CN113656877B - 多层户型的模型生成方法、装置、介质及电子设备 - Google Patents
多层户型的模型生成方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN113656877B CN113656877B CN202110967185.3A CN202110967185A CN113656877B CN 113656877 B CN113656877 B CN 113656877B CN 202110967185 A CN202110967185 A CN 202110967185A CN 113656877 B CN113656877 B CN 113656877B
- Authority
- CN
- China
- Prior art keywords
- design models
- house type
- model
- layer
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000013461 design Methods 0.000 claims abstract description 316
- 238000012800 visualization Methods 0.000 claims abstract description 92
- 239000011159 matrix material Substances 0.000 claims abstract description 83
- 230000000007 visual effect Effects 0.000 claims abstract description 73
- 230000007704 transition Effects 0.000 claims abstract description 72
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 51
- 239000013598 vector Substances 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 5
- 239000010410 layer Substances 0.000 description 198
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000011229 interlayer Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/20—Design reuse, reusability analysis or reusability optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请的实施例提供了一种多层户型的模型生成方法、装置、计算机可读介质及设备，涉及住宅设计技术领域；包括：根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。可见，实施本申请实施例，可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。
Description
技术领域
本申请涉及住宅设计技术领域，具体而言，涉及一种多层户型的模型生成方法、多层户型的模型生成装置、计算机可读介质及电子设备。
背景技术
在户型设计领域中，通常包含对于单层户型和多层户型的设计。具体设计过程通常需要设计师参与，从而实现对于户型的设计。但是，这种设计方式的效率较低。虽然现有技术中存在一些对于单层户型的自动设计系统，但是对于多层户型来说，也只能实现对于每一层的单独设计。而多层户型的相邻层之间通常存在关联性，针对每一层进行单独设计再将各层的设计结果进行直接拼接，各层之间的连接容易存在设计问题，进而容易导致多层户型设计结果可用性较低。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本申请实施例的目的在于提供一种多层户型的模型生成方法、多层户型的模型生成装置、计算机可读介质及电子设备，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。
本申请实施例的第一方面提供了一种多层户型的模型生成方法，包括：
根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；
基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；
根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；
根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。
在本申请的一种示例性实施例中，基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，包括：
基于卷积神经网络生成多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数，作为可视化参数；其中，功能区向量用于表征所对应的户型层的功能区数量。
在本申请的一种示例性实施例中，可视化参数还包括坐标信息，根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：
基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息；
根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
在本申请的一种示例性实施例中，多层户型的可视化模型包括：顶层可视化模型、中层可视化模型和底层可视化模型。
在本申请的一种示例性实施例中，根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：
融合更新后的多个参考设计模型，以得到多层户型的可视化模型。
在本申请的一种示例性实施例中，上述方法还包括：
将可视化模型反馈至用户终端，以使得用户终端在用户界面显示可视化模型。
在本申请的一种示例性实施例中，卷积神经网络包括：至少一个卷积层和至少一个全连接层。
根据本申请实施例的第二方面，提供一种多层户型的模型生成装置，包括：
模型生成单元，用于根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；
模型更新单元，用于基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；
矩阵确定单元，用于根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；
模型融合单元，用于根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。
在本申请的一种示例性实施例中，模型更新单元基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，包括：
基于卷积神经网络生成多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数，作为可视化参数；其中，功能区向量用于表征所对应的户型层的功能区数量。
在本申请的一种示例性实施例中，可视化参数还包括坐标信息，矩阵确定单元根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：
基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息；
根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
在本申请的一种示例性实施例中，多层户型的可视化模型包括：顶层可视化模型、中层可视化模型和底层可视化模型。
在本申请的一种示例性实施例中，模型融合单元根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：
融合更新后的多个参考设计模型，以得到多层户型的可视化模型。
在本申请的一种示例性实施例中，上述装置还包括：
可视化模型发送单元，用于将可视化模型反馈至用户终端，以使得用户终端在用户界面显示可视化模型。
在本申请的一种示例性实施例中，卷积神经网络包括：至少一个卷积层和至少一个全连接层。
根据本申请实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，程序被处理器执行时实现如上述实施例中第一方面所述的多层户型的模型生成方法。
根据本申请实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上述实施例中第一方面所述的多层户型的模型生成方法。
根据本申请的第五方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述的各种可选实现方式中提供的方法。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请的一些实施例所提供的技术方案中，可以根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。实施本申请的实施例，一方面，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。另一方面，可以实现对于多层户型的自动化设计，降低人工成本。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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他的附图。
图1示意性示出了可以应用本申请实施例的一种多层户型的模型生成方法及多层户型的模型生成装置的示例性系统架构的示意图；
图2示意性示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图；
图3示意性示出了根据本申请的一个实施例的多层户型的模型生成方法的流程图；
图4示意性示出了根据本申请的另一个实施例的多层户型的模型生成方法的流程图；
图5示意性示出了根据本申请的一个实施例中的多层户型的模型生成系统的结构框图；
图6示意性示出了根据本申请的一个实施例中的多层户型的模型生成装置的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本申请的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本申请的各方面变得模糊。
此外，附图仅为本申请的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了可以应用本申请实施例的一种多层户型的模型生成方法及多层户型的模型生成装置的示例性应用环境的系统架构的示意图。
如图1所示，系统架构100可以包括终端设备101、102、103中的一个或多个，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于台式计算机、便携式计算机、智能手机和平板电脑等等。应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。
其中，服务器105可以为中心服务器/服务器集群/云服务器，终端设备101、102、103可以为手机/平板电脑/智能手表/网络电视/个人电脑/游戏主机/VR设备/车载设备等，本申请实施例不作限定。
举例来说，服务器105可以用于执行：根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型，将多层户型的可视化模型反馈至终端设备101、102、103。终端设备101、102、103可以用于执行：接收参数输入操作并确定参数输入操作对应的多层户型设计参数；展示多层户型的可视化模型。
可选的，终端设备101/终端设备102/终端设备103/服务器105也可以执行接收参数输入操作并确定参数输入操作对应的多层户型设计参数；根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型；展示多层户型的可视化模型。
图2示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是，图2示出的电子设备的计算机系统200仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图2所示，计算机系统200包括中央处理单元(CPU)201，其可以根据存储在只读存储器(ROM)202中的程序或者从储存部分208加载到随机访问存储器(RAM)203中的程序而执行各种适当的动作和处理。在(RAM)203中，还存储有系统操作所需的各种程序和数据。(CPU)201、(ROM)202以及(RAM)203通过总线204彼此相连。输入/输出(I/O)接口205也连接至总线204。
以下部件连接至(I/O)接口205：包括键盘、鼠标等的输入部分206；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分207；包括硬盘等的储存部分208；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分209。通信部分209经由诸如因特网的网络执行通信处理。驱动器210也根据需要连接至(I/O)接口205。可拆卸介质211，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器210上，以便于从其上读出的计算机程序根据需要被安装入储存部分208。
特别地，根据本申请的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分209从网络上被下载和安装，和/或从可拆卸介质211被安装。在该计算机程序被中央处理单元(CPU)201执行时，执行本申请的方法和装置中限定的各种功能。
需要说明的是，本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现如下述实施例中所述的方法。例如，所述的电子设备可以实现如图3所示的各个步骤等。
本示例实施方式提供了一种多层户型的模型生成方法。参考图3所示，该多层户型的模型生成方法可以包括以下步骤S310至步骤S340，具体地：
步骤S310：根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型。
步骤S320：基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型。
步骤S330：根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
步骤S340：根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。
下面，对于本示例实施方式的上述步骤进行更加详细的说明。
在步骤S310中，根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型。
具体地，多层户型设计参数可以包括层数、户型特征、建筑面积、套内面积、防火设计分类、电梯数量、楼梯数量、厅数量、室数量、厨数量、卫数量、面宽、进深、采光面、户型分类、开发商名称、楼盘名称、容积率、密度、城市、用户评分中的至少一种。其中，户型特征可以包括：南北通透、明厨明卫、动静分区、带储物间、带衣帽间、带地下室、带露台、带屋顶花园、景观阳台、双阳台、花园入户、电梯入户、独立玄关、客厅朝南、主卧朝南、三开间朝南、U形厨房、L形厨房、Ⅱ形厨房、开放厨房、中西分厨、挑高客厅、高附赠空间、独立餐厅、观景飘窗、观景落地窗中的至少一种。层数可以大于等于2，本申请实施例对实际应用中的层数不作限定。
此外，初始设计模型可以表示为三维图像、二维图像等，本申请实施例不作限定，三维图像/二维图像的尺寸可以为256*256。每个户型层对应于一个初始设计模型，多个初始设计模型与各户型层之间为一一对应的关系。
在步骤S310之前，上述方法还包括：对卷积神经网络中的所有网络参数随机取值，得到待训练的卷积神经网络；基于预设样本对待训练的卷积神经网络进行训练，直到预设样本和相对应的预设结果之间的误差梯度小于预设误差为止；其中，卷积神经网络包括：至少一个卷积层和至少一个全连接层。
其中，对卷积神经网络中的所有网络参数随机取值，得到待训练的卷积神经网络，包括：对卷积神经网络中每个卷积层和全连接层对应的网络参数随机取值，得到待训练的卷积神经网络；其中，网络参数包括卷积数量。预设样本和相对应的预设结果一一对应，相对应的预设结果可以表示为标签。
在步骤S320中，基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型。
具体地，可视化参数中可以包含至少一种类型的参数，本申请实施例不作限定。基于可视化参数更新多个初始设计模型，以得到多个参考设计模型，包括：根据可视化参数调整多个初始设计模型中各功能区的显示位置，以实现对于多个初始设计模型的更新。
可选的，基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，包括：基于卷积神经网络生成多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数，作为可视化参数；其中，功能区向量用于表征所对应的户型层的功能区数量。这样可以获取初始设计模型中的多项参数作为可视化参数，从而可以基于多项参数确定出更为准确的状态转移矩阵，以精准修正各个设计模型，提升最终得出的多层户型的可视化模型的精度。
具体地，基于卷积神经网络生成多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数，包括：基于卷积神经网络中的4层卷积层和2层全连接层对多个初始设计模型进行特征提取，得到多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数。其中，4层卷积层对应的参数分别为：128*128*32、64*64*64、32*32*64、16*16*64。2层全连接层对应的参数分别为：(16*16*64，32)、(32，N*1)，N表示功能区数量。进一步地，还可以包括：将多个初始设计模型分别对应的轮廓参数可视化表示在相对应的初始设计模型中。
在步骤S330中，根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
具体地，状态转移矩阵可以表示为AE，状态转移矩阵的数量为多个，用于进行层间的可视化参数调整。相邻户型层，可以理解为：中层和底层属于相邻户型层，中层和高层也属于相邻户型层。
可选的，可视化参数还包括坐标信息，根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息；根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。这样可以提升状态转移矩阵的表征精度。
其中，基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息的方式可以为：基于卷积神经网络中的4层卷积层和2层全连接层对多个参考设计模型的各功能区进行特征提取，得到多个参考设计模型中各功能区的坐标信息((x1，y1)，(x2，y2))；其中，4层卷积层对应的参数分别为：128*128*32、64*64*64、32*32*64、16*16*64。2层全连接层对应的参数分别为：(16*16*64，32)、(32，N*4)，N表示功能区数量。
其中，多个初始设计模型中包括底层设计模型、中层设计模型、高层设计模型。基于此，根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵的方式可以为：
拼接底层设计模型对应的功能区向量、轮廓参数、以及底层设计模型对应的参考设计模型中各功能区的坐标信息，得到目标矩阵，将目标矩阵输入卷积神经网络，并通过卷积神经网络中的8层卷积层进行特征提取，得到第一状态转移矩阵；
拼接中层设计模型对应的功能区向量、轮廓参数、以及中层设计模型对应的参考设计模型中各功能区的坐标信息，得到目标矩阵，将目标矩阵输入卷积神经网络，并通过卷积神经网络中的8层卷积层进行特征提取，得到第二状态转移矩阵；
拼接高层设计模型对应的功能区向量、轮廓参数、以及高层设计模型对应的参考设计模型中各功能区的坐标信息，得到目标矩阵，将目标矩阵输入卷积神经网络，并通过卷积神经网络中的8层卷积层进行特征提取，得到第三状态转移矩阵。
其中，8层卷积层对应的参数分别为：128*128*32、64*64*64、32*32*64、16*16*64、16*16*64、32*32*64、64*64*64、128*128*32。第一状态转移矩阵、第二状态转移矩阵、第三状态转移矩阵的尺寸可以为256*256。
在步骤S340中，根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。
具体地，多层户型的可视化模型包括：顶层可视化模型、中层可视化模型和底层可视化模型。将顶层可视化模型、中层可视化模型和底层可视化模型进行融合之后，可以得到多层户型的可视化模型，多层户型的可视化模型可以应用于别墅、loft、洋房、小高层等多层建筑的室内设计。
作为步骤S340的一种具体实施方式，根据状态转移矩阵更新多个参考设计模型，包括：根据状态转移矩阵调整多个参考设计模型中各参考设计模型的可视化参数。
作为步骤S340的一种具体实施方式，根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：根据更新后的多个参考设计模型生成多层户型的可视化模型的至少一张展示图，并将至少一张展示图反馈至用户终端，以使得用户终端展示柜体模型的至少一张展示图；或者，根据更新后的多个参考设计模型生成多层户型的可视化模型的展示视频，并将展示视频反馈至用户终端，以使得用户终端展示该展示视频。
举例来说，展示图可以为柜体模型的六视图。可选的，根据更新后的多个参考设计模型生成多层户型的可视化模型的方式也可以为：根据更新后的多个参考设计模型生成多层户型的可视化模型的VR展示效果，并将VR展示效果反馈至用户终端，以使得用户终端基于外接的VR设备展示柜体模型的VR展示效果。
此外，上述的根据更新后的多个参考设计模型生成多层户型的可视化模型可以基于可视化引擎获得。
可选的，根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：融合更新后的多个参考设计模型，以得到多层户型的可视化模型。这样可以实现对于多层户型的自动化室内设计，降低了人工成本，可以改善用户的使用体验。
具体地，融合更新后的多个参考设计模型的方式可以为：依据多个参考设计模型分别对应的可视化参数拼接多个参考设计模型，从而得到融合的多层户型的可视化模型。
可选的，在步骤S340之后，上述方法还包括：将可视化模型反馈至用户终端，以使得用户终端在用户界面显示可视化模型。这样可以触发用户终端对可视化模型进行可视化展示，以便用户查看，提升交互性。
综上，实施图3所示的方法，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。此外，还可以实现对于多层户型的自动化设计，降低人工成本。
基于图3所示的步骤及实施例，本申请还可以提供一种多层户型的模型生成方法，实现为图4所示的步骤S410～步骤S470。
步骤S410：根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型。
步骤S420：基于卷积神经网络生成多个初始设计模型分别对应的功能区向量；其中，功能区向量用于表征所对应的户型层的功能区数量。
步骤S430：基于卷积神经网络生成多个初始设计模型分别对应的轮廓参数。
步骤S440：基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息。
步骤S450：根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
步骤S460：根据状态转移矩阵更新多个参考设计模型。
步骤S470：融合更新后的多个参考设计模型，以得到多层户型的可视化模型，将可视化模型反馈至用户终端，以使得用户终端在用户界面显示可视化模型。
需要说明的是，步骤S410～步骤S470图3所示的各步骤及其实施例相对应，针对步骤S410～步骤S470的具体实施方式，请参阅图3所示的各步骤及其实施例，此处不再赘述。
可见，实施图4所示的方法，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。此外，还可以实现对于多层户型的自动化设计，降低人工成本。
基于图4所示的方法，本申请还可以提供一种多层户型的模型生成系统，用于实现图4所示的方法。参考图5，多层户型的模型生成系统具体可以包括：底层设计模块510、层间交互模块520、中层设计模块530、层间交互模块540、高层设计模块550、可视化模块560。
底层设计模块510，用于根据多层户型设计参数生成针对底层户型的初始设计模型，得到底层设计模型；基于卷积神经网络确定底层设计模型对应的第一可视化参数，并基于第一可视化参数更新底层设计模型，以得到新的底层设计模型。
层间交互模块520，用于根据第一可视化参数和底层设计模型确定中层和底层的设计模型之间的状态转移矩阵，并根据状态转移矩阵更新中层设计模型；根据第二可视化参数和中层设计模型确定底层和中层的设计模型之间的状态转移矩阵，并根据状态转移矩阵更新底层设计模型。
中层设计模块530，用于根据多层户型设计参数生成针对中层户型的初始设计模型，得到中层设计模型；基于卷积神经网络确定中层设计模型对应的第二可视化参数，并基于第二可视化参数更新中层设计模型，以得到新的中层设计模型。
层间交互模块540，用于根据第二可视化参数和中层设计模型确定高层和中层的设计模型之间的状态转移矩阵，并根据状态转移矩阵更新高层设计模型；根据第三可视化参数和高层设计模型确定中层和高层的设计模型之间的状态转移矩阵，并根据状态转移矩阵更新高层设计模型。
高层设计模块550，用于根据多层户型设计参数生成针对高层户型的初始设计模型，得到高层设计模型；基于卷积神经网络确定高层设计模型对应的第三可视化参数，并基于第三可视化参数更新高层设计模型，以得到新的高层设计模型。
可视化模块560，用于根据更新后的底层设计模型、中层设计模型、高层设计模型生成多层户型的可视化模型。
可见，实施图5所示的系统，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。此外，还可以实现对于多层户型的自动化设计，降低人工成本。
进一步的，本示例实施方式中，还提供了一种多层户型的模型生成装置，用于实现图3所示的各步骤。参考图6所示，该多层户型的模型生成装置600可以包括：模型生成单元610、模型更新单元620、矩阵确定单元630、模型融合单元640，其中：
模型生成单元610，用于根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；
模型更新单元620，用于基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，并基于可视化参数更新多个初始设计模型，以得到多个参考设计模型；
矩阵确定单元630，用于根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；
模型融合单元640，用于根据状态转移矩阵更新多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型。
其中，多层户型的可视化模型包括：顶层可视化模型、中层可视化模型和底层可视化模型；卷积神经网络包括：至少一个卷积层和至少一个全连接层。
可见，实施图6所示的装置，可以确定对相邻户型层的模型之间的状态转移矩阵，并基于表征相邻户型层之间关联性的状态转移矩阵进行多层户型的可视化模型设计，从而可以提升各相邻户型层之间的匹配度，进而提升多层户型的可视化模型的整体性和可用性。此外，还可以实现对于多层户型的自动化设计，降低人工成本。
在本申请的一种示例性实施例中，模型更新单元620基于卷积神经网络确定多个初始设计模型分别对应的可视化参数，包括：
基于卷积神经网络生成多个初始设计模型分别对应的功能区向量以及多个初始设计模型分别对应的轮廓参数，作为可视化参数；其中，功能区向量用于表征所对应的户型层的功能区数量。
可见，实施该可选的实施例，可以获取初始设计模型中的多项参数作为可视化参数，从而可以基于多项参数确定出更为准确的状态转移矩阵，以精准修正各个设计模型，提升最终得出的多层户型的可视化模型的精度。
在本申请的一种示例性实施例中，可视化参数还包括坐标信息，矩阵确定单元630根据可视化参数和多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：
基于卷积神经网络确定多个参考设计模型中各功能区的坐标信息；
根据多个初始设计模型分别对应的功能区向量、多个初始设计模型分别对应的轮廓参数、多个参考设计模型中各功能区的坐标信息以及多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
可见，实施该可选的实施例，可以提升状态转移矩阵的表征精度。
在本申请的一种示例性实施例中，模型融合单元640根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：
融合更新后的多个参考设计模型，以得到多层户型的可视化模型。
可见，实施该可选的实施例，可以实现对于多层户型的自动化室内设计，降低了人工成本，可以改善用户的使用体验。
在本申请的一种示例性实施例中，上述装置还包括：
可视化模型发送单元(未图示)，用于将可视化模型反馈至用户终端，以使得用户终端在用户界面显示可视化模型。
可见，实施该可选的实施例，可以触发用户终端对可视化模型进行可视化展示，以便用户查看，提升交互性。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
由于本申请的示例实施例的多层户型的模型生成装置的各个功能模块与上述多层户型的模型生成方法的示例实施例的步骤对应，因此对于本申请装置实施例中未披露的细节，请参照本申请上述的多层户型的模型生成方法的实施例。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种多层户型的模型生成方法，其特征在于，包括：
根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；
基于卷积神经网络确定所述多个初始设计模型分别对应的可视化参数，并基于所述可视化参数更新所述多个初始设计模型，以得到多个参考设计模型；
根据所述可视化参数和所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；
根据所述状态转移矩阵更新所述多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型；
其中，所述可视化参数还包括坐标信息，根据所述可视化参数和所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：
基于所述卷积神经网络确定所述多个参考设计模型中各功能区的坐标信息；
根据所述多个初始设计模型分别对应的功能区向量、所述多个初始设计模型分别对应的轮廓参数、所述多个参考设计模型中各功能区的坐标信息以及所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
2.根据权利要求1所述的方法，其特征在于，基于卷积神经网络确定所述多个初始设计模型分别对应的可视化参数，包括：
基于所述卷积神经网络生成所述多个初始设计模型分别对应的功能区向量以及所述多个初始设计模型分别对应的轮廓参数，作为所述可视化参数；其中，所述功能区向量用于表征所对应的户型层的功能区数量。
3.根据权利要求1所述的方法，其特征在于，所述多层户型的可视化模型包括：顶层可视化模型、中层可视化模型和底层可视化模型。
4.根据权利要求1所述的方法，其特征在于，根据更新后的多个参考设计模型生成多层户型的可视化模型，包括：
融合更新后的多个参考设计模型，以得到多层户型的可视化模型。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述可视化模型反馈至用户终端，以使得所述用户终端在用户界面显示所述可视化模型。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述卷积神经网络包括：至少一个卷积层和至少一个全连接层。
7.一种多层户型的模型生成装置，其特征在于，包括：
模型生成单元，用于根据多层户型设计参数生成针对多层户型中各户型层的初始设计模型，得到多个初始设计模型；
模型更新单元，用于基于卷积神经网络确定所述多个初始设计模型分别对应的可视化参数，并基于所述可视化参数更新所述多个初始设计模型，以得到多个参考设计模型；
矩阵确定单元，用于根据所述可视化参数和所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵；
模型融合单元，用于根据所述状态转移矩阵更新所述多个参考设计模型，并根据更新后的多个参考设计模型生成多层户型的可视化模型；
其中，所述可视化参数还包括坐标信息，所述矩阵确定单元根据所述可视化参数和所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵，包括：
基于所述卷积神经网络确定所述多个参考设计模型中各功能区的坐标信息；
根据所述多个初始设计模型分别对应的功能区向量、所述多个初始设计模型分别对应的轮廓参数、所述多个参考设计模型中各功能区的坐标信息以及所述多个初始设计模型确定相邻户型层的参考设计模型之间的状态转移矩阵。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～6中任一项所述的多层户型的模型生成方法。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1～6中任一项所述的多层户型的模型生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967185.3A CN113656877B (zh) | 2021-08-23 | 2021-08-23 | 多层户型的模型生成方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110967185.3A CN113656877B (zh) | 2021-08-23 | 2021-08-23 | 多层户型的模型生成方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113656877A CN113656877A (zh) | 2021-11-16 |
| CN113656877B true CN113656877B (zh) | 2024-04-16 |
Family
ID=78480701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110967185.3A Active CN113656877B (zh) | 2021-08-23 | 2021-08-23 | 多层户型的模型生成方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113656877B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113919043B (zh) * | 2021-12-14 | 2022-04-29 | 深圳小库科技有限公司 | 根据给定范围自动生成户型布局的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2020169358A1 (de) * | 2019-02-20 | 2020-08-27 | Siemens Schweiz Ag | Verfahren und anordnung zum erstellen eines digitalen gebäudemodells |
| 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 |
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8253731B2 (en) * | 2006-11-27 | 2012-08-28 | Designin Corporation | Systems, methods, and computer program products for home and landscape design |
| US20170277814A1 (en) * | 2016-03-22 | 2017-09-28 | Robert J. Simmons | Modular building design and data handling system |
-
2021
- 2021-08-23 CN CN202110967185.3A patent/CN113656877B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020169358A1 (de) * | 2019-02-20 | 2020-08-27 | Siemens Schweiz Ag | Verfahren und anordnung zum erstellen eines digitalen gebäudemodells |
| 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113656877A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104731441A (zh) | 信息处理的方法、以及电子设备 | |
| CN111599020B (zh) | 房屋展示方法、装置和电子设备 | |
| CN113656877B (zh) | 多层户型的模型生成方法、装置、介质及电子设备 | |
| CN111652675A (zh) | 展示方法、装置和电子设备 | |
| CN114040216A (zh) | 直播间推荐方法、介质、装置和计算设备 | |
| CN107741970B (zh) | 用于对主页面进行布局的方法和装置 | |
| CN112181329B (zh) | 一种数据展示方法及装置 | |
| CN114265583B (zh) | Vr内容开发优化方法、装置、电子设备及可读存储介质 | |
| EP2998833A1 (en) | Electronic device and method of controlling display of screen thereof | |
| CN113449356B (zh) | 室内自动布局方法、装置、计算机设备及计算机可读存储介质 | |
| CN114820940A (zh) | 园区模型构建方法及装置、电子设备和存储介质 | |
| CN114139731A (zh) | 纵向联邦学习建模优化方法、设备、介质及程序产品 | |
| CN113010939A (zh) | 可视化bim模型的处理方法及其相关产品 | |
| CN113641276A (zh) | 显示控制方法、装置、电子设备及存储介质 | |
| CN113989427A (zh) | 光照模拟方法、装置、电子设备及存储介质 | |
| CN113656876B (zh) | 自动化柜体模型生成方法、装置、介质及电子设备 | |
| CN111696214A (zh) | 房屋展示方法、装置和电子设备 | |
| CN115002498B (zh) | 一种装饰信息的处理方法、装置、服务器及存储介质 | |
| CN113505426B (zh) | 强电管道绘制方法、装置、计算机设备及其介质 | |
| CN116071422B (zh) | 面向元宇宙场景的虚拟设备亮度调节方法、装置 | |
| CN115208762B (zh) | 配置更新方法、装置、配置服务器和计算机可读存储介质 | |
| CN113568535B (zh) | 地图板块选择方法、地图板块选择装置、介质及电子设备 | |
| CN114461104A (zh) | 楼型拼合方法、装置、设备及存储介质 | |
| CN114579445A (zh) | 基于图形引擎的自动化功能测试方法、装置、介质及设备 | |
| CN114218638A (zh) | 全景图生成方法及装置、存储介质及电子设备 |
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 |