CN113642090A - 建筑布局生成方法、装置、计算机设备和存储介质 - Google Patents

建筑布局生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113642090A
CN113642090A CN202111199436.4A CN202111199436A CN113642090A CN 113642090 A CN113642090 A CN 113642090A CN 202111199436 A CN202111199436 A CN 202111199436A CN 113642090 A CN113642090 A CN 113642090A
Authority
CN
China
Prior art keywords
layout
building
room identification
constraint
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.)
Granted
Application number
CN202111199436.4A
Other languages
English (en)
Other versions
CN113642090B (zh
Inventor
张锦昇
张�成
雷超
蔡国庆
李源
陈创
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.)
Shenzhen Runshihua Software And Information Technology Service Co ltd
Original Assignee
Shenzhen Runshihua Software And Information Technology Service 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 Shenzhen Runshihua Software And Information Technology Service Co ltd filed Critical Shenzhen Runshihua Software And Information Technology Service Co ltd
Priority to CN202111199436.4A priority Critical patent/CN113642090B/zh
Publication of CN113642090A publication Critical patent/CN113642090A/zh
Application granted granted Critical
Publication of CN113642090B publication Critical patent/CN113642090B/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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Architecture (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Databases & Information Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种建筑布局生成方法、装置、计算机设备和存储介质。所述方法包括：获取与设计需求对应的建筑约束图谱；基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束；根据房间标识节点和对应的制约因素，生成对应的建筑布局；制约因素至少包括房间标识节点间的相邻约束。采用本方法能够实现根据设计需求对应的简单建筑约束图谱，即可直接通过对抗式生成网络包括的布局生成器生成相应的建筑布局，可根据所生成的建筑布局直接进行建设，而无需人工进行进一步设计或者提前提供详细的人工设计方案，进而提升了根据设计需求生成布局设计的工作效率。

Description

建筑布局生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种建筑布局生成方法、装置、计算机设备和存储介质。
背景技术
随着计算机技术的发展，以及数据化设计软件的推广应用，越来越多人们采用通过数据化设计软件来进行工程设计的方式。比如针对涉及到土建、道路以及机电设备等风场设计而言，直接输入指令至数据化设计软件比如Grasshopper等，使计算机根据拟定的算法自动生成结果，即可得到相应的设计布局。
但由于Grasshopper只关注数学建模显性的参数化，且本身只是针对在设计意图比较明显情况下的优化设计，即前提是已经有了设计方案，可在已有的设计方案的基础上，来设定优化目标，以进行设计方案的进一步优化设计。因此，传统的数据化设计软件Grasshopper无法针对不同方向，比如土建、道路或机电等不同方向，分别设置相应的布局生成机制，即无法仅根据用户的设计需求直接得到相应的布局设计方案，还需人工进行进一步设计或者提前提供详细设计方案，进而导致根据需求生成布局设计的工作效率仍较为低下。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升根据需求生成布局设计的工作效率的建筑布局生成方法、装置、计算机设备和存储介质。
一种建筑布局生成方法，所述方法包括：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和所述房间标识节点间的相邻约束；
根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
在其中一个实施例中，所述制约因素还包括新增用户约束条件；所述根据所述房间标识节点和对应的制约因素，生成对应的建筑布局，包括：
获取与所述设计需求对应的新增用户约束条件；
根据所述新增用户约束条件，对所述房间标识节点进行调整，得到调整后的房间标识节点；
根据所述调整后的房间标识节点和对应的所述制约因素，生成对应的建筑布局。
在其中一个实施例中，所述获取与设计需求对应的建筑约束图谱，包括：
获取与所述设计需求对应的标注图纸；
基于训练好的图神经网络，对所述标注图纸进行识别和解析，获取所述标注图纸携带的各标注点，以及各所述标注点之间的连接关系和位置关系；所述训练好的图神经网络根据预先标注的图谱拓扑结构训练得到；
根据各所述标注点、各所述标注点之间的连接关系和所述位置关系，生成与所述设计需求对应的建筑约束图谱。
在其中一个实施例中，所述方法还包括：
根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器；
根据训练后的布局判别器，对根据所述布局生成器得到的所述房间标识节点和所述房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果；
根据所述合理性判定结果，对所述布局生成器的属性参数进行调整，直至所述布局生成器符合与所述合理性判定结果对应的合理性要求，得到训练好的所述布局生成器。
在其中一个实施例中，在所述根据所述房间标识节点和对应的制约因素，生成对应的建筑布局之后，所述方法还包括：
根据预设评估指标对所述建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，所述预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
在其中一个实施例中，所述相邻约束包括房间类型、房间数量以及各房间之间的空间相邻关系；所述新增用户约束条件包括位置约束和几何约束，所述位置约束包括房间位置约束，所述几何约束包括房间形状、房间大小以及房间标注颜色。
一种建筑布局生成装置，所述装置包括：
建筑约束图谱获取模块，用于获取与设计需求对应的建筑约束图谱；
房间标识节点生成模块，用于基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和各房间标识节点间的相邻约束；
建筑布局生成模块，用于根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
在其中一个实施例中，所述制约因素还包括新增用户约束条件；所述建筑布局生成模块，还用于：
获取与所述设计需求对应的新增用户约束条件；根据所述新增用户约束条件，对所述房间标识节点进行调整，得到调整后的房间标识节点；根据所述调整后的房间标识节点和对应的所述制约因素，生成对应的建筑布局。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和所述房间标识节点间的相邻约束；
根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和所述房间标识节点间的相邻约束；
根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
上述建筑布局生成方法、装置、计算机设备和存储介质中，获取与设计需求对应的建筑约束图谱，并基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束，进而根据房间标识节点和对应的制约因素，生成对应的建筑布局，其中，制约因素至少包括房间标识节点间的相邻约束。实现了根据设计需求对应的简单建筑约束图谱，即可直接通过对抗式生成网络包括的布局生成器生成相应的建筑布局，可根据所生成的建筑布局直接进行建设，而无需人工进行进一步设计或者提前提供详细的人工设计方案，进而提升了根据设计需求生成布局设计的工作效率。
附图说明
图1为一个实施例中建筑布局生成方法的应用环境图；
图2为一个实施例中建筑布局生成方法的流程示意图；
图3为一个实施例中建筑约束图谱示意图；
图4为一个实施例中房间标识节点和各房间标识节点间的相邻关系示意图；
图5为一个实施例建筑布局示意图；
图6为一个实施例中根据房间标识节点和对应的制约因素，生成对应的建筑布局的流程示意图；
图7为一个实施例中根据新增用户约束条件对建筑布局进行局部调整的示意图；
图8为一个实施例中根据调整后的房间标识节点和对应的制约因素得到的建筑布局示意图；
图9为一个实施例获取与设计需求对应的建筑约束图谱的流程示意图；
图10为另一个实施例中建筑布局生成方法的流程示意图；
图11为一个实施例中建筑布局生成方法的整体流程示意图；
图12为一个实施例中建筑布局生成装置的结构框图；
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的建筑布局生成方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。服务器1021通过获取与设计需求对应的建筑约束图谱，并基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束，进而根据房间标识节点和对应的制约因素，生成对应的建筑布局，可进一步将生成得到的建筑布局反馈至终端102进行展示，以给用户查看，以进行进一步调整或确认。其中，制约因素至少包括房间标识节点间的相邻约束。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种建筑布局生成方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤S202，获取与设计需求对应的建筑约束图谱。
具体地，通过获取与设计需求对应的标注图纸，基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系。进而根据各标注点、各标注点之间的连接关系和位置关系，生成与设计需求对应的建筑约束图谱。其中，训练好的图神经网络根据预先标注的图谱拓扑结构训练得到。
其中，与设计需求对应的标注图纸，可以是工作人员预先根据设计需求进行简单标注得到，其中，标注图纸携带有多个标注点，以各标注点间的连接关系和位置关系。具体来说，标注点间的连接关系用于表示具体哪些标注点之间存在连接关系，而标注点间的位置关系具体包括标注点在标注图纸上的具体位置，其具体位置可以是图纸左侧、右侧、顶部以及底部，以及不同标注点之间的相对位置，比如一个标注点附近存在多少个其他标注点，以及其他标注点具体位于该标注点的哪个方向。
进一步地，如图3所示，提供了一种建筑约束图谱示意图，参照图3可知，建筑约束图谱包括多个节点，以及各节点和其他节点间的连接关系，可以是一个节点同时和多个节点连接，也可以是一个节点和就近相邻的一个或两个节点连接，不局限于上述所列举出来的情况。
其中，图3所示的建筑约束图谱中可包括的节点有：SVG室（静止无功发生器）、连接变压器、FC补偿装置（无源滤波补偿装置）、220KV屋外配电装置、35KV配电室、主变压器部分、事故油池、接地装置、综合楼、检修车间及车库、污水处理设备、联合泵房、化粪池以及污水处理设备。
进一步地，图3所示的建筑约束图谱中各节点之间的连接关系包括：1）SVG室分别与FC补偿装置、连接变压器、主变压器部分、220KV屋外配电装置以及35KV配电室连接。2）FC补偿装置分别与SVG室、连接变压器、主变压器部分、FC补偿装置、220KV屋外配电装置以及35KV配电室连接。3）连接变压器分别与SVG室、FC补偿装置、主变压器部分以及35KV配电室连接。4）220KV屋外配电装置分别与SVG室、FC补偿装置、主变压器部分以及35KV配电室连接。5）主变压器部分分别与SVG室、FC补偿装置、连接变压器、220KV屋外配电装置、35KV配电室、事故油池以及接地装置连接。6）35KV配电室分别与SVG室、FC补偿装置、220KV屋外配电装置、主变压器部分、连接变压器、接地装置以及综合楼连接。7）综合楼分别与35KV配电室、检修车间及车库、污水处理设备、联合泵房以及化粪池连接。8）检修车间及车库分别与污水处理设备、联合泵房以及综合楼连接。9）联合泵房分别与综合楼、检修车间及车库、污水处理设备以及化粪池连接。10）污水处理设备分别与综合楼、检修车间及车库、联合泵房以及化粪池连接。11）化粪池分别与综合楼、联合泵房以及污水处理设备连接。
在一个实施例中，建筑约束图谱除了可包括房间之间的相邻关系和位置关系等，还可包括每个房间内不同设备的位置关系和连接关系，比如房间的门、窗、桌椅、柜子以及不同电器等之间的位置关系和连接关系等。
步骤S204，基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束。
具体地，通过将所获取的建筑约束图谱输入至训练好的布局生成器中，可生成与建筑约束图谱对应的房间标识节点，以及各房间标识节点之间的相邻约束。
其中，训练好的布局生成器设置在训练好的对抗式生成网络中，对抗式生成网络同时设置有布局生成器和布局判别器，且布局生成器和布局判别器为相互独立设置的。其中，可根据真实建筑布局对布局判别器进行训练，得到训练好的布局判别器，训练好的布局判别器，用于对布局生成器根据建筑约束图谱所生成的房间标识节点、各房间标识节点间的相邻约束进行合理性判定，生成相应的合理性判定结果。
进一步地，当根据训练好的布局判别器得到的合理性判定结果，确定布局生成器生成的房间标识节点、各房间标识节点间的相邻约束，符合与合理性判定结果对应的合理性要求时，即完成对当前的布局生成器的调整和训练，得到训练好的布局生成器，进而可所获取的建筑约束图谱输入至训练好的布局生产器，以得到相应的房间标识节点和房间标识节点间的相邻约束。
其中，布局生成器和布局判别器都均采用卷积信息传递神经网络（Conv-MPN）来进行训练，其中，一个节点代表一个房间，作为设计空间的特征量，并通过卷积来更新设计空间的特征，以组成布局和用于验证房间是否处于相邻关系的相邻约束。
在一个实施例中，如图4所示，提供了房间标识节点和各房间标识节点间的相邻关系示意图，通过将建筑约束图谱输入至训练好的布局生成器，可生成适配的房间标识节点，其中，建筑约束图谱中设置的不同节点可对应于如图4所示的不同房间标识节点，而建筑约束图谱中设置的各节点和其他节点间的连接关系，可对应于如图4所示的不同房间标识节点的相邻约束，即某一房间标识节点和其他房间标识节点之间的空间相邻关系。
步骤S206，根据房间标识节点和对应的制约因素，生成对应的建筑布局，制约因素至少包括房间标识节点间的相邻约束。
具体地，制约因素至少包括房间标识节点间的相邻约束，即某一房间标识节点和其他房间标识节点之间的空间相邻关系，还可以包括新增用户约束条件，即用户提出的和设计需求对应的新增用户约束条件，包括位置约束和几何约束。其中，位置约束包括房间位置约束，即某个房间的具体位置，几何约束包括房间形状、房间大小以及房间标注颜色，即在建筑布局图上所显示的房间形状、房间大小以及具体某个房间的标注颜色。
进一步地，基于训练好的对抗式生成网络，根据房间标识节点、各房间标识节点之间的相邻约束、以及新增用户约束条件，可生成得到对应的建筑布局。
在一个实施例中，如图5所示，提供了一种建筑布局示意图，参照图5可知，根据房间标识节点、各房间标识节点之间的相邻约束、以及新增用户约束条件等，生成得到和建筑约束图谱对应的建筑二维布局。
在本实施例中，得到的建筑布局可以是升压站布局，表示为如图5所示的一组轴线对齐的房间边界盒，边界盒子即用于表示房间的形状，还可表示房间的大小。
在一个实施例中，在根据房间标识节点和对应的制约因素，生成对应的建筑布局之后，还包括：
根据预设评估指标对建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
具体地，根据现实性评价指标、多样性评价指标以及兼容性评价指标，对所生成的建筑布局进行质量评价，得到相应的质量评估结果。
进一步地，可根据现实性评价指标对建筑布局进行质量评价，得到相应的第一质量评分，而根据多样性评价指标对建筑布局进行质量评价，可得到相应的第二质量评分，同样地，兼容性评价指标对建筑布局进行质量评价，可得到相应的第三质量评分。
其中，第一质量评分用于表示建筑布局的现实合理性，即是否可用于实施建筑，以及实施建筑后得到的具体建筑物是否具有实际用途等。第二质量评分用于表示建筑布局的多样性，即是否可以满足不同用户、不同实际场景以及不同建筑环境等的需求，实现针对不同用户、不同实际场景或不同建筑环境的个性化设计。第三质量评分用于表示建筑布局和建筑约束图谱间的兼容性，即判断建筑布局和建筑约束图谱之间的兼容性，是否符合相应的兼容性要求，如果建筑布局和建筑约束图谱之间的兼容性，不符合预设的兼容性要求时，表明当前生成得到的建筑布局需要进行进一步调整，以得到符合兼容性要求，并和设计需求所对应的建筑布局。
上述建筑布局生成方法中，获取与设计需求对应的建筑约束图谱，并基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束，进而根据房间标识节点和对应的制约因素，生成对应的建筑布局，其中，制约因素至少包括房间标识节点间的相邻约束。实现了根据设计需求对应的简单建筑约束图谱，即可直接通过对抗式生成网络包括的布局生成器生成相应的建筑布局，可根据所生成的建筑布局直接进行建设，而无需人工进行进一步设计或者提前提供详细的人工设计方案，进而提升了根据设计需求生成布局设计的工作效率。
在一个实施例中，如图6所示，根据房间标识节点和对应的制约因素，生成对应的建筑布局的步骤，具体包括以下步骤：
步骤S602，获取与设计需求对应的新增用户约束条件。
具体地，获取用户提出的与设计需求相对应的新增用户约束条件，其中，新增用户约束条件包括位置约束和几何约束，位置约束包括房间位置约束，几何约束包括房间形状、房间大小以及房间标注颜色。
步骤S604，根据新增用户约束条件，对房间标识节点进行调整，得到调整后的房间标识节点。
具体地，根据新增用户约束条件，比如房间位置约束，即某个或某几个房间的具体位置，以及需要调整的房间的具体的相邻关系，还可以是几何约束，比如房间形状、房间大小以及房间标注颜色，即用户可指定不同类型的房间的形状或者大小，以及具体在建筑布局图上的房间标注颜色等，对房间标识节点进行调整，以得到调整后的房间标识节点和各房间标识节点间的相邻约束。
进一步地，可以是根据新增用户约束条件，比如房间位置约束，对相应位置上的房间标识节点进行调整，比如调整某个或某几个房间标识节点的具体位置，以及对应修改该些房间标识节点之间的连接关系。
同样地，可以是根据几何约束，对某个或者某几个房间标识节点的大小和形状进行调整，还可以修改相应房间标识节点对应的房间标注颜色等。
在一个实施例中，如图7所示，提供了根据新增用户约束条件对建筑布局进行局部调整的示意图，具体来说，可以是根据新增用户约束条件对房间标识节点以及各房间标识节点之间的相邻约束进行调整，进而达到对建筑布局进行调整的目的。
具体地，通过获取新增用户约束条件，比如可以是需要在如图7 所示的两个节点之间设置其他节点，并得到相应的气泡图，即包括两个与两个房间对应的两个节点，以及表示两个房间之间的连接关系的连接线。进一步通过布局生成器，或者说生成器，对新增用户约束条件进行分割和处理，最终得到相应的关系图谱，将得到的与新增用户约束条件对应的关系图谱输入至卷积信息传递神经网络（Conv-MPN）中，得到相应的分割面具图，并进一步根据分割面具图得到调整后的局部建筑布局。
在一个实施例中，如图7所示的局部调整示意图中，涉及到的节点包括接地装置和主变压器，相应的约束条件为在主变压器和接地装置连接的基础上，设置和主变压器连接的屋外配电装置。
步骤S606，根据调整后的房间标识节点和对应的制约因素，生成对应的建筑布局。
具体地，根据调整后的房间标识节点以及相应的相邻约束，基于训练好的对抗式生成网络，生成得到对应的建筑布局。
在一个实施例中，如图8所示，提供了根据调整后的房间标识节点和对应的制约因素得到的建筑布局示意图，参照图8可知，根据新增用户约束条件对房间标识节点以及相应的相邻约束进行调整后，得到调整后的房间标识节点以及相应的相邻约束，并根据调整后的房间标识节点以及相应的相邻约束，生成得到如图8所示的调整后的建筑布局。
具体地，参照图8可知，图8中的（A）表示调整前的建筑布局，图8中的（B）表示根据调整后的房间标识节点和对应的制约因素得到的建筑布局。其中，图8中的（A）和（B）中事故油池和主变压器连接，且调整前后的事故油池和主变压器各自占据的面积发生了变化，具体来说，图8中的（B）表示的调整后的建筑布局中事故油池的面积，小于图8中的（A）表示的调整前的建筑布局中事故油池的面积，而图8中的（B）表示的调整后的建筑布局中主变压器的面积，大于图8中的（A）表示的调整前的建筑布局中主变压器的面积。本实施例中，通过获取与设计需求对应的新增用户约束条件，并根据新增用户约束条件，对房间标识节点进行调整，得到调整后的房间标识节点，进而根据调整后的房间标识节点和对应的制约因素，生成对应的建筑布局。实现了可根据新增用户约束条件实时对建筑布局进行调整，可使得得到的调整后的建筑布局，更符合用户设计需求，达到个性化设计的目的，而无需从头进行重新设计，以提升根据设计需求生成布局设计的工作效率。
在一个实施例中，如图9所示，获取与设计需求对应的建筑约束图谱的步骤，具体包括：
步骤S902，获取与设计需求对应的标注图纸。
具体地，与设计需求对应的标注图纸，可以是工作人员预先根据设计需求进行简单标注得到，其中，标注图纸携带有多个标注点，以各标注点间的连接关系和位置关系。具体来说，标注点间的连接关系用于表示具体哪些标注点之间存在连接关系，而标注点间的位置关系具体包括标注点在标注图纸上的具体位置，其具体位置可以是图纸左侧、右侧、顶部以及底部，以及不同标注点之间的相对位置，比如一个标注点附近存在多少个其他标注点，以及其他标注点具体位于该标注点的哪个方向。
步骤S904，基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系。
具体地，基于训练好的图神经网络，对标注图纸进行识别和解析，以获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系。其中，标注点除了可用于表示房间，还可用于表示房间内所设置的不同设备，比如房间的门、窗、桌椅、柜子以及不同电器等之间的位置关系和连接关系等。
在一个实施例中，训练好的图神经网络根据预先标注的图谱拓扑结构训练得到。具体来说，可根据预先标注的图谱拓扑结构对原始图神经网络进行训练，使得图神经网络学习预先标注好的图谱拓扑结构，可使得自身具备相应的图谱拓扑结构，从而训练好的图神经网络，对标注图纸进行识别和解析后，获取得到标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系。
步骤S906，根据各标注点、各标注点之间的连接关系和位置关系，生成与设计需求对应的建筑约束图谱。
具体地，根据各标注点，以及标注点之间的连接关系和位置关系，将临近的标注点连成一条线，形成树状结构，即得到与设计需求对应的建筑约束图谱。
本实施例中，通过获取与设计需求对应的标注图纸，并基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系。进而根据各标注点、各标注点之间的连接关系和位置关系，可生成与设计需求对应的建筑约束图谱。实现了可根据训练好的图神经网络辅助输入图谱结构，而无需工作人员根据标注图纸手动输入相应的建筑约束图谱，提升了建筑约束图谱的生成效率，进一步提升根据设计需求生成布局设计的工作效率。
在一个实施例中，如图10所示，提供了一种建筑布局生成方法，具体包括以下步骤：
步骤S1002，根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器。
具体地，通过获取真实建筑布局，比如当前已进行应用的真实建筑布局，或用户预先人为标注或绘制的真实建筑布局等，并根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器。
进一步地，对布局判别器的训练过程具体包括：
根据真实建筑布局得到相应的真实房间标识节点和真实房间标识节点各之间的真实相邻约束，并将各真实房间标识节点和相应的真实相邻约束输入布局判别器，进而根据真实房间标识节点和相应的真实相邻约束，对布局判别器进行训练，使得布局判别器学习真实建筑布局的相应布局图谱，得到训练好的布局判别器。
其中，由于训练好的判别器已经对真实建筑布局进行了学习，进而可对布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束进行合理性判定，得到相应的合理性判定结果。
步骤S1004，根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果。
具体地，根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，确定布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，是否符合与合理性判定结果对应的合理性要求。
步骤S1006，根据合理性判定结果，对布局生成器的属性参数进行调整，直至布局生成器符合与合理性判定结果对应的合理性要求，得到训练好的布局生成器。
具体地，合理性判定结果，用于确定布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，是否符合与合理性判定结果对应的合理性要求。而当确定布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，符合与合理性判定结果对应的合理性要求时，表明当前对布局生成器的训练和调整也已完成，即得到训练好的布局生成器。
进一步地，当布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，不符合与合理性判定结果对应的合理性要求时，需要根据合理性判定结果，对布局生成器的属性参数进行调整。具体来说，当根据调整后的布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，符合与合理性判定结果对应的合理性要求时，即得到训练好的布局生成器。
上述建筑布局生成方法中，通过根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器，并根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果。进而根据合理性判定结果，对布局生成器的属性参数进行调整，直至布局生成器符合与合理性判定结果对应的合理性要求，得到训练好的布局生成器。实现了根据真实建筑布局对布局判别器进行训练，并通布局判别器对布局生成器的输出数据进行合理性判定，进一步根据得到的合理性判定结果对布局生成器的参数进行调整，最终到达布局生成器和布局判别器间的平衡，得到训练好的布局生成器和布局判别器，以提高所输出得到的建筑布局的准确性，减少反复设计或修改的情况，提升据设计需求生成布局设计的工作效率。
在一个实施例中，如图11所示，提供了一种建筑布局生成方法的整体流程示意图，参照图11可知，建筑布局生成方法的整体流程具体包括：
1）输入图谱结构，即表示输入建筑约束图谱。
2）根据训练好的布局生成器生成对应的房间标识节点，以及各房间标识节点之间的相邻约束。
3）通过对房间标识节点，以及各房间标识节点之间的相邻约束，进行渲染，生成对应的二维布局，即建筑布局。
4）根据新增用户约束条件对建筑布局进行调整，得到调整后的建筑布局。
还包括对布局判别器以及对布局生成器的训练过程：
5）获取真实建筑布局的真实布局图。
6）根据真实建筑布局生成对应的真实的房间标识节点，以及各真实的房间标识节点之间的真实相邻约束，并根据真实的房间标识节点，以及各真实的房间标识节点之间的真实相邻约束，对布局判别器进行训练，得到训练后的布局判别器。
其中，布局判别器用于对布局生成器所输出的房间标识节点，以及各房间标识节点之间的相邻约束，进行真假判别，即进行合理性判定，得到相应的合理性判定结果。
进一步地，当确定布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，不符合与合理性判定结果对应的合理性要求时，需要根据合理性判定结果，对布局生成器的属性参数进行调整，直至当根据调整后的布局生成器所输出的房间标识节点，以及各房间标识节点各之间的相邻约束，符合与合理性判定结果对应的合理性要求时，即得到训练好的布局生成器。
上述建筑布局生成方法中，通过获取与设计需求对应的建筑约束图谱，并基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束，进而根据房间标识节点和对应的制约因素，生成对应的建筑布局，其中，制约因素至少包括房间标识节点间的相邻约束。实现了根据设计需求对应的简单建筑约束图谱，即可直接通过对抗式生成网络包括的布局生成器生成相应的建筑布局，可根据所生成的建筑布局直接进行建设，而无需人工进行进一步设计或者提前提供详细的人工设计方案，进而提升了根据设计需求生成布局设计的工作效率。
应该理解的是，虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图12所示，提供了一种建筑布局生成装置，包括：建筑约束图谱获取模块1202、房间标识节点生成模块1204以及建筑布局生成模块1206，其中：
建筑约束图谱获取模块1202，用于获取与设计需求对应的建筑约束图谱。
房间标识节点生成模块1204，用于基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和各房间标识节点间的相邻约束。
建筑布局生成模块1206，用于根据房间标识节点和对应的制约因素，生成对应的建筑布局，制约因素至少包括房间标识节点间的相邻约束。
上述建筑布局生成装置中，获取与设计需求对应的建筑约束图谱，并基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束，进而根据房间标识节点和对应的制约因素，生成对应的建筑布局，其中，制约因素至少包括房间标识节点间的相邻约束。实现了根据设计需求对应的简单建筑约束图谱，即可直接通过对抗式生成网络包括的布局生成器生成相应的建筑布局，可根据所生成的建筑布局直接进行建设，而无需人工进行进一步设计或者提前提供详细的人工设计方案，进而提升了根据设计需求生成布局设计的工作效率。
在一个实施例中，建筑布局生成模块，还用于：
获取与设计需求对应的新增用户约束条件；根据新增用户约束条件，对房间标识节点进行调整，得到调整后的房间标识节点；根据调整后的房间标识节点和对应的制约因素，生成对应的建筑布局。
在一个实施例中，建筑约束图谱获取模块，还用于：
获取与设计需求对应的标注图纸；
基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系；训练好的图神经网络根据预先标注的图谱拓扑结构训练得到；
根据各标注点、各标注点之间的连接关系和位置关系，生成与设计需求对应的建筑约束图谱。
在一个实施例中，提供了一种建筑布局生成装置，还包括：
布局判别器训练模块，用于根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器。
合理性判定模块，用于根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果。
布局生成器训练模块，用于根据合理性判定结果，对布局生成器的属性参数进行调整，直至布局生成器符合与合理性判定结果对应的合理性要求，得到训练好的布局生成器。
在一个实施例中，提供了一种建筑布局生成装置，还包括质量评价模块，用于：
根据预设评估指标对建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
关于建筑布局生成装置的具体限定可以参见上文中对于建筑布局生成方法的限定，在此不再赘述。上述建筑布局生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储建筑约束图谱、房间标识节点、房间标识节点间的相邻约束、制约因素以及建筑布局等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种建筑布局生成方法。
本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束；
根据房间标识节点和对应的制约因素，生成对应的建筑布局；制约因素至少包括房间标识节点间的相邻约束。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取与设计需求对应的新增用户约束条件；
根据新增用户约束条件，对房间标识节点进行调整，得到调整后的房间标识节点；
根据调整后的房间标识节点和对应的制约因素，生成对应的建筑布局。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取与设计需求对应的标注图纸；
基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系；训练好的图神经网络根据预先标注的图谱拓扑结构训练得到；
根据各标注点、各标注点之间的连接关系和位置关系，生成与设计需求对应的建筑约束图谱。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器；
根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果；
根据合理性判定结果，对布局生成器的属性参数进行调整，直至布局生成器符合与合理性判定结果对应的合理性要求，得到训练好的布局生成器。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据预设评估指标对建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
相邻约束包括房间类型、房间数量以及各房间之间的空间相邻关系；新增用户约束条件包括位置约束和几何约束，位置约束包括房间位置约束，几何约束包括房间形状、房间大小以及房间标注颜色。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据建筑约束图谱，生成对应的房间标识节点和房间标识节点间的相邻约束；
根据房间标识节点和对应的制约因素，生成对应的建筑布局；制约因素至少包括房间标识节点间的相邻约束。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取与设计需求对应的新增用户约束条件；
根据新增用户约束条件，对房间标识节点进行调整，得到调整后的房间标识节点；
根据调整后的房间标识节点和对应的制约因素，生成对应的建筑布局。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取与设计需求对应的标注图纸；
基于训练好的图神经网络，对标注图纸进行识别和解析，获取标注图纸携带的各标注点，以及各标注点之间的连接关系和位置关系；训练好的图神经网络根据预先标注的图谱拓扑结构训练得到；
根据各标注点、各标注点之间的连接关系和位置关系，生成与设计需求对应的建筑约束图谱。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器；
根据训练后的布局判别器，对根据布局生成器得到的房间标识节点和房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果；
根据合理性判定结果，对布局生成器的属性参数进行调整，直至布局生成器符合与合理性判定结果对应的合理性要求，得到训练好的布局生成器。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据预设评估指标对建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
相邻约束包括房间类型、房间数量以及各房间之间的空间相邻关系；新增用户约束条件包括位置约束和几何约束，位置约束包括房间位置约束，几何约束包括房间形状、房间大小以及房间标注颜色。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种建筑布局生成方法，其特征在于，所述方法包括：
获取与设计需求对应的建筑约束图谱；
基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和所述房间标识节点间的相邻约束；
根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
2.根据权利要求1所述的方法，其特征在于，所述制约因素还包括新增用户约束条件；所述根据所述房间标识节点和对应的制约因素，生成对应的建筑布局，包括：
获取与所述设计需求对应的新增用户约束条件；
根据所述新增用户约束条件，对所述房间标识节点进行调整，得到调整后的房间标识节点；
根据所述调整后的房间标识节点和对应的所述制约因素，生成对应的建筑布局。
3.根据权利要求1所述的方法，其特征在于，所述获取与设计需求对应的建筑约束图谱，包括：
获取与所述设计需求对应的标注图纸；
基于训练好的图神经网络，对所述标注图纸进行识别和解析，获取所述标注图纸携带的各标注点，以及各所述标注点之间的连接关系和位置关系；所述训练好的图神经网络根据预先标注的图谱拓扑结构训练得到；
根据各所述标注点、各所述标注点之间的连接关系和所述位置关系，生成与所述设计需求对应的建筑约束图谱。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据真实建筑布局对布局判别器进行训练，得到训练后的布局判别器；
根据训练后的布局判别器，对根据所述布局生成器得到的所述房间标识节点和所述房间标识节点间的相邻约束，进行合理性判定，生成对应的合理性判定结果；
根据所述合理性判定结果，对所述布局生成器的属性参数进行调整，直至所述布局生成器符合与所述合理性判定结果对应的合理性要求，得到训练好的所述布局生成器。
5.根据权利要求1至4任意一项所述的方法，其特征在于，在所述根据所述房间标识节点和对应的制约因素，生成对应的建筑布局之后，所述方法还包括：
根据预设评估指标对所述建筑布局进行质量评价，生成对应的质量评估结果并展示；其中，所述预设评估指标包括现实性评价指标、多样性评价指标以及兼容性评价指标。
6.根据权利要求2所述的方法，其特征在于，所述相邻约束包括房间类型、房间数量以及各房间之间的空间相邻关系；所述新增用户约束条件包括位置约束和几何约束，所述位置约束包括房间位置约束，所述几何约束包括房间形状、房间大小以及房间标注颜色。
7.一种建筑布局生成装置，其特征在于，所述装置包括：
建筑约束图谱获取模块，用于获取与设计需求对应的建筑约束图谱；
房间标识节点生成模块，用于基于训练好的布局生成器，根据所述建筑约束图谱，生成对应的房间标识节点和各房间标识节点间的相邻约束；
建筑布局生成模块，用于根据所述房间标识节点和对应的制约因素，生成对应的建筑布局；所述制约因素至少包括所述房间标识节点间的相邻约束。
8.根据权利要求7所述的装置，其特征在于，所述制约因素还包括新增用户约束条件；所述建筑布局生成模块，还用于：
获取与所述设计需求对应的新增用户约束条件；根据所述新增用户约束条件，对所述房间标识节点进行调整，得到调整后的房间标识节点；根据所述调整后的房间标识节点和对应的所述制约因素，生成对应的建筑布局。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111199436.4A 2021-10-14 2021-10-14 建筑布局生成方法、装置、计算机设备和存储介质 Active CN113642090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111199436.4A CN113642090B (zh) 2021-10-14 2021-10-14 建筑布局生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111199436.4A CN113642090B (zh) 2021-10-14 2021-10-14 建筑布局生成方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113642090A true CN113642090A (zh) 2021-11-12
CN113642090B CN113642090B (zh) 2022-04-01

Family

ID=78427094

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111199436.4A Active CN113642090B (zh) 2021-10-14 2021-10-14 建筑布局生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113642090B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023124160A1 (zh) * 2021-12-27 2023-07-06 华南理工大学 一种自动生成三维房屋布局的方法、系统、装置及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170076016A1 (en) * 2015-09-10 2017-03-16 Maysam MIR AHMADI Automated layout generation
US20180085927A1 (en) * 2016-09-28 2018-03-29 International Business Machines Corporation Optimizing a layout of objects in a space
US20180268220A1 (en) * 2017-03-17 2018-09-20 Magic Leap, Inc. Room layout estimation methods and techniques
US20190019324A1 (en) * 2017-07-11 2019-01-17 Here Global B.V. Method and apparatus for generating an abstract texture for a building facade or model
CN109740243A (zh) * 2018-12-29 2019-05-10 江苏艾佳家居用品有限公司 一种基于分件强化学习技术的家具布局方法及系统
CN111079273A (zh) * 2019-12-03 2020-04-28 北京新学堂网络科技有限公司 一种自动布局设计方法和装置
CN111509744A (zh) * 2020-04-21 2020-08-07 中国电力科学研究院有限公司 一种储能多功能应用布局方法及系统
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
CN111709062A (zh) * 2020-06-18 2020-09-25 贝壳技术有限公司 用于获取物品摆放方案评分方法、装置以及设备、介质
CN113486436A (zh) * 2021-09-08 2021-10-08 深圳须弥云图空间科技有限公司 基于树形结构的软装设计方法、装置、设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170076016A1 (en) * 2015-09-10 2017-03-16 Maysam MIR AHMADI Automated layout generation
US20180085927A1 (en) * 2016-09-28 2018-03-29 International Business Machines Corporation Optimizing a layout of objects in a space
US20180268220A1 (en) * 2017-03-17 2018-09-20 Magic Leap, Inc. Room layout estimation methods and techniques
US20190019324A1 (en) * 2017-07-11 2019-01-17 Here Global B.V. Method and apparatus for generating an abstract texture for a building facade or model
CN109740243A (zh) * 2018-12-29 2019-05-10 江苏艾佳家居用品有限公司 一种基于分件强化学习技术的家具布局方法及系统
CN111079273A (zh) * 2019-12-03 2020-04-28 北京新学堂网络科技有限公司 一种自动布局设计方法和装置
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
CN111509744A (zh) * 2020-04-21 2020-08-07 中国电力科学研究院有限公司 一种储能多功能应用布局方法及系统
CN111709062A (zh) * 2020-06-18 2020-09-25 贝壳技术有限公司 用于获取物品摆放方案评分方法、装置以及设备、介质
CN113486436A (zh) * 2021-09-08 2021-10-08 深圳须弥云图空间科技有限公司 基于树形结构的软装设计方法、装置、设备及存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
孙澄宇等: "深度强化学习:高层建筑群自动布局新途径", 《城市规划学刊》 *
潘云鹤: "二维形状的一种抽象模型", 《浙江大学学报(工学版)》 *
王英林等: "空间布局的约束图方法", 《软件学报》 *
苏剑鸣等: "基于功能与环境关系评价的生成式计算机辅助建筑设计方法研究", 《南方建筑》 *
高婉君等: "城市居住区中建筑布局自动生成方法与方案评价研究", 《城市住宅》 *
黄陈瑶等: "产业园区建筑的自动布局实验――基于遗传算法优化", 《安徽建筑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023124160A1 (zh) * 2021-12-27 2023-07-06 华南理工大学 一种自动生成三维房屋布局的方法、系统、装置及介质

Also Published As

Publication number Publication date
CN113642090B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
CN103970887B (zh) 一种基于gis配电网图形上的信息流显示系统及方法
CN112985413B (zh) 基于改进a*算法的景区路径规划方法及装置
CN113436319B (zh) 城市室内三维语义模型的异形排列矩阵构建方法及其系统
CN112883801B (zh) Cad配电系统图中住户配电箱系统图子图的精准识别方法
CN113642090B (zh) 建筑布局生成方法、装置、计算机设备和存储介质
CN112148820B (zh) 一种基于深度学习的水下地形数据识别和服务方法及系统
CN113762724A (zh) 一种基于bim技术协同设计和管理输变电工程的方法
JP7230288B1 (ja) 学習モデル
CN113625770B (zh) 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置
JP7160295B1 (ja) 学習モデルの生成方法、情報処理装置、情報処理方法、コンピュータプログラム
CN116403235A (zh) 一种基于计算机视觉的电气接线图识别系统和方法
CN116187175A (zh) 基于电气行业知识图谱的变配电站神经网络识别方法
CN115270240A (zh) 输电区域可视化实现方法、装置、计算机设备和存储介质
CN113378069B (zh) 基于智能推荐算法的主配网自动绘图方法
CN115470557A (zh) 一种基于bim的智能建筑设计方法及系统
CN111753344B (zh) 装配式构件数据集的生成方法、cad平台及存储介质
CN115080001A (zh) 物联网系统的项目开发方法、装置、设备及存储介质
CN115730363A (zh) 基于神经网络的套内布局辅助设计方法、装置、设备
CN114676959A (zh) 一种配网图模管理方法及装置
CN111626639A (zh) 一种电网设备状态及数据管理系统
Wu et al. Research on large-scale cable intelligent laying technology based on graph theory
CN111523704B (zh) 虚拟成衣的用布结果确定方法、装置、计算机设备
CN117723073B (zh) 高程调整方法、装置、设备、存储介质和计算机程序产品
CN113434584B (zh) 电力设备数据处理方法、装置及电子设备
CN117197364B (zh) 区域建模方法、装置和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant