CN113434945A - 户型方案的生成方法及装置 - Google Patents
户型方案的生成方法及装置 Download PDFInfo
- Publication number
- CN113434945A CN113434945A CN202110745253.1A CN202110745253A CN113434945A CN 113434945 A CN113434945 A CN 113434945A CN 202110745253 A CN202110745253 A CN 202110745253A CN 113434945 A CN113434945 A CN 113434945A
- Authority
- CN
- China
- Prior art keywords
- house type
- image
- house
- central point
- living room
- 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 49
- 238000003860 storage Methods 0.000 claims description 17
- 239000002131 composite material Substances 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Residential Or Office Buildings (AREA)
- Architecture (AREA)
Abstract
本发明公开了一种户型方案的生成方法及装置。该发明包括:获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案。通过本发明,解决了相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题。
Description
技术领域
本发明涉及家装领域,具体而言,涉及一种户型方案的生成方法及装置。
背景技术
随着人工智能技术在学术界和产业界的遍地开花,建筑领域内AI辅助生成设计也迎来了新的契机和发展。在房产设计、户型改造当中,设计师需要去规划房间位置大小,我们希望通过AI技术来生成户型,并且允许使用者调节房间的位置和类型,提高户型设计的效率。
相关技术中,户型设计的自动生成在业界已经有一些成果,把户型生成当做一个带有约束问题的二次型优化问题,需要输入房间的位置,大小,长宽比,相邻关系,目标让生成的房间尽可能地覆盖房屋区域,然而户型生成并不是一个简单的优化目标,会生成一些不合理的户型。在相关技术中一般使用GAN图像生产的技术,一个网络一步直接生成户型和家具,但是其输出的户型图像存在图像模糊,边界不清楚等问题,不利于生成结构化的数据,并且上面的方法都是端到端的生成方法,生成的结果不可控制。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种户型方案的生成方法及装置,以解决相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题。
为了实现上述目的,根据本发明的一个方面,提供了一种户型方案的生成方法。该发明包括:获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案。
进一步地,依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置包括:将第一图像输入至户型生成模型,其中,第一图像为包含有户型轮廓的图像;控制户型生成模型识别户型轮廓并确定待装修房屋中的客厅的中心点位置;依据客厅的中心点位置,控制户型生成模型输出包含客厅的中心点位置的第一户型图像,其中,客厅的中心点位置通过户型生成模型中的第二通道对应的图像特性进行标识。
进一步地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像包括:将第一户型图像与户型轮廓融合成为第二图像,其中,第一户型图像为包含客厅的中心点位置的图像;将第二图像输入至户型生成模型;控制户型生成模型识别户型轮廓与客厅的中心点位置并确定第一房间的中心点位置,其中,第一房间的中心点位置通过户型生成模型中的第三通道对应的图像进行标识;控制户型生成模型输出标识有第一房间的中心点位置的第二户型图像。
进一步地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像还包括:S401:将第二户型图像与户型轮廓融合成合成图像;S402:将合成图像输入至户型生成模型,并控制户型生成模型输出户型图像;S403:将户型图像与户型轮廓融合成合成图像;S404:将合成图像输入至户型生成模型,并控制户型生成模型再次输出户型图像,其中,每输出一张户型图像,户型图像中多增加一个房间的中心点位置信息;S405:循环执行S403-S404,当判定完成户型规划时,控制户型生成模型输出第一目标户型图像,其中,第一目标户型图像包含待装修房屋所包含的所有房间对应的中心点位置信息。
进一步地,依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像包括:将第一目标户型图像输入户型生成模型;依据墙面生成层确定第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,墙面的位置与门窗的位置通过墙面生成层对应的图像特征标示出来,墙面生成层为户型生成模型中的网络层;将第二目标户型图像确定为目标图像。
为了实现上述目的,根据本发明的另一方面,提供了一种户型方案的生成装置。该装置包括:获取单元,用于获取待装修房屋的户型轮廓;第一确定单元,用于依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;生成单元,用于依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;第一控制单元,用于依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;第二确定单元,用于将目标图像确定为适用于待装修房屋对应的户型方案。
为了实现上述目的,根据本发明的另一方面,提供了一种计算机可读存储介质。计算机可读存储介质包括存储的程序,其中,在程序运行时控制计算机可读存储介质所在设备执行上述一种户型方案的生成方法。
为了实现上述目的,根据本发明的另一方面,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述一种户型方案的生成方法。
通过本发明,采用以下步骤:获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案,解决了相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题,达到了提升户型设计效率的技术效果。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例提供的一种户型方案的生成方法的流程图;以及
图2为根据本发明实施例提供的包含有客厅位置中心点的图像示意图;
图3是根据本发明实施例提供的各个房间的位置中心点的示意图;
图4是根据本发明实施例提供的生成门窗与墙面后输出的户型图像示意图;
图5是根据本发明实施例提供的通过生成门窗与墙面的信息最终确定各个房间的大小和位置的示意图;
图6是根据本发明实施例提供的一种户型方案的生成装置的图像。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明的实施例,提供了一种户型方案的生成方法。
图1是根据本发明实施例提供的一种户型方案的生成方法的流程图。如图1所示,该发明包括以下步骤:
步骤S101,获取待装修房屋的户型轮廓;
步骤S102,依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;
步骤S103,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;
步骤S104,依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;
步骤S105,将目标图像确定为适用于待装修房屋对应的户型方案。
具体地,本申请提供了一种自动化的户型生成方法,具体分为以下步骤:首先生成客厅的中心点位置,然后依次生成下一个房间的位置和类型,最后生成所有房间的区域。如果用户对最后生成的户型不满意,可以回到房间生成的步骤,删除、移动、增加房间。
可选地,依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置包括:将第一图像输入至户型生成模型,其中,第一图像为包含有户型轮廓的图像;控制户型生成模型识别户型轮廓并确定待装修房屋中的客厅的中心点位置;依据客厅的中心点位置,控制户型生成模型输出包含客厅的中心点位置的第一户型图像,其中,客厅的中心点位置通过户型生成模型中的第二通道对应的图像特性进行标识。
上述地,客厅连接了几乎所有房间,是活动的中心,也决定了房屋的动线,其他房间的位置也依赖于客厅,可以说客厅很大程度决定了房屋的布局,所以本申请提供的方法中首先生成客厅中心的位置。
需要说明的是,本申请实施例中的客厅可以是单独的客厅,也可以是客厅餐厅一体额客餐厅。
具体地,将包含有待装修房屋外轮廓的图像输入至户型生成模型,通过训练好的户型生成模型确定客厅的位置中心点,其中,需要说明的是,在户型生成模型中包括有图像生成网络层living-generator,图像生成网络层预先接收了大量图像的训练,在识别了房屋的外轮廓后,相应的能确定客厅的位置,并将客厅的中心点通过二通道的图像特征表示出来,其中,图像中包含有二通道图像特征像素点的位置为客厅的中心点位置,如图2所示,图2为包含有客厅位置中心点的图像示意图。
还需要说明的是,一通道的图像特征用于标识除客厅中心点位置的背景图像。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像包括:将第一户型图像与户型轮廓融合成为第二图像,其中,第一户型图像为包含客厅的中心点位置的图像;将第二图像输入至户型生成模型;控制户型生成模型识别户型轮廓与客厅的中心点位置并确定第一房间的中心点位置,其中,第一房间的中心点位置通过户型生成模型中的第三通道对应的图像进行标识;控制户型生成模型输出标识有第一房间的中心点位置的第二户型图像。
具体地,在输出标识有客厅位置中心点的图像后,接下来的工作为依次生成其他房间的位置中心点与类型。
户型生成模型还包括room-generator,预先通过大量的图片输入通过深度学习来训练图像生成网络层以使图像生成网络层具备确认除客厅外其他房间的功能。
具体地,将包含有房屋外轮廓和客厅中心点位置的图像作为输入,输出的是包含有通道图像特征的图像,通过图像特征确认第一房间的位置中心点,其中,通道对应的图像特征可以表示第一房间的类型,例如,主卧、次卧、卫生间等类型。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像还包括:S401:将第二户型图像与户型轮廓融合成合成图像;S402:将合成图像输入至户型生成模型,并控制户型生成模型输出户型图像;S403:将户型图像与户型轮廓融合成合成图像;S404:将合成图像输入至户型生成模型,并控制户型生成模型再次输出户型图像,其中,每输出一张户型图像,户型图像中多增加一个房间的中心点位置信息;S405:循环执行S403-S404,当判定完成户型规划时,控制户型生成模型输出第一目标户型图像,其中,第一目标户型图像包含待装修房屋所包含的所有房间对应的中心点位置信息。
具体地,将包括有第一房间的位置中心点的图像与房屋外轮廓的图像融合在一起合成一张图像,将合成图像输入户型生成模型,户型生成模型再次输出包含有客厅的位置中心点、第一房间的位置中心点以及新确定的房间的位置中心点。
由于一个待装修房屋中包含的房间数量时有限的,因此,循环执行上述过程直到户型生成模型判断生成的房间数符合待装修房屋时,停止执行生成新的图像。
需要说明的是,在预先训练的过程中,把房间轮廓与已有的房间作为训练图像对户型生成模型进行训练,训练一个judger网络来对循环过程进行判断。
上述地,在完成户型规划后,最后生成的图像中包括有客厅的位置中心点和其他各个房间的位置中心点,如图3所示,图3中的各个房间的位置中心点通过不同通道的图像特征进行标识,各个位置中心点的像素灰度不同,通过不同的灰度表示房间对应的类型。
可选地,依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像包括:将第一目标户型图像输入户型生成模型;依据墙面生成层确定第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,墙面的位置与门窗的位置通过墙面生成层对应的图像特征标示出来,墙面生成层为户型生成模型中的网络层;将第二目标户型图像确定为目标图像。
上述地在生成各个房间的位置以后,还需要生成房间大小范围,我们通过生成房间内部墙的方式来确定最终的户型。
这里我们使用图像外轮廓和所有房间的位置作为输入,训练一个图像生成网络wall-generator,生成一个多分类的图像,输出的图像中包括有标识墙面和门窗的像素。在确定门窗和墙面后,即可依据各个房间的位置中心点确定各个房间对应的大小,如图4所示,图4为生成门窗与墙面后输出的户型图像示意图。
进一步地,通过生成门窗与墙面的信息可以最终确定各个房间的大小和位置,具体示意图如图5所示。
需要说明的是,如果用户对最后生成的户型方案不满意,仍然可以回到隔墙生成之前,调整,删除,增加房间来获取期望的房间布局,最后重新生成隔墙。通过多阶段的生成方式,用户可以参与到生成的过程中,达到最后的生成结果是可控的,既提升了效率又兼顾了灵活性。
在本申请提供了一种户型方案的生成方法,属于全自动的户型生成方法,在给定已有户型轮廓的基础上,给出各个房间的平面规划。同时这要方案也可以扩展到公装领域,例如商店的区域规划,酒店大堂布置,房间布置等场景。
上述方法具有灵活性,用户可以根据自己的需要做出调整,最后生成满意的结果。并且用户调整的时候只需要对现有的房间的位置和类型做一些调整,以及删除和增加房间。操作上非常简单,用户也能快速得到反馈。
综上,我们的户型生成方法可以为用户直接生成最终方案,也允许用户调整,既提升了效率又具有灵活性。
本发明实施例提供的一种户型方案的生成方法,通过获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案,解决了相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题,达到了提升户型设计效率的技术效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例还提供了一种户型方案的生成装置,需要说明的是,本发明实施例的一种户型方案的生成装置可以用于执行本发明实施例所提供的用于一种户型方案的生成方法。以下对本发明实施例提供的一种户型方案的生成装置进行介绍。
图6是根据本发明实施例提供的一种户型方案的生成装置的图像。如图6所示,该装置包括:
获取单元601,用于获取待装修房屋的户型轮廓;
第一确定单元602,用于依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;
生成单元603,用于依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;
第一控制单元604,用于依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;
第二确定单元605,用于将目标图像确定为适用于待装修房屋对应的户型方案。
可选地,第一确定单元602包括:第一输入子单元,用于将第一图像输入至户型生成模型,其中,第一图像为包含有户型轮廓的图像;第一控制子单元,用于控制户型生成模型识别户型轮廓并确定待装修房屋中的客厅的中心点位置;第二控制子单元,用于依据客厅的中心点位置,控制户型生成模型输出包含客厅的中心点位置的第一户型图像,其中,客厅的中心点位置通过户型生成模型中的第二通道对应的图像特性进行标识。
可选地,生成单元603包括:第一融合子单元,用于将第一户型图像与户型轮廓融合成为第二图像,其中,第一户型图像为包含客厅的中心点位置的图像;第二输入子单元,用于将第二图像输入至户型生成模型;第一确定子单元,用于控制户型生成模型识别户型轮廓与客厅的中心点位置并确定第一房间的中心点位置,其中,第一房间的中心点位置通过户型生成模型中的第三通道对应的图像进行标识;第一输出子单元,用于控制户型生成模型输出标识有第一房间的中心点位置的第二户型图像。
可选地,生成单元603还包括:第二融合子单元,用于将第二户型图像与户型轮廓融合成合成图像;第三控制子单元,用于将合成图像输入至户型生成模型,并控制户型生成模型输出户型图像;第三融合子单元,用于将户型图像与户型轮廓融合成合成图像;第四控制子单元,用于将合成图像输入至户型生成模型,并控制户型生成模型再次输出户型图像,其中,每输出一张户型图像,户型图像中多增加一个房间的中心点位置信息;第五控制子单元,用于循环执行S403-S404,当判定完成户型规划时,控制户型生成模型输出第一目标户型图像,其中,第一目标户型图像包含待装修房屋所包含的所有房间对应的中心点位置信息。
可选地,第一控制单元604包括:第三输入子单元,用于将第一目标户型图像输入户型生成模型;第二输出子单元,用于依据墙面生成层确定第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,墙面的位置与门窗的位置通过墙面生成层对应的图像特征标示出来,墙面生成层为户型生成模型中的网络层;第二确定子单元,用于将第二目标户型图像确定为目标图像。
本发明实施例提供的一种户型方案的生成装置,通过获取单元601,用于获取待装修房屋的户型轮廓;第一确定单元602,用于依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;生成单元603,用于依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;第一控制单元604,用于依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;第二确定单元605,用于将目标图像确定为适用于待装修房屋对应的户型方案,解决了相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题,达到了提升户型设计效率的技术效果。
一种户型方案的生成装置包括处理器和存储器,上述获取单元601等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决相关技术中一步生成户型的技术手段中生成的户型图像中边界不清晰的技术问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现一种户型方案的生成方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行一种户型方案的生成方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案。
可选地,依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置包括:将第一图像输入至户型生成模型,其中,第一图像为包含有户型轮廓的图像;控制户型生成模型识别户型轮廓并确定待装修房屋中的客厅的中心点位置;依据客厅的中心点位置,控制户型生成模型输出包含客厅的中心点位置的第一户型图像,其中,客厅的中心点位置通过户型生成模型中的第二通道对应的图像特性进行标识。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像包括:将第一户型图像与户型轮廓融合成为第二图像,其中,第一户型图像为包含客厅的中心点位置的图像;将第二图像输入至户型生成模型;控制户型生成模型识别户型轮廓与客厅的中心点位置并确定第一房间的中心点位置,其中,第一房间的中心点位置通过户型生成模型中的第三通道对应的图像进行标识;控制户型生成模型输出标识有第一房间的中心点位置的第二户型图像。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像还包括:S401:将第二户型图像与户型轮廓融合成合成图像;S402:将合成图像输入至户型生成模型,并控制户型生成模型输出户型图像;S403:将户型图像与户型轮廓融合成合成图像;S404:将合成图像输入至户型生成模型,并控制户型生成模型再次输出户型图像,其中,每输出一张户型图像,户型图像中多增加一个房间的中心点位置信息;S405:循环执行S403-S404,当判定完成户型规划时,控制户型生成模型输出第一目标户型图像,其中,第一目标户型图像包含待装修房屋所包含的所有房间对应的中心点位置信息。
可选地,依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像包括:将第一目标户型图像输入户型生成模型;依据墙面生成层确定第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,墙面的位置与门窗的位置通过墙面生成层对应的图像特征标示出来,墙面生成层为户型生成模型中的网络层;将第二目标户型图像确定为目标图像。本文中的设备可以是服务器、PC、PAD、手机等。
本发明还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取待装修房屋的户型轮廓;依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置,其中,户型生成模型为预先训练过的模型;依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像;依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像;将目标图像确定为适用于待装修房屋对应的户型方案。
可选地,依据户型轮廓与户型生成模型,确定待装修房屋中客厅的中心点位置包括:将第一图像输入至户型生成模型,其中,第一图像为包含有户型轮廓的图像;控制户型生成模型识别户型轮廓并确定待装修房屋中的客厅的中心点位置;依据客厅的中心点位置,控制户型生成模型输出包含客厅的中心点位置的第一户型图像,其中,客厅的中心点位置通过户型生成模型中的第二通道对应的图像特性进行标识。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像包括:将第一户型图像与户型轮廓融合成为第二图像,其中,第一户型图像为包含客厅的中心点位置的图像;将第二图像输入至户型生成模型;控制户型生成模型识别户型轮廓与客厅的中心点位置并确定第一房间的中心点位置,其中,第一房间的中心点位置通过户型生成模型中的第三通道对应的图像进行标识;控制户型生成模型输出标识有第一房间的中心点位置的第二户型图像。
可选地,依据户型轮廓与客厅的中心点位置,依次生成包括除客厅外的其他房间对应的中心点位置的图像还包括:S401:将第二户型图像与户型轮廓融合成合成图像;S402:将合成图像输入至户型生成模型,并控制户型生成模型输出户型图像;S403:将户型图像与户型轮廓融合成合成图像;S404:将合成图像输入至户型生成模型,并控制户型生成模型再次输出户型图像,其中,每输出一张户型图像,户型图像中多增加一个房间的中心点位置信息;S405:循环执行S403-S404,当判定完成户型规划时,控制户型生成模型输出第一目标户型图像,其中,第一目标户型图像包含待装修房屋所包含的所有房间对应的中心点位置信息。
可选地,依据客厅的中心点位置与其他房间对应的中心点位置,控制户型生成模型输出包含待装修房屋中的门窗信息以及墙壁信息的目标图像包括:将第一目标户型图像输入户型生成模型;依据墙面生成层确定第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,墙面的位置与门窗的位置通过墙面生成层对应的图像特征标示出来,墙面生成层为户型生成模型中的网络层;将第二目标户型图像确定为目标图像。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种户型方案的生成方法,其特征在于,包括:
获取待装修房屋的户型轮廓;
依据所述户型轮廓与户型生成模型,确定所述待装修房屋中客厅的中心点位置,其中,所述户型生成模型为预先训练过的模型;
依据所述户型轮廓与所述客厅的中心点位置,依次生成包括除所述客厅外的其他房间对应的中心点位置的图像;
依据所述客厅的中心点位置与所述其他房间对应的中心点位置,控制所述户型生成模型输出包含所述待装修房屋中的门窗信息以及墙壁信息的目标图像;
将所述目标图像确定为适用于所述待装修房屋对应的户型方案。
2.根据权利要求1所述的方法,其特征在于,依据所述户型轮廓与户型生成模型,确定所述待装修房屋中客厅的中心点位置包括:
将第一图像输入至所述户型生成模型,其中,所述第一图像为包含有所述户型轮廓的图像;
控制所述户型生成模型识别所述户型轮廓并确定所述待装修房屋中的所述客厅的中心点位置;
依据所述客厅的中心点位置,控制所述户型生成模型输出包含所述客厅的中心点位置的第一户型图像,其中,所述客厅的中心点位置通过所述户型生成模型中的第二通道对应的图像特性进行标识。
3.根据权利要求1所述的方法,其特征在于,依据所述户型轮廓与所述客厅的中心点位置,依次生成包括除所述客厅外的其他房间对应的中心点位置的图像包括:
将第一户型图像与所述户型轮廓融合成为第二图像,其中,所述第一户型图像为包含所述客厅的中心点位置的图像;
将所述第二图像输入至所述户型生成模型;
控制所述户型生成模型识别所述户型轮廓与所述客厅的中心点位置并确定第一房间的中心点位置,其中,所述第一房间的中心点位置通过所述户型生成模型中的第三通道对应的图像进行标识;
控制所述户型生成模型输出标识有所述第一房间的中心点位置的第二户型图像。
4.根据权利要求3所述的方法,其特征在于,依据所述户型轮廓与所述客厅的中心点位置,依次生成包括除所述客厅外的其他房间对应的中心点位置的图像还包括:
S401:将所述第二户型图像与所述户型轮廓融合成合成图像;
S402:将所述合成图像输入至所述户型生成模型,并控制所述户型生成模型输出户型图像;
S403:将所述户型图像与所述户型轮廓融合成所述合成图像;
S404:将所述合成图像输入至所述户型生成模型,并控制所述户型生成模型再次输出所述户型图像,其中,每输出一张所述户型图像,所述户型图像中多增加一个房间的中心点位置信息;
S405:循环执行S403-S404,当判定完成户型规划时,控制所述户型生成模型输出第一目标户型图像,其中,所述第一目标户型图像包含所述待装修房屋所包含的所有房间对应的所述中心点位置信息。
5.根据权利要求4所述的方法,其特征在于,依据所述客厅的中心点位置与所述其他房间对应的中心点位置,控制所述户型生成模型输出包含所述待装修房屋中的门窗信息以及墙壁信息的目标图像包括:
将所述第一目标户型图像输入所述户型生成模型;
依据墙面生成层确定所述第一目标户型图像中的墙面的位置以及门窗的位置并输出第二目标户型图像,其中,所述墙面的位置与所述门窗的位置通过所述墙面生成层对应的图像特征标示出来,所述墙面生成层为所述户型生成模型中的网络层;
将所述第二目标户型图像确定为所述目标图像。
6.一种户型方案的生成装置,其特征在于,包括:
获取单元,用于获取待装修房屋的户型轮廓;
第一确定单元,用于依据所述户型轮廓与户型生成模型,确定所述待装修房屋中客厅的中心点位置,其中,所述户型生成模型为预先训练过的模型;
生成单元,用于依据所述户型轮廓与所述客厅的中心点位置,依次生成包括除所述客厅外的其他房间对应的中心点位置的图像;
第一控制单元,用于依据所述客厅的中心点位置与所述其他房间对应的中心点位置,控制所述户型生成模型输出包含所述待装修房屋中的门窗信息以及墙壁信息的目标图像;
第二确定单元,用于将所述目标图像确定为适用于所述待装修房屋对应的户型方案。
7.根据权利要求6所述的装置,其特征在于,所述第一确定单元包括:
第一输入子单元,用于将第一图像输入至所述户型生成模型,其中,所述第一图像为包含有所述户型轮廓的图像;
第一控制子单元,用于控制所述户型生成模型识别所述户型轮廓并确定所述待装修房屋中的所述客厅的中心点位置;
第二控制子单元,用于依据所述客厅的中心点位置,控制所述户型生成模型输出包含所述客厅的中心点位置的第一户型图像,其中,所述客厅的中心点位置通过所述户型生成模型中的第二通道对应的图像特性进行标识。
8.根据权利要求6所述的装置,其特征在于,所述生成单元包括:
第一融合子单元,用于将第一户型图像与所述户型轮廓融合成为第二图像,其中,所述第一户型图像为包含所述客厅的中心点位置的图像;
第二输入子单元,用于将所述第二图像输入至所述户型生成模型;
第一确定子单元,用于控制所述户型生成模型识别所述户型轮廓与所述客厅的中心点位置并确定第一房间的中心点位置,其中,所述第一房间的中心点位置通过所述户型生成模型中的第三通道对应的图像进行标识;
第一输出子单元,用于控制所述户型生成模型输出标识有所述第一房间的中心点位置的第二户型图像。
9.一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包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至5中任意一项所述一种户型方案的生成方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至5中任意一项所述一种户型方案的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110745253.1A CN113434945A (zh) | 2021-06-30 | 2021-06-30 | 户型方案的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110745253.1A CN113434945A (zh) | 2021-06-30 | 2021-06-30 | 户型方案的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113434945A true CN113434945A (zh) | 2021-09-24 |
Family
ID=77758587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110745253.1A Pending CN113434945A (zh) | 2021-06-30 | 2021-06-30 | 户型方案的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434945A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633553A (zh) * | 2019-10-09 | 2019-12-31 | 郑豪 | 一种住宅户型平面图自动生成方法和系统 |
CN111179412A (zh) * | 2019-12-12 | 2020-05-19 | 江苏艾佳家居用品有限公司 | 一种户型图自动处理方法及系统 |
CN111598972A (zh) * | 2020-04-03 | 2020-08-28 | 深圳大学 | 户型图生成方法、装置、计算机设备和存储介质 |
-
2021
- 2021-06-30 CN CN202110745253.1A patent/CN113434945A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633553A (zh) * | 2019-10-09 | 2019-12-31 | 郑豪 | 一种住宅户型平面图自动生成方法和系统 |
CN111179412A (zh) * | 2019-12-12 | 2020-05-19 | 江苏艾佳家居用品有限公司 | 一种户型图自动处理方法及系统 |
CN111598972A (zh) * | 2020-04-03 | 2020-08-28 | 深圳大学 | 户型图生成方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
吴环: "住宅户型平面生成系统", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101930627B (zh) | 一种基于二维户型图的三维户型建模方法 | |
US8386566B2 (en) | Method and apparatus for controlling information in virtual world | |
CN106463003B (zh) | 制造带浮雕的三维对象 | |
CN107562859A (zh) | 一种分类模型训练系统及其实现方法 | |
CN108427794A (zh) | 一种基于bim的三维建筑模型拆分处理方法及装置 | |
CN109754458A (zh) | 三维场景的构建方法、装置及计算机可读存储介质 | |
CN112184895A (zh) | 仿真场景建模及渲染方法、装置和设备 | |
CN116956423B (zh) | 一种基于房产分层分户图的自动建模方法及系统 | |
CN104599319A (zh) | 一种3d场景的实时生成方法 | |
CN110110412A (zh) | 基于bim技术的户型全装修模拟展示方法及展示系统 | |
CN109992684A (zh) | 预制构件生产线自动投影方法、装置、设备、系统及介质 | |
CN113434945A (zh) | 户型方案的生成方法及装置 | |
Mirahmadi et al. | A novel algorithm for real-time procedural generation of building floor plans | |
CN111209074B (zh) | 浏览器视图加载方法、装置、系统及服务器 | |
CN113409462A (zh) | 一种基于3dgis和bim技术的市政工程施工安全控制方法及系统 | |
CN111859510A (zh) | 房间快速换装方法、智能终端 | |
Silveira et al. | Real-time procedural generation of personalized facade and interior appearances based on semantics | |
CN113052981A (zh) | 模型的编辑、构建方法及相关设备,计算机存储介质 | |
CN113870415B (zh) | 一种基于物联网的虚拟家装设计平台 | |
Lo et al. | Redefining Supports: Extending Mass Customization with Digital Tools for Collaborative Residential Design | |
CN114419239A (zh) | 输电线路通道倾斜摄影杆塔模型的自动裁剪方法及装置 | |
CN111652377A (zh) | 一种基于区块链的机器人学习方法、设备及介质 | |
CN106202620B (zh) | 一种会议室自动化设计方法及系统 | |
CN114727090B (zh) | 实体空间扫描方法、装置、终端设备及存储介质 | |
García-Valldecabres et al. | Definition of a Protocol for Information Management and the Creation of the HBIM Model |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210924 |