CN113486436B - 基于树形结构的软装设计方法、装置、设备及存储介质 - Google Patents
基于树形结构的软装设计方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113486436B CN113486436B CN202111047113.3A CN202111047113A CN113486436B CN 113486436 B CN113486436 B CN 113486436B CN 202111047113 A CN202111047113 A CN 202111047113A CN 113486436 B CN113486436 B CN 113486436B
- Authority
- CN
- China
- Prior art keywords
- soft
- house type
- design
- target house
- nodes
- 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.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 166
- 238000009434 installation Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006870 function Effects 0.000 claims description 58
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 17
- 238000009877 rendering Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 9
- 238000005034 decoration Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 9
- 238000012856 packing Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及智能家居自动化设计技术领域,提供一种基于树形结构的软装设计方法、装置、设备及存储介质。该方法包括:获取目标户型的图纸文件,对图纸文件解析得到基础数据,并确定目标户型内预定区域对应的区域信息;根据基础数据和区域信息对树形结构中的节点进行配置,并基于约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,生成与目标户型相对应的多个软装设计;对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。本公开能够实现自动化的软装设计,提升软装设计的效率和模型匹配效果。
Description
技术领域
本公开涉及智能家居自动化设计技术领域,尤其涉及一种基于树形结构的软装设计方法、装置、设备及存储介质。
背景技术
随着家装设计行业的快速发展,用户对家装的需求越来越多样化,作为家装设计的设计方来说,希望能够针对不同的户型快速、高效地实现家装设计,并使家装设计方案达到较好的效果。随着计算机和网络技术的不断进步,利用计算机数字技术实现自动化家装设计已成为新的趋势,而软装设计作为家装设计中的重要环节,软装设计的智能化程度将影响家装设计的效率和设计效果。
相关技术中,虽然有一些软装设计工具能够基于计算机辅助实现软装布局的自动化设计,例如,通过CAD图纸、3Dmax软件或家装设计工具实现软装模型的位置自动摆放,但是,这些软装设计对软装模型的布置偏差较大,需要人工进行调整,降低了软装设计效率,自动化程度不高,并且软装模型的匹配效果达不到理想要求。
发明内容
有鉴于此,本公开实施例提供了一种基于树形结构的软装设计方法、装置、设备及存储介质,以解决现有技术存在的软装设计效率低,自动化程度不高,匹配效果差的问题。
本公开实施例的第一方面,提供了一种基于树形结构的软装设计方法,包括:获取目标户型对应的图纸文件,并对图纸文件进行解析得到基础数据,基于基础数据确定目标户型内的预定区域所对应的区域信息;根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,得到配置后的树形结构;基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,并生成与目标户型相对应的多个软装设计;对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。
本公开实施例的第二方面,提供了一种基于树形结构的软装设计装置,包括:解析模块,被配置为获取目标户型对应的图纸文件,并对图纸文件进行解析得到基础数据,基于基础数据确定目标户型内的预定区域所对应的区域信息;配置模块,被配置为根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,得到配置后的树形结构;匹配模块,被配置为基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,并生成与目标户型相对应的多个软装设计;评分模块,被配置为对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。
本公开实施例的第三方面,提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过获取目标户型对应的图纸文件,并对图纸文件进行解析得到基础数据,基于基础数据确定目标户型内的预定区域所对应的区域信息;根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,得到配置后的树形结构;基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,并生成与目标户型相对应的多个软装设计;对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。本方案提高了软装设计的效率以及自动化程度,使软装模型的匹配位置更精准,提升了软装模型的匹配效果。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,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它的附图。
图1是本公开实施例提供的基于树形结构的软装设计方法的流程示意图;
图2是本公开实施例提供的一种实际场景下识别户型图中封闭区域的示意图;
图3是本公开实施例提供的一种实际场景下的户型图对应的封闭区域的示意图;
图4是本公开实施例提供的对图3所示的户型图进行软装设计以及渲染后生成的软装设计的示意图;
图5是本公开实施例提供的基于树形结构的软装设计装置的结构示意图;
图6是本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
家装设计是指家庭装修设计,在家庭正式装潢开工前进行功能格局上的规划设计,各空间界面的装饰设计。房屋内的软装布置作为家装设计中的重要环节往往让许多专业的设计师不胜其烦,一个合格的设计师在构建好基础的户型结构之后,通常需要花费大量的时间精力去手动调整软装模型(如软装家具)的摆放位置,并且,在进行软装位置调整的同时还有极大的概率遇到模型穿墙、房间未匹配、未考虑人流动线等诸多问题。
传统的软装设计中,通过CAD图纸、3Dmax软件或家装设计工具手动摆放模型位置,再经过渲染得到场景的效果图,整个操作过程人工参与程度较高,且调整过程过于繁琐。随着计算机和网络技术的不断进步,市面上也不断涌现出一系列的软装设计工具,此类工具通常采用一些计算机辅助设计的理论方法对软装布局进行设计,但是,对于大批量相似户型的复用率比较低,自动化程度也不高,导致软装设计的时间成本较高,造成人力资源的浪费。目前自动化软装设计技术未能在行业内达到普遍应用,其最根本的原因就是软装模型的匹配效果并没有达到绝大多数设计师的认可,对软装设计效率的提升不够明显。
下面结合已公开的现有技术,对现有技术方案中的软装设计方法及其存在的问题进行详细说明,具体可以包括以下内容:
在现有技术一中,如中国发明专利CN110442952A公开了一种客餐厅样板间自动设计方法,该技术方案提出了客餐厅功能区的概念,能把客餐厅自动设计的复杂问题拆分成几个难度稍低的子问题,保证设计的合理性。但是,该技术方案仅适用于客餐厅样板间的自动布局,由于只适用于部分区域模块,造成了设计区域的局限,通过仅对单个区域模块进行软装设计的自动布局,缺乏对于当前户型整体性的考虑,各区域模块之间的自动匹配方法差异化程度较大,特殊处理的地方较多,无法形成一套完整的软装设计。
在现有技术二中,如中国发明专利CN109933840A公开了一种基于户型几何特征的区域自动匹配算法,该技术方案仅建立了墙体线段和房间区域飘窗的联系,依据房间内所有飘窗的位置信息来设法对房间内所有的软件家具位置进行排布。但是,该技术方案仅适用于一些简单的户型,即能够假设房间轮廓为矩形或者可以近似成矩形的户型,对于一些复杂的户型(如L形户型)和一些由复杂多边形构成的户型场景时并不适用。另外,此类匹配算法对于匹配规则没有明确且规范的规定,并不能很好的适用于大规模的场景。
在现有技术三中,如中国发明专利CN109670262B公开了一种计算机辅助家居布局优化方法及系统,该技术方案将整个样板间的户型和软装作为输入,但是在进行匹配计算的时候仅仅考虑了单个素材的最佳摆放位置,并未关注其关联的搭配素材的布局。显然,这种设计方案并不十分合理,比如在进行卧室设计的时候,不能只考虑床的位置摆放,而是需要将床和床头柜的信息进行绑定,使两者信息之间相互依赖,才可以确定最优的布局位置。因此,目前绝大多数的软装自动匹配算法往往是以单个的软装单元作为独立的计算节点,缺乏对其绑定关系的描述,或者对于节点关系的描述是单向的,而不是多向的。
通过上述对现有技术方案的描述可以看出,目前的自动化软装设计普遍存在对设计区域的局限,匹配规则不完备,软装模型之间无法产生绑定关系等问题。因此,需要提供一种基于匹配规则专业且完备,不受户型的空间区域限制,并且考虑软装模型之间的搭配关系,从而实现真正自动化软装设计的方案。
图1是本公开实施例提供的基于树形结构的软装设计方法的流程示意图。图1的基于树形结构的软装设计方法可以由服务器或终端执行。如图1所示,该基于树形结构的软装设计方法具体可以包括:
S101,获取目标户型对应的图纸文件,并对图纸文件进行解析得到基础数据,基于基础数据确定目标户型内的预定区域所对应的区域信息;
S102,根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,得到配置后的树形结构;
S103,基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,并生成与目标户型相对应的多个软装设计;
S104,对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。
具体地,本公开实施例中的目标户型是软装设计的对象,目标户型可以认为是需要进行软装设计的任意房屋(如样板间)对应的户型,图纸文件是目标户型在进行软装设计之前的户型图,即生成软装设计图纸之前的户型图,因此,图纸文件中可以只包含房屋的基本土建信息,比如房屋的墙体、门窗等。
进一步地,树形结构可以认为是树形的数据结构,即通过将数据信息映射到树形结构内的节点上,并通过在节点之间增加边所形成的数据结构,树形结构中可以包含根节点和子节点,树形结构内的节点之间具有一定的从属关系和并列关系等。
另外,软装模型可以认为是最终布置到户型空间中的模型对象,软装模型包括但不限于:家具、家电、家居装饰等。软装设计可以认为是在户型空间内对软装模型进行自动布局之后产生的设计方案,软装设计是由户型以及户型内布置的软装模型对应的参数(如摆放位置信息)所组成的数据集。
根据本公开实施例提供的技术方案,本方案提供一种基于规则化的软装自动设计方法,该方法不受区域的限制,匹配的规则专业且完备,并且考虑到软装模型之间的搭配关系,能够实现真正的软装自动化布局,提升软装模型匹配的精准度和匹配效果。
在一些实施例中,对图纸文件进行解析得到基础数据,包括:获取图纸文件对应的调用函数,并确定基础数据对应的数据标识,利用调用函数以及数据标识,对图纸文件中包含的基础数据进行提取,调用函数为根据图纸文件的格式所配置的API接口;基础数据包括目标户型的元素信息以及目标户型的建筑信息,其中,元素信息包括目标户型中的门、窗和墙体所分别对应的位置信息,建筑信息包括目标户型中的房间所对应的布局、面积、朝向和位置信息。
具体地,在获取户型图的图纸文件之后,通过对图纸文件进行解析,得到该户型图的基础数据,其中,图纸文件可以是DWG、3DS、RVT等格式的文件。调用函数是图纸文件所基于的图纸绘制工具的厂商提供的API接口,基于API接口可以对图纸文件中的数据进行识别和调用。利用调用函数从图纸文件的底层数据中提取出符合预设数据标识的基础数据,例如:基于墙体数据的数据标识从图纸文件中提取出墙体对应的数据。除了识别软装模型的基础数据,通过API接口还可以识别出每个房间的轮廓。
在一些实施例中,基于基础数据确定目标户型内的预定区域所对应的区域信息,包括:根据目标户型对应的基础数据,利用预设的封闭区域计算方式,计算得到目标户型内的封闭区域对应的区域信息,将封闭区域作为目标户型内的预定区域,并对预定区域对应的房间类型进行标注。
具体地,户型图中具有不同的房间,不同房间对应的软装模型以及约束条件并不相同,因此需要基于解析得到的基础数据,确定户型图中房间对应的封闭区域空间,并标注不同封闭区域的类型,比如客厅、餐厅、卧室等。
下面结合具体实施例以及附图对识别户型图中封闭区域的过程进行说明,图2是本公开实施例提供的一种实际场景下识别户型图中封闭区域的示意图。如图2所示,该识别户型图中封闭区域的过程具体可以包括:
通过封闭区域提取算法识别户型图中的封闭区域,户型图的基础数据中包括房间的朝向、位置等信息,还包括墙体、门、窗的位置信息等,因此,通过获取墙体的起点和终点的位置坐标,将墙体沿着顺时针方向依次提取出来,并将墙体信息以及墙体之间的连接关系存储在数据结构中,就可以生成由四周墙体所组成的封闭区域。例如在一个实施例中,沿多边形的一侧墙体对应的起点开始,依次提取每一个墙体的起点和终点的位置坐标,第一墙体的终点是连接该墙体的第二墙体对应的起点,将这些墙体所围成的封闭图形作为房间对应的封闭区域。需要说明的是,这里的封闭区域中包含门和窗,因此,封闭区域并不表示房间一定是完全封闭的,而是说墙体所形成的平面几何多边形的区域。
在一些实施例中,根据目标户型对应的基础数据,利用预设的封闭区域计算方式,计算得到目标户型内的封闭区域对应的区域信息,包括:获取基础数据中墙体的位置信息,根据墙体的位置信息确定目标户型内包含的几何多边形;将几何多边形的一侧顶点作为起点,沿着几何多边形的轮廓,依次提取出几何多边形对应的顶点位置信息;基于顶点位置信息以及几何多边形中墙体的位置信息,计算得到预定区域对应的区域信息;其中,区域信息中包含预定区域的轮廓信息。
下面结合具体实施例以及附图对户型图内的封闭区域进行说明,图3是本公开实施例提供的一种实际场景下的户型图对应的封闭区域的示意图。如图3所示,该户型图中的封闭区域具体可以包括:
通过对户型图中的平面几何多边形区域进行识别,将户型图划分为不同的封闭区域,每一个封闭区域可以认为是户型图中的一个房间,同时可以对每一个房间进行标注,例如图3所示的客厅4-1、餐厅3-1、厨房2-1、主卧7-1、卧室11-1等。
具体地,墙体的位置信息可以包括墙体的起始点和终点的坐标,目标户型中的几何多边形是指户型图纸中的各个房间,通过识别户型中的几何多边形,可以实现对户型中各个房间的划分,比如餐厅、客厅、卧室等。
进一步地,在基于顶点位置信息以及几何多边形中墙体的位置信息,计算预定区域对应的区域信息时,可以沿着顺时针方向依次提取并存储几何多边形的顶点信息,将顶点信息存入到对应的类数据中。其中,区域信息中包含预定区域的轮廓信息,以及目标户型内的门和窗分别与所在预定区域的墙体之间的关联信息。
在一些实施例中,在基于基础数据确定目标户型内的预定区域所对应的区域信息之后,方法还包括:获取基础数据中门和墙体的位置信息,根据门和墙体的位置信息,将门和墙体分别与其所属预定区域内的墙体建立位置之间的关联关系。
具体地,获取基础数据中门和墙体的位置信息时,可以根据门、窗的图例信息与基础数据中的信息进行比对,从而识别出图纸文件中的门、窗的位置信息。在实际应用中,在将门和墙体分别与其所属预定区域内的墙体建立位置之间的关联关系时,可以采用以下方式:由于图纸中的门、窗模型都会有各自的唯一ID,墙体也会有唯一ID,通过建立门、窗模型的ID与墙体ID之间的映射关系,通过映射的数据结构即可实现门、窗模型与墙体模型之间的绑定。
根据本公开实施例提供的技术方案,通过将户型中的门、窗与其所在封闭区域的墙体进行关联,使得后续利用约束条件进行软装模型的匹配时,可以充分考虑门、窗与墙体之间的位置关系。保证软装模型的布置更加合理。在实际应用中,可以将前述实施例提取的目标户型的基础数据以及空间内部封闭区域的区域信息作为后续处理的先验知识。
在一些实施例中,预先定义的树形结构中包括三层节点,其中,第一层节点包含基础数据节点,第二层节点包含主模型节点,第三层节点包含附属模型节点;树形结构中的节点之间具有层级关系和组合关系,层级关系及组合关系用节点之间的边来表示,通过层级关系和组合关系建立软装模型节点之间的依赖;其中,当节点之间具有组合关系时,同一组合关系内的节点之间具有组合内的权重关系,节点组合之间具有跨组合的权重关系。
具体地,树形结构可用于表示目标户型的基础数据对应的节点与预设的软装模型对应的节点之间的依赖关系。在树形结构中,第一层节点对应户型的基础数据,因此,第一层节点主要代表了门、窗、墙体等。第二层节点对应软装模型中的主家具模型,比如对于卧室来说,主家具模型可以是床,因此,第二层节点也可以称为主家具层节点;在实际应用中,主家具层的节点可以依据先验知识获取,例如:卧室的主节点一般为床,客餐厅的主节点一般为餐桌等,根据实际的应用场景,可以设定不同的软装模型作为主节点。第三层节点对应软装模型中的附属家具模型,因此,第三层节点也可以称为附属家具层节点;在实际应用中,附属家具层的节点可以依据先验知识获取,例如:床的附属节点一般为床头柜,客餐厅的附属节点一般为餐桌椅等,根据实际的应用场景,可以设定不同的软装模型作为附属节点。
进一步地,同一层级内部的节点之间可以进行组合,而跨层级的节点之间不可以进行组合,可以通过建立节点之间的映射关系,或者在树形结构中将具有组合关系的节点之间用边连接。在实际应用中,树形结构中的节点之间的层级关系和组合关系共同形成了树形结构内节点之间的依赖关系,节点之间的依赖关系可以用边来表示,例如,第一层节点和第二层节点之间的边可以用来表示方向、朝向、距离、位置等依赖关系。在树形结构对应的拓扑图中依赖关系可以用实边表示,组合关系可以用虚边表示。
进一步地,节点之间边的权重可以通过计算获得,根据节点的层级不同可以将边的权重分为同层权重和跨层权重,根据是否组合可以将边的权重划分为组合内权重和跨组合权重。跨组合权重用于表示多个组合之间的权重关系,如客厅和餐厅的场景中,餐椅组合和沙发组合之间的权重关系。在计算权重的值时,可以先给第一层节点之间的边设置一个权重,之后自动计算其他边的权重。
根据本公开实施例提供的技术方案,通过定义一个树形结构,来构建数据之间的依赖关系,在后续利用模型匹配的时候,当主节点确定下来之后,再对子节点的位置进行部署;即实现上一层节点模型的位置摆放,再摆放附属节点对应的软装模型;通过建立节点之间的组合关系,当组合中任意的软装模型进行位置、旋转和尺度计算的时候,组合中其他模型同样需要遵循统一的规则计算,从而提升了软装模型布局的合理性,提升了软装设计的效率。
在一些实施例中,根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,包括:根据目标户型中的门、窗和墙体所分别对应的位置信息以及目标户型内的封闭区域对应的区域信息,对第一层节点中的基础数据节点对应的数据进行设置,以便对树形结构中的第一层节点进行配置。
具体地,树形结构是预先定义好的数据结构,然而在实际操作中,树的每一层节点的数据是基于实际操作得到的相关数据进行设置的。例如,在获取目标户型的基础数据和区域信息之后,可以根据这些数据信息,对预先定义的树形结构中的节点(此处对应第一层节点)进行配置,即根据得到的户型的相关信息对节点进行设置,比如修改节点中的原始参数。
在一些实施例中,约束条件包括第一约束条件和第二约束条件,第一约束条件的匹配优先级大于第二约束条件的匹配优先级;其中,约束条件中包含约束条件和约束结果,约束结果用于表示当符合约束条件时的软装模型的位置信息。
具体地,根据实际业务需求,可以将第一约束条件设置为红线规则,并将第二约束条件设置为专家规则,其中,红线规则可以认为是必须要满足的基本匹配规则,即在对软装模型进行匹配时,软装模型在户型空间内的摆放必须满足红线规则,专家规则可以是依照设计师经验总结的参考规则。下面结合具体实施例,对红线规则和专家规则的内容进行详细说明。
在本说明书实施例中,以卧室作为软装设计中的首要设计区域为例,红线规则可以由以下规则组成:
1)墙体宽度的范围区间在(1700,7500),单位是mm;
2)床头所在墙体至对面墙体的距离区间是(2120,5000),单位是mm;
3)当以衣柜、床、床榻、床头柜、电视柜、书桌、梳妆台作为主体节点,门作为参考节点时,约束结果为主节点软装模型均不可放置在门打开的扇形区域内;
4)当以衣柜、床、床榻、床头柜、电视柜作为主体节点,窗作为参考节点时,约束结果为主节点软装模型均不可贴窗摆放;
5)当以衣柜、床、床头柜、电视柜、书桌、梳妆台作为主体节点,窗作为参考节点时,约束结果为主节点软装模型均需要贴墙摆放,且需要完全靠墙,即不可有部分家具超出墙面摆放;
6)当以床头柜作为主体节点,床作为参考节点时,约束结果为床头柜紧贴床摆放;
7)当以床头柜作为主体节点,无参考节点时,约束结果为床头柜前不可放置物品;
8)当以床榻作为主体节点,床作为参考节点时,约束结果为床榻需贴床摆放;
9)当以动线作为主体节点,无参考节点时,约束结果为与梳妆台/书桌对齐书桌前540mm宽度区域内仅可摆放座椅,不可摆放其他家具;
10)当以动线作为主体节点,无参考节点时,约束结果为部分软装之间的动线可合并,合并后所需的动线为合并前动线的最大值,如:床和衣柜预留动线可合并。
在本说明书实施例中,以卧室作为软装设计中的首要设计区域为例,专家规则可以由以下规则组成:
1)软装模型布置的优先级为床>床头柜/衣柜/书桌/梳妆台/电视柜>床榻;
2)当以床作为主体节点,门作为参考节点,约束条件为入户门正对900mm宽的区域范围内时,约束结果为不与床头前500mm区域重合;
3)当以床作为主体节点,阳台推拉门、书桌、梳妆台、床头柜作为参考节点,约束条件为床远离内门一侧出现参考节点的软装模型时,约束结果为满足条件,则床尾需预留动线,否则,无需预留动线;
4)当以床榻作为主体节点,床作为参考节点,约束条件为床尾距墙的距离大于1500mm时,约束结果为床榻尺寸与床同宽,床榻位置与床居中对齐;
5)当以电视柜作为主体节点,床作为参考节点,约束条件为床尾距墙大于1000mm,床宽大于等于1500mm时,约束结果为电视柜位置与床居中对齐;
6)当以床头柜作为主体节点,衣柜、床作为参考节点,约束条件为床与衣柜平行时,约束结果为床头柜摆放在床和衣柜之间;
7)当以装饰画作为主体节点,背景墙作为参考节点时,约束结果为如有背景墙,则不设置装饰画,如无背景墙,则装饰画放置在床头墙体、宽度方向与床中心对齐,高度为1500mm。
需要说明的是,对于上述红线规则以及专家规则,需要将其抽象整理成为匹配算法的逻辑层,并依赖这些规则计算户型中的软装模型的推荐位置,即通过将约束条件抽象成匹配算法的逻辑规则,使其能够作为一种逻辑去使用,从而实现软装模型与户型的匹配。上述约束条件中的约束条件可以认为是一个基础条件,当满足约束条件之后,还需要根据约束结果筛选出最终的软装模型。通过建立约束条件与约束结果之间的映射关系,可以将这些约束条件存储。
在一些实施例中,基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,包括:基于第一约束条件和第二约束条件,将配置后的树形结构中的主模型节点和附属模型节点依次与软装模型库中的软装模型进行匹配;其中,当匹配得到满足第一约束条件和第二约束条件的主模型节点对应的软装模型时,利用第一约束条件和第二约束条件对主模型节点对应的附属模型节点进行匹配,直至配置后的树形结构中的所有主模型节点和附属模型节点全部匹配到各自对应的软装模型后,确定主模型节点和附属模型节点各自对应的软装模型的参数信息。
具体地,可以认为基于第一约束条件、第二约束条件以及配置后的树形结构共同形成了一个决策树,利用该决策树将树形结构中的每一个节点与软装模型库中的软装模型依次进行匹配,从而发现符合约束条件的软装模型。在进行匹配时,将按照树形结构的层次从上至下进行匹配,即先匹配主节点,当主节点对应的软装模型确定之后,再匹配该主节点下的附属节点,直至所有的节点均匹配到合适的软装模型,软装模型的参数信息中包括但不限于以下信息:位置信息、旋转信息、尺寸信息、组合信息和依附关系(如靠墙、吸附吊顶等)。
在一些实施例中,生成与目标户型相对应的多个软装设计,包括:在目标户型对应的配置后的树形结构中,每个主模型节点以及附属模型节点所各自对应的软装模型的数量为多个,将软装模型组合成多种不同的软装设计;其中,软装设计中包含软装模型对应的参数信息,参数信息中包含摆放位置信息。
具体地,基于上述决策树为每个节点匹配到的软装模型可能不止一个,即一个节点可能对应多个软装模型,因此,可以匹配出多个不同的软装设计,每个软装设计中包含该方案下的所有软装模型对应的参数信息,例如位置信息、旋转信息、尺寸信息、组合信息、依附关系等。
在一些实施例中,对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果,包括:根据预设的评分规则和损失函数,将中心对齐、边缘对齐、碰撞重叠、方向角度和距离标尺作为评分规则的参考条件,基于参考条件定义损失函数,利用损失函数对每个软装设计中的软装模型对应的摆放位置进行评分,得到每个软装设计对应的整体分值,将最小整体分值对应的软装设计作为对目标户型进行软装设计的结果。
具体地,在生成多个软装设计之后,可以进一步通过建立评分机制,筛选得到评分较高的软装设计作为最终的输出结果。在实际应用中,可以将中心对齐、边缘对齐、碰撞重叠、方向角度、距离标尺等作为评分的参考依据,通过定义损失函数,在红线规则和专家规则的约束条件下,获取一系列采样点,选取损失函数值最小的坐标点进行摆放。
在一些实施例中,损失函数用于利用对齐指标函数、重叠干涉指标函数和角度偏差指标函数,并结合每个函数对应的损失系数以及所有软装模型对应的参数,计算软装设计中每一个软装模型对应的损失函数值,将软装设计中所有软装模型对应的损失函数值执行加权运算得到软装设计对应的损失函数值。
具体地,损失函数可以采用以下函数式:
其中,表示损失函数的值,表示软装设计中软装模型的总数,表示软装模型的参数,表示对齐指标函数,表示重叠干涉指标函数,表示角度偏差指标函数,表示分别对应指标函数的损失系数。损失函数的值越小,说明软装设计越符合标准。
在一些实施例中,在对多个软装设计进行评分之后,该方法还包括:根据目标户型的基础数据、多个软装设计的软装模型的参数信息、以及多个软装设计的评分结果,生成与目标户型对应的数据集,将数据集作为样本数据集;利用样本数据集对神经网络模型进行训练,并将训练后的神经网络模型部署到线上,以便利用训练后的神经网络模型对线上户型执行软装设计操作,并输出线上户型对应的软装设计;其中,神经网络模型采用基于DBSCAN聚类算法的卷积神经网络模型。
具体地,在执行完前述实施例的操作后,可以为每个目标户型生成至少一个最优的软装设计,但是,为了简化后续户型的软装设计操作,可以基于这些目标户型对应的软装设计训练神经网络模型,利用训练后的神经网络模型对后续输入到在线系统中的户型图纸进行处理,生成最标准的软装设计。
进一步地,在利用神经网络模型对线上户型进行软装设计操作时,可以先对线上户型的图纸文件进行预处理得到户型的基础数据,之后将在线户型的基础数据作为神经网络模型的输入,利用神经网络模型自动匹配软装模型并输出评分最高的软装设计,输出的软装设计中包含软装模型的摆放位置以及软装模型的标识等信息。
在一些实施例中,在根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果之后,方法还包括:将软装设计对应的数据作为渲染数据,基于渲染数据对目标户型执行渲染操作,并生成渲染后的目标户型的软装设计图纸。
图4是本公开实施例提供的对图3所示的户型图进行软装设计以及渲染后生成的软装设计的示意图。如图4所示,该软装设计具体可以包括:
基于匹配算法生成的软装设计可以认为是一个数据集,而为了方便用户直观感受最终的软装设计的结果,可以将软装设计对应的数据作为渲染数据,利用设计工具或者渲染工具对这些数据进行渲染,从而将软装设计展示给用户,还可以将软装设计导出为具有位置信息的软装模型的CAD图纸。
根据本公开实施例提供的技术方案,通过对户型图纸文件中的基础数据进行提取,并通过提取出来的基础数据对树形结构的节点进行配置,配置后的树形结构中的节点之间具有依赖关系和组合关系,从而使利用预设的约束条件进行决策的时候,能够充分考虑节点之间的这些依赖关系和组合关系,使匹配得到的软装模型的摆放位置符合约束条件的要求,因此,软装模型的摆放位置更加合理。本公开通过软装模型自动匹配算法实现一键自动布置软装模型,并能结合当前户型结构进行模型的碰撞检测,自动避开墙体结构放置软装模型,以避免模型与模型之间穿模,本方案可在10s内完成软装设计的全流程,软装模型的匹配位置更加精准,实现完全自动化的软装设计。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图5是本公开实施例提供的基于树形结构的软装设计装置的结构示意图。如图5所示,该基于树形结构的软装设计装置包括:
解析模块501,被配置为获取目标户型对应的图纸文件,并对图纸文件进行解析得到基础数据,基于基础数据确定目标户型内的预定区域所对应的区域信息;
配置模块502,被配置为根据预先定义的树形结构,以及目标户型对应的基础数据和区域信息,对树形结构中的节点进行配置,得到配置后的树形结构;
匹配模块503,被配置为基于预先设置的约束条件以及配置后的树形结构,利用预设的软装模型对目标户型进行匹配,并生成与目标户型相对应的多个软装设计;
评分模块504,被配置为对多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果。
在一些实施例中,图5的解析模块501获取图纸文件对应的调用函数,并确定基础数据对应的数据标识,利用调用函数以及数据标识,对图纸文件中包含的基础数据进行提取,调用函数为根据图纸文件的格式所配置的API接口;
基础数据包括目标户型的元素信息以及目标户型的建筑信息,其中,元素信息包括目标户型中的门、窗和墙体所分别对应的位置信息,建筑信息包括目标户型中的房间所对应的布局、面积、朝向和位置信息。
在一些实施例中,图5的解析模块501根据目标户型对应的基础数据,利用预设的封闭区域计算方式,计算得到目标户型内的封闭区域对应的区域信息,将封闭区域作为目标户型内的预定区域,并对预定区域对应的房间类型进行标注。
在一些实施例中,图5的解析模块501获取基础数据中墙体的位置信息,根据墙体的位置信息确定目标户型内包含的几何多边形;将几何多边形的一侧顶点作为起点,沿着几何多边形的轮廓,依次提取出几何多边形对应的顶点位置信息;基于顶点位置信息以及几何多边形中墙体的位置信息,计算得到预定区域对应的区域信息;其中,区域信息中包含预定区域的轮廓信息。
在一些实施例中,图5的解析模块501在基于基础数据确定目标户型内的预定区域所对应的区域信息之后,获取基础数据中门和墙体的位置信息,根据门和墙体的位置信息,将门和墙体分别与其所属预定区域内的墙体建立位置之间的关联关系。
在一些实施例中,预先定义的树形结构中包括三层节点,其中,第一层节点包含基础数据节点,第二层节点包含主模型节点,第三层节点包含附属模型节点;树形结构中的节点之间具有层级关系和组合关系,层级关系及组合关系用节点之间的边来表示,通过层级关系和组合关系建立软装模型节点之间的依赖;其中,当节点之间具有组合关系时,同一组合关系内的节点之间具有组合内的权重关系,节点组合之间具有跨组合的权重关系。
在一些实施例中,图5的配置模块502根据目标户型中的门、窗和墙体所分别对应的位置信息以及目标户型内的封闭区域对应的区域信息,对第一层节点中的基础数据节点对应的数据进行设置,以便对树形结构中的第一层节点进行配置。
在一些实施例中,约束条件包括第一约束条件和第二约束条件,第一约束条件的匹配优先级大于第二约束条件的匹配优先级;其中,约束条件中包含约束条件和约束结果,约束结果用于表示当符合约束条件时的软装模型的位置信息。
在一些实施例中,图5的匹配模块503基于第一约束条件和第二约束条件,将配置后的树形结构中的主模型节点和附属模型节点依次与软装模型库中的软装模型进行匹配;其中,当匹配得到满足第一约束条件和第二约束条件的主模型节点对应的软装模型时,利用第一约束条件和第二约束条件对主模型节点对应的附属模型节点进行匹配,直至配置后的树形结构中的所有主模型节点和附属模型节点全部匹配到各自对应的软装模型后,确定主模型节点和附属模型节点各自对应的软装模型的参数信息。
在一些实施例中,图5的匹配模块503在目标户型对应的配置后的树形结构中,每个主模型节点以及附属模型节点所各自对应的软装模型的数量为多个,将软装模型组合成多种不同的软装设计;其中,软装设计中包含软装模型对应的参数信息,参数信息中包含摆放位置信息。
在一些实施例中,图5的评分模块504根据预设的评分规则和损失函数,将中心对齐、边缘对齐、碰撞重叠、方向角度和距离标尺作为评分规则的参考条件,基于参考条件定义损失函数,利用损失函数对每个软装设计中的软装模型对应的摆放位置进行评分,得到每个软装设计对应的整体分值,将最小整体分值对应的软装设计作为对目标户型进行软装设计的结果。
在一些实施例中,损失函数用于利用对齐指标函数、重叠干涉指标函数和角度偏差指标函数,并结合每个函数对应的损失系数以及所有软装模型对应的参数,计算软装设计中每一个软装模型对应的损失函数值,将软装设计中所有软装模型对应的损失函数值执行加权运算得到软装设计对应的损失函数值。
在一些实施例中,图5的训练模块505在对多个软装设计进行评分之后,根据目标户型的基础数据、多个软装设计的软装模型的参数信息、以及多个软装设计的评分结果,生成与目标户型对应的数据集,将数据集作为样本数据集;利用样本数据集对神经网络模型进行训练,并将训练后的神经网络模型部署到线上,以便利用训练后的神经网络模型对线上户型执行软装设计操作,并输出线上户型对应的软装设计;其中,神经网络模型采用基于DBSCAN聚类算法的卷积神经网络模型。
在一些实施例中,图5的渲染模块506在根据评分结果选取至少一个软装设计作为对目标户型进行软装设计的结果之后,将软装设计对应的数据作为渲染数据,基于渲染数据对目标户型执行渲染操作,并生成渲染后的目标户型的软装设计图纸。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图6是本公开实施例提供的电子设备6的结构示意图。如图6所示,该实施例的电子设备6包括:处理器601、存储器602以及存储在该存储器602中并且可以在处理器601上运行的计算机程序603。处理器601执行计算机程序603时实现上述各个方法实施例中的步骤。或者,处理器601执行计算机程序603时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序603可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器602中,并由处理器601执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序603在电子设备6中的执行过程。
电子设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备6可以包括但不仅限于处理器601和存储器602。本领域技术人员可以理解,图6仅仅是电子设备6的示例,并不构成对电子设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,电子设备还可以包括输入输出设备、网络接入设备、总线等。
处理器601可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
存储器602可以是电子设备6的内部存储单元,例如,电子设备6的硬盘或内存。存储器602也可以是电子设备6的外部存储设备,例如,电子设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器602还可以既包括电子设备6的内部存储单元也包括外部存储设备。存储器602用于存储计算机程序以及电子设备所需的其它程序和数据。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元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存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (17)
1.一种基于树形结构的软装设计方法,其特征在于,包括:
获取目标户型对应的图纸文件,并对所述图纸文件进行解析得到基础数据,基于所述基础数据确定所述目标户型内的预定区域所对应的区域信息;
根据预先定义的树形结构,以及所述目标户型对应的基础数据和区域信息,对所述树形结构中的节点进行配置,得到配置后的树形结构;
基于预先设置的约束条件以及所述配置后的树形结构,利用预设的软装模型对所述目标户型进行匹配,并生成与所述目标户型相对应的多个软装设计;
对所述多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对所述目标户型进行软装设计的结果;
其中,所述树形结构表示目标户型的基础数据对应的节点与预设的软装模型对应的节点之间的依赖关系,所述依赖关系中包含组合关系,同一组合内的模型遵循统一规则;
所述约束条件包括第一约束条件和第二约束条件,所述第一约束条件的匹配优先级大于所述第二约束条件的匹配优先级,所述约束条件是基于户型的基础数据、区域信息以及所述预先定义的树形结构所生成的条件。
2.根据权利要求1所述的方法,其特征在于,所述对所述图纸文件进行解析得到基础数据,包括:
获取所述图纸文件对应的调用函数,并确定所述基础数据对应的数据标识,利用所述调用函数以及所述数据标识,对所述图纸文件中包含的所述基础数据进行提取,所述调用函数为根据所述图纸文件的格式所配置的API接口;
所述基础数据包括所述目标户型的元素信息以及所述目标户型的建筑信息,其中,所述元素信息包括所述目标户型中的门、窗和墙体所分别对应的位置信息,所述建筑信息包括所述目标户型中的房间所对应的布局、面积、朝向和位置信息。
3.根据权利要求1所述的方法,其特征在于,所述基于所述基础数据确定所述目标户型内的预定区域所对应的区域信息,包括:
根据所述目标户型对应的基础数据,利用预设的封闭区域计算方式,计算得到所述目标户型内的封闭区域对应的区域信息,将所述封闭区域作为所述目标户型内的预定区域,并对所述预定区域对应的房间类型进行标注。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标户型对应的基础数据,利用预设的封闭区域计算方式,计算得到所述目标户型内的封闭区域对应的区域信息,包括:
获取所述基础数据中墙体的位置信息,根据所述墙体的位置信息确定所述目标户型内包含的几何多边形;
将所述几何多边形的一侧顶点作为起点,沿着所述几何多边形的轮廓,依次提取出所述几何多边形对应的顶点位置信息;
基于所述顶点位置信息以及所述几何多边形中墙体的位置信息,计算得到所述预定区域对应的区域信息;其中,所述区域信息中包含所述预定区域的轮廓信息。
5.根据权利要求1所述的方法,其特征在于,在所述基于所述基础数据确定所述目标户型内的预定区域所对应的区域信息之后,所述方法还包括:
获取所述基础数据中门和墙体的位置信息,根据所述门和墙体的位置信息,将所述门和墙体分别与其所属预定区域内的墙体建立位置之间的关联关系。
6.根据权利要求1所述的方法,其特征在于,所述预先定义的树形结构中包括三层节点,其中,第一层节点包含基础数据节点,第二层节点包含主模型节点,第三层节点包含附属模型节点;
所述树形结构中的节点之间具有层级关系和组合关系,所述层级关系及所述组合关系用所述节点之间的边来表示,通过所述层级关系和所述组合关系建立软装模型节点之间的依赖;
其中,当所述节点之间具有组合关系时,同一所述组合关系内的节点之间具有组合内的权重关系,节点组合之间具有跨组合的权重关系。
7.根据权利要求6所述的方法,其特征在于,所述根据预先定义的树形结构,以及所述目标户型对应的基础数据和区域信息,对所述树形结构中的节点进行配置,包括:
根据所述目标户型中的门、窗和墙体所分别对应的位置信息以及所述目标户型内的封闭区域对应的区域信息,对所述第一层节点中的基础数据节点对应的数据进行设置,以便对所述树形结构中的所述第一层节点进行配置。
8.根据权利要求6所述的方法,其特征在于,所述约束条件中包含约束条件和约束结果,所述约束结果用于表示当符合所述约束条件时的软装模型的位置信息。
9.根据权利要求8所述的方法,其特征在于,所述基于预先设置的约束条件以及所述配置后的树形结构,利用预设的软装模型对所述目标户型进行匹配,包括:
基于所述第一约束条件和所述第二约束条件,将所述配置后的树形结构中的所述主模型节点和所述附属模型节点依次与软装模型库中的所述软装模型进行匹配;
其中,当匹配得到满足所述第一约束条件和所述第二约束条件的所述主模型节点对应的软装模型时,利用所述第一约束条件和所述第二约束条件对所述主模型节点对应的附属模型节点进行匹配,直至所述配置后的树形结构中的所有所述主模型节点和所述附属模型节点全部匹配到各自对应的软装模型后,确定所述主模型节点和所述附属模型节点各自对应的软装模型的参数信息。
10.根据权利要求9所述的方法,其特征在于,所述生成与所述目标户型相对应的多个软装设计,包括:
在所述目标户型对应的所述配置后的树形结构中,每个所述主模型节点以及所述附属模型节点所各自对应的所述软装模型的数量为多个,将所述软装模型组合成多种不同的软装设计;
其中,所述软装设计中包含所述软装模型对应的所述参数信息,所述参数信息中包含摆放位置信息。
11.根据权利要求1所述的方法,其特征在于,所述对所述多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对所述目标户型进行软装设计的结果,包括:
根据预设的评分规则和损失函数,将中心对齐、边缘对齐、碰撞重叠、方向角度和距离标尺作为所述评分规则的参考条件,基于所述参考条件定义损失函数,利用所述损失函数对每个所述软装设计中的软装模型对应的摆放位置进行评分,得到每个所述软装设计对应的整体分值,将最小整体分值对应的软装设计作为对所述目标户型进行软装设计的结果。
12.根据权利要求11所述的方法,其特征在于,所述损失函数用于利用对齐指标函数、重叠干涉指标函数和角度偏差指标函数,并结合每个函数对应的损失系数以及所有软装模型对应的参数,计算所述软装设计中每一个软装模型对应的损失函数值,将所述软装设计中所有软装模型对应的损失函数值执行加权运算得到所述软装设计对应的损失函数值。
13.根据权利要求1所述的方法,其特征在于,在所述对所述多个软装设计进行评分之后,所述方法还包括:
根据所述目标户型的基础数据、所述多个软装设计的软装模型的参数信息、以及所述多个软装设计的评分结果,生成与所述目标户型对应的数据集,将所述数据集作为样本数据集;
利用所述样本数据集对神经网络模型进行训练,并将所述训练后的神经网络模型部署到线上,以便利用所述训练后的神经网络模型对线上户型执行软装设计操作,并输出所述线上户型对应的软装设计;
其中,所述神经网络模型采用基于DBSCAN聚类算法的卷积神经网络模型。
14.根据权利要求1所述的方法,其特征在于,在所述根据评分结果选取至少一个软装设计作为对所述目标户型进行软装设计的结果之后,所述方法还包括:
将所述软装设计对应的数据作为渲染数据,基于所述渲染数据对所述目标户型执行渲染操作,并生成渲染后的所述目标户型的软装设计图纸。
15.一种基于树形结构的软装设计装置,其特征在于,包括:
解析模块,被配置为获取目标户型对应的图纸文件,并对所述图纸文件进行解析得到基础数据,基于所述基础数据确定所述目标户型内的预定区域所对应的区域信息;
配置模块,被配置为根据预先定义的树形结构,以及所述目标户型对应的基础数据和区域信息,对所述树形结构中的节点进行配置,得到配置后的树形结构;
匹配模块,被配置为基于预先设置的约束条件以及所述配置后的树形结构,利用预设的软装模型对所述目标户型进行匹配,并生成与所述目标户型相对应的多个软装设计;
评分模块,被配置为对所述多个软装设计进行评分,并根据评分结果选取至少一个软装设计作为对所述目标户型进行软装设计的结果;
其中,所述树形结构表示目标户型的基础数据对应的节点与预设的软装模型对应的节点之间的依赖关系,所述依赖关系中包含组合关系,同一组合内的模型遵循统一规则;
所述约束条件包括第一约束条件和第二约束条件,所述第一约束条件的匹配优先级大于所述第二约束条件的匹配优先级,所述约束条件是基于户型的基础数据、区域信息以及所述预先定义的树形结构所生成的条件。
16.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至14中任一项所述的方法。
17.一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程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111047113.3A CN113486436B (zh) | 2021-09-08 | 2021-09-08 | 基于树形结构的软装设计方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111047113.3A CN113486436B (zh) | 2021-09-08 | 2021-09-08 | 基于树形结构的软装设计方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113486436A CN113486436A (zh) | 2021-10-08 |
CN113486436B true CN113486436B (zh) | 2022-02-08 |
Family
ID=77947409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111047113.3A Active CN113486436B (zh) | 2021-09-08 | 2021-09-08 | 基于树形结构的软装设计方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486436B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642090B (zh) * | 2021-10-14 | 2022-04-01 | 深圳润世华软件和信息技术服务有限公司 | 建筑布局生成方法、装置、计算机设备和存储介质 |
CN114241129A (zh) * | 2021-12-10 | 2022-03-25 | 广东三维家信息科技有限公司 | 一种室内场景布局方法、装置、电子设备及存储介质 |
CN114444987B (zh) * | 2022-04-11 | 2022-06-28 | 深圳小库科技有限公司 | 一种户型图的自动化分析方法及装置 |
CN115017571A (zh) * | 2022-04-27 | 2022-09-06 | 阿里巴巴(中国)有限公司 | 针对空间结构的信息提供方法及电子设备 |
CN116305486B (zh) * | 2023-03-30 | 2024-05-17 | 广联达科技股份有限公司 | 地热盘管的路由排线方法、装置、设备及可读存储介质 |
CN116910890B (zh) * | 2023-09-14 | 2024-01-12 | 北京装库创意科技有限公司 | 一种智能化的空间设计优化方法及系统 |
CN117953187B (zh) * | 2024-03-26 | 2024-05-24 | 北京鸿鹄云图科技股份有限公司 | 一种图纸重叠标注快速优化方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372262A (zh) * | 2016-10-25 | 2017-02-01 | 四川农业大学 | 一种城市户外公共空间城市家具信息管理系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528904B (zh) * | 2016-07-09 | 2018-05-04 | 陈志静 | 住宅户型图建筑结构智能识别及功能区自动规划设计方法 |
CN108694266A (zh) * | 2017-04-07 | 2018-10-23 | 美宅科技(北京)有限公司 | 基于机器学习的智能装修设计方法与系统 |
CN107240151B (zh) * | 2017-07-05 | 2020-08-21 | 常州赞云软件科技有限公司 | 一种基于父子约束的场景布局保存与再现方法 |
CN111651819A (zh) * | 2020-05-27 | 2020-09-11 | 广东博智林机器人有限公司 | 一种家装设计方法、装置、电子设备及存储介质 |
CN111859510B (zh) * | 2020-07-28 | 2024-08-13 | 苏州苏高新数字科技有限公司 | 房间快速换装方法、智能终端 |
CN112131629A (zh) * | 2020-08-12 | 2020-12-25 | 南京维狸家智能科技有限公司 | 一种基于人工智能的家居场景布局方法 |
CN112131645B (zh) * | 2020-09-23 | 2021-08-31 | 贝壳找房(北京)科技有限公司 | 室内物品摆放补全方法、装置以及设备、存储介质 |
-
2021
- 2021-09-08 CN CN202111047113.3A patent/CN113486436B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372262A (zh) * | 2016-10-25 | 2017-02-01 | 四川农业大学 | 一种城市户外公共空间城市家具信息管理系统及方法 |
Non-Patent Citations (1)
Title |
---|
室内装饰工程计算机辅助系统;郭轶等;《土木建筑工程信息技术》;20110915;第第3卷卷(第03期);第22-31页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113486436A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113486436B (zh) | 基于树形结构的软装设计方法、装置、设备及存储介质 | |
CN112257328B (zh) | 家具布局方法及电子设备 | |
CN109872216A (zh) | 一种定制家具设计方法和设计装置 | |
CN106096153A (zh) | 室内装潢实景体验场景提供方法及系统 | |
CN108986233B (zh) | 一种快速绘制室内预览图的方法及其系统 | |
CN107871143B (zh) | 图像识别方法及装置、计算机装置和计算机可读存储介质 | |
EP2991037B1 (en) | Method of generating three-dimensional scene model | |
CN111709062B (zh) | 用于获取物品摆放方案评分方法、装置以及设备、介质 | |
CN107280693A (zh) | 基于vr交互电子沙盘的心理分析系统及方法 | |
CN111046478B (zh) | 一种定制硬装设计方法和设计装置 | |
CN107369203A (zh) | 室内三维场景自适应构建方法及装置 | |
CN107590337A (zh) | 一种家装展示互动方法和装置 | |
CN116522463B (zh) | 室内设计方法、装置、设备及存储介质 | |
CN109698777A (zh) | 一种智能家居的模式配置方法、装置及设备 | |
CN112733246A (zh) | 建筑物的自动设计方法、装置、终端、存储介质及处理器 | |
CN111400960A (zh) | 一种家具主动定制方法和主动定制装置 | |
CN114003992A (zh) | 一种智能的家具布局方法及装置 | |
CN109598058A (zh) | 生成智能设备点位图的方法及装置 | |
CN109918717A (zh) | 基于bim软件的bim构件生成方法、装置以及存储装置 | |
CN116702298B (zh) | 室内装饰设计的模型构建方法及系统 | |
CN106575225A (zh) | 模块划分辅助装置、方法和程序 | |
CN117592158A (zh) | 一种餐饮店铺平面图自动布置方法和服务器 | |
CN108805095A (zh) | 图片处理方法、装置、移动终端及计算机可读存储介质 | |
CN112199748B (zh) | 基于人类活动信息的平面图设计方法、装置及终端设备 | |
CN109815551A (zh) | 建筑设计方法、装置、可读存储介质及混合现实设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |