CN114357563A - 一种江南私家园林景观的布局生成方法及应用 - Google Patents
一种江南私家园林景观的布局生成方法及应用 Download PDFInfo
- Publication number
- CN114357563A CN114357563A CN202111461994.3A CN202111461994A CN114357563A CN 114357563 A CN114357563 A CN 114357563A CN 202111461994 A CN202111461994 A CN 202111461994A CN 114357563 A CN114357563 A CN 114357563A
- Authority
- CN
- China
- Prior art keywords
- layout
- garden
- south
- private
- generation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种江南私家园林景观的布局生成方法及应用,该方法步骤包括:收集江南私家园林布局案例图像作为原始训练数据样本;生成目标设定标准对原始训练数据样本进行筛选;将原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;进行训练及测试数据集的数据预处理,满足输入对抗生成网络模型的格式条件;训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;将测试数据集中测试图像输入训练后的园林布局对抗生成网络模型,得到园林布局方案。本发明实现江南私家园林景观布局的自动生成,极大地提升古典园林设计工作的质量与设计效率。
Description
技术领域
本发明涉及计算机生成设计技术领域,具体涉及一种江南私家园林景观的布局生成方法及应用。
背景技术
江南私家园林经历了漫长的发展过程,成为了灿烂辉煌的中华文化的重要组成部分和全人类宝贵的历史文化遗产。江南私家园林景观将自然山水林木因地制宜,巧妙的根据用地关系进行设计,形成富于曲折变化、意境交融的空间的结构和布局。由于设计方法和程序难以掌握,复杂多变,江南私家园林景观往往难以得到正式概括。在以往中国的江南私家园林设计著作中,多数学者倾向于用描述性的语言基于观察和感受来分析江南园林特征,但传统的思考方式解读园林是基于观察和体验的解读,对如何设计一个新的江南私家园林空间仍然需要设计者们自己领悟,没有能为设计师提供直观的景观布局生成方法。
发明内容
为了克服现有技术存在的缺陷与不足,本发明提供一种江南私家园林景观的布局生成方法,本发明可以在满足特定园林风格的特点下获得可行的景观布局方案的生成结果,辅助园林设计师们完成古典园林空间的设计过程,在建设量增长的背景下,本发明提供的生成设计思路可以极大地提升园林设计工作的质量与效率。
本发明的第二目的在于提供一种江南私家园林景观的布局生成系统。
本发明的第三目的在于提供一种存储介质。
本发明的第四目的在于提供一种计算设备。
为了达到上述目的,本发明采用以下技术方案:
本发明提供一种江南私家园林景观的布局生成方法,包括下述步骤:
收集江南私家园林布局案例图像作为原始训练数据样本;
针对江南私家园林布局生成目标设定标准对所述原始训练数据样本进行筛选;
将所述原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;
进行训练及测试数据集的数据预处理,用于满足输入对抗生成网络模型的格式条件;
训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;
将测试数据集中的测试图像输入训练后的园林布局对抗生成网络模型,得到园林布局方案。
作为优选的技术方案,所述将筛选后的数据样本结合私家园林设计的知识进行标注,具体步骤包括:
通过信息映射方法将园林布局中的要素平面布局信息以及高度信息同时映射到图像之中,所述标注的对象包括园区内道路、建筑小品、水体、山石或植物中的一种或多种。
作为优选的技术方案,所述信息映射方法包括分通道标注和高度信息映射,所述分通道标注将RGB图像中三个通道分开,每个通道单独代表一种信息,所述高度信息映射包括灰度图映射及差距标注法映射。
作为优选的技术方案,所述进行训练及测试数据集的数据预处理,具体包括统一江南私家园林布局案例图像的比例及大小,采用相同的颜色对江南私家园林布局案例图像中的相同功能要素进行标注,同时,通过旋转或者翻转的方式实现学习样本的扩充。
作为优选的技术方案,还设有对园林布局方案进行校验评价分析步骤,具体包括:功能完整度分析、植物生成情况分析、高度合理性分析和布局合理性分析;
所述功能完整度分析对园林布局方案中的各类功能进行完整度分析,包括各功能的色块形状、平均数量、平均面积、距离关系及各要素的平面布局效果,检验是否有一致的平面布局规律;
所述植物生成情况分析检验植物生成分布情况;
所述高度合理性分析包括训练数据集中高度固定的功能标记在测试案例中的学习情况分析以及训练数据集中高度不固定的功能标记在测试案例中的学习情况分析;
所述布局合理性分析检验各要素的布局效果及植物的分布情况。
作为优选的技术方案,还设有修正步骤,根据用户的设计方案对校验后的园林景观生成方案进行修正,以生成针对景观用地的最终布局方案,具体将生成图像经过OpenCv计算机视觉软件库的微处理优化,将部分不规则的建筑边界规整成矩形,以及将植物的冠幅边界规整成圆形,使得生成结果得到优化。
作为优选的技术方案,还设有展示步骤,通过脚本文件处理对抗生成网络得到的园林布局生成图像,结合Unity或Grasshopper三维建模软件得到园林空间布局的实时三维可视化效果。
为了达到上述第二目的,本发明采用以下技术方案:
一种江南私家园林景观的布局生成系统,包括:原始训练数据样本构建模块、样本筛选模块、数据清洗及标注模块、数据预处理模块、模型训练模块和输出模块;
所述原始训练数据样本构建模块用于将收集江南私家园林布局案例图像作为原始训练数据样本;
所述样本筛选模块用于针对江南私家园林布局生成目标设定标准对所述原始训练数据样本进行筛选;
所述数据清洗及标注模块用于将所述原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;
所述数据预处理模块用于进行训练及测试数据集的数据预处理,用于满足输入对抗生成网络模型的格式条件;
所述模型训练模块用于训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;
所述输出模块用于将测试数据集中的测试图像输入训练后的园林布局对抗生成网络模型,输出园林布局方案。
为了达到上述第三目的,本发明采用以下技术方案:
一种计算机可读存储介质,存储有程序,所述程序被处理器执行时实现如上述江南私家园林景观的布局生成方法。
为了达到上述第四目的,本发明采用以下技术方案:
一种计算设备,包括处理器和用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现如上述江南私家园林景观的布局生成方法。
本发明与现有技术相比,具有如下优点和有益效果:
本发明选取江南私家园林景观布局作为生成设计对象,以机器学习为生成工具,可以在满足特定园林风格的特点下获得可行的景观布局方案的生成结果,辅助园林设计师们完成古典园林空间的设计过程,在建设量增长的背景下,可以极大地提升园林设计工作的质量与效率。
附图说明
图1为本发明江南私家园林景观的布局生成方法的流程示意图;
图2为本发明分通道标注方法的示意图;
图3(a)为本发明高度映射方法的示意图
图3(b)为本发明差距标注法的示意图;
图4为本发明校验评价分析方法的提取示意图;
图5(a)为本发明园林布局生成结果及三维化效果的平面图;
图5(b)为本发明园林布局生成结果及三维化效果的俯视图;
图5(c)为本发明园林布局生成结果及三维化效果的透视图;
图5(d)为本发明园林布局生成结果及三维化效果的局部透视图;
图5(e)为本发明园林布局生成结果及三维化效果的立面图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
本实施例提供一种江南私家园林布局的自动生成方法,包括下述步骤:
步骤1、数据收集,通过python数据爬取技术或人为收集样本的至少一种方式,对江南私家园林布局案例进行收集,作为原始训练数据。
在本实施例中,收集的数据应为图片格式,园林案例应分布于长三角地区,规模在2000㎡-52000㎡之间,图像中应包含清晰明确、易于判别的江南园林主要构成要素。
步骤2、数据筛选,针对生成目标制定标准对收集到的样本进行筛选;
步骤3、数据处理,将收集的平面图纸进行数据清洗处理,保证训练数据风格的统一性。在完成数据筛选的基础上,对数据进行进一步结合私家园林设计的知识标注处理,通过本实施例提供的信息映射方法,能够将要素平面布局信息以及高度信息同时映射到图片之中,机器通过图片数据的读取即可获得完整的三维信息并针对信息数据的特征空间进行统计和学习。标注方案包括园区内道路、建筑小品、水体、山石和植物中的至少一者,并以标注过后的数据作为机器学习的训练/测试数据集。
在本实施例中,数据处理将收集的平面图纸进行数据清洗处理,使得图纸数据具有风格一致的训练格式。在完成数据筛选的基础上,对数据中包含的功能要素进行进一步标注处理,通过信息映射方法,将不同要素的空间布局信息映射到图片的R、G、B通道数据中,同时,利用R与G通道的数值标识不同的功能要素,用B通道的数值表示不同要素的高度,映射关系为B=H/25(H为要素真实高度)。
三维信息映射方法包括以下两方面内容:
(1)分通道标注。如图2所示,一张RGB图片包含了R、G、B三个通道数据,其中每个像素点的颜色都是具有RGB三个值的向量。用色块表示功能等同于用RGB三个通道数据的组合来标注了同一种信息。在多种信息需要标注时,可将三个通道分开,每个通道单独代表一种信息,相当于多层信息的叠合。如R通道数据代表要素的类别,G通道数据代表要素的功能,B通道数据代表要素的高度等。当一张图片三通道仍不够容纳足够的信息的时候,可以增加图片数量叠加通道来标注更多的信息,即两张图片等同于六通道。
(2)高度信息映射。如图3(a)所示,表示一种典型的高度映射方式,灰度图将高度信息映射到0-255之间,用对应的灰度值表示出不同元素的高度,便于建模软件的读取。但灰度图只能标注出实心物体的高度,对于具有孔洞等物体,如椅子和假山等无法还原出其真实的形体特征。因此除了灰度图还可以采用差距标注法。如图3(b)所示,标注规则为:要素中的像素点R表示自下往上实体的最高点,G表示以R值高度处往上空心部分的最高点,B表示以G值高度处往上实体部分的最高点……多通道则以此规律递推。
(1)入口。将园林中主要园区的入口用三角形标识,RGB值分别为R=255,G=255,B=0。
(2)主厅。案例中最主要的厅堂建筑标注为主厅,即最重要的观景点。标识主厅的RG值分别为R=255,G=127,B=150。
(3)主景观建筑。将案例中重要的亭子标注为主景观建筑。标注的RG值分别为R=0,G=127,B=90。
(4)其他建筑。除主厅与主景观建筑外,园林中其他的馆、轩等建筑标识为其他建筑,标注的RG值分别为R=127,G=127,B=100。
(5)主山。案例中最主要的景观假山标注为主山,标识主山的RG值分别为R=0,G=0,B=135。主山高度映射到B通道,基于假山信息解析中提取的山体高度分布规律,将主山按照17、33、40、83、135、180、200的山体石峰高度层级来标注B值。
(6)主水。将案例中主要景观水体标注为主水,标注RG值为R=255,G=255,B=0。
(7)廊道。在江南私家园林中,观赏路线有两种情况:一是和山池对应的走廊、房屋、道路;一是登山越水的山径、洞壑和桥梁等。第一种路线标识为廊道,而第二种路线则标识为内流线。廊道用R=255,G=0,B=75标识。
(8)内流线。园林中内流线采用最基本的环绕山水形式布置,为了明确学习要点,将所有案例都标识出一圈环绕主山主水的内流线,其中部分分支与外流线廊道和建筑相接。内流线标注的R=255,G=127,B=17。
(9)夹层。廊道在贴近外边界并极尽曲折的布置形式中,会与外边界围合产生一些小型院落空间,这些空间中往往设置小型景观或通过漏窗门洞借边界外部之景来丰富游览时观景体验,也是园林景观空间的组成部分。因此将这些空间标识为夹层,与其他景观空间进行区分,标注的RG值为R=0,G=127,B=10。
(10)草地。将园林内部除去以上要素的其他区域标注为草地,即主要通过种植花果树木进行配景的区域。草地标识RG值为R=0,G=255,B=10。
(11)丛植树木。利用画圆的方式标注出不同树木的信息。其中圆圈的直径对应不同树木的冠幅,圆圈的中心对应树木的植载位置,圆圈颜色的r值对应树木的高度,映射方式r=h/15(h为真实树木高度)
(12)点植树木。点植树木同样采用画圆的方式进行映射。其中圆圈颜色的g值对应点植树木的高度,g=h/15(h为真实树木高度)。
在本实施例中,数据处理还包括统一图纸的比例及大小,将图纸中的相同功能要素的进行一致的颜色标注。首先,需要将案例数据平面图缩放到512px*512px(18cm*18cm)大小的画布中,且平面比例定为1:830,即512px*512px画布相当于130m*130m的真实范围。然后在Photoshop中基于案例平面图来进行标注。同时,还可以通过旋转、翻转等方式实现机器学习样本的扩充。
步骤4、数据集预处理,通过python代码实现图像压缩和图像组合,以满足输入对抗生成网络模型的特定格式需要;
在本实施例中,生成对抗网络模型是机器学习模型中的一种,自2014年Goodfellow等人开创性提出生成对抗网络后,其应用从最初的图片生成被拓展到计算机视觉的各领域。本发明首次将生成模型应用在园林布局的自动生成中,对于传统园林空间的自动生成设计起到极大的促进作用。
步骤5、训练对抗生成网络,调整人为控制变量、学习率和迭代次数参数,完成机器学习的训练过程,得到优化后的针对园林布局生成的对抗生成网络模型;
在本实施例中,机器学习模型的训练过程包括平面图纸数据集的输入,调整人为控制变量、学习率和迭代次数参数,在搭建好的模型运行环境中,通过机器学习算法来进行模型生成器和判别器网络参数的更新,不断重复更新过程即模型训练过程,完成对抗生成网络的训练过程。
本实施例的机器学习模型可以选择pix2pix、pix2pix HD、GauGAN、Cycle GAN等基于对抗生成网络(GAN)的衍生模型作为训练工具。
步骤6、结果输出,将测试集中包含景观用地的测试图像输入已训练好的对抗生成网络模型中,得到园林布局方案;
如图4所示,本实施例可以根据用户需求对园林生成方案进行校验评价分析。本实施例根据江南古典园林的相关论著与综述,将园林空间布局中的典型特征转化为平面图形上的指标参数,基于OpenCV软件库对生成结果进行分析统计,以得到生成结果的检验评价。具体地,可以从以下几个方面进行评价分析:
(1)功能完整度分析
对园林生成方案中的各类功能进行完整度分析,包括各功能的色块形状、平均数量、平均面积、距离关系及各要素的平面布局效果,检测包括布局生成结果中的功能要素是否包含了完整的廊道、山体、水体、丰富的夹层庭院及一定数量的分布合理的建筑。
(2)植物生成情况分析
所述的功能完整度还包括植物信息生成情况是否合理,包含乔木(标记为品红色)的圆心、冠幅、高度、乔木的点植分布情况,以及灌木(标记为浅蓝色)的圆心、冠幅、高度、灌木的群植分布情况。
(3)高度合理性分析
在本实施例中,高度合理性分析分为两方面:一是训练集中高度固定的功能标记在测试案例中的学习情况分析,如高度固定的廊、建筑等;二是训练集中高度不固定的功能标记在测试案例中的学习情况分析,如假山。
(4)布局合理性分析
在本实施例中,布局合理性分析指各要素的布局效果及植物生成情况是否合理,包括样本是否有一致的平面布局规律:
A“主厅隔主水望主山”规律
“主厅隔主水望主山”的布局规律可用主厅-主水-主山布局夹角以验证此规律。具体的,对所有生成图像统计其布局平面中的主水-主厅-主山夹角以及主厅-主山视角,以主水中心点、主厅中心点及主山中心点为端点作角,若此角度为钝角,此时整体布局较为合理。结果以数理化统计结合平面图示分析评估平面布局合理性。
B“主厅-主山视线偏移角”规律
若园林布局符合“主厅为主观景建筑”的规律,则主厅远望主山的视线偏移角应为锐角,若角度过高,则说明主厅景观朝向较差,不适宜做主观景建筑。具体地,对所有生成图像统计其布局平面中的主厅-主山视线偏移角,结果以数理化统计结合平面图示分析评估平面布局合理性。
在一个实施例中,本发明方法还包括:根据用户的设计方案对校验后的园林景观生成方案进行修正,以生成针对景观用地的最终布局方案。对生成方案进行修正包括将生成图像经过OpenCv计算机视觉软件库的微处理优化,微处理优化包括将部分不规则的建筑边界规整成矩形,以及将植物的冠幅边界规整成圆形等,使得生成结果得到优化;
在一个实施例中,本发明方法还包括:通过可视化软件进行园林布局的三维展示。通过脚本文件处理对抗生成网络得到的园林布局生成图像,结合Unity、Grasshopper三维建模软件,可得到园林空间布局的实时三维可视化效果(图5);
具体地,生成的园林布局结果可以通过Grasshopper三维建模软件得到园林空间布局的整体效果,具体方法如下:
(1)读取图片信息。通过步骤6得到的园林空间布局图像后,利用Grasshopper中的电池元件单独读取512像素×512像素生成图像的b通道高度信息,将其转换为线性数据结构,以便于将数据传递给网格阵列;
(2)处理图片信息。b通道通过0-255整数值来表示大小,为保证数值信息具有实际意义,利用Grasshopper将其转换至0-10m的范围表示真实高度;
(3)将单元网格拉伸出高度。建立512×512大小的网格,将每个网格与相对应的高度信息对应,拉成单元体块。即可通过单元体块阵列拟合出真实结果的三维模型;
(4)映射功能图像。此时三维体块阵列虽具有三维高度意义,但用户无法区分判断各功能要素的分布状况,缺乏更完整的建筑学意义,故进一步利用Grasshopper提取r通道及g通道的平面信息,将各功能要素的色块映射至三维模型上,提供更直观的三维观感,以此得到三维园林布局模型的生成。
具体地,生成的园林布局结果还可以通过unity3D游戏引擎得到园林空间布局的整体效果,具体方法如下:
(1)读取图片的信息。模型生成的结果中第一张图片中r与g通道数值代表不同功能要素,b通道代表各要素高度,第二张图片中r通道代表群植小乔木的位置、高度及冠幅,g通道代表点植大乔木的位置、高度及冠幅,通过读取两张图片中每个像素的RGB值可以获取各个要素的大小、高度、位置。
(2)生成地形。获取图片信息中的边界、草地、内环线、假山、水体高度与位置信息后,根据高度信息建立地形mesh网格,并根据不同要素进行材质着色。
(3)建筑素材调取。基于python中OpenCV库算法计算第一张布局图中的各建筑旋转角度,并将结果对接到unity3D中,结合图片像素读取的建筑大小和位置等信息调取“主厅”、“主景观建筑”、“其他建筑”对应的预制件素材,缩放到对应大小,并设置到对应位置中。通过算法识别平面布局中廊道的走势轨迹,结合廊道的宽度和大小信息,调取“廊道”预制件生成园林整体的廊道。
(4)植物素材调取。分别获取第二张图片信息中的点植大乔木与群植小乔木大小、高度、冠幅、位置信息,对应调取“点植乔木”与“群植小乔木”预制件素材,设定相应的冠幅和高度,最终放在场地对应位置中。
(5)细节完善。在廊道与边界夹层处随机生成一定数量的枯木,在草地与假山上随机生成灌木,并在水体中随机位置生成浮萍,丰富园林氛围。
(6)模型生成。转换脚本包括四个文件,挂载完成后,将模型生成结果输入到unity3D中点击运行即可实时获取对应的3D模型。
在一个实施例中,本发明方法还包括:将训练好的模型搭建在适配环境的计算机平台上运行,使用者可以根据需求上传/绘制图像并输入园林布局自动生成模型的输入端进行测试后,得到相应模型生成的图像;
在一个实施例中,本发明方法还包括:将最终建筑生成方案导出为预设类型的文件,本实施例的预设类型包括CAD几何信息、三维模型、建筑信息模型、演示文稿、表格、位图、矢量图。
实施例2
本实施例提供一种江南私家园林景观的布局生成系统,包括:原始训练数据样本构建模块、样本筛选模块、数据清洗及标注模块、数据预处理模块、模型训练模块和输出模块;
在本实施例中,原始训练数据样本构建模块用于将收集江南私家园林布局案例图像作为原始训练数据样本;
在本实施例中,样本筛选模块用于针对江南私家园林布局生成目标设定标准对所述原始训练数据样本进行筛选;
在本实施例中,数据清洗及标注模块用于将所述原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;
在本实施例中,数据预处理模块用于进行训练及测试数据集的数据预处理,用于满足输入对抗生成网络模型的格式条件;
在本实施例中,模型训练模块用于训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;
在本实施例中,输出模块用于将测试数据集中的测试图像输入训练后的园林布局对抗生成网络模型,输出园林布局方案。
实施例3
本实施例提供一种存储介质,存储介质可以是ROM、RAM、磁盘、光盘等储存介质,该存储介质存储有一个或多个程序,程序被处理器执行时,实现实施例1的江南私家园林景观的布局生成方法。
实施例4
本实施例提供一种计算设备,该计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑或其他具有显示功能的终端设备,该计算设备包括处理器和存储器,存储器存储有一个或多个程序,处理器执行存储器存储的程序时,实现实施例1的江南私家园林景观的布局生成方法。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种江南私家园林景观的布局生成方法,其特征在于,包括下述步骤:
收集江南私家园林布局案例图像作为原始训练数据样本;
针对江南私家园林布局生成目标设定标准对所述原始训练数据样本进行筛选;
将所述原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;
进行训练及测试数据集的数据预处理,用于满足输入对抗生成网络模型的格式条件;
训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;
将测试数据集中的测试图像输入训练后的园林布局对抗生成网络模型,得到园林布局方案。
2.根据权利要求1所述的江南私家园林景观的布局生成方法,其特征在于,所述将筛选后的数据样本结合私家园林设计的知识进行标注,具体步骤包括:
通过信息映射方法将园林布局中的要素平面布局信息以及高度信息同时映射到图像之中,所述标注的对象包括园区内道路、建筑小品、水体、山石或植物中的一种或多种。
3.根据权利要求2所述的江南私家园林景观的布局生成方法,其特征在于,所述信息映射方法包括分通道标注和高度信息映射,所述分通道标注将RGB图像中三个通道分开,每个通道单独代表一种信息,所述高度信息映射包括灰度图映射及差距标注法映射。
4.根据权利要求1所述的江南私家园林景观的布局生成方法,其特征在于,所述进行训练及测试数据集的数据预处理,具体包括统一江南私家园林布局案例图像的比例及大小,采用相同的颜色对江南私家园林布局案例图像中的相同功能要素进行标注,同时,通过旋转或者翻转的方式实现学习样本的扩充。
5.根据权利要求1所述的江南私家园林景观的布局生成方法,其特征在于,还设有对园林布局方案进行校验评价分析步骤,具体包括:功能完整度分析、植物生成情况分析、高度合理性分析和布局合理性分析;
所述功能完整度分析对园林布局方案中的各类功能进行完整度分析,包括各功能的色块形状、平均数量、平均面积、距离关系及各要素的平面布局效果,检验是否有一致的平面布局规律;
所述植物生成情况分析检验植物生成分布情况;
所述高度合理性分析包括训练数据集中高度固定的功能标记在测试案例中的学习情况分析以及训练数据集中高度不固定的功能标记在测试案例中的学习情况分析;
所述布局合理性分析检验各要素的布局效果及植物的分布情况。
6.根据权利要求1所述的江南私家园林景观的布局生成方法,其特征在于,还设有修正步骤,根据用户的设计方案对校验后的园林景观生成方案进行修正,以生成针对景观用地的最终布局方案,具体将生成图像经过OpenCv计算机视觉软件库的微处理优化,将部分不规则的建筑边界规整成矩形,以及将植物的冠幅边界规整成圆形,使得生成结果得到优化。
7.根据权利要求1所述的江南私家园林景观的布局生成方法,其特征在于,还设有展示步骤,通过脚本文件处理对抗生成网络得到的园林布局生成图像,结合Unity或Grasshopper三维建模软件得到园林空间布局的实时三维可视化效果。
8.一种江南私家园林景观的布局生成系统,其特征在于,包括:原始训练数据样本构建模块、样本筛选模块、数据清洗及标注模块、数据预处理模块、模型训练模块和输出模块;
所述原始训练数据样本构建模块用于将收集江南私家园林布局案例图像作为原始训练数据样本;
所述样本筛选模块用于针对江南私家园林布局生成目标设定标准对所述原始训练数据样本进行筛选;
所述数据清洗及标注模块用于将所述原始训练数据样本进行数据清洗,统一江南私家园林布局案例图像的风格,将筛选后的数据样本结合私家园林设计的知识进行标注,并作为训练及测试数据集;
所述数据预处理模块用于进行训练及测试数据集的数据预处理,用于满足输入对抗生成网络模型的格式条件;
所述模型训练模块用于训练对抗生成网络模型,得到训练后的园林布局对抗生成网络模型;
所述输出模块用于将测试数据集中的测试图像输入训练后的园林布局对抗生成网络模型,输出园林布局方案。
9.一种计算机可读存储介质,存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7任一项所述江南私家园林景观的布局生成方法。
10.一种计算设备,包括处理器和用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现如权利要求1-7任一项所述江南私家园林景观的布局生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461994.3A CN114357563A (zh) | 2021-12-02 | 2021-12-02 | 一种江南私家园林景观的布局生成方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461994.3A CN114357563A (zh) | 2021-12-02 | 2021-12-02 | 一种江南私家园林景观的布局生成方法及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114357563A true CN114357563A (zh) | 2022-04-15 |
Family
ID=81096634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111461994.3A Pending CN114357563A (zh) | 2021-12-02 | 2021-12-02 | 一种江南私家园林景观的布局生成方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114357563A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238347A (zh) * | 2022-07-13 | 2022-10-25 | 重庆交通大学 | 基于BicycleGAN的口袋公园概念方案生成设计方法 |
CN116776428A (zh) * | 2023-06-14 | 2023-09-19 | 广州志广信息科技有限公司 | 一种园林道路智能化布局方法及系统 |
CN117494284A (zh) * | 2023-11-28 | 2024-02-02 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
CN117669815A (zh) * | 2023-12-05 | 2024-03-08 | 湖北省林业科学研究院 | 一种森林康养基地建设的优化方法及计算机存储介质 |
CN117494284B (zh) * | 2023-11-28 | 2024-05-31 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
-
2021
- 2021-12-02 CN CN202111461994.3A patent/CN114357563A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115238347A (zh) * | 2022-07-13 | 2022-10-25 | 重庆交通大学 | 基于BicycleGAN的口袋公园概念方案生成设计方法 |
CN116776428A (zh) * | 2023-06-14 | 2023-09-19 | 广州志广信息科技有限公司 | 一种园林道路智能化布局方法及系统 |
CN116776428B (zh) * | 2023-06-14 | 2023-12-05 | 广州志广信息科技有限公司 | 一种园林道路智能化布局方法及系统 |
CN117494284A (zh) * | 2023-11-28 | 2024-02-02 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
CN117494284B (zh) * | 2023-11-28 | 2024-05-31 | 安徽大学 | 一种基于绿色生态的环境设计方法及系统 |
CN117669815A (zh) * | 2023-12-05 | 2024-03-08 | 湖北省林业科学研究院 | 一种森林康养基地建设的优化方法及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114357563A (zh) | 一种江南私家园林景观的布局生成方法及应用 | |
CN105677890B (zh) | 一种城市绿量数字地图制作及显示方法 | |
Gomarasca et al. | One century of land use changes in the metropolitan area of Milan (Italy) | |
CN103983230B (zh) | 一种地面叶面积指数间接测量验证方法 | |
CN102314546A (zh) | 基于虚拟植物的植物生长生物量变化估算方法 | |
CN103063202A (zh) | 基于遥感影像的蓝藻生物量时空变化监测与可视化方法 | |
Zhou et al. | Assessing the impact of urban sprawl on net primary productivity of terrestrial ecosystems using a process-based model—a case study in Nanjing, China | |
CN102521624A (zh) | 一种土地利用类型分类的方法和系统 | |
CN112507839A (zh) | 一种城市景观固碳量的快速测算方法 | |
CN113343421B (zh) | 一种耦合城市植被形态的城市建筑能耗模拟方法及系统 | |
Fournier et al. | Hierarchical characterization of canopy architecture for boreal forest | |
CN112733413A (zh) | 一种化学危害信息融合演示系统 | |
CN111667183A (zh) | 一种耕地质量监测方法及系统 | |
CN107239782A (zh) | 基于亚像元定位的遥感影像水体提取方法 | |
CN110070038A (zh) | 一种基于城市绿化覆盖面积测算城市绿地率的方法 | |
CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN115468917A (zh) | 基于高分辨率遥感提取农田地块作物信息的方法及系统 | |
CN101763655B (zh) | 基于模拟真实场景的遥感影像像元分解方法 | |
CN103971121B (zh) | 多源影像知识库解译方法 | |
Yu | Research on urban landscape planning method based on GIS | |
Fuller et al. | The land of Britain, 1930-1990: A comparative study of field mapping and remote sensing techniques | |
CN112182123B (zh) | 一种城市绿地形态动态三维数据库构建方法 | |
CN113610294A (zh) | 一种中小城市色彩规划方法、存储介质和装置 | |
CN114463343A (zh) | 一种自动提取海岸带养殖工厂轮廓的方法及装置 | |
Nandi et al. | Geographical Information System (GIS) in water resources engineering |
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 |