CN111191306A - 一种房间设计效果展示方法及系统 - Google Patents
一种房间设计效果展示方法及系统 Download PDFInfo
- Publication number
- CN111191306A CN111191306A CN201911273395.1A CN201911273395A CN111191306A CN 111191306 A CN111191306 A CN 111191306A CN 201911273395 A CN201911273395 A CN 201911273395A CN 111191306 A CN111191306 A CN 111191306A
- Authority
- CN
- China
- Prior art keywords
- room
- point
- design effect
- area
- design
- 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.)
- Withdrawn
Links
- 238000013461 design Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000000694 effects Effects 0.000 title claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 230000002035 prolonged effect Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 abstract description 11
- 238000012986 modification Methods 0.000 abstract description 9
- 230000004048 modification Effects 0.000 abstract description 9
- 238000011960 computer-aided design Methods 0.000 abstract description 2
- 238000005034 decoration Methods 0.000 description 20
- 230000000007 visual effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 241001122767 Theaceae Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000012938 design process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- DEIGXXQKDWULML-UHFFFAOYSA-N 1,2,5,6,9,10-hexabromocyclododecane Chemical compound BrC1CCC(Br)C(Br)CCC(Br)C(Br)CCC1Br DEIGXXQKDWULML-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种房间设计效果展示方法及系统,属于计算机辅助设计技术领域。本发明提供的房间设计效果展示方法,可以让用户在家装设计过程中,可以自动设置不同用途空间下的相机设置点,而且自动规避相机附近的物体模型,避免渲染产生奇异放大的图片;并且,即时反馈到训练数据样本里,扩充训练数据的样本,使得模型迭代更加方便;并且可以适应对设计效果的拆改处理。最终自动生成全屋自动路径拍摄视频,也可以在实际场景中,结合无人机或者其它拍摄工具,帮助设计师或者其他非专业人士自动规划全屋拍摄路径生成小视频或者单一空间逐一显示模式的小视频。
Description
技术领域
本发明涉及一种房间设计效果展示方法及系统,属于计算机辅助设计技术领域。
背景技术
现有的家装设计软件,实施渲染过程时,往往通过人为手动地逐一向户型空间拖动相机,然后渲染图片。一个普通户型通常有10个左右的空间,意味着设计师要重复进行10次左右的手动添置相机镜头,包括设置相机在具体空间下摆放的位置。相机镜头不能被物体模型或者近距离墙体遮挡,否则渲染出来的图片就会异常【参考图4和图5,此处餐厅相机设置点在餐桌上方贴着花束的位置,渲染出来花束变大,且造成贴图也变大】,这样设计师难免要经常切换2D与3D场景,以及在3D方案设计场景里不停调节相机摆放位置以及高度,影响了设计师的工作效率。
另外,在展示设计效果时,“最佳视角”指的是模拟人站在户型某一空间下,朝着某一方向去观察,视野范围内能够看到空间下较大范围的场景,例如在卧室内,一般在床尾附近朝着床头看去,能够看到卧室大范围的场景;对于客餐厅,如果客厅与餐厅相邻,人站在客餐厅交接边中点附近,朝着客厅局部最大区域的中心看去,视野范围会较大。现有的家装设计软件,不同用途空间下的“最佳视角”有的称为 默认视角,往往是通过几何图形学的方法进行规则相关的计算,但是由于户型的多样化,规则性计算往往不能够覆盖数量庞大风格多样的户型。
另外,在用户获得了相机展示的效果后,会对设计图进行评估,有时需要在此基础上再次修改,但是,现有的家装设计软件,在拆改服务上不够智能化。
在完成了全部的展示和修改后,最终需要向用户给出一个设计结果的导览图。现有的家装设计软件,往往没有自动生成小视频的功能,多数是基于设计师手动标记路径,人为设置生成视频所需的关键点串构成,极具耗费人力成本。
发明内容
本发明的方法解决了在现有技术中家装设计软件的结果展示中存在的多个问题。
本发明的第一个解决的技术问题是:提出一种家装设计中自动规避相机镜头附近遮挡物实施智能渲染的方法及系统。
本发明的第二个解决的技术问题是:为了更好的展示设计效果,提出一种基于机器学习的方法智能捕捉户型不同用途空间下“最佳视角”的方法及系统。
本发明的第三个解决的技术问题是:本文提出一种基于客户多样化即时反馈信息进行自动拆改方案设计的方法及系统。
本发明的第四个解决的技术问题是:提出一种基于全屋户型几何特征以及模型所占空间信息自动生成拍摄路径生成小视频的方法以及系统。
技术方案是:
一种房间设计效果展示方法,包括如下步骤:
S101,获取房间设计结果,所述设计结果中包括房间形状结构,以及家具或物件形状和位置;
S102,确定房间的在水平面上的近似中心点;
S103,根据房间用途的不同而确定不同的相机高度值,相机的水平位置为S102中的近似中心点;
S104,以相机位置为中心,构建一个包围盒,在包围盒内部的家具或物件在显示界面中被隐藏。
在一个实施方式中,所述的房间用途包括:客厅、餐厅、厨房、卫生间、阳台、衣帽间等。
在一个实施方式中,所述的包围盒可以是长方体、正方体、球体、柱体等。
在一个实施方式中,所述的包围盒的大小可设定。
在一个实施方式中,还包括:S105,当存在与包围盒距离小于一定距离的家具或物件时,将相机的位置向远离所述的小于一定距离的家具或物件方向移动。
在一个实施方式中,还包括:对相机视角进行自动设计的方法,包括如下步骤:
S201,获得房间设计结果,并对结果进行参数化;同时,获得不同设计结果中的最佳相机角度;
S202,将S201中得到的参数化的房间设计结果作为神经网络的输入值,以不同设计结果中的最佳相机角度作为神经网络的输出值,采用训练样本对模型进行训练;
S203,采用已经训练好的模型,输入待处理的房间设计结果,输出最佳相机角度的预测值。
在一个实施方式中,所述的房间设计结果中包括:房间的功能、门或门洞的大小和位置、茶几包围盒的位置和形状、餐桌包围盒的位置和形状、床的位置形状和类型。
在一个实施方式中,所述的神经网络包括:输入层、隐藏层和输出层。
在一个实施方式中,还包括:对设计效果中进行拆改并反馈给用户的方法,包括如下步骤:
S301,获得用户需要进行拆改处理的请求;
S302,将获得的请求分类后,根据请求的通用性不同分配给一位或者多位设计师进行处理;
S303,将设计师处理的方案反馈给客户。
在一个实施方式中,所述的请求可以通过线上或线下收集方式获得。
在一个实施方式中,S303中是通过网页链接、二维码扫、做好的方案呈现的视频反馈给客户。
在一个实施方式中,S302中还包括对墙的拆改处理,包括如下步骤:
S3021,获得房间中的墙体信息;
S3022,记录当前情况下墙体的面积后,对墙体进行改动,再次刻录墙体的面积;
S3023,将改动过程中墙体面积增减或门窗的增减信息反馈给客户,并进行版本号标识。
在一个实施方式中,还包括:对设计效果生成导览视频的方法,包括如下步骤:
S401,获得入户门的位置,并确定入户门的朝向;并判定入户门朝房间内能直接延长的距离是否过短,如果过短时,将入户门起点方向朝房间内延长一定距离后,作为调整后的入户门起点;如果距离不是过短,则直接将入户门的中点作为入户门起点;
S402,寻找客厅或者餐厅的最大局部矩形,判定所述的最大局部矩形是否存在着相邻的子区域;若存在子区域,则在子区域内设置子区域关键点;并且,在最大局部区域内设置最大局部区域关键点,分别归属于客厅关键点和餐厅关键点;
S403,设置阳台关键点、卫生间关键点、走廊及玄关关键点;
S404,根据卧室中床的类型的不同,设置卧室关键点;
S405,从入户门起点开始,将客厅关键点、餐厅关键点、阳台关键点、卫生间关键点、走廊及玄关关键点、卧室关键点按照特定顺序生成导览视频。
在一个实施方式中,在最大局部区域内设置关键点时,需要考虑最大局部区域内的具有最大包围盒的物体。
在一个实施方式中,床的类型包括:普通床、组合床、上下床。
有益效果
(1)本发明可以让用户在家装设计过程中,可以自动设置不同用途空间下的相机设置点,而且自动规避相机附近的物体模型,避免渲染产生奇异放大的图片,也从而降低因渲染图片异常,需要多次耗费人力修改的风险,提高家装设计软件产出效果图的效率,加快设计师工作流。
(2)本发明可以让用户在家装设计过程中,高效快速地定位户型不同空间用途下的“最佳视角”。而且我们的预测结果可以即时反馈到训练数据样本里,扩充训练数据的样本,使得模型迭代更加方便。大数据样本的学习,比常规的通过几何规则约定的计算结果更加高效准确,提高设计师工作效率。
(3)本发明可以让用户在家装设计过程中,打破常规的一个设计师拆改一个方案的设计流程,系统可以自动即时根据客户需求进行梳理归纳,对拆改任务进行分类调配,独立空间下的拆改任务可以同时交给多个不同的设计师拆改设计,最后将拆改结果汇合。同时该系统加快客户与服务商之间的沟通进度以及更快传达客户真实的拆改需求,减少常规耗时的人力投入成本,而且便捷将客户对方案拆改设计的反馈信息传达给服务商,提高其运转与服务水平,达到智能高效拆改的目的。
(4)本发明可以让用户在家装设计过程中,减少用户人力投入的成本,可以用于家装设计软件,自动生成全屋自动路径拍摄视频,也可以在实际场景中,结合无人机或者其它拍摄工具,帮助设计师或者其他非专业人士自动规划全屋拍摄路径生成小视频或者单一空间逐一显示模式的小视频,可以覆盖大范围视野,扫描视野盲区。
附图说明
图1. 自动规避相机镜头附近遮挡物实施智能渲染的流程图;
图2. 自动定义过滤遮挡物的过滤器示意图;
图3. 3D方案餐厅示意图;
图4. 未添加自动过滤器渲染后的餐厅全景示意图;
图5. 用未添加自动过滤器渲染后的餐厅图片贴图的示意图;
图6.训练数据预处理的流程图;
图7.不同用途空间下的“最佳视角”示意图;
图8. 网络模型框架简要示意图;
图9. “最佳视角”计算流程框架。
图10. 家装方案设计智能拆改流程
图11. 客户需求信息收集来源示意图
图12. 识别客户关键需求信息相关的常用技术
图13. 具体户型某空间下拆改设计流程
图14.全屋自动路径拍摄的流程图;
图15.自动定位入户门的流程;
图16.客厅以及客厅局部最大矩形附带区域的自动路径示意图;
图17.餐厅以及餐厅局部最大矩形附带区域的自动路径示意图;
图18.走廊附带区域自动路径顺序示意图;
图19.卫生间类型区域的自动路径示意图;
图20.卧室内存在普通床类型区域的自动路径示意图;
图21.卧室内存在组合床或者上下组合床类型区域的自动路径示意图;
图22.卧室附带子区域的类型的自动路径示意图;
图23.区域局部最大矩形示意图,其中HBCD是区域ABCDEF的局部最大矩形
具体实施方式
以下过程对家装设计中自动规避相机镜头附近遮挡物实施智能渲染的方法进行
说明:
1.自动规避相机镜头附近遮挡物实施智能渲染的流程:
1.1.加载家装设计软件,获取方案户型数据,包括区域数据【即多边形】,墙体数据等;
1.2.计算各空间的局部最大矩形,具体的方法参照专利CN109960850A;
1.3.计算各空间的近似中心点,同样参考上述1.2步骤中提到的专利CN109960850A;
1.4.获取各空间下模型的信息:主要包括模型的包围盒,模型包围盒的中心点坐标,模型的类目【例如属于花束装饰,床,餐桌等等】;
1.5.自动选择空间下的特征模型:
1.5.1.依据不同空间类型进行自动选择空间下的特征模型:例如客厅选择茶几,餐厅选择餐桌,厨房选择厨房的门,卫生间选择洗脸池,阳台选择阳台的门,衣帽间选择衣帽间的柜子,储藏间选择储藏间的门等等;
1.5.2.依据不同空间用途下的特征模型,获取不同空间适宜的高度基准值BaseHeight:
客厅:BaseHeight=茶几的高度;
餐厅:BaseHeight=餐桌的高度;
厨房:BaseHeight=厨房的门的中心点的z值;
卫生间:BaseHeight=洗脸池的高度;
阳台:BaseHeight=阳台的门的中心点的z值;
衣帽间:BaseHeight=衣帽间中高度最大柜子的模型中心点的z值;等等。
1.6.自动定义相机设置点的坐标:
相机设置点的x,y坐标与各空间的近似中心点一致;
相机设置点的z坐标等于各空间下的适宜高度的基准值+10厘米;
1.7.自动定义过滤遮挡物的过滤器:
1.7.1.以上述1.6步骤中的相机设置点为基准点;
1.7.2.构建一个以上述基准点为长方体中心点,长为1米,宽为0.8米,高为0.8米的长方体,如图2所示;
1.7.3.判定处于上述长方体中的该空间下的模型;
1.7.4.计算上述步骤1.7.3中模型中的包围盒,定位到距离相机设置点距离最近的模型;
【备注:此处不仅仅局限于长方体,也可以是正方体,球,柱体等等】
1.8.实施场景遮挡物自动隐藏:
1.8.1.将上述步骤1.7.4中定位到的模型在3D场景进行自动隐藏设置;
1.8.2.执行上述1.7.4的过程,二次检测是否存在贴近相机设置点的其他模型;若有且该模型包围盒较小(一般设置小于8000立方厘米),继续隐藏;若有但是该模型体积较大(大于8000立方厘米),则将相机设置抬高上述1.7.2上述立方体的顶部,继续执行1.7到1.8的步骤;
1.9.执行渲染流程。
以下过程对基于机器学习的方法智能捕捉户型不同用途空间下“最佳视角”的方
法进行说明:
主要的流程步骤如图6所示:
I.“最佳视角”计算流程框架:
1.第一步:数据的预处理;
1. 区域空间用途参数化,例如客厅参数为1,餐厅为2,依次下去对各自空间参数化;本步骤可以实现将各个功能区域参数化;
2. 区域轮廓点坐标数据存储,即每个区域的点集坐标按同一方向顺序存储【逆时针或顺时针】;本步骤的目的是用于将各个功能区域的平面形状参数化;
3. 空间下门洞以及窗洞数据存储【组成门洞或者窗洞的8个角点】;本步骤可以实现对门和门洞的大小和位置参数化;
4. 不同空间下特殊模型信息存储,主要对客餐厅以及卧室类型空间记录:
4.1.客厅存储茶几包围盒信息;
4.2.餐厅存储餐桌包围盒信息;
4.3.卧室存储床的类型【分为普通床以及组合床,上下床三种类型】以及床的包围盒信息;
【上述的模型包围盒均以8个点组成的长方体表示】;
5. 手动标记不同空间下的“最佳视角”【空间下的一个观察点以及观察朝向,以某单位向量表示】;(不同用途空间下的“最佳视角”如图7所示,黑色原点表示观察点位置,黑色箭头代表观察朝向)。本步骤中,是通过人工标注的方式获得一个最佳视角,供机器学习作为样本;
2.第二步:用网络模型,训练数据得到一个求解模型,模型及步骤分别召唤图8和图9所示;
1.第一层为输入层,分别代表空间用途属性(已经参数化),空间下的区域点集数组信息,空间下的门洞以及窗洞信息,空间下的特殊模型信息;【第一层有多个神经元,图中以4个简要示意一下】;
2.第二层到第五层,是中间隐藏层,第二层有256个神经元,第三层有64个神经元,第四层有16个神经元,第五层有4 神经元;
3.最后一层是输出层,输出空间下的“最佳视角”。
【上述层与层之间神经元的连接均为全连接】。
3.第三步:新数据预测,即将一个新的户型方案数据先进行数据预处理,然后将数据特征输入到训练好的求解模型里,得到方案不同空间下的“最佳视角”;
4.第四步:修正校验预测结果,即将上一步预测的“最佳视角”在二维层面上快速显示出来,速度观察是否合适,合适的就不进行手动修正,不合适的就对其按照训练数据的标准进行手动修正;
5.第五步:扩充训练数据样本,即将上一步正确预测的结果或者有部分错误但已经进行手动修正的数据,放入到训练数据样本里;
6.循环执行第一步到第五步;
以下过程对基于客户多样化即时反馈信息进行自动拆改方案设计的方法进行说明:
1.家装方案设计智能拆改的总体流程如图10所示:
1.1.客户信息收集:包括线上收集与线下收集两种大方向的来源,具体的参照图11所示;
最后总体客户的需求将数字信息化存储下来;
1.2.识别关键需求:主要通过图12所示的常用技术进行客户关键需求点的识别归纳;
1.3.根据需求自动匹配方案拆改任务:即根据上述步骤识别出来的需求进行拆改任务的匹配,将任务作用区域在不同空间下的任务筛选出来(有一些设计修改任务是针对某个特定的房间或区域的,通常其通用性较小,例如:针对餐厅中增加一面墙),其余的任务作为非单一型任务(而有一些任务具有较高的通用性,例如:全屋的地板替换为另一种颜色);
1.4.独立空间下多任务并发设计进行:即将多个独立空间下的任务同时派发给多个设计师共同设计,非单一型任务都派给一个设计师进行拆改设计;
1.5.检验设计任务与客户需求是否一致:即将上述设计好的任务结果呈现给多个设计师,进行同步评估是否满足客户需求的确认;
1.6.拆改后的方案返回给客户校验:即将上述设计好的方案呈现给客户查看,具体呈现的方式多样化,可以通过网页链接,二维码扫描,做好的方案呈现的视频等等;
1.7.客户再次反馈信息(满意度评价):即对拆改设计结果进行综合性判定;若不满意,则客户再次陈述重点需求,返回到第一步,然后依次执行以下步骤,直到客户满意为止。
2.具体户型某空间下的拆改设计流程如图13所示,具体阐述如下:
2.1. 打开家装设计软件,加载户型方案;
2.2.根据第1部分客户信息收集部分整理的需求,获取户型数据【区域数据以及墙体,门窗等数据】,定位客户需要拆改的空间;
2.3. 获取该区域的边界点计算出区域内部的墙体以及构成区域边界的周围墙体;
2.4. 根据识别客户需求的信息定位需要拆改该区域上北下南左西右东,四角落及中心上哪一堵墙体;
2.5. 定位到该墙体后,对该墙体进行拆改,以下几种拆改举例:
2.5.1. 操作前先记录下该墙体2面所属区域以及墙体2侧面的面积(去除墙上门窗的面积),对该墙体添加或删除门窗,计算出该门窗侧面面积,操作后,更新墙体关联区域下的墙体算量面积;
2. 5.2 操作前先记录下该墙体2面所属区域以及墙体2侧面的面积(去除墙上门窗的面积),对该墙体去除,减去原墙体面积,重新计算当前区域点位,若有区域合并将区域归为原区域面积最大那个,并重新计算当前区域所围墙体面积;
2.5.3. 对区域某一位置新增一段墙体,并计算出新增墙体的面积,更新到当前区域的算量中;
2.6. 完成客户修改需求,将上个版本的户型数据与现有户型数据做对比,通过区域标识
对比前后区域面积,将拆改后的区域面积增减以及区域内墙体面积增减以及门窗算量清单列出给客户,同时户型版本加1。将结果呈现给客户;
2.7. 可以提供客户拆改前户型样式,拆改后户型样式,以及所有变更清单,客户可以选择当前方案还是选择继续拆改亦或是回退之前版本,直到客户满意为止。
以下过程对基于全屋户型几何特征以及模型所占空间信息自动生成拍摄路径生
成小视频的方法进行说明:
I. 全屋自动路径拍摄的流程图如图14所示,具体如下:
1. 定位入户门归属区域,具体方法见图15所示;
2. 计算路径起点以及进入户型主区域的方向向量,具体如下:
2.1.计算入户门底部二维中心点PCenter;
2.2.计算入户门垂直于门长轴且指向区域内的方向向量V;
2.3.计算以PCenter为射线起点,向量V为方向的射线与入户门归属区域的交点PInterSect;
2.4.计算PCenter到PInterSect的交点的距离L,判定L是否大于等于4米;若L<4,则执行2.5;若L>=4,则执行2.6;
2.5.若上述L<4,则以PCenter为射线起点,沿着向量V延伸50厘米,得到StartPoint,作为路径起点;此时向量V作为进入户型主区域的方向向量;
2.6.依旧以PCenter为射线起点,沿着向量V延伸50厘米,得到StartPoint,该点作为路径起点,但是需要将向量V逆时针或者顺时针旋转90度,得到旋转后的向量RotatedVec;
2.7.计算PCenter沿着向量V延伸某一段距离(常设置为30-40厘米)后的延伸点Ptest,再将Ptest沿着向量RotatedVec延伸一段距离(可设置成350到400厘米区间值内),得到另一点Pmoved;
2.8计算Pmoved是否在入户门所在区域内,若在则将RotatedVec作为进入户型主区域的方向向量;若不在,则将RotatedVec的反方向作为进入户型主区域的方向向量;
3.计算入户门归属区域的自动路径:
依据步骤2中的结果,可以判定出床入户门归属的区域,其是客厅或者餐厅;
我们以是客厅为例进行下面叙述计算客厅区域自动路径的方法:
3.1.计算客厅区域的最大局部矩形,并将最大矩形第一个点和第二点的中点放入自动路径点集中;
3.2.计算最大局部矩形侧边是否有附带的子区域;若有,执行3.3-3.5若无,执行3.6;
3.3.定位一侧边旁边含有子区域的情况,将与该侧边平行的门洞的中心点向最大矩形内部平移50厘米,得到一个关键定位点CriticalPoint;
3.4.计算上述CriticalPoint到最大矩形第一点和第二点构成线段的最短距离点P1;
3.5.判定最大矩形第三条边是否有附带子区域,
3.5.1.若没有,则计算CritialPoint距离第三条边的最短距离点P2,然后将P2沿着垂直于第三条边方向且指向区域内部方向平移80厘米,得到P3;将P1,CriticalPoint和P3作为放入自动路径点集中;
3.5.2.若有,则依照步骤3.3将与第三条边平行的门洞的中心点平移80厘米到区域内部,得到另一关键点PM;计算PM距离以CriticalPoint和P1构成直线的最短距离点,得到PE,将P1,CriticalPoint,PE,PM放入自动路径点集中;
3.6.获取局部最大矩形内部的所有模型;
3.7.计算上述模型的包围盒中体积最大的,并计算该模型匹配的中心点;
3.8.取上述步骤中模型中心点的二维投影点,计算该二维投影点到最大矩形两侧边的距离;
3.9.定位上述步骤中距离最大值匹配的侧边;
3.10.获取上述步骤3.9中侧边的中点,并将其向区域内部延伸80厘米左右,得到一关键点PF;计算PF到最大矩形第一点和第二点构成线段的最短距离点PG;
3.11.计算PF到最大矩形第三条边最短距离点PH,并向区域内部延伸80厘米左右,得到另一点PI;
3.12.将上述PG,PF,PH放入自动路径点集中;
4.计算客厅以及餐厅中非入户门归属区域的自动路径:
4.1.按照我们举例来看,此时餐厅为非入户门的归属区域;
4.2.按照上述步骤3中计算客厅自动路径的方法计算餐厅的最大局部矩形,以及最大矩形附带的子区域以及匹配的关键点;并将关键点放入自动路径中;
5.计算步骤4中区域的局部最大矩形附带的子区域的自动路径【附带子区域的概念参照图所示】:
5.1.若该子区域类型是阳台,则按照图16或者图17中示意的位置计算:
5.1.1.计算上层区域最后一点向阳台区域的延伸点(一般设置为延伸30厘米左右);
5.1.2.计算上述步骤中延伸点向门洞长轴方向移动一段距离(一般设置为延伸点到距离右侧阳台边缘1/3处的点;
5.1.3.将5.1.2中的点向垂直于阳台最外部长边延伸30到50厘米;
5.1.3.设置阳台路径点中定点标识:将第一个点和最后一个点指定为定点标识点,即可设置停留,以及大幅度摆动拍摄幅度,扩大视野以及停留时间【因为点数较少,速度太快,影响视频拍摄效果,停留片刻可以使效果更好】
【图16中阳台的自动路径是FGH】
5.2.若该子区域类型是厨房或者卫生间类型区域,则类似按照门洞中心点向区域内部平移一段距离的方法以及结合区域中心点进行自适应设置;具体效果参照图16,17,18等所标识;
6.定位走廊以及玄关区域,具体方法参照专利“一种自动定位走廊以及玄关的方法及系统(申请号2019109595759)”;
7.将走廊附带区域匹配门的中心点投影到该局部区域的中轴线上;
7.1.如图18所示:线段AB以及CD是定位走廊以及玄关,可计算出出来的关键点;
7.2.图18中E,F,G,H是走廊附带区域(即与走廊区域相邻且有共用同一个门,实现区域互联的空间区域)匹配的关键点;
7.3.上述步骤中的关键点与线段AB以及CD关联,即距离该线段较短的归为同一类;
7.4.将同一类的附属关键点与匹配关键线段的中点进行距离计算,并按照从小到大排序;
7.5.设置走廊以及玄关区域的自动路径:即从同一类线段的中点出发,然后按照距离其从近到远的顺序行走,例如图18中是AB中心点->CD中心点->E->E附带的区域->F->F附带的区域->G->G附带的区域->H->H附带的区域。
【附带区域的自动路径依照该区域的用途类型以及区域特征,进行自适应设置,卧室类型的区域自动路径请参照】
8.用户可以选择性设置输出采集图片生成视频的模式:可以选择单一空间逐个显示或者可以选择默认全屋路径自动生成模式。此路径不需要考虑具体的载体模式,可以是嵌入家装软件设计工具,也可以与实体场景中的无人机结合或者相机结合。
II.卧室类型区域的自动路径设置:
1.统计卧室内部床的特征类型(普通床,组合床,上下床),以及门洞窗洞信息;
2.若床是普通床:
2.1. 计算门洞中心点向区域内部延伸50厘米后的点P1作为该卧室路径起点;
2.2. 计算普通床的包围盒以及结合区域边缘数值,计算包围盒投影矩形的短边中点距离区域边界最短距离点的中点P2;
2.3. 若有窗洞,则计算第一个点与第二个点构成的直线L;并计算窗洞二维投影中心点向区域内部延伸80厘米后的点P3,并计算点P3距离L的最近点P4,将P1,P2,P4,P3作为路径点;若没有窗洞,则只将P1,P2作为路径点;
3.若床是非普通床(组合床或者上下床)
3.1. 计算门洞中心点向区域内部延伸50厘米后的点P1作为该卧室路径起点;
3.2 计算该区域的最大矩形中心点Center,将P1与Center的中点P2作为路径的第二个点;【参照图21所示】;
4.判定该卧室是否有主卫或者衣帽间的子区域,若有:计算子区域的路径,并在卧室内设置返程至子区域的路径,点坐标与原来相同;【具体参照图22所示,该主卧有子区域主卫:具体路径:A->B->C->D->C->B->A->E->F。
5.设置停留标识点,若卧室内路径点个数小于等于2个,则将第一个点设置标识点,进行大幅度摆动,扩大视野扫描范围。
Claims (10)
1.一种房间设计效果展示方法,其特征在于,包括如下步骤:
S101,获取房间设计结果,所述设计结果中包括房间形状结构,以及家具或物件形状和位置;
S102,确定房间的在水平面上的近似中心点;
S103,根据房间用途的不同而确定不同的相机高度值,相机的水平位置为S102中的近似中心点;
S104,以相机位置为中心,构建一个包围盒,在包围盒内部的家具或物件在显示界面中被隐藏。
2.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,所述的房间用途包括:客厅、餐厅、厨房、卫生间、阳台、衣帽间等;在一个实施方式中,所述的包围盒可以是长方体、正方体、球体、柱体等;在一个实施方式中,所述的包围盒的大小可设定。
3.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,还包括:S105,当存在与包围盒距离小于一定距离的家具或物件时,将相机的位置向远离所述的小于一定距离的家具或物件方向移动。
4.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,还包括:对相机视角进行自动设计的方法,包括如下步骤:
S201,获得房间设计结果,并对结果进行参数化;同时,获得不同设计结果中的最佳相机角度;
S202,将S201中得到的参数化的房间设计结果作为神经网络的输入值,以不同设计结果中的最佳相机角度作为神经网络的输出值,采用训练样本对模型进行训练;
S203,采用已经训练好的模型,输入待处理的房间设计结果,输出最佳相机角度的预测值。
5.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,所述的房间设计结果中包括:房间的功能、门或门洞的大小和位置、茶几包围盒的位置和形状、餐桌包围盒的位置和形状、床的位置形状和类型;在一个实施方式中,所述的神经网络包括:输入层、隐藏层和输出层。
6.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,还包括:对设计效果中进行拆改并反馈给用户的方法,包括如下步骤:
S301,获得用户需要进行拆改处理的请求;
S302,将获得的请求分类后,根据请求的通用性不同分配给一位或者多位设计师进行处理;
S303,将设计师处理的方案反馈给客户。
7.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,所述的请求可以通过线上或线下收集方式获得;在一个实施方式中,S303中是通过网页链接、二维码扫、做好的方案呈现的视频反馈给客户;在一个实施方式中,S302中还包括对墙的拆改处理,包括如下步骤:S3021,获得房间中的墙体信息;S3022,记录当前情况下墙体的面积后,对墙体进行改动,再次刻录墙体的面积;S3023,将改动过程中墙体面积增减或门窗的增减信息反馈给客户,并进行版本号标识。
8.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,还包括:对设计效果生成导览视频的方法,包括如下步骤:
S401,获得入户门的位置,并确定入户门的朝向;并判定入户门朝房间内能直接延长的距离是否过短,如果过短时,将入户门起点方向朝房间内延长一定距离后,作为调整后的入户门起点;如果距离不是过短,则直接将入户门的中点作为入户门起点;
S402,寻找客厅或者餐厅的最大局部矩形,判定所述的最大局部矩形是否存在着相邻的子区域;若存在子区域,则在子区域内设置子区域关键点;并且,在最大局部区域内设置最大局部区域关键点,分别归属于客厅关键点和餐厅关键点;
S403,设置阳台关键点、卫生间关键点、走廊及玄关关键点;
S404,根据卧室中床的类型的不同,设置卧室关键点;
S405,从入户门起点开始,将客厅关键点、餐厅关键点、阳台关键点、卫生间关键点、走廊及玄关关键点、卧室关键点按照特定顺序生成导览视频。
9.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,在最大局部区域内设置关键点时,需要考虑最大局部区域内的具有最大包围盒的物体。
10.根据权利要求1所述的房间设计效果展示方法,其特征在于,在一个实施方式中,床的类型包括:普通床、组合床、上下床。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273395.1A CN111191306A (zh) | 2019-12-12 | 2019-12-12 | 一种房间设计效果展示方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911273395.1A CN111191306A (zh) | 2019-12-12 | 2019-12-12 | 一种房间设计效果展示方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111191306A true CN111191306A (zh) | 2020-05-22 |
Family
ID=70709186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911273395.1A Withdrawn CN111191306A (zh) | 2019-12-12 | 2019-12-12 | 一种房间设计效果展示方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191306A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754631A (zh) * | 2020-08-06 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 三维模型的生成方法、装置、设备及可读存储介质 |
CN111968247A (zh) * | 2020-07-10 | 2020-11-20 | 北京城市网邻信息技术有限公司 | 三维房屋空间的构建方法、装置、电子设备及存储介质 |
-
2019
- 2019-12-12 CN CN201911273395.1A patent/CN111191306A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968247A (zh) * | 2020-07-10 | 2020-11-20 | 北京城市网邻信息技术有限公司 | 三维房屋空间的构建方法、装置、电子设备及存储介质 |
CN111754631A (zh) * | 2020-08-06 | 2020-10-09 | 腾讯科技(深圳)有限公司 | 三维模型的生成方法、装置、设备及可读存储介质 |
CN111754631B (zh) * | 2020-08-06 | 2023-06-30 | 腾讯科技(深圳)有限公司 | 三维模型的生成方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11521273B2 (en) | Identifying flood damage to an indoor environment using a virtual representation | |
US20210173968A1 (en) | Artificial intelligence systems and methods for interior design | |
CN103390075B (zh) | 在购物体验中比较虚拟和真实图像 | |
US8396284B2 (en) | Smart picking in 3D point clouds | |
US10410406B2 (en) | Enhanced three-dimensional point cloud rendering | |
EP3349175A1 (en) | Image processing device and method | |
KR20150104073A (ko) | 2d 이미지 시퀀스들로부터 3d 장면을 재구성하기 위한 방법 | |
CN105264566A (zh) | 建模装置、三维模型生成装置、建模方法、程序和布局模拟器 | |
CN109871420A (zh) | 地图生成和分区方法、装置及终端设备 | |
Weinmann et al. | Efficient 3d mapping and modelling of indoor scenes with the microsoft hololens: A survey | |
CN112164142A (zh) | 一种基于智能手机的楼盘采光模拟方法 | |
US11783385B1 (en) | Home valuation using identified exterior and interior features systems and methods | |
CN111191306A (zh) | 一种房间设计效果展示方法及系统 | |
WO2022192417A1 (en) | Methods and apparatus for artificial intelligence conversion of change orders into an actionable interface | |
CN114373054A (zh) | 一种自动生成三维房屋布局的方法、系统、装置及介质 | |
CN110315538B (zh) | 一种在电子地图上显示障碍物的方法、装置及机器人 | |
US20240029352A1 (en) | Automated Tools For Incremental Generation Of Building Mapping Information | |
CN110084797A (zh) | 平面检测方法、装置、电子设备和存储介质 | |
CN117253139A (zh) | 用于评估建筑物测绘信息生成的自动化工具 | |
Murtiyoso et al. | Virtual forests: a review on emerging questions in the use and application of 3D data in forestry | |
US20240062345A1 (en) | Method, apparatus, and computer-readable medium for foreground object deletion and inpainting | |
CA3132551A1 (en) | Systems and methods of predicting architectural materials within a space | |
AU2007202157B2 (en) | Method and system for generating a 3D model | |
US20230128656A1 (en) | 3d modelling and representation of furnished rooms and their manipulation | |
CN109146973A (zh) | 机器人场地特征识别和定位方法、装置、设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200522 |