CN113742804B - 家具布局图生成方法、装置、设备及存储介质 - Google Patents
家具布局图生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113742804B CN113742804B CN202111074456.9A CN202111074456A CN113742804B CN 113742804 B CN113742804 B CN 113742804B CN 202111074456 A CN202111074456 A CN 202111074456A CN 113742804 B CN113742804 B CN 113742804B
- Authority
- CN
- China
- Prior art keywords
- furniture
- information
- size
- target
- basic building
- 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
- 238000010586 diagram Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 64
- 238000010276 construction Methods 0.000 claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims description 30
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 description 21
- 238000012549 training Methods 0.000 description 12
- 238000012800 visualization Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000009411 base construction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000011218 segmentation Effects 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
-
- 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
-
- 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
Abstract
本发明公开了一种家具布局图生成方法、装置、设备及存储介质，包括：获取户型的基建信息和各个家具尺寸信息，各个家具尺寸信息包括目标家具的更新尺寸；基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建图包括每一基建的区域结构和目标家具的区域；基于家具处理模型对各个家具尺寸信息进行处理，获得各个家具的家具区域信息；根据基建区域信息和家具区域信息，确定目标家具的更新尺寸是否满足户型；如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。实现了基于家具尺寸变更自动生成家具布局图，满足实际需求，提升了用户体验感。
Description
技术领域
本发明涉及数据处理技术领域，特别是涉及一种家具布局图生成方法、装置、设备及存储介质。
背景技术
家装自动设计是一个利用计算机技术替代人力进行设计工作的工具，用户通常需要输入目标户型和需要的家具，通过系统中的自动设计算法就能够实现自动布局，获得家具布局图。
但是，现有的定制家具方案中，定制家具的尺寸并不能完全满足实际的户型，例如，定制柜尺寸过大，使得户型摆放不下该定制柜，重新定制会对用户造成损失，可见现有的家具布局图并不能满足实际的用户需求，会使得生成的家具布局不精准。
发明内容
针对于上述问题，本发明提供一种家具布局图生成方法、装置、设备及存储介质，实现了能够根据变更的家具尺寸准确生成对应的家具布局图。
为了实现上述目的，本发明提供了如下技术方案：
一种家具布局图生成方法，包括：
获取户型的基建信息和各个家具尺寸信息，所述各个家具尺寸信息包括目标家具的更新尺寸；
基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建图包括每一基建的区域结构和目标家具的区域；
基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息；
根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。
可选地，所述方法还包括：
若所述目标家具的更新尺寸不满足所述户型，生成提示信息。
可选地，基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，包括：
对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；
将所述基建更新相似矩阵输入至所述基建图生成模型的卷积层，获得高维向量；
将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息。
可选地，所述基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息，包括：
对所述各个家具尺寸信息进行处理，获得各个家具更新相似度矩阵，所述各个家具包括更新尺寸的目标家具；
将所述家具更新相似度矩阵输入至所述家具处理模型的卷积层，获得高维度向量；
将所述高维度向量输入至所述家具处理模型的图网络和全连接层，获得各个家具的家具区域信息，所述家具区域信息表征家具对应的外接矩形的尺寸信息。
可选地，所述根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型，包括：
根据所述基建区域信息和所述家具区域信息，获得目标家具的尺寸是否合适的概率值；
基于所述概率值，确定所述目标家具的更新尺寸是否满足所述户型。
可选地，所述生成与更新尺寸对应的目标家具相匹配的家具布局图，包括：
基于所述基建区域信息和所述家具区域信息，生成拼接信息；
获取与所述拼接信息对应的维度向量；
基于所述维度向量，确定目标维度向量；
根据所述目标维度向量生成家具布局图。
可选地，所述方法还包括：
生成与所述目标家具相匹配的家具布局图的可视化信息，通过所述可视化信息对所述家具布局图进行展示。
一种家具布局图生成装置，包括：
获取单元，用于获取户型的基建信息和各个家具尺寸信息，所述各个家具尺寸信息包括目标家具的更新尺寸；
第一处理单元，用于基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建图包括每一基建的区域结构和目标家具的区域；
第二处理单元，用于基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息；
确定单元，用于根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
生成单元，用于如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。
一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如上述中任意一项所述的家具布局图生成方法。
一种存储介质，所述存储介质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如上述中任意一项所述的家具布局图生成方法。
相较于现有技术，本发明提供了一种家具布局图生成方法、装置、设备及存储介质，包括：获取户型的基建信息和各个家具尺寸信息，各个家具尺寸信息包括目标家具的更新尺寸；基于基建图生成模型对基建信息和各个家具尺寸信息进行处理，获得基建区域信息，基建图包括每一基建的区域结构和各个家具的区域，各个家具的区域包括目标家具的区域；基于家具处理模型对各个家具尺寸信息进行处理，获得各个家具的家具区域信息；根据基建区域信息和家具区域信息，确定目标家具的更新尺寸是否满足户型；如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。实现了基于家具尺寸变更自动生成家具布局图，满足实际需求，提升了用户体验感。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种家具布局图生成方法的流程示意图；
图2为本发明实施例提供的一种家具布局图生成装置的结构示意图。
具体实施方式
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，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，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、产品或设备没有设定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在本发明实施例中提供了一种家具布局图生成方法，参见图1，该方法可以包括以下步骤：
S101、获取户型的基建信息和各个家具尺寸信息。
其中，基建信息是当前户型对应的基础信息，例如，户型中的墙面、门、窗等固有配置信息，还可以包括需要布置在该户型中的家具信息。具体的，可以是户型中有5面墙，1扇门，1扇窗，和更新后的尺寸1个家具。家具尺寸信息是指各个家具的长宽高的尺寸信息。
S102、基于基建图生成模型对所述基建信息和各个家具尺寸信息进行处理，获得基建区域信息。
所述基建图包括每一基建的区域结构和各个家具的区域，所述各个家具的区域包括目标家具的区域
基建图生成模型是基于基建信息和各种不同家具尺寸信息，进行训练得到的神经网络模型，可以包括不同的网络层，如卷积层、全连接层等，使得能够对输入该模型的基建信息和更新家具的尺寸信息进行自动处理，获得对应的基建区域信息，具体的是基建和更新家具对应的检测框(即外接矩形)对应的定点的坐标信息。
S103、基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息。
在本发明实施例中还预先生成了家具处理模型，该家具处理模型可以对获得用户需要在当前户型中添加的家具的尺寸信息进行自动处理，以得到各个家具的家具区域信息，具体的是，可以得到各个家具对应的检测框(外接矩形的各个顶点的坐标)。
S104、根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
S105、如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。
基于上述各个模型获得的信息，可以判断更新后尺寸是否合适，若合适可以生成对应的家具布局图，该家具布局图可以根据更新后的家具生成的布局图，如对之前的家具的位置进行调整，或者对与之对应的家具的尺寸也进行修改以适应该目标家具的尺寸的修改。
本发明实施例提供了一种家具布局图生成方法，包括：获取户型的基建信息和各个家具尺寸信息，各个家具尺寸信息包括目标家具的更新尺寸；基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建图包括每一基建的区域结构和目标家具的区域；基于家具处理模型对各个家具尺寸信息进行处理，获得各个家具的家具区域信息；根据基建区域信息和家具区域信息，确定目标家具的更新尺寸是否满足户型；如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。实现了基于家具尺寸变更自动生成家具布局图，满足实际需求，提升了用户体验感。
在本发明实施例中，若目标家具的更新尺寸不满足所述户型，即不符合当前户型的需求，则会生成提示信息，该提示信息用于提示无法根据变更后的家具尺寸进行家具的重新布局。
在本发明实施例的一种实施方式中，基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，包括：
对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；
将所述基建更新相似矩阵输入至所述基建图生成模型的卷积层，获得高维向量；
将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息。
需要说明的是，在本发明实施例中的基建图生成模型对信息处理过程，也可以扩展为对基建图生成模型的训练过程。具体的，基建图生成模型用于建立基建图智能体，智能体是指智能的实体，实质是以人工智能为核心，构建的立体感知、全域协同、精准判断、持续进化、开放的智能系统。
具体的，首先构建基建更新相似矩阵，对应的，输入为基建信息和更新家具的尺寸信息，输出为基建更新相似矩阵。例如，户型中有5面墙，1扇门，1扇窗，和更新后的尺寸1个家具，则基建更新相似度矩阵大小为8x8，每一行代表一个元素(墙、门、窗以及1个更新家具)，每一行的各元素的取值为相应元素的距离。例如第一行第二个元素的取值为第一个，第二个元素的距离。第一行第一个元素的取值为0。
然后，构建基建图智能体子模块，该模块由5层图网络。5层图卷积层的参数是(32，2)(64，2)(128，2)(256，2)(512，2)。其中图卷积层的参数(32,2)表示图卷积核的数量和感受野取值。输入为基建更新相似度矩阵,输出为512维高维向量。
再构建基建图智能体bbox(Bounding box，边界框，也称为检测框)子模块，该模块由2层全连接层(FC)构成。2层图卷积层参数为(512，256)(256，8N)。N表示基建更新相似度矩阵的维数，距离，若户型中有5面墙，1扇门，1扇窗，和更新尺寸的1个家具，则N取值为8。输出为N个元素对应外接矩形的4个点x,y取值。输入为4.1.2的输出，输出为N-1个基建和1个更新家具对应的外接矩形的4个点x,y坐标取值。
在本发明的另一实施例中，所述基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，包括：
对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；
将所述基建更新相似矩阵输入至所述基建图生成模型的卷积层，获得高维向量；
将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息。
在该实施方式中，主要是实现构建家具尺寸图智能体，首先构建家具尺寸更新相似矩阵，输入的为用户设计方案中家具的尺寸信息(包含1个更新的家具尺寸信息)，输出为各个家具更新相似度矩阵。例如，户型中有1个床，2个柜子，一个书桌(更新尺寸)，则家具更新相似度矩阵大小为4x4，每一行代表一个元素(如，窗、柜子、桌子等)，每一行的各元素的取值为相应元素的距离(作为图网络的输入，元素代表节点，距离代表边的长度)。例如第一行第二个元素的取值为第一个，第二个元素的距离。第一行第一个元素的取值为0。
然后，构建家具尺寸图智能体图子模块，该模块由5层图网络构成。5层图卷积层的参数是(32，2)(64，2)(128，2)(256，2)(512，2)。其中图卷积层的参数(32，2)表示图卷积核的数量和感受野取值。输入为家具尺寸更新相似度矩阵,输出为512维高维向量(隐向量)。
再构建家具尺寸图智能体bbox子模块，该模块由5层图网络和2层全连接(FC)构成。5层图卷积的参数是(32，2)(64，2)(128，2)(256，2)(512，2)。输入为家具尺寸更新相似度矩阵，输出为512维高维向量。2层图卷积层参数为(512，256)(256，8M)，类似于4.1.2，M取值为4，表示家具的数量为4。输入为各个家具更新相似度矩阵，输出为M个家具对应的外接矩形的4个点x,y坐标取值。
对应的，在本发明实施例中，所述根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型，包括：
根据所述基建区域信息和所述家具区域信息，获得目标家具的尺寸是否合适的概率值；
基于所述概率值，确定所述目标家具的更新尺寸是否满足所述户型。
在该实施方式中，主要是构建家具尺寸图智能体交互子模块，该模块由2层全连接(FC)构成，参数为(8M，128)(128，2)。输入为M个家具对应的外接矩形的4个点x，y坐标取值，输出为2维概率值(l1，l2)。l1和l2取值均为(0-1)。l1表示更新的1个家具尺寸不合适的概率，l2表示更新的1个家具尺寸合适的概率，若l1>l2,则输出更新的家具尺寸不合适，若l1<l2,则输出更新的家具尺寸合适。
在本发明的一种实施方式中，所述生成与更新尺寸对应的目标家具相匹配的家具布局图，包括：
基于所述基建区域信息和所述家具区域信息，生成拼接信息；
获取与所述拼接信息对应的维度向量；
基于所述维度向量，确定目标维度向量；
根据所述目标维度向量生成家具布局图。
具体的，该过程实现的是构建家具布局智能体，其实质是基于用户的尺寸修改，其他家具整体联动变化(主要是位置变化，家具的数量和本身尺寸不变)。包括：构建家具布局编码器智能体，该该模块由3层全连接(FC)构成，参数为((8M+8N)，128)(128，256)(256，256)。输入为上述处理获得的N-1个基建和1个更新家具对应的外接矩形的4个点x,y坐标取值，以及M个家具对应的外接矩形的4个点x,y坐标取值的顺序拼接。输出为256维向量。
然后，构建家具布局解码器智能体，该模块由3层全连接(FC)构成，参数为(256，256)(256，128)(128，8M*P+8(N-1))，输入为上的输出，输出为8M*P+8(N-1)维向量，表示所有门，窗，墙，家具更新后的外接矩形(bbox)的4个顶点的(x,y)坐标值，P为P种家具布局方案数量(P>1)，在P种方案中，更新后的家具尺寸会有细微变化。
在本发明实施例中，该方法还包括：
生成与所述目标家具相匹配的家具布局图的可视化信息，通过所述可视化信息对所述家具布局图进行展示。
若获得的是输出为更新的家具尺寸合适，则将输出的8M*P+8(N-1)维向量输出至可视化引擎得到最终的可视化信息，若不合适，直接输出为更新的家具尺寸不合适的提示信息。
其中，在本发明实施例中使用可视化引擎得到设计方案的可视化(视频流/照片流等)，包括但不限于(UE引擎，vary引擎等)。
需要说明的是，在本发明实施例中，上述各个模型的处理过程与模型的训练过程相对应，具体的，在模型训练时，初始化网络参数的步骤中，随机初始化构建基建图智能体子模块、构建基建图智能体bbox子模块、构建家具尺寸图智能体图子模块、构建家具尺寸图智能体bbox子模块、构建家具尺寸图智能体交互子模块、构建家具布局编码器智能体以及构建家具布局解码器智能体步骤中图卷积层，全连接层的网络参数。即这些网络的参数值为随机。
每一次训练时计算每一样本和目标的误差梯度，其中，构建基建图智能体子模块中5层图网络，构建基建图智能体bbox子模块中2层全连接层(FC)为训练过程，其目标为标好的土建元素bbox(外接矩形)。其中步骤构建家具尺寸图智能体图子模块中5层图网络，构建家具尺寸图智能体bbox子模块中的2层全连接层(FC)，构建家具尺寸图智能体交互子模块中的2层全连接层为训练过程2，其目标为标好的家具元素的bbox(外接矩形)和标好的家具尺寸是否合适的标签。步骤构建家具布局编码器智能体的3层全连接层和构建家具布局解码器智能体的3层全连接层为过程3，其目为标标好的家具元素的bbox(外接矩形)。
每次数据集所有样本经过一次完整训练后，得到数据集中所有样本的平均分数，当第N次和第N+1次训练之后，所得数据集的平均分数均大于95分，并且保持不变后，即停止训练，停止更新网络参数。如6.2所述，有3个训练过程1-3，分值计算如上，目标与现有目标完全不同为0，完全一样为100。
需要说明的是，在本发明实施例中基于图网络的自动定制家具布局的技术方案及其实现方式是一种可行的技术方案，包括但不限于类似的(其他CNN，图卷积，强化学习，机器学习)的方法。其中，生成家具布局图的过程中与用户的交互方式所依赖地设备(手机，pad)，包括但不限于类似可视化的设备，例如网络电视，PC屏幕，XBOX，VR眼镜，车载屏幕等等。对应的，在本发明中的基建元素，家具元素的数量，属性均可变化,及M，N值取值均可改变。在用户需要更新多个定制家具的尺寸时，本技术方案可以一次更新一个家具的尺寸，然后使用本技术方案多次来满足用户需求。在更新一个家具尺寸后，可以得到多套家具布局方案，每个方案中的家具尺寸类似，或有细微差别。
在本发明实施中，可以解决现有定制柜设计方案中不能对定制好的柜体进行自动布局的痛点，定制柜的尺寸定制和自动布局分割的痛点，使得自动化程度低，成本大的问题。实现了能够根据变更的家具尺寸准确生成对应的家具布局图。
在本发明实施例中还提供了一种家具布局图生成装置，参见图2，该装置可以包括：
获取单元10，用于获取户型的基建信息和各个家具尺寸信息，所述各个家具尺寸信息包括目标家具的更新尺寸；
第一处理单元20，用于基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建图包括每一基建的区域结构和目标家具的区域；
第二处理单元30，用于基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息；
确定单元40，用于根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
生成单元50，用于如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。
可选地，所述装置还包括：
提示信息生成单元，用于若所述目标家具的更新尺寸不满足所述户型，生成提示信息。
可选地，所述第一处理单元具体用于：
对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；
将所述基建更新相似矩阵输入至所述基建图生成模型的卷积层，获得高维向量；
将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息。
可选地，所述第二处理单元具体用于：
对所述各个家具尺寸信息进行处理，获得各个家具更新相似度矩阵，所述各个家具包括更新尺寸的目标家具；
将所述家具更新相似度矩阵输入至所述家具处理模型的卷积层，获得高维度向量；
将所述高维度向量输入至所述家具处理模型的图网络和全连接层，获得各个家具的家具区域信息，所述家具区域信息表征家具对应的外接矩形的尺寸信息。
可选地，所述确定单元具体用于：
根据所述基建区域信息和所述家具区域信息，获得目标家具的尺寸是否合适的概率值；
基于所述概率值，确定所述目标家具的更新尺寸是否满足所述户型。
可选地，所述生成单元具体用于：
基于所述基建区域信息和所述家具区域信息，生成拼接信息；
获取与所述拼接信息对应的维度向量；
基于所述维度向量，确定目标维度向量；
根据所述目标维度向量生成家具布局图。
可选地，所述装置还包括：
可视化单元，用于生成与所述目标家具相匹配的家具布局图的可视化信息，通过所述可视化信息对所述家具布局图进行展示。
本发明实施例提供了一种家具布局图生成装置，包括：获取户型的基建信息和各个家具尺寸信息，各个家具尺寸信息包括目标家具的更新尺寸；基于基建图生成模型对基建信息和各个家具尺寸信息进行处理，获得基建区域信息，基建图包括每一基建的区域结构和各个家具的区域，各个家具的区域包括目标家具的区域；基于家具处理模型对各个家具尺寸信息进行处理，获得各个家具的家具区域信息；根据基建区域信息和家具区域信息，确定目标家具的更新尺寸是否满足户型；如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图。实现了基于家具尺寸变更自动生成家具布局图，满足实际需求，提升了用户体验感。
在本发明实施例中还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如上述中任意一项所述的家具布局图生成方法。
基于前述实施例，在本发明实施例中还提供了一种存储介质，所述存储介质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如上述中任意一项所述的家具布局图生成方法。
下面是对本申请应用的计算机设备进行说明，该计算机设备可以是便携式移动终端，比如：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio LayerIII，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group AudioLayer IV，动态影像专家压缩标准音频层面4)播放器。计算机设备还可能被称为用户设备、便携式终端等其他名称。通常，计算机设备包括有：处理器和存储器。处理器可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital SignalProcessing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器可以在集成有GPU(GraphicsProcessing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是有形的和非暂态的。存储器还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器所执行以实现本申请中提供的家具布局图生成方法。
在一些实施例中，计算机设备还可选包括有：外围设备接口和至少一个外围设备。具体地，外围设备包括：触摸显示屏、摄像头和电源中的至少一种。外围设备接口可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器和存储器。在一些实施例中，处理器、存储器和外围设备接口被集成在同一芯片或电路板上；在一些其他实施例中，处理器、存储器和外围设备接口中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种家具布局图生成方法，其特征在于，包括：
获取户型的基建信息和各个家具尺寸信息，所述各个家具尺寸信息包括目标家具的更新尺寸；
基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建区域信息包括每一基建的区域结构和目标家具的区域；
基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息；
根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图；
所述基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，包括：对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；将所述基建更新相似度矩阵输入至所述基建图生成模型的卷积层，获得高维向量；将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息；
所述基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息，包括：对所述各个家具尺寸信息进行处理，获得各个家具更新相似度矩阵，所述各个家具包括更新尺寸的目标家具；将所述家具更新相似度矩阵输入至所述家具处理模型的卷积层，获得高维度向量；将所述高维度向量输入至所述家具处理模型的图网络和全连接层，获得各个家具的家具区域信息，所述家具区域信息表征家具对应的外接矩形的尺寸信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述目标家具的更新尺寸不满足所述户型，生成提示信息。
3.根据权利要求1所述的方法，其特征在于，所述根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型，包括：
根据所述基建区域信息和所述家具区域信息，获得目标家具的尺寸是否合适的概率值；
基于所述概率值，确定所述目标家具的更新尺寸是否满足所述户型。
4.根据权利要求1所述的方法，其特征在于，所述生成与更新尺寸对应的目标家具相匹配的家具布局图，包括：
基于所述基建区域信息和所述家具区域信息，生成拼接信息；
获取与所述拼接信息对应的维度向量；
基于所述维度向量，确定目标维度向量；
根据所述目标维度向量生成家具布局图。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
生成与所述目标家具相匹配的家具布局图的可视化信息，通过所述可视化信息对所述家具布局图进行展示。
6.一种家具布局图生成装置，其特征在于，包括：
获取单元，用于获取户型的基建信息和各个家具尺寸信息，所述各个家具尺寸信息包括目标家具的更新尺寸；
第一处理单元，用于基于基建图生成模型对所述基建信息和目标家具更新的尺寸信息，获得基建区域信息，所述基建区域信息包括每一基建的区域结构和目标家具的区域；
第二处理单元，用于基于家具处理模型对所述各个家具尺寸信息进行处理，获得各个家具的家具区域信息；
确定单元，用于根据所述基建区域信息和所述家具区域信息，确定所述目标家具的更新尺寸是否满足所述户型；
生成单元，用于如果是，生成与更新尺寸对应的目标家具相匹配的家具布局图；
所述第一处理单元，具体用于对所述基建信息和各个家具尺寸信息进行处理，获得基建更新相似度矩阵；将所述基建更新相似度矩阵输入至所述基建图生成模型的卷积层，获得高维向量；将所述高维向量输入至所述基建图生成模型的全连接层，获得基建区域信息，所述基建区域信息包括基建和目标家具的外接矩形的尺寸信息；
所述第二处理单元，具体用于对所述各个家具尺寸信息进行处理，获得各个家具更新相似度矩阵，所述各个家具包括更新尺寸的目标家具；将所述家具更新相似度矩阵输入至所述家具处理模型的卷积层，获得高维度向量；将所述高维度向量输入至所述家具处理模型的图网络和全连接层，获得各个家具的家具区域信息，所述家具区域信息表征家具对应的外接矩形的尺寸信息。
7.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或所述指令集由所述处理器加载并执行以实现如权利要求1-5中任意一项所述的家具布局图生成方法。
8.一种存储介质，其特征在于，所述存储介质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如权利要求1-5中任意一项所述的家具布局图生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111074456.9A CN113742804B (zh) | 2021-09-14 | 2021-09-14 | 家具布局图生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111074456.9A CN113742804B (zh) | 2021-09-14 | 2021-09-14 | 家具布局图生成方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113742804A CN113742804A (zh) | 2021-12-03 |
| CN113742804B true CN113742804B (zh) | 2024-04-23 |
Family
ID=78738695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111074456.9A Active CN113742804B (zh) | 2021-09-14 | 2021-09-14 | 家具布局图生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113742804B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IT202100031610A1 (it) * | 2021-12-16 | 2023-06-16 | Planstudio S R L | Metodo per la visualizzazione e la gestione di contenuti riguardanti una commessa d’arredo |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109408851A (zh) * | 2018-08-30 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 家具展示方法、装置、存储介质及电子设备 |
| CN111177821A (zh) * | 2019-12-02 | 2020-05-19 | 江苏艾佳家居用品有限公司 | 一种基于户型图拼接的自动布局方法及系统 |
| CN111553012A (zh) * | 2020-04-28 | 2020-08-18 | 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 |
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
| WO2021096393A1 (ru) * | 2019-11-12 | 2021-05-20 | Елена Владимировна ХЛАПИНА | Модуль автоматической генерации расстановки элементов интерьера |
| CN113190900A (zh) * | 2021-04-28 | 2021-07-30 | 吕良方 | 一种房屋装修方案的快速生成方法、设备及可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10956626B2 (en) * | 2019-07-15 | 2021-03-23 | Ke.Com (Beijing) Technology Co., Ltd. | Artificial intelligence systems and methods for interior design |
| KR20190106867A (ko) * | 2019-08-27 | 2019-09-18 | 엘지전자 주식회사 | 가구의 배치 위치를 가이드하는 인공 지능 장치 및 그의 동작 방법 |
-
2021
- 2021-09-14 CN CN202111074456.9A patent/CN113742804B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109408851A (zh) * | 2018-08-30 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 家具展示方法、装置、存储介质及电子设备 |
| WO2021096393A1 (ru) * | 2019-11-12 | 2021-05-20 | Елена Владимировна ХЛАПИНА | Модуль автоматической генерации расстановки элементов интерьера |
| CN111177821A (zh) * | 2019-12-02 | 2020-05-19 | 江苏艾佳家居用品有限公司 | 一种基于户型图拼接的自动布局方法及系统 |
| CN111553012A (zh) * | 2020-04-28 | 2020-08-18 | 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 |
| CN112257328A (zh) * | 2020-07-08 | 2021-01-22 | 武汉智筑完美家居科技有限公司 | 家具布局方法及电子设备 |
| CN113190900A (zh) * | 2021-04-28 | 2021-07-30 | 吕良方 | 一种房屋装修方案的快速生成方法、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113742804A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108010112B (zh) | 动画处理方法、装置及存储介质 | |
| CN110148102B (zh) | 图像合成方法、广告素材合成方法及装置 | |
| CN110262865B (zh) | 构建游戏场景的方法及装置、计算机存储介质、电子设备 | |
| CN112836064A (zh) | 知识图谱补全方法、装置、存储介质及电子设备 | |
| US20230386041A1 (en) | Control Method, Device, Equipment and Storage Medium for Interactive Reproduction of Target Object | |
| CN112241565A (zh) | 建模方法及相关装置 | |
| CN113742804B (zh) | 家具布局图生成方法、装置、设备及存储介质 | |
| CN114638939A (zh) | 模型生成方法、模型生成装置、电子设备和可读存储介质 | |
| CN112070901A (zh) | 一种园林的ar场景构建方法、装置、存储介质及终端 | |
| CN113808192B (zh) | 一种户型图生成方法、装置、设备及存储介质 | |
| CN114797109A (zh) | 对象编辑方法、装置、电子设备和存储介质 | |
| CN112070852A (zh) | 图像的生成方法和系统、数据处理方法 | |
| CN113610864B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN114299271A (zh) | 三维建模方法、三维建模装置、电子设备和可读存储介质 | |
| CN113609333A (zh) | 一种建筑样板可视化方法、装置、计算机设备及存储介质 | |
| US10467819B2 (en) | Real-time spatial authoring in augmented reality using additive and subtractive modeling | |
| CN112149745A (zh) | 确定难例样本的方法、装置、设备及存储介质 | |
| CN112101252A (zh) | 一种基于深度学习的图像处理方法、系统、设备及介质 | |
| CN113656876B (zh) | 自动化柜体模型生成方法、装置、介质及电子设备 | |
| CN118015158A (zh) | 表情模型生成方法、装置、介质及设备 | |
| US20240054728A1 (en) | Mesh Model Transformation | |
| CN116503550A (zh) | 生成三维虚拟场景的方法、装置、存储介质及系统 | |
| CN112860655B (zh) | 可视化知识模型构建方法及装置 | |
| CN116958482A (zh) | 一种bim模型轻量化方法及其相关设备 | |
| CN116645465A (zh) | 生成三维虚拟场景的方法、装置、存储介质及系统 |
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 |