法、装置、设备及可读存储介质 | |
| CN112634227A (zh) | Pcb拼板的检测标识方法、装置、电子设备以及存储介质 | |
| CN110798481A (zh) | 基于深度学习的恶意域名检测方法及装置 | |
| CN114332809A (zh) | 一种图像识别方法、装置、电子设备和存储介质 | |
| CN109840212A (zh) | 应用程序的功能测试方法、装置、设备及可读存储介质 | |
| CN107071553B (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
| CN110796722A (zh) | 三维渲染呈现方法及装置 | |
| CN109740074B (zh) | 参数配置信息的处理方法、装置及设备 | |
| CN113572826B (zh) | 一种设备信息绑定方法、系统及电子设备 | |
| CN108848183B (zh) | 模拟用户的登录方法及装置 | |
| CN109379186B (zh) | 活禽屠宰数字证书生成方法及装置 | |
| CN108875770B (zh) | 行人检测误报数据的标注方法、装置、系统和存储介质 | |
| CN108694347B (zh) | 图像处理方法和装置 | |
| CN111160353A (zh) | 车牌识别方法、装置及设备 | |
| CN107491393A (zh) | 崩溃信息上传方法、装置及终端设备 | |
| CN111325043A (zh) | 一种二维码的解析方法、装置、设备及介质 | |
| CN111310268A (zh) | 关联材质替换方法及装置 | |
| CN111144244B (zh) | 家具木材类别识别方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |
|
| RJ01 | Rejection of invention patent application after publication |