CN116150863B - 基于人工智能的装修处理方法、装置、设备及存储介质 - Google Patents
基于人工智能的装修处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116150863B CN116150863B CN202310444784.6A CN202310444784A CN116150863B CN 116150863 B CN116150863 B CN 116150863B CN 202310444784 A CN202310444784 A CN 202310444784A CN 116150863 B CN116150863 B CN 116150863B
- Authority
- CN
- China
- Prior art keywords
- module
- decoration
- fusion
- model
- design
- 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
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/418—Document matching, e.g. of document images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Structural Engineering (AREA)
- Databases & Information Systems (AREA)
- Mathematical Analysis (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及人工智能领域,公开了一种基于人工智能的装修处理方法、装置、设备及存储介质,用于提高装修处理的效率和准确率。方法包括:根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;对多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据模块连接关系确定多个模块融合点并获取模型融合数据量;根据模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点,并根据模块融合点执行模块融合任务并对模块融合点进行融合偏移量求解,得到初始建筑装修模型以及偏移量数据;根据偏移量数据,对初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于人工智能的装修处理方法、装置、设备及存储介质。
背景技术
传统的装修流程需要人工进行设计和施工,这些流程耗时且容易出现差错,同时由于人的主观因素影响,装修效果也会存在差异。因此,需要一种新的方法来提高室内装修的效率和精度。
目前已有的装修方案,如使用2D或3D图形软件进行设计、使用虚拟现实技术进行体验等,虽然可以提高设计效率和客户满意度,但仍存在以下不足之处:设计过程依赖于人工经验和技能,因此设计结果可能存在主观性和误差性;设计软件的局限性导致设计方案缺乏创新和个性化,难以满足客户的特殊需求,即现有方案的准确率和效率低。
发明内容
本发明提供了一种基于人工智能的装修处理方法、装置、设备及存储介质,用于提高装修处理的效率和准确率。
本发明第一方面提供了一种基于人工智能的装修处理方法,所述基于人工智能的装修处理方法包括:
对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;
根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
结合第一方面,所述对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息,包括:
对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案;
对所述多个第一装修模块设计方案进行设计方案特征提取,得到每个第一装修模块设计方案对应的特征标识;
根据所述特征标识,从预置的建筑装修数据库中查询每个第一装修模块设计方案对应的模块属性信息。
结合第一方面,所述根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案,包括:
根据所述模块属性信息,对所述多个第一装修模块设计方案进行分类,得到具有相同模块属性信息的至少一个第二装修模块设计方案;
根据所述至少一个第二装修模块设计方案构建多个初始装修模块设计方案集合;
查询所述模块属性信息对应的历史装修模块设计方案,并获取所述历史装修模块设计方案对应的模块属性信息;
判断所述历史装修模块设计方案与所述第二装修模块设计方案是否一致;
若一致,则将所述初始装修模块设计方案集合中的第二装修模块设计方案替换为所述历史装修模块设计方案,生成多个第二装修模块设计方案集合;
若不一致,则将所述多个初始装修模块设计方案集合输出为多个第二装修模块设计方案集合。
结合第一方面,所述构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型,包括:
获取每个第二装修模块设计方案集合的模块属性信息,并根据所述模块属性信息计算模型渲染参数;
根据所述模型渲染参数以及预设的渲染顺序,生成对应的模块渲染规则;
根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个初始模块模型;
分别对所述多个初始模块模型进行标准识别,得到每个初始模块模型的标准识别结果;
根据所述标准识别结果,生成多个装修模块模型。
结合第一方面,所述对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量,包括:
根据所述模块属性信息,计算所述多个装修模块模型的模块层级关系;
根据所述模块层级关系,对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系;
根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量。
结合第一方面,所述根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据,包括:
根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点;
根据所述模块融合点,执行多个模块融合任务,并根据所述模块层级关系确定所述多个模块融合任务的执行顺序;
根据预置的模块融合算法和所述执行顺序,对所述多个装修模块模型进行模块融合,得到初始建筑装修模型,并计算所述初始建筑装修模型中每个模块融合点对应的偏移量数据。
结合第一方面,所述根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型,包括:
根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型进行模板校验分析,得到模板校验结果;
若所述模板校验结果为校验通过,则将所述初始建筑装修模型作为对应的目标建筑装修模型。本发明第二方面提供了一种基于人工智能的装修处理装置,所述基于人工智能的装修处理装置包括:
获取模块,用于对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
分析模块,用于根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
构建模块,用于构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
处理模块,用于对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
融合模块,用于根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;
生成模块,用于根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
本发明第三方面提供了一种基于人工智能的装修处理设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人工智能的装修处理设备执行上述的基于人工智能的装修处理方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于人工智能的装修处理方法。
本发明提供的技术方案中,根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;对多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据模块连接关系确定多个模块融合点并获取模型融合数据量;根据模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点,并根据模块融合点执行模块融合任务并对模块融合点进行融合偏移量求解,得到初始建筑装修模型以及偏移量数据;根据偏移量数据,对初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型,本发明通过使用人工智能算法对装修设计模型进行分析并生成多个装修模块模型,实现了对装修方案的模块化设计,减少了模型的误差提高装修效率,并且增加了模板校验过程,提高了装修处理的准确率。
附图说明
图1为本发明实施例中基于人工智能的装修处理方法的一个实施例示意图;
图2为本发明实施例中对多个第一装修模块设计方案进行分类的流程图;
图3为本发明实施例中模块模型渲染的流程图;
图4为本发明实施例中模块连接关系分析的流程图;
图5为本发明实施例中基于人工智能的装修处理装置的一个实施例示意图;
图6为本发明实施例中基于人工智能的装修处理设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于人工智能的装修处理方法、装置、设备及存储介质,用于提高装修处理的效率和准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于人工智能的装修处理方法的一个实施例包括:
S101、对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
可以理解的是,本发明的执行主体可以为基于人工智能的装修处理装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器对待处理的设计方案集合进行解析。这个过程通常包括以下几个步骤:识别并分类设计方案中的元素和特征:根据设计方案中的图纸、文字说明和其他相关资料,服务器识别出其中的元素和特征,例如房间尺寸、墙面色彩、家具样式等,确定每个元素和特征的属性和关系:根据元素和特征之间的空间位置和功能需求,确定它们的属性和关系,例如相邻元素之间的距离、元素与房间功能之间的关联等,将设计方案划分成若干个模块化分段,每个分段包含一个或多个元素和特征,根据模块化分段结果,得到多个第一装修模块设计方案,其中每个第一装修模块设计方案用于指示目标建筑物中的一个建筑构件的装修设计方案,建筑构件例如:厕所、餐厅以及墙柱等。每个装修模块设计方案包括一组元素和特征,用于描述特定的空间部分或功能需求。对于每个第一装修模块设计方案,获取它们对应的模块属性信息。模块属性信息包括尺寸、形状、颜色、材质等,用于描述每个建筑构件的外观和性能特征。这些模块属性信息可以在设计方案中直接提取,也可以通过测量和测试来获取。
S102、根据模块属性信息对多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
具体的,服务器对待处理的第一装修模块设计方案集合进行模块属性信息解析,旨在从设计方案中提取有用的属性信息,并将其转换成易于分析和处理的形式。该模块属性信息包括尺寸、颜色、材质、风格等。根据解析得到的模块属性信息,将第一装修模块设计方案集合划分成不同的类别。服务器基于某些特定的属性标准或规则,例如颜色、材料、功能等。通过分类,服务器对不同类型的装修模块进行区分和组合。基于模块属性信息的分类结果,生成多个第二装修模块设计方案集合。每个第二装修模块设计方案集合包括若干个相似的装修模块,这些装修模块可以互相替换使用,从而形成不同的装修效果。通过多个第二装修模块设计方案集合的生成,更好地满足用户的需求和偏好。在每个第二装修模块设计方案集合中,进一步生成具体的第二装修模块设计方案。这个过程通常根据用户需求和偏好,结合模块属性信息和其他约束条件(例如,空间布局)来完成,从而生成最适合用户的装修方案。第二装修模块设计方案集合和具体的方案时,通过服务器验证和调整,以满足用户需求和偏好。这个过程通常包括与用户的沟通和反馈、实地考察和测量等,从而确保每个装修模块都能够达到预期的效果。
S103、构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
需要说明的是,确定每个房间的尺寸和形状:在建筑平面图或者实际测量数据的基础上,确定每个房间的准确尺寸和形状。根据用户需求和设计师的想法,确定每个房间内的元素,例如墙壁材质、地板类型、窗户数量和位置、家具颜色等。根据不同的设计方案集合,服务器制定相应的模块渲染规则。例如,如果一个设计方案集合主要关注现代简约风格的装修,则服务器制定一些规则来保证在渲染过程中保持这种风格的一致性。根据模块渲染规则,对每个设计方案进行模块模型渲染。这个过程将使用计算机图形学技术,将每个设计方案转化为一个三维模型,并将其放置在适当的位置和角度。本实施例通过观察和调整来进行优化。例如,调整家具的大小或颜色,以获得更好的效果。
S104、对多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
具体的,确定每个模块的连接方式。包括直接连接(例如将两个模块放在一起)、通过某些元素进行连接(例如门或窗户)或通过改变墙壁或地板来实现连接等。根据模块连接方式,确定每个模块之间的连接关系。这个过程涉及到几何测量和空间分析,以确保各个模块之间的连接符合实际情况。在建立模块连接关系后,需要确定每个模块的融合点。这个过程通常基于连接关系的几何特征,例如连接边的长度、方向、位置等,以确保融合点实现无缝连接。在确定融合点后,需要获取每个模块融合点对应的模型融合数据量。
S105、根据每个模块融合点对应的模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点,并根据模块融合点执行模块融合任务并对模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;
具体的,服务器在模块连接关系分析中确定模块融合点,这些点是模块之间进行连接和融合的关键位置。每个点都有一个对应的模型融合数据量,用于表示在这个点处需要进行多少模型融合。根据每个模块融合点的模型融合数据量,将多个装修模块模型分发至对应的融合点。这个过程通常基于计算机辅助设计软件或其他类似工具,能够快速高效地完成。当各个模块被分配到对应的融合点,服务器开始进行模块融合任务,这个过程会利用模型融合数据量来在模块融合点处进行相应的模型融合操作。在模型融合任务完成后,对每个模块融合点进行融合偏移量求解。这个过程涉及到空间几何计算和优化,以确保融合点的位置和角度精确无误。当融合偏移量被求解,服务器得到初始建筑装修模型。这个模型包括所有模块的融合结果,并反映了模块之间的连接和融合情况。最后,对模块融合点的偏移量数据进行优化和调整,以进一步提高模型质量和效果。
S106、根据每个模块融合点对应的偏移量数据,对初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
具体的,根据偏移量数据调整建筑装修模型:首先,根据之前计算出的偏移量数据,对初始建筑装修模型进行调整。这个过程通常利用计算机辅助设计软件或其他类似工具来完成。在处理过程中,特别关注融合点处的偏移量,以确保各个模块之间的连接和融合无缝衔接。当建筑装修模型被调整,服务器进行模板校验。这个过程涉及到对模型各个部分的几何形状、尺寸、位置等因素进行检测和比较,以确保模型符合设计要求和约束条件。如果在模板校验过程中发现了问题,例如模块之间的连接不完整或存在冲突的元素,及时进行修改和调整。这个过程可能涉及到重新设计模块或者调整模型参数,以使得模型满足设计要求。当模板校验通过后,生成目标建筑装修模型,并将其提供给用户或设计师进行审查和确认。这个模型包括所有的装修元素和连接关系,并反映了最终的设计结果。最后,对目标建筑装修模型进行进一步的优化和调整,以获得更好的效果。例如,调整家具的位置或颜色、增加一些装饰元素等。
本发明实施例中,根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;对多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据模块连接关系确定多个模块融合点并获取模型融合数据量;根据模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点,并根据模块融合点执行模块融合任务并对模块融合点进行融合偏移量求解,得到初始建筑装修模型以及偏移量数据;根据偏移量数据,对初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型,本发明通过使用人工智能算法对装修设计模型进行分析并生成多个装修模块模型,实现了对装修方案的模块化设计,减少了模型的误差提高装修效率,并且增加了模板校验过程,提高了装修处理的准确率。
在一具体实施例中,执行步骤S101的过程能够具体包括如下步骤:
(1)对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案;
(2)对多个第一装修模块设计方案进行设计方案特征提取,得到每个第一装修模块设计方案对应的特征标识;
(3)根据特征标识,从预置的建筑装修数据库中查询每个第一装修模块设计方案对应的模块属性信息。
具体的,服务器首先,对待处理的第一装修模块设计方案集合进行解析,以得到多个第一装修模块设计方案。这个过程涉及到对设计方案的结构、元素和参数等因素进行分析和抽取,以获得单独的模块设计方案。当每个模块设计方案被解析出来,服务器进行设计方案特征提取。这个过程主要目的是将每个方案转换为相应的特征标识,以便于后续的查询和匹配。提取设计方案特征时,通常包括颜色、材质、形状、尺寸等因素。当每个方案被转换为特征标识,服务器从预置的建筑装修数据库中查询每个方案对应的模块属性信息了。这个过程通常基于计算机辅助设计软件或其他类似工具,快速高效地完成。在查询模块属性信息时,通常需要从数据库中检索出与特征标识匹配的模块属性信息,这些信息可能包括模块的名称、描述、作者、尺寸、材质、颜色等。当找到对应的模块属性信息,服务器将其应用于实际装修设计中。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、根据模块属性信息,对多个第一装修模块设计方案进行分类,得到具有相同模块属性信息的至少一个第二装修模块设计方案;
S202、根据至少一个第二装修模块设计方案构建多个初始装修模块设计方案集合;
S203、查询模块属性信息对应的历史装修模块设计方案,并获取历史装修模块设计方案对应的模块属性信息;
S204、判断历史装修模块设计方案与第二装修模块设计方案是否一致;
S205、若一致,则将初始装修模块设计方案集合中的第二装修模块设计方案替换为历史装修模块设计方案,生成多个第二装修模块设计方案集合;
S206、若不一致,则将多个初始装修模块设计方案集合输出为多个第二装修模块设计方案集合。
具体的,服务器首先,根据模块属性信息对多个第一装修模块设计方案进行分类,以得到具有相同模块属性信息的至少一个第二装修模块设计方案。这个过程涉及到对模块属性信息的筛选和匹配,以找出相似的模块设计方案。当第二装修模块设计方案被确定,服务器根据其构建多个初始装修模块设计方案集合。这个过程通常基于计算机辅助设计软件或其他类似工具,快速高效地完成。接下来,从预置的历史装修模块设计方案中查询与模块属性信息匹配的方案,并获取其对应的模块属性信息。这个过程涉及到数据库查询和筛选,以找到与当前设计方案相似的历史方案。判断历史装修模块设计方案与第二装修模块设计方案是否一致:当历史方案被获取,就需要判断其与第二装修模块设计方案是否一致。这个过程通常基于对比分析和检查,以确定两个方案是否具有相同的结构、元素和参数等因素。替换第二装修模块设计方案并生成多个第二装修模块设计方案集合:如果历史方案与第二装修模块设计方案一致,则将初始装修模块设计方案集合中的第二装修模块设计方案替换为历史装修模块设计方案,并生成多个第二装修模块设计方案集合。这个过程涉及到对模型进行编辑和修改,以实现方案的切换和更新。输出多个第二装修模块设计方案集合:如果历史方案与第二装修模块设计方案不一致,则需要将多个初始装修模块设计方案集合输出为多个第二装修模块设计方案集合。这个过程通常基于文件导出和保存,以确保设计数据完整和准确。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、获取每个第二装修模块设计方案集合的模块属性信息,并根据模块属性信息计算模型渲染参数;
S302、根据模型渲染参数以及预设的渲染顺序,生成对应的模块渲染规则;
S303、根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个初始模块模型;
S304、分别对多个初始模块模型进行标准识别,得到每个初始模块模型的标准识别结果;
S305、根据标准识别结果,生成多个装修模块模型。
具体的,服务器系统首先获取每个第二装修模块设计方案的模块属性信息,包括但不限于模块的尺寸、材质、颜色等等。这些信息通过用户提供的设计方案文件或者系统内部数据库获取得到。然后,针对每个模块的属性信息,系统需要计算模型渲染参数,即确定如何对模型进行渲染以生成最终的模型图像。这个过程通常涉及到光源、阴影、反射等多个因素,需要利用计算机图形学相关技术进行计算和处理,需要根据之前计算出来的模型渲染参数和预设的渲染顺序,生成对应的模块渲染规则。例如,系统可能会规定先渲染背景、再渲染物体表面、最后渲染阴影等步骤,需要根据之前生成的模块渲染规则,对每个第二装修模块设计方案进行模型渲染。这个过程通常涉及到计算机图形学相关技术,例如光线追踪、纹理映射等。渲染结果会生成多个初始模块模型,即未经过识别和优化的模型,对每个初始模块模型进行标准识别,以识别出它们所属的具体类别、几何结构、材质等信息。这个过程通常利用深度学习、计算机视觉等技术进行计算和处理,根据之前生成的标准识别结果,对每个初始模块模型进行进一步优化和调整,生成最终的装修模块模型。这个过程通常包括多个子步骤,例如模型几何结构调整、材质贴图优化等。最终,系统会输出多个优化后的装修模块模型,供用户选择和使用。
在一具体实施例中,如图4所示,执行步骤S104的过程能够具体包括如下步骤:
S401、根据模块属性信息,计算多个装修模块模型的模块层级关系;
S402、根据模块层级关系,对多个装修模块模型进行模块连接关系分析,得到模块连接关系;
S403、根据模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量。
具体的,服务器在装修模块模型的设计中,模块属性信息描述了每个模块的特征和功能。为确定多个装修模块模型的模块层级关系,需要对每个模块的属性进行分析,找出它们之间的依赖关系和嵌套关系。通常,较高级别的模块会由其他较低级别的模块组成,因此需要对每个模块进行分类,以便更好地理解它们之间的关系。在计算模块层级关系后,开始分析模块连接关系。这涉及到查看每个模块如何与其他模块交互以实现整体功能。这一步骤需要确定模块之间的连接方式,例如输入、输出、调用等,并将这些信息存储在一个连接图中。连接图帮助更好地理解模块之间的关系,从而更好地规划整个系统。在连接关系分析完毕后,需要确定每个模块融合点。融合点是指多个模块交汇的位置,也称为界面。在确定融合点时,需要考虑每个模块的数据流和交互方式。这通常包括识别输入和输出,以及数据处理的方式。通过分析这些信息,确定每个模块的融合点,并确定每个融合点所需的数据量。最后,需要计算每个模块融合点对应的模型融合数据量。这包括计算从一个模块到另一个模块传输的数据量,以及每个模块在整个系统中的贡献。通过这样的分析,更好地理解整个系统,并优化模块设计以提高整体性能和可靠性。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)根据每个模块融合点对应的模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点;
(2)根据模块融合点,执行多个模块融合任务,并根据模块层级关系确定多个模块融合任务的执行顺序;
(3)根据预置的模块融合算法和执行顺序,对多个装修模块模型进行模块融合,得到初始建筑装修模型,并计算初始建筑装修模型中每个模块融合点对应的偏移量数据。
具体的,在装修模块模型的设计中,模块融合是一个非常重要的步骤。服务器将多个模块组合成一个更大、更复杂的系统,从而实现更高级别的功能。该过程通常涉及到多个步骤,包括分发、执行和算法优化等。在根据每个模块融合点对应的模型融合数据量后,将多个装修模块模型分发至对应的模块融合点。这意味着将每个模块发送到正确的位置,以确保它们能够被正确地集成到整个系统中。这个过程可能涉及到网络通信、分布式计算等技术,以便实现模块之间的通信和协作。接下来,执行多个模块融合任务,并根据模块层级关系确定多个模块融合任务的执行顺序。在这一步骤中,考虑每个模块的依赖关系和嵌套关系,以便确保每个模块都能被正确地处理和集成。此外,还需要确定模块融合任务的执行顺序,以确保最终生成的建筑装修模型满足用户需求并具有所需的性能和稳定性。最后,对多个装修模块模型进行模块融合,并计算初始建筑装修模型中每个模块融合点对应的偏移量数据。在这一步骤中,使用预置的模块融合算法,并按照之前确定的执行顺序逐个处理每个模块融合任务。这个过程通常涉及到多个算法和技术,例如三维几何变换、优化算法等。最终,得到一个初始建筑装修模型,并计算出每个模块融合点对应的偏移量数据,以便进一步分析和优化模型性能。进一步地,模型融合的步骤具体包括:对多个装修模块模型进行重叠部分去除和边界确定,分别计算每个装修模块模型在初始建筑装修模型中所占的比例,得到每个装修模块模型对应的目标比例,并对每个装修模块模型对应的目标比例进行加权计算,得到每个装修模块模型的权重参数;获取每个装修模块模型的第一边界点,并查找装修模块模型的相邻体素所对应的第二边界点,计算第一边界点与第二边界点之间的距离和夹角,以及根据距离和夹角,对第一边界点以及第二边界点进行连接,得到多个装修模块模型对应的目标表面;根据目标表面和权重参数,对多个装修模块模型进行加权运算,得到多个加权后的装修模块模型,并对多个加权后的装修模块模型进行模型融合,生成初始建筑装修模型。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)根据每个模块融合点对应的偏移量数据,对初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型进行模板校验分析,得到模板校验结果;
(2)若模板校验结果为校验通过,则将初始建筑装修模型作为对应的目标建筑装修模型。
具体的,在根据每个模块融合点对应的偏移量数据后,对初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型进行模板校验分析。这涉及到对模板模型进行比对和分析,以评估建筑装修模型是否符合要求。这个过程通常利用计算机视觉和深度学习技术进行分析和处理。接下来,得到模板校验结果,以便进一步评估建筑装修模型的质量和适用性。在这一步骤中,将模板校验结果进行分析和解释,并确定哪些方面需要改进或优化。此外,还需要将模板校验结果与用户需求进行比较,以确认建筑装修模型是否满足用户的需求。如果模板校验结果为校验通过,则将初始建筑装修模型作为对应的目标建筑装修模型。这意味着该模型已经满足预设的设计要求和规范,并且直接用于实际的建筑装修工程中。如果模板校验结果不通过,则需要进一步分析错误原因,并进行必要的修改和优化。最后,对生成的目标建筑装修模型进行评估和测试,以确保其满足用户需求和性能要求。这个过程通常涉及到多个步骤,包括性能测试、用户反馈等。通过这些评估和测试,判断生成的模型是否符合预期,并确定哪些方面需要改进和优化。进一步地,模板校验分析的步骤还包括:提取初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型中重叠区域的特征点;具体的,服务器提取初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型中重叠区域的哈里斯角点作为该初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型的特征点。其中,哈里斯角点主要是考虑到人眼对角点的识别通常是在一个局部的小区域或小窗口完成的,如果是在角点位置上的窗口,那么其在各个方向上移动,都会使区域内灰度发生了较大的变化。如果只在一个方向上移动时发生较大变化,那么这点需要是在直线上;如果在各个方向上移动都没有发生变化,那么窗口可能位于平滑的区域。这里的移动发生变化是由窗口平移后的自相似性来衡量的,通过角点响应值来判断角点,计算每一像素点的角点响应值,并在域内进行非最大值抑制,找到局部最大值即为其角点,并将该角点作为特征点。根据特征点对初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型进行特征点匹配,得到特征点对;具体的,服务器通过预置的随机抽样一致算法计算初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型中的特征点对,服务器基于特征点对计算模板校验值,服务器通过该模板校验值对初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型在行方向进行对齐,生成模板校验结果,其中,当该初始建筑装修模型符合预设模板误差时,该模板校验结果为校验通过;当该初始建筑装修模型不符合预设模板误差时,该模板校验结果为校验不通过。
上面对本发明实施例中基于人工智能的装修处理方法进行了描述,下面对本发明实施例中基于人工智能的装修处理装置进行描述,请参阅图5,本发明实施例中基于人工智能的装修处理装置一个实施例包括:
获取模块501,用于对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
分析模块502,用于根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
构建模块503,用于构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
处理模块504,用于对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
融合模块505,用于根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;
生成模块506,用于根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
通过上述各个组成部分的协同合作,根据模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;对多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据模块连接关系确定多个模块融合点并获取模型融合数据量;根据模型融合数据量,分别将多个装修模块模型分发至对应的模块融合点,并根据模块融合点执行模块融合任务并对模块融合点进行融合偏移量求解,得到初始建筑装修模型以及偏移量数据;根据偏移量数据,对初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型,本发明通过使用人工智能算法对装修设计模型进行分析并生成多个装修模块模型,实现了对装修方案的模块化设计,减少了模型的误差提高装修效率,并且增加了模板校验过程,提高了装修处理的准确率。
上面图5从模块化功能实体的角度对本发明实施例中的基于人工智能的装修处理装置进行详细描述,下面从硬件处理的角度对本发明实施例中基于人工智能的装修处理设备进行详细描述。
图6是本发明实施例提供的一种基于人工智能的装修处理设备的结构示意图,该基于人工智能的装修处理设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对基于人工智能的装修处理设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在基于人工智能的装修处理设备600上执行存储介质630中的一系列指令操作。
基于人工智能的装修处理设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的基于人工智能的装修处理设备结构并不构成对基于人工智能的装修处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种基于人工智能的装修处理设备,所述基于人工智能的装修处理设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于人工智能的装修处理方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于人工智能的装修处理方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于人工智能的装修处理方法,其特征在于,所述基于人工智能的装修处理方法包括:
对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;其中,根据所述模块属性信息,计算所述多个装修模块模型的模块层级关系;根据所述模块层级关系,对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系;根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;其中,根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点;根据所述模块融合点,执行多个模块融合任务,并根据所述模块层级关系确定所述多个模块融合任务的执行顺序;根据预置的模块融合算法和所述执行顺序,对所述多个装修模块模型进行模块融合,得到初始建筑装修模型,并计算所述初始建筑装修模型中每个模块融合点对应的偏移量数据;
根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
2.根据权利要求1所述的基于人工智能的装修处理方法,其特征在于,所述对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息,包括:
对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案;
对所述多个第一装修模块设计方案进行设计方案特征提取,得到每个第一装修模块设计方案对应的特征标识;
根据所述特征标识,从预置的建筑装修数据库中查询每个第一装修模块设计方案对应的模块属性信息。
3.根据权利要求1所述的基于人工智能的装修处理方法,其特征在于,所述根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案,包括:
根据所述模块属性信息,对所述多个第一装修模块设计方案进行分类,得到具有相同模块属性信息的至少一个第二装修模块设计方案;
根据所述至少一个第二装修模块设计方案构建多个初始装修模块设计方案集合;
查询所述模块属性信息对应的历史装修模块设计方案,并获取所述历史装修模块设计方案对应的模块属性信息;
判断所述历史装修模块设计方案与所述第二装修模块设计方案是否一致;
若一致,则将所述初始装修模块设计方案集合中的第二装修模块设计方案替换为所述历史装修模块设计方案,生成多个第二装修模块设计方案集合;
若不一致,则将所述多个初始装修模块设计方案集合输出为多个第二装修模块设计方案集合。
4.根据权利要求1所述的基于人工智能的装修处理方法,其特征在于,所述构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型,包括:
获取每个第二装修模块设计方案集合的模块属性信息,并根据所述模块属性信息计算模型渲染参数;
根据所述模型渲染参数以及预设的渲染顺序,生成对应的模块渲染规则;
根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个初始模块模型;
分别对所述多个初始模块模型进行标准识别,得到每个初始模块模型的标准识别结果;
根据所述标准识别结果,生成多个装修模块模型。
5.根据权利要求1所述的基于人工智能的装修处理方法,其特征在于,所述根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型,包括:
根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型与预置装修设计模型库中预设的装修设计模板模型进行模板校验分析,得到模板校验结果;
若所述模板校验结果为校验通过,则将所述初始建筑装修模型作为对应的目标建筑装修模型。
6.一种基于人工智能的装修处理装置,其特征在于,所述基于人工智能的装修处理装置包括:
获取模块,用于对待处理的第一装修模块设计方案集合进行模块设计方案解析,得到多个第一装修模块设计方案,并获取每个第一装修模块设计方案对应的模块属性信息;
分析模块,用于根据所述模块属性信息对所述多个第一装修模块设计方案进行分类,生成多个第二装修模块设计方案集合,其中,所述第二装修模块设计方案集合包括至少一个第二装修模块设计方案;
构建模块,用于构建每个第二装修模块设计方案集合对应的模块渲染规则,并根据所述模块渲染规则对每个第二装修模块设计方案进行模块模型渲染,得到多个装修模块模型;
处理模块,用于对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系,并根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;其中,根据所述模块属性信息,计算所述多个装修模块模型的模块层级关系;根据所述模块层级关系,对所述多个装修模块模型进行模块连接关系分析,得到模块连接关系;根据所述模块连接关系确定对应的多个模块融合点,并获取每个模块融合点对应的模型融合数据量;
融合模块,用于根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点,并根据所述模块融合点执行模块融合任务并对所述模块融合点进行融合偏移量求解,得到初始建筑装修模型以及每个模块融合点对应的偏移量数据;其中,根据每个模块融合点对应的模型融合数据量,分别将所述多个装修模块模型分发至对应的模块融合点;根据所述模块融合点,执行多个模块融合任务,并根据所述模块层级关系确定所述多个模块融合任务的执行顺序;根据预置的模块融合算法和所述执行顺序,对所述多个装修模块模型进行模块融合,得到初始建筑装修模型,并计算所述初始建筑装修模型中每个模块融合点对应的偏移量数据;
生成模块,用于根据每个模块融合点对应的偏移量数据,对所述初始建筑装修模型进行模板校验,生成对应的目标建筑装修模型。
7.一种基于人工智能的装修处理设备,其特征在于,所述基于人工智能的装修处理设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于人工智能的装修处理设备执行如权利要求1-5中任一项所述的基于人工智能的装修处理方法。
8.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-5中任一项所述的基于人工智能的装修处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444784.6A CN116150863B (zh) | 2023-04-24 | 2023-04-24 | 基于人工智能的装修处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444784.6A CN116150863B (zh) | 2023-04-24 | 2023-04-24 | 基于人工智能的装修处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116150863A CN116150863A (zh) | 2023-05-23 |
CN116150863B true CN116150863B (zh) | 2023-07-07 |
Family
ID=86374064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444784.6A Active CN116150863B (zh) | 2023-04-24 | 2023-04-24 | 基于人工智能的装修处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150863B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763754A (zh) * | 2018-05-28 | 2018-11-06 | 广东天元建筑设计有限公司 | 一种基于bim的室内装修设计方法 |
CN111695265A (zh) * | 2020-06-16 | 2020-09-22 | 宁波弘讯软件开发有限公司 | 一种设备模型构建方法、装置、设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE524818C2 (sv) * | 2003-02-13 | 2004-10-05 | Abb Ab | En metod och ett system för att programmera en industrirobot att förflytta sig relativt definierade positioner på ett objekt |
CN108734443A (zh) * | 2018-05-17 | 2018-11-02 | 上海宝冶集团有限公司 | 一种工程安装与装配方法、装置、系统及工艺流程方法 |
CN108648276A (zh) * | 2018-05-17 | 2018-10-12 | 上海宝冶集团有限公司 | 一种建筑装修设计方法、装置、设备及混合现实设备 |
US11461985B2 (en) * | 2019-01-30 | 2022-10-04 | Mosaic, Ltd | Methods and systems for rendering and modifying three-dimensional models for interior design |
CN110287626A (zh) * | 2019-06-30 | 2019-09-27 | 深圳积木易搭科技技术有限公司 | 自动生成室内装修设计方案的方法、介质、设备和装置 |
-
2023
- 2023-04-24 CN CN202310444784.6A patent/CN116150863B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763754A (zh) * | 2018-05-28 | 2018-11-06 | 广东天元建筑设计有限公司 | 一种基于bim的室内装修设计方法 |
CN111695265A (zh) * | 2020-06-16 | 2020-09-22 | 宁波弘讯软件开发有限公司 | 一种设备模型构建方法、装置、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116150863A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019201268B2 (en) | Segmentation of an image based on color and color differences | |
US20210357543A1 (en) | Method and system for generating artificial intelligence-aided design solutions and training method and system of the same | |
JP2019149148A (ja) | ピクセルワイズ分類器による2dフロアプランのセマンティックセグメンテーション | |
KR20200081340A (ko) | 건축 도면 분석 방법 및 장치 | |
CN111738265B (zh) | Rgb-d图像的语义分割方法、系统、介质及电子设备 | |
KR102502486B1 (ko) | 화상을 생성하는 시스템 | |
CN109844818A (zh) | 用于建立元素的可变形3d模型的方法和相关联系统 | |
CN112700529A (zh) | 根据规范文档生成三维模型的方法和系统 | |
US9886529B2 (en) | Methods and systems for feature recognition | |
CN113593004A (zh) | 一种定制化三维模型空间装修组合设计方案的方法及系统 | |
CN115081087A (zh) | 基于物联网的装修云设计方法、装置、设备及存储介质 | |
CN107526895B (zh) | 一种古民居群快速建模系统 | |
US8564594B2 (en) | Similar shader search apparatus and method using image feature extraction | |
Al’boschiy et al. | Automated balancing method of vector Illustration and its software implementation | |
CN110942280A (zh) | 一种设计师协同参与的交互方法 | |
CN116150863B (zh) | 基于人工智能的装修处理方法、装置、设备及存储介质 | |
CN109388875A (zh) | 一种弹性元件模块的设计实现方法 | |
La Scalia | Solving type-2 assembly line balancing problem with fuzzy binary linear programming | |
Gupta et al. | A novel approach to recognize interacting features for manufacturability evaluation of prismatic parts with orthogonal features | |
Adamek et al. | Using dempster-shafer theory to fuse multiple information sources in region-based segmentation | |
Yu et al. | Computing 3d shape guarding and star decomposition | |
CN113486904B (zh) | 一种特征自适应激光扫描投影图形控制点提取及优化方法 | |
Tseng et al. | Parametric modeling of 3D human faces using anthropometric data | |
CN101799925B (zh) | 一种图像自动分割结果的性能分析方法 | |
JP7407648B2 (ja) | 物体認識装置及び物体認識方法 |
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 |