CN111680346A - 户型图补全方法和装置、计算机可读存储介质、电子设备 - Google Patents

户型图补全方法和装置、计算机可读存储介质、电子设备 Download PDF

Info

Publication number
CN111680346A
CN111680346A CN202010427079.1A CN202010427079A CN111680346A CN 111680346 A CN111680346 A CN 111680346A CN 202010427079 A CN202010427079 A CN 202010427079A CN 111680346 A CN111680346 A CN 111680346A
Authority
CN
China
Prior art keywords
structural feature
matching
house
structural
house type
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.)
Granted
Application number
CN202010427079.1A
Other languages
English (en)
Other versions
CN111680346B (zh
Inventor
顾晓东
潘慈辉
刘程林
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.)
You Can See Beijing Technology Co ltd AS
Original Assignee
Beike 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 Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN202010427079.1A priority Critical patent/CN111680346B/zh
Publication of CN111680346A publication Critical patent/CN111680346A/zh
Application granted granted Critical
Publication of CN111680346B publication Critical patent/CN111680346B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Mathematical Analysis (AREA)
  • Structural Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开实施例公开了一种户型图补全方法和装置、计算机可读存储介质、电子设备，其中，方法包括：获取待补全户型图的至少一个第一单间的至少一个第一结构特征；其中，每个所述第一单间对应一个所述第一结构特征；基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图；基于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第一单间确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户型图；本实施例可实现对一些仅已知部分单间或残缺户型图的户型图进行补全，获得完整的满足第一单间的结构和/或关系的户型图，填补了户型图补全领域的技术空白。

Description

户型图补全方法和装置、计算机可读存储介质、电子设备
技术领域
本公开涉及户型图绘制技术，尤其是一种户型图补全方法和装置、计算机 可读存储介质、电子设备。
背景技术
户型图就是住房的平面空间布局图，即对各个独立空间的使用功能、相应 位置、大小进行描述的图型。可以直观的看清房屋的走向布局。户型图的绘制 通常是由人工测绘并绘制完成的，例如可以包括以下步骤：现场量房，在纸上 手工先画一个草图，将尺寸量出来，尺寸一定要尽量准确，后期是要根据这个 尺寸进行画图；根据量房的尺寸图，从左到右，或者从右到左将房子内部结构 画一遍。
发明内容
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种户型 图补全方法和装置、计算机可读存储介质、电子设备。
根据本公开实施例的一个方面，提供了一种户型图补全方法，包括：
获取待补全户型图的至少一个第一单间的至少一个第一结构特征；其中， 每个所述第一单间对应一个所述第一结构特征；
基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知户型 图中确定对应所述至少一个第一单间的至少一个候选户型图；
基于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第 一单间确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户 型图。
可选地，所述户型图数据库中还包括：每个所述已知户型图中包括的至少 一个已知单间中每个已知单间的第二结构特征；
所述基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知 户型图中确定对应所述至少一个第一单间的至少一个候选户型图，包括：
基于所述至少一个第一结构特征与所述户型图数据库中每个所述已知户型 图对应的至少一个第二结构特征进行匹配，得到每个所述已知户型图对应的至 少一个匹配方案和每个匹配方案对应的评分值；
基于每个所述已知户型图对应的至少一个评分值，从所述多个已知户型中 确定至少一个所述候选户型图。
可选地，所述基于所述至少一个第一结构特征与所述户型图数据库中每个 所述已知户型图对应的至少一个第二结构特征进行匹配，得到每个所述已知户 型图对应的至少一个匹配方案和每个匹配方案对应的评分值，包括：
对所述户型图数据库中每个所述已知户型图，将每个所述第一结构特征分 别与所述已知户型图中对应的每个所述第二结构特征进行匹配，得到每个所述 第一结构特征对应的至少一个匹配单间及其对应的相似度；
基于所述至少一个第一结构特征中每个第一结构特征对应的匹配单间，得 到所述已知户型图对应的至少一种匹配方案；其中，所述同一第一结构特征对 应的不同匹配单间分别包括在不同匹配方案中；
基于每个所述匹配单间对应的相似度确定每种所述匹配方案对应的评分值。
可选地，所述至少一个第一单间已知功能类型，所述户型图数据还包括： 每个所述已知户型图中多个已知单间的功能类型；
在将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第二 结构特征进行匹配之前，还包括：
基于每个所述第一单间对应的功能类型在所述已知户型图中进行筛选，得 到与所述第一单间具有相同功能类型的已知单间。
所述将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第 二结构特征进行匹配，包括：
将每个所述第一结构特征分别与所述筛选得到的已知单间对应的第二结构 特征进行匹配。
可选地，所述将每个所述第一结构特征分别与所述已知户型图中对应的每 个所述第二结构特征进行匹配，得到每个所述第一结构特征对应的至少一个匹 配单间及其对应的相似度，包括：
针对每个所述第一结构特征，获取与所述第一结构特征对应的所述已知户 型图中至少一个已知单间对应的第二结构特征；
分别确定与所得到的第二结构特征对应的结构特征集合；其中，每个所述 第二结构特征及与其对应的结构特征集合中的各结构特征对应同一已知单间；
从所确定的结构特征集合中，筛选与所述第一结构特征的相似度大于预设 相似度的结构特征，并将与所筛选的结构特征对应的已知单间作为匹配单间。
可选地，所述第二结构特征包括：顺序排列的多个边界特征数据，所述第 二结构特征对应的结构特征集合包括：所述第二结构特征，以及调整所述第二 结构特征中的多个边界特征数据的排列顺序后得到的结构特征。
可选地，所述边界特征数据包括：边界方向信息、边界长度信息和边界结 构比例信息；
所述从所确定的结构特征集合中，筛选与所述第一结构特征的相似度大于 预设相似度的结构特征，包括：
从所确定的结构特征集合中，选择所包括的边界特征数据的数量为第一数 量的结构特征；其中，所述第一数量为所述第一结构特征包括的边界特征数据 的数量；
分别为所选择的每个结构特征，获取多个评估维度下，与所述第一结构特 征的多个误差评估得分；其中，所述多个评估维度包括：角度评估维度、边界 长度评估维度、边界结构比例评估维度；
分别根据与所选择的每个结构特征对应的多个误差评估得分，计算所选择 的每个结构特征与所述第一结构特征的相似度；
筛选所对应相似度大于预设相似度的结构特征。
可选地，所述户型图数据库中还包括：每个所述已知户型图中多个已知单 间之间的连接关系；
所述基于每个所述匹配单间对应的相似度确定每种所述匹配方案对应的评 分值，包括：
基于所述匹配方案中包括的至少一个所述匹配单间对应的相似度，确定所 述匹配方案的预测分值；
基于所述至少两个第一单间之间的连接关系和所述匹配方案中包括的至少 两个匹配单间之间的连接关系，确定所述匹配方案的惩罚分值；
基于所述匹配方案的预测分值和所述惩罚分值，确定所述匹配方案的评分 值。
可选地，所述基于每个所述已知户型图对应的至少一个评分值，从所述多 个已知户型中确定至少一个所述候选户型图，包括：
基于每个所述已知户型图对应的至少一个评分值中的最大评分值，确定每 个所述已知户型图对应的匹配度；
将所述匹配度满足第一预设条件的所述已知户型图作为所述候选户型图。
可选地，所述基于所述至少一个候选户型图对应的至少一个匹配度，为所 述至少一个第一单间确定至少一个目标户型图，包括：
判断所述至少一个候选户型图对应的至少一个匹配度中是否存在满足第二 预设条件的匹配度；
响应于存在满足第二预设条件的匹配度，将所述满足第二预设条件的匹配 度对应的候选户型图作为所述目标户型图。
根据本公开实施例的另一方面，提供了一种户型图补全装置，包括：
结构特征获取模块，用于获取待补全户型图的至少一个第一单间的至少一 个第一结构特征；其中，每个所述第一单间对应一个所述第一结构特征；
候选确定模块，用于基于所述至少一个第一结构特征，从户型图数据库中 预存的多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型 图；
目标确定模块，用于基于所述至少一个候选户型图对应的至少一个匹配度， 为所述至少一个第一单间确定至少一个目标户型图；其中，每个所述匹配度对 应一个所述候选户型图。
可选地，所述户型图数据库中还包括：每个所述已知户型图中包括的至少 一个已知单间中每个已知单间的第二结构特征；
所述候选确定模块，包括：
方案评分单元，用于基于所述至少一个第一结构特征与所述户型图数据库 中每个所述已知户型图对应的至少一个第二结构特征进行匹配，得到每个所述 已知户型图对应的至少一个匹配方案和每个匹配方案对应的评分值；
户型图筛选单元，用于基于每个所述已知户型图对应的至少一个评分值， 从所述多个已知户型中确定至少一个所述候选户型图。
可选地，所述方案评分单元，具体用于对所述户型图数据库中每个所述已 知户型图，将每个所述第一结构特征分别与所述已知户型图中对应的每个所述 第二结构特征进行匹配，得到每个所述第一结构特征对应的至少一个匹配单间 及其对应的相似度；基于所述至少一个第一结构特征中每个第一结构特征对应 的匹配单间，得到所述已知户型图对应的至少一种匹配方案；其中，所述同一 第一结构特征对应的不同匹配单间分别包括在不同匹配方案中；基于每个所述 匹配单间对应的相似度确定每种所述匹配方案对应的评分值。
可选地，所述至少一个第一单间已知功能类型，所述户型图数据还包括： 每个所述已知户型图中多个已知单间的功能类型；
所述方案评分单元，还用于基于每个所述第一单间对应的功能类型在所述 已知户型图中进行筛选，得到与所述第一单间具有相同功能类型的已知单间。
所述方案评分单元在将每个所述第一结构特征分别与所述已知户型图中对 应的每个所述第二结构特征进行匹配时，用于将每个所述第一结构特征分别与 所述筛选得到的已知单间对应的第二结构特征进行匹配。
可选地，所述方案评分单元在将每个所述第一结构特征分别与所述已知户 型图中对应的每个所述第二结构特征进行匹配，得到每个所述第一结构特征对 应的至少一个匹配单间及其对应的相似度时，用于针对每个所述第一结构特征， 获取与所述第一结构特征对应的所述已知户型图中至少一个已知单间对应的第 二结构特征；分别确定与所得到的第二结构特征对应的结构特征集合；其中， 每个所述第二结构特征及与其对应的结构特征集合中的各结构特征对应同一已 知单间；从所确定的结构特征集合中，筛选与所述第一结构特征的相似度大于 预设相似度的结构特征，并将与所筛选的结构特征对应的已知单间作为匹配单 间。
可选地，所述第二结构特征包括：顺序排列的多个边界特征数据，所述第 二结构特征对应的结构特征集合包括：所述第二结构特征，以及调整所述第二 结构特征中的多个边界特征数据的排列顺序后得到的结构特征。
可选地，所述边界特征数据包括：边界方向信息、边界长度信息和边界结 构比例信息；
所述方案评分单元在从所确定的结构特征集合中，筛选与所述第一结构特 征的相似度大于预设相似度的结构特征时，用于从所确定的结构特征集合中， 选择所包括的边界特征数据的数量为第一数量的结构特征；其中，所述第一数 量为所述第一结构特征包括的边界特征数据的数量；分别为所选择的每个结构 特征，获取多个评估维度下，与所述第一结构特征的多个误差评估得分；其中， 所述多个评估维度包括：角度评估维度、边界长度评估维度、边界结构比例评 估维度；分别根据与所选择的每个结构特征对应的多个误差评估得分，计算所 选择的每个结构特征与所述第一结构特征的相似度；筛选所对应相似度大于预 设相似度的结构特征。
可选地，所述户型图数据库中还包括：每个所述已知户型图中多个已知单 间之间的连接关系；
所述方案评分单元在在基于每个所述匹配单间对应的相似度确定每种所述 匹配方案对应的评分值时，用于基于所述匹配方案中包括的至少一个所述匹配 单间对应的相似度，确定所述匹配方案的预测分值；基于所述至少两个第一单 间之间的连接关系和所述匹配方案中包括的至少两个匹配单间之间的连接关系， 确定所述匹配方案的惩罚分值；基于所述匹配方案的预测分值和所述惩罚分值， 确定所述匹配方案的评分值。
可选地，所述户型图筛选单元，具体用于基于每个所述已知户型图对应的 至少一个评分值中的最大评分值，确定每个所述已知户型图对应的匹配度；将 所述匹配度满足第一预设条件的所述已知户型图作为所述候选户型图。
可选地，所述目标确定模块，具体用于判断所述至少一个候选户型图对应 的至少一个匹配度中是否存在满足第二预设条件的匹配度；响应于存在满足第 二预设条件的匹配度，将所述满足第二预设条件的匹配度对应的候选户型图作 为所述目标户型图。
根据本公开实施例的又一方面，提供了一种计算机可读存储介质，所述存 储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的户 型图补全方法。
根据本公开实施例的还一方面，提供了一种电子设备，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令 以实现上述任一实施例所述的户型图补全方法。
基于本公开上述实施例提供的一种户型图补全方法和装置、计算机可读存 储介质、电子设备，获取待补全户型图的至少一个第一单间的至少一个第一结 构特征；其中，每个所述第一单间对应一个所述第一结构特征；基于所述至少 一个第一结构特征，从户型图数据库中预存的多个已知户型图中确定对应所述 至少一个第一单间的至少一个候选户型图；基于所述至少一个候选户型图对应 的至少一个匹配度，为所述至少一个第一单间确定至少一个目标户型图；其中， 每个所述匹配度对应一个所述候选户型图；本实施例可实现对一些仅已知部分 单间或残缺户型图的户型图进行补全，获得完整的满足第一单间的结构和/或关 系的户型图，填补了户型图补全领域的技术空白。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他 目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理 解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构 成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的户型图补全方法的流程示意图。
图2是本公开图1所示的实施例中步骤104的一个流程示意图。
图3是本公开图2所示的实施例中步骤1041的一个流程示意图。
图4是本公开图3所示的实施例中步骤301的一个流程示意图。
图5是本公开图3所示的实施例中步骤303的一个流程示意图。
图6是一个可选示例中提供的整屋户型图的结构示意图。
图7是本公开图2所示的实施例中步骤1042的一个流程示意图。
图8是本公开图1所示的实施例中步骤106的一个流程示意图。
图9是本公开一示例性实施例提供的户型图补全装置的结构示意图。
图10是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的 实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解， 本公开不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的 相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于 区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之 间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个” 可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明 确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示 可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和 B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象 是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之 处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是 按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对 本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论， 但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某 一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其 可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计 算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环 境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客 户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消 费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任 何系统的分布式云计算技术环境，等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计 算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可 以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的 任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环 境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备 执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远 程计算系统存储介质上。
申请概述
在实现本公开的过程中，发明人发现，在产品中存在这样一种需求，给定 整屋中部分单间的户型结构(从一个单间到所有单间都有可能)，和不完整的 单间之间位置关系(可以完全没有)，求一个完整的整屋户型图，要求在这个 整屋户型图中，存在给定的所有单间户型结构、并且符合给定的单间之间位置 关系约束；但目前现有技术并没有对这种需求进行解决的方案。
示例性方法
图1是本公开一示例性实施例提供的户型图补全方法的流程示意图。本实 施例可应用在电子设备上，如图1所示，包括如下步骤：
步骤102，获取待补全户型图的至少一个第一单间的至少一个第一结构特征。
其中，每个第一单间对应一个第一结构特征。
本实施例中，至少一个第一单间是待补全户型图中部分的已知结构，当第 一单间的数量为多个时，多个第一单间之间可能存在关联关系或不存在关联关 系，例如：一个第一单间与另一个第一单间通过门连接，或一个第一单间与另 一个第一单间之间不存在连接关系；为了对仅已知部分结构的户型图进行补全， 本实施例对每个第一单间分别确定一个体现第一单间结构特性的第一结构特征， 第一结构特征可理解为抽象表达的第一单间，本实施例不限制具体获取第一结 构特征的方式。
步骤104，基于至少一个第一结构特征，从户型图数据库中预存的多个已知 户型图中确定对应至少一个第一单间的至少一个候选户型图。
在一实施例中，户型图数据库中包括大量已知完整户型结构的已知户型图， 其中，每个已知户型图中可以包括至少一个已知结构的单间；本实施例通过大 数据搜索从大量已知户型图中筛选得到可能包括至少一个第一单间的户型图作 为候选户型图。
步骤106，基于至少一个候选户型图对应的至少一个匹配度，为至少一个第 一单间确定至少一个目标户型图。
其中，每个匹配度对应一个候选户型图。
可选地，通过对候选户型图通过匹配度进行筛查，得到的目标户型图与待 补全户型图的匹配度更高，提高了目标户型图与真实户型图之间的相似度。
本公开上述实施例提供的一种户型图补全方法，获取待补全户型图的至少 一个第一单间的至少一个第一结构特征；其中，每个所述第一单间对应一个所 述第一结构特征；基于所述至少一个第一结构特征，从户型图数据库中预存的 多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图；基 于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第一单间 确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户型图； 本实施例可实现对一些仅已知部分单间或残缺户型图的户型图进行补全，获得 完整的满足第一单间的结构和/或关系的户型图，填补了户型图补全领域的技术 空白。
如图2所示，在上述图1所示实施例的基础上，户型图数据库中还包括： 每个已知户型图中包括的至少一个已知单间中每个已知单间的第二结构特征； 步骤104可包括如下步骤：
步骤1041，基于至少一个第一结构特征与户型图数据库中每个已知户型图 对应的至少一个第二结构特征进行匹配，得到每个已知户型图对应的至少一个 匹配方案和每个匹配方案对应的评分值。
步骤1042，基于每个已知户型图对应的至少一个评分值，从多个已知户型 中确定至少一个候选户型图。
本实施例中，通过户型图数据库中存储每个已知户型图中包括的多个已知 单间对应的第二结构特征，在后续特征匹配过程中不需要重新基于已知户型图 中的每个单间获取第二结构特征，可节省特征匹配的时间；本实施例通过多个 第一结构特征与每个已知户型图中包括的多个第二结构特征进行匹配，可对每 个已知户型图确定与多个第一结构特征匹配的至少一个匹配方案，从至少一个 匹配方案中确定一个匹配方案对应的评分制衡量该已知户型图与多个第一结构 特征的匹配程度，以确定一个已知户型图是否是候选户型图。
如图3所示，在上述图2所示实施例的基础上，步骤1041对户型图数据库 中每个已知户型图可执行如下步骤：
步骤301，将每个第一结构特征分别与已知户型图中对应的每个第二结构特 征进行匹配，得到每个第一结构特征对应的至少一个匹配单间及其对应的相似 度。
可选地，匹配单间对应的相似度大于或等于第一设定阈值(threshold，该阈 值可根据经验或实际场景进行设定)，即，当相似度小于第一设定阈值时，该 相似度对应的单间不作为第一结构特征的匹配单间。
步骤302，基于至少一个第一结构特征中每个第一结构特征对应的匹配单间， 得到已知户型图对应的至少一种匹配方案。
其中，同一第一结构特征对应的不同匹配单间分别包括在不同匹配方案中， 当第一结构特征有多个时，匹配方案中包括分别对应不同第一结构特征的至少 一个匹配单间。
步骤303，基于每个匹配单间对应的相似度确定每种匹配方案对应的评分值。
本实施例通过对户型图数据库中的每个已知户型图依次进行匹配处理，基 于至少一个第一结构特征可以在每个已知户型图中获得至少一种或零种匹配方 案，匹配方案的数量由与每个第一单间匹配的匹配单间的数量决定的，例如， 已知k个第一单间room1…roomk，假设与第i个第一单间匹配的匹配单间数量为 counti个，那么此时得到的匹配方案的数量为count1*count2*…countk，并且由于匹 配方案是基于一个已知户型图进行的，那么与同一第一单间匹配的已知单间数 量不会过多(大多数为1)，因此，匹配方案的数量不会过大，并且，如果存在 任意一个counti为0(表示在该已知户型图中对某一第一单间未找到匹配单间)， 那么匹配方案的数量即为0，说明该已知户型图不符合多个第一单间的特征，该 已知户型图不是候选户型图，对户型图数据库中的下一个已知户型图进行判断； 对于匹配方案数量不为0的已知户型图，为每种匹配方案确定对应的评分值， 以这些评分值确定该已知户型图是否是候选户型图。
可选地，至少一个第一单间已知功能类型，户型图数据还包括：每个已知 户型图中多个已知单间的功能类型；
在步骤301之前，还可以包括：
基于每个第一单间对应的功能类型在已知户型图中进行筛选，得到与第一 单间具有相同功能类型的已知单间。
此时步骤301可以包括：将每个第一结构特征分别与筛选得到的已知单间 对应的第二结构特征进行匹配。
本实施例中，对于给定几何结构的单间room1…roomk，把每个单间对应的第 一结构特征分别与户型图数据库中的一个已知户型图中的所有同类型单间(单 间的类型，指的是功能性类型：客厅、卧室、…等)进行单间结构特征匹配， 并记录所有匹配结果相似度超过第一设定阈值的单间记为匹配单间：对于每个 单间roomi的相似度匹配记录resulti＝[(ri1，si1)，(ri2，si2)，...]，其中rij是该已知户型 图中与roomi同类型的单间，sij是roomi和rij通过计算得到的结构相似度(0～1)， 可选地，对于针对每个第一单间得到的至少一个匹配单间可以按照相似度大小 进行排序。
如图4所示，在上述图3所示实施例的基础上，步骤301可包括如下步骤：
步骤3011，针对每个第一结构特征，获取与第一结构特征对应的已知户型 图中至少一个已知单间对应的第二结构特征。
在一种具体实施方式中，任一结构特征可以包括：顺序排列的多个边界特 征数据，任一结构特征对应的结构特征集合包括：任一结构特征，以及调整任 一结构特征中的多个边界特征数据的排列顺序后得到的结构特征。其中，任一 结构特征可以是第一结构特征和/或第二结构特征。
一般而言，单间的外边框为一多边形，下面对基于多边形，定义单间的结 构特征的过程进行说明。
(1)可以从多边形的任意一个顶点出发，沿着选定方向(其为顺时针方向 或者逆时针方向)环绕多边形的所有边界。
(2)对应每个边界，首先记录长度，其次记录方向(为了简化，可以只有 水平线和垂直线两个选项)，最后按照遍历顺序记录这个边界上的所有点(包 括两个端点和所有嵌墙物体的两个端点)在这个边界上的位置(起始点位置记 为0，终止点位置记为1，内部点位置记为0至1之间)，同时记录每两个端点 之间的结构类型，例如墙面、门、窗、垭口等。依照给每个边界记录的上述信 息，可以确定每个边界的边界特征数据。举例而言，图3中客厅最下面边界的 边界特征数据可以表示为：[3米，水平线，[0，墙，0.2，推拉门，0.8，墙， 1.0]]；其中，“3米”表示客厅最下面边界的边界长度信息；“水平线”表示客厅最 下面边界的边界方向信息；“[0，墙，0.2，推拉门，0.8，墙，1.0]”表示客厅最下 面边界的边界结构比例信息，其指明了哪些位置是墙，哪些位置设置有推拉门。
(3)将多边形的所有边界的边界特征数据，按照遍历顺序组成列表，组成 的列表即可作为单间的结构特征。
步骤3012，分别确定与所得到的第二结构特征对应的结构特征集合。
其中，每个第二结构特征及与其对应的结构特征集合中的各结构特征对应 同一已知单间。
可选地，第二结构特征对应的结构特征集合包括：第二结构特征，以及调 整第二结构特征中的多个边界特征数据的排列顺序后得到的结构特征。
假设步骤3011中获取的第二结构特征中包括顺序排列的五个边界特征数据， 依次为A、B、C、D、E(其从A开始遍历，假设沿逆时针方向遍历)，则在 确定本结构特征对应的结构特征集合时，可以调整本结构特征中的五个结构特 征数据的排列顺序，以得到相应的结构特征集合，得到的结构特征集合中可以 存在如下结构特征：包括顺序排列的A、B、C、D、E的结构特征，包括顺序 排列的B、C、D、E、A(其从B开始遍历，且沿逆时针方向遍历)的结构特征， 包括顺序排列的C、D、E、A、B(其从C开始遍历，且沿逆时针方向遍历)的 结构特征，包括顺序排列的D、E、A、B、C(其从D开始遍历，且沿逆时针 方向遍历)的结构特征，包括顺序排列的E、A、B、C、D(其从E开始遍历， 且沿逆时针方向遍历)的结构特征，包括顺序排列的E、D、C、B、A(其从E 开始遍历，且沿顺时针方向进行遍历)的结构特征等。可见，得到的结构特征 集合中的每个结构特征均对应同一已知单间，只是遍历起点和/或遍历方向不同 而已，且结构特征集合中的每个结构特征能够对该同一已知单间的结构进行有 效地表征。
步骤3013，从所确定的结构特征集合中，筛选与第一结构特征的相似度大 于预设相似度的结构特征，并将与所筛选的结构特征对应的已知单间作为匹配 单间。
这里，预设相似度可以为75％、80％、90％或者95％，当然，预设相似度 的取值并不局限于此，在此不再一一列举。
在一种具体实施方式中，任一边界特征数据包括：边界方向信息、边界长 度信息和边界结构比例信息；
从所确定的结构特征集合中，筛选与第一结构特征的相似度大于预设相似 度的结构特征，包括：
从所确定的结构特征集合中，选择所包括的边界特征数据的数量为第一数 量的结构特征；其中，第一数量为第一结构特征包括的边界特征数据的数量；
分别为所选择的每个结构特征，获取多个评估维度下，与第一结构特征的 多个误差评估得分；其中，多个评估维度包括：角度评估维度、边界长度评估 维度、边界结构比例评估维度；
分别根据与所选择的每个结构特征对应的多个误差评估得分，计算所选择 的每个结构特征与第一结构特征的相似度；
筛选所对应相似度大于预设相似度的结构特征。
这里，多个评估维度中的“多个”可以指三个或者三个以上，为了便于理解， 本公开的实施例中均以为三个的情况为例进行说明。
具体实施时，可以先确定第一结构特征包括的边界特征数据的数量，即确 定第一数量，第一数量也可以认为是待摆放单间包括的边界的数量。接下来， 可以从所确定的结构特征集合中，选择所包括的边界特征数据的数量为第一数 量的结构特征。之后，可以分别为所选择的每个结构特征，获取三个评估维度 下，与第一结构特征的三个误差评估得分，误差评估得分也可以称为不一致性 评估得分。
假设第一结构特征包括顺序排列的A1、B1、C1、D1、E1(假设其沿逆时 针方向遍历)，所选择的某一结构特征包括顺序排列的A2、B2、C2、D2、E2 (假设其沿逆时针方向遍历)，则可以为所选择的这个结构特征，获取三个评 估维度下的三个误差评估得分。
如果根据A1和B1中的边界方向信息确定A1和B1之间形成的夹角为 theta1，且根据A2和B2中的边界方向信息确定A2和B2之间形成的夹角为 theta2，则可以计算theta1与theta2的差值。如果该差值超过设定阈值，则根据 A1、B1、A2、B2确定出的方向误差值S1为1；如果该差值等于0，则根据A1、 B1、A2、B2确定出的方向误差值为0；如果该差值位于0与设定阈值之间，则 根据A1、B1、A2、B2确定出的方向误差值介于0与1之间。按照类似的方式，还可以得到根据B1、C1、B2、C2确定出的一个方向误差值，根据C1、D1、 C2、D2确定出的一个方向误差值，根据D1、E1、D2、E2确定出的一个方向误 差值，以及根据E1、A1、E2、A2确定出的一个方向误差值，至此，总共得到 了五个方向误差值。接下来，可以融合这五个方向误差值，以得到角度评估维 度下的误差评估得分，例如，可以取这五个方向误差值中的最大值，并将该最 大值作为角度评估维度下的误差评估得分，角度评估维度下的误差评估得分可以表示为S1。
如果A1中的边界长度信息为L11，A2中的边界长度信息为L12，可以计 算k1＝(L12﹣L11)/max(L11，L12)。如果k1超过设定比例(例如20％)， 则根据A1和A2确定出的长度误差值为1；如果k1等于0，则根据A1和A2确 定出的长度误差值为0；如果k1位于0与设定比例之间，则根据A1和A2确定 出的长度误差值介于0与1之间。按照类似的方式，还可以得到根据B1和B2 确定出的一个长度误差值，根据C1和C2确定出的一个长度误差值，根据D1 和D2确定出的一个长度误差值，以及根据E1和E2确定出的一个长度误差值， 至此，总共得到了五个长度误差值。接下来，可以融合这五个长度误差值，以 得到边界长度评估维度下的误差评估得分，例如，可以取这五个长度误差值中 的最大值，并将该最大值作为边界长度评估维度下的误差评估得分，边界长度 评估维度下的误差评估得分可以表示为S2。
如果A1和A2中的边界结构比例信息均为[0，墙，0.2，推拉门，0.8，墙， 1.0]，则可以确定A1和A2的结构比例误差值为0；如果A1中的边界结构比例 信息为[0，墙，0.2，推拉门，0.8，墙，1.0]，A2中的边界结构比例信息为[0， 墙，0.3，推拉门，0.7，墙，1.0]，则可以计算A1和A2中不能匹配的区段占总 长的比例，很明显，不能匹配的区段为0.2～0.3以及0.7～0.8，这两个区段占总长 的比例为0.2，那么，可以确定A1和A2的结构比例误差值为0.2。按照类似的 方式，还可以得到B1和B2的一个结构比例误差值，C1和C2的一个结构比例 误差值，D1和D2的一个结构比例误差值，以及E1和E2的一个结构比例误差 值，至此，总共得到了五个结构比例误差值。接下来，可以融合这五个结构比 例误差值，以得到边界结构比例评估维度下的误差评估得分，例如，可以对这 五个结构比例误差值进行求和，如果求和结果小于或等于1，则将求和结果作为 边界结构比例评估维度下的误差评估得分，如果求和结果大于1，则将1作为边 界结构比例评估维度下的误差评估得分，边界结构比例评估维度下的误差评估 得分可以表示为S3。
在得到S1至S3之后，可以采用公式S＝1﹣(S1+S2+S3)/3计算得到S，并 将计算得到的S作为所选择的这个结构特征与第一结构特征的相似度。按照类 似的方式，可以计算出所选择的每个结构特征与第一结构特征的相似度，之后， 可以从中筛选出所对应预设相似度大于预设相似度的结构特征，并将与该结构 特征对应的已知单间作为匹配单间。
可见，这种实施方式中，通过从多个评估维度进行误差评估得分的计算， 能够保证计算得到的各相似度的准确性和可靠性，从而保证最终筛选出符合要 求的第二结构特征。
如图5所示，在上述图3所示实施例的基础上，户型图数据库中还包括： 每个已知户型图中多个已知单间之间的连接关系；步骤303可包括如下步骤：
户型图是以一定格式存储的房屋结构，主要包括门、窗、墙的几何位置信 息，如图6所示为一张示意性的空白户型图，可称为整屋户型图。整屋户型图 以墙为隔断，划分为多个的功能性单间，如图6被划分为四个单间：客厅、卫 浴、卧室、阳台。每个单间room的几何信息是由墙的位置信息(可记作 room.lines)和门窗的位置信息(可记作room.lineitems)组成；每两个单间之间 的位置关联是一个三元组(room1，room2，lineitem)，即单间room1和单间room2通 过lineitem连接，其中lineitem即为连接关系。
步骤3031，基于匹配方案中包括的至少一个匹配单间对应的相似度，确定 匹配方案的预测分值。
可选地，由于匹配方案中包括分别对应至少一个第一单间中每个第一单间 的至少一个已知单间，因此，每个匹配方案中包括多个相似度，例如，对匹配 方案(rm1，rm2，…rmk)进行确定预测分值，其中，rmi为相似度匹配记录中(ri1， ri2，…)中的任意一个；从每个单间对应的相似度匹配记录resulti中可查找获得每 个单间roomi与每个rmi的结构匹配的相似度scorei，该相似度为相似度匹配记录中 (si1，si2，…)中的任意一个；匹配方案的预测分值是综合所有scorei的一个统计 值，例如，可以是所有scorei中的最小值或基于所有scorei确定的平均值，可选地， 预测分值score＝min(score1，score2，…scorek)。
步骤3032，基于至少两个第一单间之间的连接关系和匹配方案中包括的至 少两个匹配单间之间的连接关系，确定匹配方案的惩罚分值。
步骤3033，基于匹配方案的预测分值和惩罚分值，确定匹配方案的评分值。
确定匹配方案的惩罚分值，在一个可选示例中，可通过以下步骤确定：对 匹配方案(rm1，rm2，…rmk)，检查连接关系link1 linkt的满足情况，对于任何一条 linki＝(room1′，room2′，lineitem)，即room1′和room2′通过lineitem连接，这里对确定 惩罚分值有两种情况：(1)room1′和room2′均是第一单间room1…roomk中的任一单 间，这种情况，只需要检查room1′和room2′在匹配方案中对应的单间之间是否通过 lineitem在匹配方案中对应的门窗所连接，如果是那么惩罚分值为0，否则，惩 罚分值为score；(2)room1′和room2′其中只有一个是room1…roomk中的单间，假设 为room1′，则room2′只有单间类型而无实际对应单间，那么lineitem也因此必然是 room1′所属的门窗，对于这种情况，检查room1′在匹配方案中对应的单间通过 lineitem在匹配方案中对应的门窗所连接的那个单间，是否是room2′所指定的单 间类型；或者，假设为room2′，则room1′只有单间类型而无实际对应单间，那么 lineitem也因此必然是room2′所属的门窗，对于这种情况，检查room2′在匹配方案中对应的单间通过lineitem在匹配方案中对应的门窗所连接的那个单间，是否是 room1′所指定的单间类型。最后统计所有t个位置(多个第一单间之间的连接关 系lineitem中共包括t个连接位置(例如，通过一个门连接是一个连接位置，通 过一个窗连接是一个连接位置))关联约束的满足情况，设有t′个满足，其余不 满足，定义惩罚分f(t′，t)，通过预测分值score减去惩罚分值，score-f(t′，t)作为匹 配方案的评分值。可选地，惩罚分值可基于以下公式(1)确定：
Figure BDA0002499097740000191
其中，d0是一个常数。
如图7所示，在上述图2所示实施例的基础上，步骤1042可包括如下步骤：
步骤701，基于每个已知户型图对应的至少一个评分值中的最大评分值，确 定每个已知户型图对应的匹配度。
可选地，将每个已知户型图对应的至少一个评分值中的最大评分值作为该 已知户型图对应的匹配度。
步骤702，将匹配度满足第一预设条件的已知户型图作为候选户型图。
本实施中，将户型图数据库中的每个已知户型图分别与至少一个第一结构 特征进行匹配后，可基于匹配度从高到低对所有已知户型图进行排序，可选地， 第一预设条件可以是取匹配度最高的设定数量的已知户型图作为候选户型图， 在基于匹配度排序后，只需按序取出序列中的前设定数量的已知户型图即可获 得满足第一预设条件的设定数量的候选户型图；特殊情况下，当匹配度最大的 已知户型图的匹配度为0时，说明所有已知户型图对至少一个第一结构特征的 匹配度均为0，此时，不存在候选户型图。
如图8所示，在上述图1所示实施例的基础上，步骤106可包括如下步骤：
步骤1061，判断至少一个候选户型图对应的至少一个匹配度中是否存在满 足第二预设条件的匹配度，如果是，执行步骤1062；否则，户型图补全失败。
步骤1062，将满足第二预设条件的匹配度对应的候选户型图作为目标户型 图。
可选地，本实施例中可设置第二预设条件为匹配度大于第二设定阈值，将 候选户型图中匹配度大于第二设定阈值的候选户型图作为目标户型图，目标户 型图可能包括一个或多个，以目标户型图作为至少一个第一单间对应的补全户 型图，本实施例中获得的补全户型图(为整屋户型图)中，存在给定的所有单 间户型结构(包括所有第一单间)、并且符合给定的单间之间位置关系(满足 所有第一单间之间的连接关系)约束。很显然，当给定的第一单间不完全和/或 给定的第一单间之间连接关系不完整的时候，所得的目标户型图跟真实的整屋 户型图之间会存在差异；在本实施例中给定的约束条件(第一单间的数量越多约束条件越强，第一单间之间的连接关系越完整约束条件越强)的越强，所得 的目标户型图与真实的整屋户型图越相近。
本公开实施例提供的任一种户型图补全方法可以由任意适当的具有数据处 理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施 例提供的任一种户型图补全方法可以由处理器执行，如处理器通过调用存储器 存储的相应指令来执行本公开实施例提及的任一种户型图补全方法。下文不再 赘述。
示例性装置
图9是本公开一示例性实施例提供的户型图补全装置的结构示意图。如图9 所示，本实施例提供的装置包括：
结构特征获取模块91，用于获取待补全户型图的至少一个第一单间的至少 一个第一结构特征。
其中，每个第一单间对应一个第一结构特征。
候选确定模块92，用于基于至少一个第一结构特征，从户型图数据库中预 存的多个已知户型图中确定对应至少一个第一单间的至少一个候选户型图。
目标确定模块93，用于基于至少一个候选户型图对应的至少一个匹配度， 为至少一个第一单间确定至少一个目标户型图。
其中，每个匹配度对应一个候选户型图。
本公开上述实施例提供的一种户型图补全装置，获取待补全户型图的至少 一个第一单间的至少一个第一结构特征；其中，每个所述第一单间对应一个所 述第一结构特征；基于所述至少一个第一结构特征，从户型图数据库中预存的 多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图；基 于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第一单间 确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户型图； 本实施例可实现对一些仅已知部分单间或残缺户型图的户型图进行补全，获得 完整的满足已知单间的结构和关系的户型图，填补了户型图补全领域的技术空 白。
在一些可选的实施例中，户型图数据库中还包括：每个已知户型图中包括 的至少一个已知单间中每个已知单间的第二结构特征；
候选确定模块92，包括：
方案评分单元，用于基于至少一个第一结构特征与户型图数据库中每个已 知户型图对应的至少一个第二结构特征进行匹配，得到每个已知户型图对应的 至少一个匹配方案和每个匹配方案对应的评分值；
户型图筛选单元，用于基于每个已知户型图对应的至少一个评分值，从多 个已知户型中确定至少一个候选户型图。
可选地，方案评分单元，具体用于对户型图数据库中每个已知户型图，将 每个第一结构特征分别与已知户型图中对应的每个第二结构特征进行匹配，得 到每个第一结构特征对应的至少一个匹配单间及其对应的相似度；基于至少一 个第一结构特征中每个第一结构特征对应的匹配单间，得到已知户型图对应的 至少一种匹配方案；其中，同一第一结构特征对应的不同匹配单间分别包括在 不同匹配方案中；基于每个匹配单间对应的相似度确定每种匹配方案对应的评 分值。
可选地，至少一个第一单间已知功能类型，户型图数据还包括：每个已知 户型图中多个已知单间的功能类型；
方案评分单元，还用于基于每个第一单间对应的功能类型在已知户型图中 进行筛选，得到与第一单间具有相同功能类型的已知单间。
方案评分单元在将每个第一结构特征分别与已知户型图中对应的每个第二 结构特征进行匹配时，用于将每个第一结构特征分别与筛选得到的已知单间对 应的第二结构特征进行匹配。
可选地，方案评分单元在将每个第一结构特征分别与已知户型图中对应的 每个第二结构特征进行匹配，得到每个第一结构特征对应的至少一个匹配单间 及其对应的相似度时，用于针对每个第一结构特征，获取与第一结构特征对应 的已知户型图中至少一个已知单间对应的第二结构特征；分别确定与所得到的 第二结构特征对应的结构特征集合；其中，每个第二结构特征及与其对应的结 构特征集合中的各结构特征对应同一已知单间；从所确定的结构特征集合中， 筛选与第一结构特征的相似度大于预设相似度的结构特征，并将与所筛选的结 构特征对应的已知单间作为匹配单间。
可选地，第二结构特征包括：顺序排列的多个边界特征数据，第二结构特 征对应的结构特征集合包括：第二结构特征，以及调整第二结构特征中的多个 边界特征数据的排列顺序后得到的结构特征。
可选地，边界特征数据包括：边界方向信息、边界长度信息和边界结构比 例信息；
方案评分单元在从所确定的结构特征集合中，筛选与第一结构特征的相似 度大于预设相似度的结构特征时，用于从所确定的结构特征集合中，选择所包 括的边界特征数据的数量为第一数量的结构特征；其中，第一数量为第一结构 特征包括的边界特征数据的数量；分别为所选择的每个结构特征，获取多个评 估维度下，与第一结构特征的多个误差评估得分；其中，多个评估维度包括： 角度评估维度、边界长度评估维度、边界结构比例评估维度；分别根据与所选 择的每个结构特征对应的多个误差评估得分，计算所选择的每个结构特征与第 一结构特征的相似度；筛选所对应相似度大于预设相似度的结构特征。
在一些可选的实施例中，户型图数据库中还包括：每个已知户型图中多个 已知单间之间的连接关系；
方案评分单元在在基于每个匹配单间对应的相似度确定每种匹配方案对应 的评分值时，用于基于匹配方案中包括的至少一个匹配单间对应的相似度，确 定匹配方案的预测分值；基于至少两个第一单间之间的连接关系和匹配方案中 包括的至少两个匹配单间之间的连接关系，确定匹配方案的惩罚分值；基于匹 配方案的预测分值和惩罚分值，确定匹配方案的评分值。
在一些可选的实施例中，户型图筛选单元，具体用于基于每个已知户型图 对应的至少一个评分值中的最大评分值，确定每个已知户型图对应的匹配度； 将匹配度满足第一预设条件的已知户型图作为候选户型图。
在一些可选的实施例中，目标确定模块，具体用于判断至少一个候选户型 图对应的至少一个匹配度中是否存在满足第二预设条件的匹配度；响应于存在 满足第二预设条件的匹配度，将满足第二预设条件的匹配度对应的候选户型图 作为目标户型图。
示例性电子设备
下面，参考图10来描述根据本公开实施例的电子设备。该电子设备可以是 第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备， 该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输 入信号。
图10图示了根据本公开实施例的电子设备的框图。
如图10所示，电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执 行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行 期望的功能。
存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以 包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。 所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器 (cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、 闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令， 处理器11可以运行所述程序指令，以实现上文所述的本公开的各个实施例的户 型图补全方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以 存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这 些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如，在该电子设备是第一设备100或第二设备200时，该输入装置13可 以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是 单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备100和第 二设备200接收所采集的输入信号。
此外，该输入设备13还可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信 息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及 其所连接的远程输出设备等等。
当然，为了简化，图10中仅示出了该电子设备10中与本公开有关的组件 中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体 应用情况，电子设备10还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其 包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器 执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的户型图 补全方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用 于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序 设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语 言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分 地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部 分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机 程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明 书上述“示例性方法”部分中描述的根据本公开各种实施例的户型图补全方法中 的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读 介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不 限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以 上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或 多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器 (ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑 盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组 合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在 本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、 优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节 仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开 为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都 是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。 对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单， 相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并 且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本 领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、 设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括 但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”， 且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如” 指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、 固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述 方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具 体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本 公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方 法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程 序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可 以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使 用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的， 并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此， 本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的 特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公 开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施 例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种户型图补全方法，其特征在于，包括：
获取待补全户型图的至少一个第一单间的至少一个第一结构特征；其中，每个所述第一单间对应一个所述第一结构特征；
基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图；
基于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第一单间确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户型图。
2.根据权利要求1所述的方法，其特征在于，所述户型图数据库中还包括：每个所述已知户型图中包括的至少一个已知单间中每个已知单间的第二结构特征；
所述基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图，包括：
基于所述至少一个第一结构特征与所述户型图数据库中每个所述已知户型图对应的至少一个第二结构特征进行匹配，得到每个所述已知户型图对应的至少一个匹配方案和每个匹配方案对应的评分值；
基于每个所述已知户型图对应的至少一个评分值，从所述多个已知户型中确定至少一个所述候选户型图。
3.根据权利要求2所述的方法，其特征在于，所述基于所述至少一个第一结构特征与所述户型图数据库中每个所述已知户型图对应的至少一个第二结构特征进行匹配，得到每个所述已知户型图对应的至少一个匹配方案和每个匹配方案对应的评分值，包括：
对所述户型图数据库中每个所述已知户型图，将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第二结构特征进行匹配，得到每个所述第一结构特征对应的至少一个匹配单间及其对应的相似度；
基于所述至少一个第一结构特征中每个第一结构特征对应的匹配单间，得到所述已知户型图对应的至少一种匹配方案；其中，所述同一第一结构特征对应的不同匹配单间分别包括在不同匹配方案中；
基于每个所述匹配单间对应的相似度确定每种所述匹配方案对应的评分值。
4.根据权利要求3所述的方法，其特征在于，所述至少一个第一单间已知功能类型，所述户型图数据还包括：每个所述已知户型图中多个已知单间的功能类型；
在将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第二结构特征进行匹配之前，还包括：
基于每个所述第一单间对应的功能类型在所述已知户型图中进行筛选，得到与所述第一单间具有相同功能类型的已知单间；
所述将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第二结构特征进行匹配，包括：
将每个所述第一结构特征分别与所述筛选得到的已知单间对应的第二结构特征进行匹配。
5.根据权利要求3或4所述的方法，其特征在于，所述将每个所述第一结构特征分别与所述已知户型图中对应的每个所述第二结构特征进行匹配，得到每个所述第一结构特征对应的至少一个匹配单间及其对应的相似度，包括：
针对每个所述第一结构特征，获取与所述第一结构特征对应的所述已知户型图中至少一个已知单间对应的第二结构特征；
分别确定与所得到的第二结构特征对应的结构特征集合；其中，每个所述第二结构特征及与其对应的结构特征集合中的各结构特征对应同一已知单间；
从所确定的结构特征集合中，筛选与所述第一结构特征的相似度大于预设相似度的结构特征，并将与所筛选的结构特征对应的已知单间作为匹配单间。
6.根据权利要求5所述的方法，其特征在于，所述第二结构特征包括：顺序排列的多个边界特征数据，所述第二结构特征对应的结构特征集合包括：所述第二结构特征，以及调整所述第二结构特征中的多个边界特征数据的排列顺序后得到的结构特征。
7.根据权利要求6所述的方法，其特征在于，所述边界特征数据包括：边界方向信息、边界长度信息和边界结构比例信息；
所述从所确定的结构特征集合中，筛选与所述第一结构特征的相似度大于预设相似度的结构特征，包括：
从所确定的结构特征集合中，选择所包括的边界特征数据的数量为第一数量的结构特征；其中，所述第一数量为所述第一结构特征包括的边界特征数据的数量；
分别为所选择的每个结构特征，获取多个评估维度下，与所述第一结构特征的多个误差评估得分；其中，所述多个评估维度包括：角度评估维度、边界长度评估维度、边界结构比例评估维度；
分别根据与所选择的每个结构特征对应的多个误差评估得分，计算所选择的每个结构特征与所述第一结构特征的相似度；
筛选所对应相似度大于预设相似度的结构特征。
8.一种户型图补全装置，其特征在于，包括：
结构特征获取模块，用于获取待补全户型图的至少一个第一单间的至少一个第一结构特征；其中，每个所述第一单间对应一个所述第一结构特征；
候选确定模块，用于基于所述至少一个第一结构特征，从户型图数据库中预存的多个已知户型图中确定对应所述至少一个第一单间的至少一个候选户型图；
目标确定模块，用于基于所述至少一个候选户型图对应的至少一个匹配度，为所述至少一个第一单间确定至少一个目标户型图；其中，每个所述匹配度对应一个所述候选户型图。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的户型图补全方法。
10.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7任一所述的户型图补全方法。
CN202010427079.1A 2020-05-19 2020-05-19 户型图补全方法和装置、计算机可读存储介质、电子设备 Active CN111680346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010427079.1A CN111680346B (zh) 2020-05-19 2020-05-19 户型图补全方法和装置、计算机可读存储介质、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010427079.1A CN111680346B (zh) 2020-05-19 2020-05-19 户型图补全方法和装置、计算机可读存储介质、电子设备

Publications (2)

Publication Number Publication Date
CN111680346A true CN111680346A (zh) 2020-09-18
CN111680346B CN111680346B (zh) 2023-12-01

Family

ID=72451985

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010427079.1A Active CN111680346B (zh) 2020-05-19 2020-05-19 户型图补全方法和装置、计算机可读存储介质、电子设备

Country Status (1)

Country Link
CN (1) CN111680346B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311335A (zh) * 2022-08-04 2022-11-08 如你所视(北京)科技有限公司 确定户型图相似性的方法和系统、电子设备和存储介质
CN116311325A (zh) * 2023-02-16 2023-06-23 江苏艾佳家居用品有限公司 一种基于人工智能模型的比例尺自动识别系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109992693A (zh) * 2019-04-17 2019-07-09 广东三维家信息科技有限公司 户型匹配方法及装置
CN110569842A (zh) * 2019-09-05 2019-12-13 江苏艾佳家居用品有限公司 一种用于gan模型训练的半监督学习的方法
US20200057828A1 (en) * 2017-04-27 2020-02-20 Ecosense Lighting Inc. Methods and Systems for an Automated Design, Fulfillment, Deployment and Operation Platform for Lighting Installations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200057828A1 (en) * 2017-04-27 2020-02-20 Ecosense Lighting Inc. Methods and Systems for an Automated Design, Fulfillment, Deployment and Operation Platform for Lighting Installations
CN109992693A (zh) * 2019-04-17 2019-07-09 广东三维家信息科技有限公司 户型匹配方法及装置
CN110569842A (zh) * 2019-09-05 2019-12-13 江苏艾佳家居用品有限公司 一种用于gan模型训练的半监督学习的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐平;韩立;廖军;: "现代学徒制模式下专业核心课程教学实践探索――以家具设计与制造专业定制家居设计为例" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115311335A (zh) * 2022-08-04 2022-11-08 如你所视(北京)科技有限公司 确定户型图相似性的方法和系统、电子设备和存储介质
CN115311335B (zh) * 2022-08-04 2024-02-13 如你所视(北京)科技有限公司 确定户型图相似性的方法和系统、电子设备和存储介质
CN116311325A (zh) * 2023-02-16 2023-06-23 江苏艾佳家居用品有限公司 一种基于人工智能模型的比例尺自动识别系统
CN116311325B (zh) * 2023-02-16 2023-10-27 江苏艾佳家居用品有限公司 一种基于人工智能模型的比例尺自动识别系统

Also Published As

Publication number Publication date
CN111680346B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
Patil et al. Estimating the optimal number of clusters k in a dataset using data depth
US11100247B2 (en) Differentially private processing and database storage
US10586068B2 (en) Differentially private processing and database storage
CN109784415B (zh) 图像识别方法及装置、训练卷积神经网络的方法及装置
CN111709062B (zh) 用于获取物品摆放方案评分方法、装置以及设备、介质
KR102038237B1 (ko) 신용점수 모델 훈련 방법，신용 점수 계산 방법，장치 및 서버
CN111680346A (zh) 户型图补全方法和装置、计算机可读存储介质、电子设备
CN108509492B (zh) 基于房地产行业的大数据处理及系统
CN112765709B (zh) 基于点云数据的户型图重建方法及装置
CN114419378B (zh) 图像分类的方法、装置、电子设备及介质
CN114187588B (zh) 数据处理的方法、装置和存储介质
US11367311B2 (en) Face recognition method and apparatus, server, and storage medium
CN113469696A (zh) 一种用户异常度评估方法、装置及计算机可读存储介质
US10867135B1 (en) System and method for combining expert knowledge and deep learning to identify and classify regulatory maintenance compliances
CN117349160A (zh) 一种软件质量评估方法、装置及计算机可读存储介质
Aravazhi Irissappane et al. Filtering unfair ratings from dishonest advisors in multi-criteria e-markets: a biclustering-based approach
US20240152818A1 (en) Methods for mitigation of algorithmic bias discrimination, proxy discrimination and disparate impact
CN111125322B (zh) 信息搜索方法和装置、电子设备和存储介质
Karavarsamis et al. The score test for the two‐sample occupancy model
Salehi et al. A semi-parametric density estimation with application in clustering
US20150302419A1 (en) Appraisal adjustments scoring system and method
CN113687812B (zh) 信息系统体系结构构建方法、电子设备及存储介质
CN116468545A (zh) 对象风险等级的确定方法和装置
CN113886723A (zh) 确定排序稳定性的方法和装置、以及存储介质和电子设备
CN112395368A (zh) 一种数据聚类方法、系统、存储介质及设备

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
TA01 Transfer of patent application right

Effective date of registration: 20201026

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: BEIKE TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220322

Address after: 100085 8th floor, building 1, Hongyuan Shouzhu building, Shangdi 6th Street, Haidian District, Beijing

Applicant after: As you can see (Beijing) Technology Co.,Ltd.

Address before: 100085 Floor 101 102-1, No. 35 Building, No. 2 Hospital, Xierqi West Road, Haidian District, Beijing

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

GR01 Patent grant
GR01 Patent grant