CN112465957A - 一种便于全屋定制家居的智能定制方法 - Google Patents

Abstract

本发明提供了一种便于全屋定制家居的智能定制方法，包括：获取并基于全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息；将空间信息输入到家居定制模块中，确定对应空间的家居布置结果；基于相邻空间的家居布置结果对当前空间的家居布置进行第一调整；获取用户的定制需求，并基于第一调整结果的基础上，对当前空间的家居布置进行第二调整，实现了全屋智能定制。通过空间划分获取家居定制结果，提高了全屋智能制定的效率，并对定制结果进行调整，优化了家居布置的布局，提高了用户的满意度。

Description

一种便于全屋定制家居的智能定制方法

技术领域

本发明涉及智能家居技术领域，特别涉及一种便于全屋定制家居的智能定制方法。

背景技术

随着城市化的发展，房地产业在最近几年尤其繁荣和兴盛，与此同时，房屋交易的火爆也催生了房屋装修的兴起，许多的房屋购买者都需要考虑如何装修自己的房子，如何使室内的布局更加合理。

传统的家居设计，专业门槛高，需要设计师花费大量的时间进行设计、建模工作；目前的数字化房屋设计方法过于简单且不实用。

为了提高房屋设计的效率以及用户的满意度，本发明提供一种便于全屋定制家居的智能定制方法。

发明内容

本发明提供一种便于全屋定制家居的智能定制方法，通过空间划分结果获取家居定制结果，提高了全屋智能制定的效率，并对定制结果进行调整，优化了家居布置的布局，提高了用户的满意度。

本发明提供一种便于全屋定制家居的智能定制方法，包括：

获取全屋结构图；

根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息；

将空间信息输入到家居定制模块中，确定对应空间的家居布置结果；

获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整；

获取用户的定制需求，并基于第一调整结果的基础上，对当前空间的家居布置进行第二调整，来实现全屋智能定制。

在一种可能的实施方式中，获取全屋结构图，包括：

基于目标全屋的平面户型图确定房屋的数量，并基于k中心点算法获取每个房屋的拍摄中心位置，并对所述拍摄中心位置进行标记；

设置全景相机固定于房屋标记的位置，并分别对所述房屋的各个角度进行拍摄，获得对应的点云图像；

对所述房屋的各个角度拍摄的点云图像进行拼接融合，若拼接融合后的图像对所述房屋实现全面覆盖，则将拼接融合后的图像作为该房屋的全景图像，否则，重新利用全景相机对所述房屋的各个角度进行拍摄；

根据各个房屋的拍摄中心位置及全景图像，创建所述目标全屋的结构图。

在一种可能的实施方式中，

根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息，包括：

基于所述全屋结构图，获得所述全屋的轮廓坐标信息，基于所述轮廓坐标信息确定各个空间的边界，并采取目标空间划分技术将全屋划分为多个空间；

对任意两个空间在所述全屋中的划分进行冲突性判断，得到冲突信息矩阵，并基于所述冲突信息矩阵对所述空间的划分进行调整；

将调整后的空间输入到预先设置的模型数据库中，得到所述空间的空间信息。

在一种可能的实施方式中，

所述空间信息包括：所述空间的位置、功能、尺寸、环境参数以及所述空间可布置家居区间的位置、尺寸、形状。

在一种可能的实施方式中，

将空间信息输入到家居定制模块中，确定对应空间的家居布置结果，包括：

基于所述空间的功能确定可布置家居区间所需要的家居类型，从家居类型库中调取所述家居类型相匹配的预选取家居；

从所述预选取家居中选取与所述空间的位置相匹配的目标家居；

按照具体功能对所述目标家居进行分类，获得多个种类不同的家居集合，从所述不同的家居集合中按照选取规则得到若干个家居方案；

其中，所述家居方案的选取规则为：每个家居集合向所述家居方案中提供最多一种家居，所述家居方案中包含多个家居的总尺寸不超过所述空间可布置家居区间的尺寸；

确定若干个家居方案中家居之间色调的第一匹配度，以及所述家居方案中所有家居与所述空间的环境参数的第二匹配度；

从所述家居方案中选取所述第一匹配度和第二匹配度之和最高的一套家居方案作为目标家居方案；

获取所述目标家居方案中家居的个数和尺寸，并基于所述空间可布置家居区间的位置、尺寸，确定所述家居在重叠度约束和穿壁约束条件下的空间位置；

根据所述家居的空间位置输出家居布置结果。

在一种可能的实施方式中，

获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整，包括：

基于每个空间家居布置结果中各个家居的空间位置和尺寸，对所述相邻两个空间家居布置结果进行拼接，得到目标空间的目标家居布置结果；

检测所述目标家居布置结果中各家居的空间位置是否出现重叠，若是，对所述相邻两个空间中的任一空间重新选取新的目标家居方案，所述新的目标家居方案确保不与相邻空间的家居出现重叠；

检测所述目标家居布置结果中相邻家居的距离，所述距离包括所述家居在横向和纵向方向上距离，判断所述距离是否小于预设距离，若是，则对所述相邻家居的位置进行调整，所述调整不改变所述相邻家居之间的方位，只加大所述相邻家居之间的距离。

在一种可能的实施方式中，还包括：

将所述全屋结构图导入到渲染模型中，得到低分辨率渲染图和低分辨率纹理图；

将所述低分辨率纹理图中的像素值与预设像素值进行求和运算得到目标像素值，并求取所述低分辨率渲染图的像素值与所述目标像素值的熵，得到计算结果，并将所述计算结果作为光影分散信息生成光影分散图；

提取所述光影分散图中的低分辨率特征，并提取预设图像中的高分辨率特征；

基于所述低分辨率特征和高分辨率特征利用人工神经网络模型进行特征训练得到分辨率恢复系数；

基于所述分辨率恢复系数和所述光影分散图的分辨率来对所述光影分散图进行超分辨率恢复，得到目标光影分散图；

将所述低分辨率纹理图与所述目标光影分散图进行图像融合获得全屋效果图；

从所述全屋效果图中截取可布置家居区间作为放置图；

获取所述目标家居方案中家居的旋转图；

将所述全屋效果图、放置图以及旋转图按照家居布置结果进行合并，得到家居布置效果图；

将所述家居布置效果图提供给用户进行查看，并得到反馈；

根据用户的反馈选取不同的目标家具方案或家居布置结果，得到不同的家居布置效果图，供用户选择。

在一种可能的实施方式中，

对当前空间的家居布置进行第二调整后，还包括：对进行第二调整后家居

布置的布局测量值进行检测，其检测过程包括：

基于所述全屋结构图获取所述全屋中门的个数及每个门的通道所占的面积；

基于所述全屋结构图获取每个空间中墙的位置；

根据如下公式计算所述家居布置的布局的通行约束值：

其中，A表示所述家居布置的布局的通行约束值，Pash表示通行路径所占的面积，m表示所述全屋中门的个数，P_j表示第j个门打开和关闭需要占用的面积，其中，j＝1,2,...,m，D_j表示第j个门的道所占的面积，h表示所述全屋中划分空间的个数，R_s表示所述第s个空间所占的面积，其中，s＝1,2,...h，n表示所述全屋中家居的个数，G_i表示所述第i个家居所占的面积，其中，i＝1,2,...n；

根据如下公式计算出所述家居布置的布局的穿墙约束值：

其中，B表示所述家居布置的布局的穿墙约束值，d_s表示所述第s个空间中可布置家居区间的坐标值，c_s表示所述第s个空间中墙的坐标值，d表示所述可布置家居区间与墙的预设距离，θ_s表示所述第s个空间中可布置家居区间与墙的相对角度值，θ表示所述可布置家居区间与墙的预设相对角度；

基于所述家居布置的布局的通行约束值和穿墙约束值，根据如下公式计算所述家居布置的布局测量值：

σ＝αA+βB

其中，σ表示所述家居布置的布局测量值，α表示所述通行约束值的权重值，β表示所述所述穿墙约束值的权重值；

判断所述家居布置的布局测量值是否小于预设布局标准值，若是，则基于根据所述通行约束值或穿墙约束值对所述家居布置的布局进行调整。

本发明的其它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可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种便于全屋定制家居的智能定制方法的流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例1：

本发明实施例提供一种便于全屋定制家居的智能定制方法，如图1所示，包括：

获取全屋结构图；

根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息；

将空间信息输入到家居定制模块中，确定对应空间的家居布置结果；

获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整；

获取用户的定制需求，并基于第一调整结果的基础上，对当前空间的家居布置进行第二调整，来实现全屋智能定制。

在该实施例中，所述用户的定制需求包括预计成本、装修风格、特殊要求、家具风格等。

在该实施例中，所述对当前空间的家居布置进行第一调整包括对家居的位置、及家居之间的距离进行调整。

在该实施例中，所述对当前空间的家居布置进行第二调整包括对家居的款式、颜色、外观等进行调整。

上述设计方案的有益效果是：通过获取全屋结构图并进行空间划分，基于空间划分结果获得家居定制结果，提高了全屋智能制定的效率，并将家居定制结果输入到家居调整模块中，对当前空间的家居布置进行第一调整，获取用户的定制需求，并基于第一调整结果的基础上，对当前空间的家居布置进行第二调整，实现全屋智能定制，优化了家居布置的布局，提高了用户的满意度。

实施例2：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，获取全屋结构图，包括：

基于目标全屋的平面户型图确定房屋的数量，并基于k中心点算法获取每个房屋的拍摄中心位置，并对所述拍摄中心位置进行标记；

设置全景相机固定于房屋标记的位置，并分别对所述房屋的各个角度进行拍摄，获得对应的点云图像；

对所述房屋的各个角度拍摄的点云图像进行拼接融合，若拼接融合后的图像对所述房屋实现全面覆盖，则将拼接融合后的图像作为该房屋的全景图像，否则，重新利用全景相机对所述房屋的各个角度进行拍摄；

根据各个房屋的拍摄中心位置及全景图像，创建所述目标全屋的结构图。

在该实施例中，所述k中心点算法的过程为首先随机选择一个点作为中心点，根据剩余的点与中心点的距离分配给中心点所代表的蔟，反复用剩余的点来代替中心点，提高中心点的质量。

在该实施例中，所述点云图像是指获得全景相机拍摄的图像，将所述图像经过坐标转换计算得到点云数据，利用所述点云数据转换为点云图像。

上述设计方案的有益效果是：基于k中心点算法获取每个房屋的拍摄中心位置，提高了中心位置的准确度，用于全景相机对所述房屋的各个角度进行拍摄，可以实现对房屋全面覆盖，获得房屋的整个图像，并创建所述目标全屋的结构图，使得到的全屋结构图更能体现全图的特点，为全屋家居定制提供优良的前提条件。

实施例3：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息，包括：

基于所述全屋结构图，获得所述全屋的轮廓坐标信息，基于所述轮廓坐标信息确定各个空间的边界，并采取目标空间划分技术将全屋划分为多个空间；

对任意两个空间在所述全屋中的边界进行冲突性判断，得到冲突信息矩阵，并基于所述冲突信息矩阵对所述空间的划分进行调整；

将调整后的空间输入到预先设置的模型数据库中，得到所述空间的空间信息。

在该实施例中，所述冲突性判断包括判断所述两个空间的边界是否出现重叠现象、所述两个空间的边界之间是否出现没有进行空间划分的区域等。

在该实施例中，判断所述冲突信息矩阵中的数字的取值大于预设值的个数，若超过n个，则说明空间划分出现重叠，则将重叠部分划分到其中一个空间，去除另一个空间中的重叠部分。

上述设计方案的有益效果是：通过获得全屋的轮廓坐标信息来确定各个空间的边界，并进行划分得到多个空间，将多个空间输入到预先设置的模型数据库中，得到空间信息，实现了对空间的准确快速的划分。

实施例4：

基于实施例3的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，所述空间信息包括：所述空间的位置、功能、尺寸、环境参数以及所述空间可布置家居区间的位置、尺寸、形状。

上述设计方案的有益效果是：通过空间信息获得可布置家居区间的信息，便于对所述可布置家居区间进行合理的家居布局。

实施例5：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，将空间信息输入到家居定制模块中，确定对应空间的家居布置结果，包括：

基于所述空间的功能确定可布置家居区间所需要的家居类型，从家居类型库中调取所述家居类型相匹配的预选取家居；

从所述预选取家居中选取与所述空间的位置相匹配的目标家居；

按照具体功能对所述目标家居进行分类，获得多个种类不同的家居集合，从所述不同的家居集合中按照选取规则得到若干个家居方案；

其中，所述家居方案的选取规则为：每个家居集合向所述家居方案中提供最多一种家居，所述家居方案中包含多个家居的总尺寸不超过所述空间可布置家居区间的尺寸；

确定若干个家居方案中家居之间色调的第一匹配度，以及所述家居方案中所有家居与所述空间的环境参数的第二匹配度；

从所述家居方案中选取所述第一匹配度和第二匹配度之和最高的一套家居方案作为目标家居方案；

获取所述目标家居方案中家居的个数和尺寸，并基于所述空间可布置家居区间的位置、尺寸，确定所述家居在重叠度约束和穿壁约束条件下的空间位置；

根据所述家居的空间位置输出家居布置结果。

在该实施例中，所述空间的功能可以是睡觉、用餐、做饭、娱乐等。

在该实施例中，比如所述空间的功能是用餐，则预选取家居可是餐桌系列、餐椅系列、桌子饰品系列等。

在该实施例中，所述目标家居例如可以是根据所述空间的位置大小，从餐桌系列中选取匹配的餐桌作为目标家居之一。

在该实施例中，所述家居方案可以是包括目标家居中餐桌、餐椅、桌子饰品的多种组合之一。

在该实施例中，所述选取规则可以人为规定，合理即可。

上述设计方案的有益效果是：通过从家居类型库中得到预选取家居，并选取得到目标家居，对目标家居选取得到多个家居方案，对家居方案选取得到目标家居方案，层层选取，得到多个家居，并对家居位置进行重叠度约束和穿壁约束，最终得到家居布置结果，使得到的家居与空间功能的匹配度更高。

实施例6：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整，包括：

基于每个空间家居布置结果中各个家居的空间位置和尺寸，对所述相邻两个空间家居布置结果进行拼接，得到目标空间的目标家居布置结果；

检测所述目标家居中各家居的空间位置是否出现重叠，若是，对所述相邻两个空间中的任一空间重新选取新的目标家居方案，所述新的目标家居方案确保不与相邻空间的家居出现重叠；

检测所述目标家居布置结果中相邻家居的距离，所述距离包括所述家居在横向和纵向方向上距离，判断所述距离是否小于预设距离，若是，则对所述相邻家居的位置进行调整，所述调整不改变所述相邻家居之间的方位，只加大所述相邻家居之间的距离。

在该实施例中，所述预设距离可以根据对房屋布置的要求自行设定。

上述设计方案的有益效果是：基于家居调整模块对相邻目标家居布置结果进行重叠检测和距离检测，从而对相邻家居的位置进行调整，使家居布置之间的空隙区域不至于太小而看起来拥挤，合理化了家居布置结果。

实施例7：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，还包括：

将所述全屋结构图导入到渲染模型中，得到低分辨率渲染图和低分辨率纹理图；

将所述低分辨率纹理图中的像素值与预设像素值进行求和运算得到目标像素值，并求取所述低分辨率渲染图的像素值与所述目标像素值的熵，得到计算结果，并将所述计算结果作为光影分散信息生成光影分散图；

提取所述光影分散图中的低分辨率特征，并提取预设图像中的高分辨率特征；

基于所述低分辨率特征和高分辨率特征利用人工神经网络模型进行特征训练得到分辨率恢复系数；

基于所述分辨率恢复系数和所述光影分散图的分辨率来对所述光影分散图进行超分辨率恢复，得到目标光影分散图；

将所述低分辨率纹理图与所述目标光影分散图进行图像融合获得全屋效果图；

从所述全屋效果图中截取可布置家居区间作为放置图；

获取所述目标家居方案中家居的旋转图；

将所述全屋效果图、放置图以及旋转图按照家居布置结果进行合并，得到家居布置效果图；

将所述家居布置效果图提供给用户进行查看，并得到反馈；

根据用户的反馈选取不同的目标家具方案或家居布置结果，得到不同的家居布置效果图，供用户选择。

在该实施例中，所述低分辨率渲染图可以将全屋结构图通过几何变换，投影变换，透视变换和窗口剪裁，再通过获取的材质与光影信息得到。

在该实施例中，所述低分辨率纹理图可以表现全屋的表面细节，反应结构图的真实情况。

在该实施例中，所述光影分散图相比与低分辨率渲染图的像素值更高，光影分散图的图像特征更明显。

在该实施例中，所述超分辨率恢复是指从同一场景的低分辨率退化图像中恢复高分辨率图像。

在该实施例中，所述分辨率恢复系数的取值范围为0-1，取值越高达到的超分辨率恢复效果越好。

上述设计方案的有益效果是：基于渲染模型得到低分辨率渲染图和低分辨率纹理图，并对其进行一些列处理后得到全屋效果图，并截取可布置家居区间作为放置图，将不同家居方案中家居的旋转图放置于可布置家居区间，一起放回到全屋效果图中，得到家居布置效果图，提供给用户参观选择，便于用户直观的看到家居布置效果，选取自己喜欢的家居方案，提高了家居布置效果获得的效率和用户的满意度。

实施例8：

基于实施例1的基础上，本发明实施例提供一种便于全屋定制家居的智能定制方法，对当前空间的家居布置进行第二调整后，还包括：

对进行第二调整后家居布置的布局测量值进行检测，其检测过程包括：

基于所述全屋结构图获取所述全屋中门的个数及每个门的通道所占的面积；

基于所述全屋结构图获取每个空间中墙的位置；

根据如下公式计算所述家居布置的布局的通行约束值：

其中，A表示所述家居布置的布局的通行约束值，Pash表示通行路径所占的面积，m表示所述全屋中门的个数，P_j表示第j个门打开和关闭需要占用的面积，其中，j＝1,2,...,m，D_j表示第j个门的道所占的面积，h表示所述全屋中划分空间的个数，R_s表示所述第s个空间所占的面积，其中，s＝1,2,...h，n表示所述全屋中家居的个数，G_i表示所述第i个家居所占的面积，其中，i＝1,2,...n；

根据如下公式计算出所述家居布置的布局的穿墙约束值：

其中，B表示所述家居布置的布局的穿墙约束值，d_s表示所述第s个空间中可布置家居区间的坐标值，c_s表示所述第s个空间中墙的坐标值，d表示所述可布置家居区间与墙的预设距离，θ_s表示所述第s个空间中可布置家居区间与墙的相对角度值，θ表示所述可布置家居区间与墙的预设相对角度；

基于所述家居布置的布局的通行约束值和穿墙约束值，根据如下公式计算所述家居布置的布局测量值：

σ＝αA+βB

其中，σ表示所述家居布置的布局测量值，α表示所述通行约束值的权重值，β表示所述所述穿墙约束值的权重值；

判断所述家居布置的布局测量值是否小于预设布局标准值，若是，则基于根据所述通行约束值或穿墙约束值对所述家居布置的布局进行调整。

在该实施例中，所述通行约束值是指反应居住在屋内通行畅通的能力，门的区域不可以被其他家居遮挡，门的区域包括两个方面，门打开和关闭需要占用的区域，以及连接房间内每个门的通道所占用的区域。

在该实施例中，所述穿墙约束是指家居必须布局在空间内部，这是布局问题中最基本的约束，对目标空间中穿出墙外的情况要进行惩罚，所述穿墙约束值用来反应所述家居穿墙的情况。

在该实施例中，所述可布置家居的坐标值和墙的坐标值由基于全屋结构图建立的地面一维坐标获得。

在该实施例中，基于根据所述通行约束值或穿墙约束值对所述家居布置的布局进行调整例如可以是：若通行约束值没有满足要求，则减小相邻家居之间的距离，为门打开和关闭提供更大的面积。保证门的正常开关；若穿墙约束值没有满足要求，则对靠近墙的家居的位置进行调整，保证家居的占地区域不会与墙的占地区域重合。

上述设计方案的有益效果是：基于家居布置的布局的穿墙约束值和通行约束值及其对应的权重来检测家居布置的布局测量值，确保家居布置不会出现穿墙的现象基于居住者在室内可以自由地穿行，提高用户居住的满意度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种便于全屋定制家居的智能定制方法，其特征在于，包括：

获取全屋结构图；

根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息；

将空间信息输入到家居定制模块中，确定对应空间的家居布置结果；

获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整；

获取用户的定制需求，并基于第一调整结果的基础上，对当前空间的家居布置进行第二调整，来实现全屋智能定制。

2.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，获取全屋结构图，包括：

基于目标全屋的平面户型图确定房屋的数量，并基于k中心点算法获取每个房屋的拍摄中心位置，并对所述拍摄中心位置进行标记；

设置全景相机固定于房屋标记的位置，并分别对所述房屋的各个角度进行拍摄，获得对应的点云图像；

对所述房屋的各个角度拍摄的点云图像进行拼接融合，若拼接融合后的图像对所述房屋实现全面覆盖，则将拼接融合后的图像作为该房屋的全景图像，否则，重新利用全景相机对所述房屋的各个角度进行拍摄；

根据各个房屋的拍摄中心位置及全景图像，创建所述目标全屋的结构图。

3.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，根据全屋结构图，对全屋进行空间划分，基于空间划分结果，确定每个空间的空间信息，包括：

基于所述全屋结构图，获得所述全屋的轮廓坐标信息，基于所述轮廓坐标信息确定各个空间的边界，并采取目标空间划分技术将全屋划分为多个空间；

对任意两个空间在所述全屋中的划分进行冲突性判断，得到冲突信息矩阵，并基于所述冲突信息矩阵对所述空间的划分进行调整；

将调整后的空间输入到预先设置的模型数据库中，得到所述空间的空间信息。

4.根据权利要求3所述的一种便于全屋定制家居的智能定制方法，其特征在于，所述空间信息包括：所述空间的位置、功能、尺寸、环境参数以及所述空间可布置家居区间的位置、尺寸、形状。

5.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，将空间信息输入到家居定制模块中，确定对应空间的家居布置结果，包括：

基于所述空间的功能确定可布置家居区间所需要的家居类型，从家居类型库中调取所述家居类型相匹配的预选取家居；

从所述预选取家居中选取与所述空间的位置相匹配的目标家居；

按照具体功能对所述目标家居进行分类，获得多个种类不同的家居集合，从所述不同的家居集合中按照选取规则得到若干个家居方案；

其中，所述家居方案的选取规则为：每个家居集合向所述家居方案中提供最多一种家居，所述家居方案中包含多个家居的总尺寸不超过所述空间可布置家居区间的尺寸；

确定若干个家居方案中家居之间色调的第一匹配度，以及所述家居方案中所有家居与所述空间的环境参数的第二匹配度；

从所述家居方案中选取所述第一匹配度和第二匹配度之和最高的一套家居方案作为目标家居方案；

获取所述目标家居方案中家居的个数和尺寸，并基于所述空间可布置家居区间的位置、尺寸，确定所述家居在重叠度约束和穿壁约束条件下的空间位置；

根据所述家居的空间位置输出家居布置结果。

6.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，获取相邻空间的家居布置结果，并输入到家居调整模块中，对当前空间的家居布置进行第一调整，包括：

基于每个空间家居布置结果中各个家居的空间位置和尺寸，对所述相邻两个空间家居布置结果进行拼接，得到目标空间的目标家居布置结果；

检测所述目标家居布置结果中各家居的空间位置是否出现重叠，若是，对所述相邻两个空间中的任一空间重新选取新的目标家居方案，所述新的目标家居方案确保不与相邻空间的家居出现重叠；

检测所述目标家居布置结果中相邻家居的距离，所述距离包括所述家居在横向和纵向方向上距离，判断所述距离是否小于预设距离，若是，则对所述相邻家居的位置进行调整，所述调整不改变所述相邻家居之间的方位，只加大所述相邻家居之间的距离。

7.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，还包括：

将所述全屋结构图导入到渲染模型中，得到低分辨率渲染图和低分辨率纹理图；

将所述低分辨率纹理图中的像素值与预设像素值进行求和运算得到目标像素值，并求取所述低分辨率渲染图的像素值与所述目标像素值的熵，得到计算结果，并将所述计算结果作为光影分散信息生成光影分散图；

提取所述光影分散图中的低分辨率特征，并提取预设图像中的高分辨率特征；

基于所述低分辨率特征和高分辨率特征利用人工神经网络模型进行特征训练得到分辨率恢复系数；

基于所述分辨率恢复系数和所述光影分散图的分辨率来对所述光影分散图进行超分辨率恢复，得到目标光影分散图；

将所述低分辨率纹理图与所述目标光影分散图进行图像融合获得全屋效果图；

从所述全屋效果图中截取可布置家居区间作为放置图；

获取所述目标家居方案中家居的旋转图；

将所述全屋效果图、放置图以及旋转图按照家居布置结果进行合并，得到家居布置效果图；

将所述家居布置效果图提供给用户进行查看，并得到反馈；

根据用户的反馈选取不同的目标家具方案或家居布置结果，得到不同的家居布置效果图，供用户选择。

8.根据权利要求1所述的一种便于全屋定制家居的智能定制方法，其特征在于，对当前空间的家居布置进行第二调整后，还包括：对进行第二调整后家居布置的布局测量值进行检测，其检测过程包括：

基于所述全屋结构图获取所述全屋中门的个数及每个门的通道所占的面积；

基于所述全屋结构图获取每个空间中墙的位置；

根据如下公式计算所述家居布置的布局的通行约束值：

其中，A表示所述家居布置的布局的通行约束值，Pash表示通行路径所占的面积，m表示所述全屋中门的个数，P_j表示第j个门打开和关闭需要占用的面积，其中，j＝1,2,...,m，D_j表示第j个门的道所占的面积，h表示所述全屋中划分空间的个数，R_s表示所述第s个空间所占的面积，其中，s＝1,2,...h，n表示所述全屋中家居的个数，G_i表示所述第i个家居所占的面积，其中，i＝1,2,...n；

根据如下公式计算出所述家居布置的布局的穿墙约束值：

其中，B表示所述家居布置的布局的穿墙约束值，d_s表示所述第s个空间中可布置家居区间的坐标值，c_s表示所述第s个空间中墙的坐标值，d表示所述可布置家居区间与墙的预设距离，θ_s表示所述第s个空间中可布置家居区间与墙的相对角度值，θ表示所述可布置家居区间与墙的预设相对角度；

基于所述家居布置的布局的通行约束值和穿墙约束值，根据如下公式计算所述家居布置的布局测量值：

σ＝αA+βB

其中，σ表示所述家居布置的布局测量值，α表示所述通行约束值的权重值，β表示所述所述穿墙约束值的权重值；

判断所述家居布置的布局测量值是否小于预设布局标准值，若是，则基于根据所述通行约束值或穿墙约束值对所述家居布置的布局进行调整。

Images