CN117972828A - 一种室内设计方法及室内设计系统 - Google Patents
一种室内设计方法及室内设计系统 Download PDFInfo
- Publication number
- CN117972828A CN117972828A CN202311780747.9A CN202311780747A CN117972828A CN 117972828 A CN117972828 A CN 117972828A CN 202311780747 A CN202311780747 A CN 202311780747A CN 117972828 A CN117972828 A CN 117972828A
- Authority
- CN
- China
- Prior art keywords
- indoor
- data
- design
- user
- space
- 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
- 238000013461 design Methods 0.000 title claims abstract description 410
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008451 emotion Effects 0.000 claims abstract description 116
- 239000000463 material Substances 0.000 claims abstract description 61
- 238000004364 calculation method Methods 0.000 claims abstract description 59
- 238000004458 analytical method Methods 0.000 claims abstract description 48
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000005286 illumination Methods 0.000 claims description 48
- 230000008447 perception Effects 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 23
- 238000009877 rendering Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000002310 reflectometry Methods 0.000 claims description 8
- 238000000547 structure data Methods 0.000 claims description 7
- 238000002834 transmittance Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000007418 data mining Methods 0.000 abstract description 2
- 230000006399 behavior Effects 0.000 description 73
- 230000002996 emotional effect Effects 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 12
- 230000003542 behavioural effect Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012938 design process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000003058 natural language processing Methods 0.000 description 5
- 230000002301 combined effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000013075 data extraction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000012855 volatile organic compound Substances 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及室内设计技术领域，尤其涉及一种室内设计方法及室内设计系统。该方法包括以下步骤：获取待设计室内传感数据并进行模型转换，获得三维室内模型；获取待设计用户意向数据并进行用户情感偏好分析，获得用户设计情感地图；基于用户设计情感地图以及三维室内模型进行室内布局设计，获得初步室内布局数据；对初步室内布局数据进行空间流动性计算，获得初步室内设计空间流动性数据；获取室内设计材料数据并进行室内舒适度计算，获得初步室内设计舒适度数据；对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台。本发明基于数据挖掘提高了室内设计的设计效率和设计结果的客观性。
Description
技术领域
本发明涉及室内设计技术领域，尤其涉及一种室内设计方法及室内设计系统。
背景技术
传统室内设计通常依赖于设计师的经验和主观判断，而缺乏基于客观数据的系统化方法。在室内设计过程中，需要考虑多个因素，这使得设计变得复杂且容易出现局部最优解。因此，有必要提供一种基于数据和优化算法的室内设计方法及系统。
发明内容
基于此，本发明有必要提供一种室内设计方法及室内设计系统，以解决至少一个上述技术问题。
为实现上述目的，一种室内设计方法，包括以下步骤：
步骤S1：获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
步骤S2：获取待设计用户意向数据，并对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
步骤S3：基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
步骤S4：对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
步骤S5：获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
步骤S6：根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
本发明通过获取实时的室内传感数据，包括温度、湿度、光照等信息，能够准确捕捉室内环境的实际状况。将这些数据转换为三维室内模型，有助于建立一个真实且可视化的室内环境，为后续设计提供可靠的基础。通过收集用户对室内设计的意向数据，包括颜色、风格、布局偏好等，这能够理解用户的主观喜好。通过情感偏好分析，生成用户设计情感地图，该地图能够指导后续设计过程，确保设计风格与用户期望相符。结合用户情感地图和三维室内模型，能够生成初步室内布局数据，考虑用户喜好和实际空间限制。这确保了设计过程中的个性化和实用性，并为后续的优化提供了初始设计方案。通过空间流动性计算，评估了布局的流畅性和可行性。这有助于避免设计中的狭窄或拥挤区域，提高整体空间的可用性和流动性。结合室内设计材料数据和传感数据，进行了室内舒适度计算。这包括考虑材料的温度感应、光反射等因素，确保设计不仅美观而且实用，提升室内的整体舒适度。通过综合考虑空间流动性和舒适度等因素，通过优化算法调整初步室内布局数据，生成最优室内设计布局数据。上传至室内设计辅助平台后，设计师可以更轻松地执行设计渲染图转化任务，减少设计时间，提高设计质量。
可选地，步骤S1具体为：
步骤S11：获取待设计室内传感数据；
步骤S12：对待设计室内传感数据进行室内图像提取，从而获得待设计室内图像集；
步骤S13：根据待设计室内图像集构建室内坐标系；
步骤S14：将待设计室内图像集对室内坐标系进行空间感知图像映射，从而获得空间感知图像；
步骤S15：根据空间感知图像进行室内拓扑结构分析，从而获得室内结构数据；
步骤S16：基于室内结构数据以及空间感知图像构建三维室内模型。
本发明通过传感器获取室内环境的各种数据，如温度、湿度、光照等。这些数据提供了实时的、客观的室内环境信息，为后续设计提供了基础数据。通过对传感数据进行图像提取，能够将传感信息转化为可视化的室内图像集。这些图像能够更直观地展示室内环境的特征，为后续的空间感知和分析提供了可视化的数据基础。通过构建室内坐标系，能够在三维空间中准确定位各个元素的位置，为后续的空间感知和三维模型构建提供了坐标基准。通过空间感知图像映射，能够将室内图像集映射到室内坐标系中，形成空间感知图像。这有助于更准确地理解室内空间的结构和特征，为后续的结构分析和三维模型构建提供了更精确的数据。通过空间感知图像进行拓扑结构分析，能够识别出室内的基本结构，如墙壁、门窗等。这有助于建立室内的拓扑关系，为后续的三维模型构建提供了结构性的信息。结合室内结构数据和空间感知图像，能够构建出真实且准确的三维室内模型。这为室内设计提供了更具体的空间基础，为后续设计和分析提供了可用的三维环境。
可选地，步骤S2具体为：
步骤S21：获取待设计用户意向数据；
步骤S22：对待设计用户意向数据进行特征提取，从而获得用户设计意向数据以及用户行为数据；
步骤S23：对用户行为数据进行用户行为意向分析，从而获得用户行为意向数据；
步骤S24：根据用户设计意向数据以及用户行为意向数据进行情感分析，从而获得用户情感倾向数据；
步骤S25：对用户情感倾向数据进行可视化处理，从而获得用户设计情感地图。
本发明通过获取用户意向数据，可以了解用户对设计的期望、偏好以及需求。这为后续的设计过程提供了重要的用户导向信息，确保设计符合用户的期望和需求。特征提取有助于从庞大的用户数据中提炼出关键信息，包括用户的设计意向和行为。这样的特征提取能够更有效地表征用户的设计偏好和行为习惯，为后续的分析和个性化设计提供基础。通过对用户行为数据进行分析，能够识别和理解用户的行为模式和倾向。这有助于更好地理解用户对设计的实际需求和习惯，为设计提供更加个性化和符合用户行为习惯的方案。情感分析能够识别用户的情感倾向，包括喜好、满意度等。这种分析有助于了解用户在设计中的情感体验，为设计提供更加贴近用户情感需求的方案。将用户情感倾向数据可视化成设计情感地图，使设计团队能够更直观地了解用户的情感反馈。这有助于设计团队在创作过程中更好地融入用户的情感体验，提高设计的用户满意度。可视化也使设计过程更加透明和可交互，促进设计团队与用户之间的沟通。
可选地，步骤S23具体为：
步骤S231：对用户行为数据进行特征提取，从而获得用户语言行为数据以及用户肢体行为数据；
步骤S232：根据用户设计意向数据构建设计词汇库；
步骤S233：根据设计词汇库对用户语言行为数据进行设计语言标记，从而获得设计语言标记数据；
步骤S234：根据设计语言标记数据对用户肢体行为数据进行时序关联，从而获得关联行为数据；
步骤S235：对关联行为数据进行肢体行为幅度统计，从而获得高幅度设计语言数据以及低幅度设计语言数据；
步骤S236：对低幅度设计语言数据进行用户意向特征提取，从而获得用户行为低意向数据；对高幅度设计语言数据进行用户意向特征提取，从而获得用户行为高意向数据；
步骤S237：将用户行为高意向数据以及用户行为低意向数据进行数据合并，从而获得用户行为意向数据。
本发明通过特征提取，将原始的用户行为数据分解成语言和肢体行为数据。这有助于进一步分析用户在语言和非语言层面的行为模式，为后续的处理和分析提供更具体的数据。基于用户的设计意向数据，建立一个专门的词汇库。这个库可能包含与设计相关的关键词、术语、情感标签等。它是后续步骤中对语言行为数据进行标记和分析的基础。利用构建的设计词汇库，对用户的语言行为数据进行标记。这将用户的语言行为与设计相关的词汇关联起来，使数据更易于分析和理解。将之前标记的设计语言数据与肢体行为数据进行关联，建立起这两类行为数据的时序关系。这样做可以寻找语言和肢体行为之间的相关性，从而更深入地理解用户行为。通过对关联的数据进行肢体行为幅度的统计，将其分成高幅度和低幅度的设计语言数据。这可能有助于识别用户行为中强烈相关或弱相关的模式。分别从低幅度和高幅度的设计语言数据中提取用户意向的特征。通过这样的处理，可以更具针对性地了解用户在不同行为幅度下的意向和特征。将经过处理的高意向和低意向的数据进行合并。这样的数据合并有助于构建全面的用户行为意向数据，提供了更全面和综合的用户行为模式和意向的视角。
可选地，步骤S3具体为：
步骤S31：对用户设计情感地图进行用户设计情感特征提取，从而获得用户设计情感特征数据；
步骤S32：根据用户设计情感特征数据构建用户情感参数空间；
步骤S33：通过三维室内模型对用户情感参数空间进行最优室内布局参数组合，从而获得初步室内布局数据。
本发明从用户的设计情感地图中提取出具体的情感特征数据。这些数据可能包括用户对空间的感知、情感倾向、喜好、舒适度等。通过提取这些特征，可以理解用户对环境的情感和感知，为后续的处理提供基础数据。利用从设计情感地图中提取的特征数据，构建出用户情感参数空间。这个空间可能是一个多维度的数据模型，代表了用户情感特征的不同方面。这有助于将用户的情感偏好和需求转化为可量化和可操作的参数。使用三维室内模型结合之前建立的用户情感参数空间，尝试寻找最优的室内布局参数组合。这可能涉及不同的布局方案和参数变化，以满足用户的情感和感知需求。通过这一过程，可以得到初步的室内布局数据，这些数据可能是在模拟或虚拟环境中的布局方案。通过理解用户的情感和感知特征，设计师可以更好地针对用户的需求和偏好进行设计，实现更加个性化和符合用户期待的室内布局。利用数据提取和分析技术，将用户情感转化为可量化的参数和空间，有助于设计师更科学地设计出更符合用户需求的布局方案。通过三维室内模型，可以快速尝试不同的布局参数组合，从而迅速验证其可行性，并提供初步的室内布局方案。这可以减少在实际环境中试验和调整的时间成本。
可选地，步骤S4具体为：
步骤S41：根据初步室内布局数据进行空间网格转换，从而获得空间网格模型；
步骤S42：对空间网格模型进行流动性特征提取，从而获得家具摆放数据以及通行空间数据；
步骤S43：通过空间流动性计算公式对家具摆放数据以及通行空间数据进行计算，从而获得初步室内设计空间流动性数据；
其中，空间流动性计算公式具体为：
式中，L为空间流动性得分，V为室内空间的体积，X为家具摆放位置的横轴坐标，Y为家具摆放位置的纵轴坐标，Z为家具摆放位置的竖轴坐标，e为自然对数的底数，Vmin为最小通行空间，x为室内空间长度，y为室内空间宽度，z为室内空间高度。
本发明构造了一个空间流动性计算公式，用于对家具摆放数据以及通行空间数据进行计算。该公式充分考虑了影响空间流动性得分L的室内空间的体积V，家具摆放位置的横轴坐标X，家具摆放位置的纵轴坐标Y，家具摆放位置的竖轴坐标Z，自然对数的底数e，最小通行空间Vmin，室内空间长度x，室内空间宽度y，室内空间高度z，形成了函数关系：
其中是一个与梯度有关的项，表示在室内空间中各点处流动性的影响。这个项越小，表示流动性越好。/>表示最小通行空间的影响，通行空间越小，得分越高。整个积分是对整个室内空间进行的，从而得到整体的流动性得分。分别是空间中家具点处的横、纵、竖坐标的偏导数，表示空间在这些方向上的变化率。在本领域中，通常采用机器学习、有限元分析等技术手段对空间流动性进行计算，通过采用本发明提供的空间流动性计算公式，能够更准确地得到空间流动性得分。
本发明将初步室内布局数据转化为更易于处理的空间网格模型。空间网格模型是一种抽象的表示方式，它将室内空间划分为规则的网格或单元，使得后续的分析和计算更加方便。这有助于简化设计空间的结构，为后续的特征提取和计算提供更好的基础。通过对空间网格模型进行分析，提取流动性特征。这可能包括家具的摆放数据，通行空间的大小和形状等信息。这样的特征提取可以帮助更详细地了解室内空间的结构，包括可用空间的分布和限制。这对于评估布局的合理性和用户体验至关重要。利用计算公式，对家具摆放数据和通行空间数据进行计算，得到初步室内设计空间的流动性数据。这个步骤可以用于量化空间中的流动性，包括家具的布局对通行的影响，通行路径的畅通程度等。这些数据可以在评估设计的可行性、安全性和用户体验时提供重要的信息。
可选地，步骤S5具体为：
步骤S51：获取室内设计材料数据；
步骤S52：对待设计室内传感数据进行湿度数据提取、空气质量数据以及光照数据提取，从而获得室内湿度数据、空气质量数据以及室内光照数据；
步骤S53：根据室内光照数据对室内设计材料数据进行光照反射仿真，从而获得室内光照反射仿真数据；
步骤S54：对室内设计材料数据进行特征提取，从而获得挥发性材料数据，并根据挥发性材料数据、室内湿度数据以及空气质量数据对初步室内布局数据进行空气流动模拟，从而获得室内空气流动数据；
步骤S55：通过室内舒适度计算公式对室内光照反射预测数据以及室内空气流动数据进行室内舒适度计算，从而获得初步室内设计舒适度数据。
本发明获取室内设计材料数据是为了在后续步骤中考虑和模拟不同材料的性质。这包括材料的反射率、吸收率、导热性等重要参数。通过获得准确的材料数据，可以更真实地模拟和评估室内设计的特性，如光照反射、热传导等。通过传感数据的提取，可以实时监测室内的湿度、空气质量和光照等关键参数。这有助于了解室内环境的实际状况，为室内设计提供基础数据。湿度、空气质量和光照对居住者的舒适感有着直接的影响，因此这些数据对于提高室内环境质量至关重要。光照反射仿真可以预测不同材料在不同光照条件下的表现。这使得设计者能够在实际布局之前评估不同材料的视觉效果，优化光照条件，提高室内的亮度和视觉舒适度。通过对设计材料数据进行特征提取，尤其是挥发性材料数据的考虑，有助于模拟室内空气中的挥发性有害物质。结合湿度和空气质量数据，可以进行空气流动模拟，从而更好地了解室内空气的流动和质量，有助于提供更健康的室内环境。通过舒适度计算公式综合考虑光照和空气流动等因素，评估室内设计的舒适度。这种计算可以帮助设计者优化布局，确保设计不仅视觉上吸引人，而且提供了良好的舒适度，满足用户的实际需求和期望。
可选地，步骤S55中的室内舒适度计算公式具体为：
式中，C为室内舒适度得分，T为室内温度，t为时间，ψ为室内湿度，α为室内的表面反射率，β为室内窗户的透光率，η为室内遮阳装置的影响因子，γ为室内空气流速，δ为空气质量因子。
本发明构造了一个室内舒适度计算公式，用于对室内光照反射预测数据以及室内空气流动数据进行室内舒适度计算。该公式充分考虑了影响室内舒适度得分C的室内温度T，时间t，室内湿度ψ，室内的表面反射率α，室内窗户的透光率β，室内遮阳装置的影响因子η，室内空气流速γ，δ为空气质量因子，形成了函数关系：
其中，log2(α+β+η)表示光照、窗户透光率和遮阳装置影响因子的总和的对数。这部分考虑了光线的反射、透过和遮蔽对舒适度的综合影响，对应于视觉舒适度。表示温度变化率、空气流速和空气质量的综合影响。这部分考虑了室内环境的变化情况对舒适度的影响，包括温度的变化速率、空气流动和空气质量对人体舒适度的综合影响。在本领域中，通常采用智能建模、光照仿真等技术手段对室内舒适度得分进行计算，通过采用本发明提供的室内舒适度计算公式，能够更准确地得到室内舒适度得分。
可选地，步骤S6具体为：
步骤S61：根据初步室内布局数据、初步室内设计空间流动性数据以及初步室内设计舒适度数据构建室内设计参数空间；
步骤S62：通过三维室内模型对室内设计参数空间进行最优室内布局参数组合，从而获得最优室内布局参数组合；
步骤S63：根据最优室内布局参数组合对初步室内布局数据进行布局参数校正，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
本发明通过构建室内设计参数空间，综合考虑了初步室内布局、空间流动性和舒适度等多个因素，形成一个多维度的设计参数空间。这有助于更全面地理解室内设计问题，为后续的优化和调整提供了基础。参数空间的建立使得系统能够在更广泛的设计范围内搜索最佳解决方案。利用三维室内模型，可以进行全面的参数组合搜索，以找到最优的室内布局。这有助于在考虑多个设计因素的情况下，找到一组参数，使得室内空间在视觉、流动性和舒适性方面都能达到最佳状态。这样的优化过程可以大大提高设计效率，并且更有可能生成满足用户需求的设计方案。通过对初步室内布局数据进行布局参数校正，能够将最优的设计参数组合应用到实际布局中，以获得最佳的室内设计布局数据。上传至室内设计辅助平台后，可以执行设计渲染图转化任务，生成可视化的设计效果。这使得设计者和利益相关者能够更直观地了解最终室内设计的外观和布局，确保设计方案符合预期且满足各项要求。整个过程将设计从抽象的参数空间转化为具体的实现，提高了设计的实用性和可操作性。
可选地，本发明还提供一种室内设计系统，用于执行如上述的一种室内设计方法，该室内设计系统包括：
空间模型构建模块，用于获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
用户情感分析模块，用于获取待设计用户意向数据，对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
初步室内布局设计模块，用于基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
空间流动性计算模块，用于对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
室内舒适度计算模块，用于获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
室内布局优化模块，用于根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明室内设计方法的步骤流程示意图；
图2为本发明中步骤S1的详细步骤流程示意图；
图3为本发明中步骤S2的详细步骤流程示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的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。
此外，附图仅为本发明的示意性图解，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/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的，请参阅图1至图3，本发明提供了一种室内设计方法，所述方法包括以下步骤：
步骤S1：获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
本实施例中通过传感器获取室内数据，包括温度、湿度、光照等。通过这些数据，进行高级算法处理，转换成三维室内模型。例如，通过温度分布数据，生成不同区域的热力图，为空间感知建模提供基础。这模型不仅反映物理结构，还综合了感知信息，为后续设计提供精确的基础数据。
步骤S2：获取待设计用户意向数据，并对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
本实施例中通过各种途径获取用户意向数据，如调查问卷、用户行为分析等。将这些数据进行情感偏好分析，例如使用自然语言处理技术解析用户反馈，构建用户情感地图。这地图以情感标签为节点，反映用户对颜色、布局等设计元素的喜好，为后续布局设计提供用户体验导向的指导。
步骤S3：基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
本实施例中结合用户情感地图和三维室内模型，进行室内布局设计。算法根据用户情感地图的指导，优化室内空间的布局，考虑流畅性、通风性等因素，生成初步室内布局数据。这确保设计不仅符合用户喜好，还兼顾实用性和空间感。
步骤S4：对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
本实施例中通过对初步室内布局数据进行空间流动性计算，考虑人流、家具摆放等因素，评估空间流通的效率。这一步确保设计既满足用户的审美需求，又考虑了实际使用中的便利性，为后续的优化提供数据支持。
步骤S5：获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
本实施例中获取室内设计材料数据，例如材质、颜色等，并结合待设计室内传感数据，进行室内舒适度计算。通过模拟不同材质在不同环境下的影响，生成初步室内设计舒适度数据，确保设计既美观又符合人体工程学和舒适度的要求。
步骤S6：根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
本实施例中综合考虑空间流动性和舒适度数据，对初步室内布局进行最优化。通过算法搜索最佳参数组合，生成最优室内设计布局数据。最后，将这一设计上传至室内设计辅助平台，执行设计渲染图转化任务，生成可视化的设计效果图，以便设计者和用户更好地理解和评估最终设计方案。整个流程实现了从感知数据到用户情感，再到设计方案的智能化转化，提升了室内设计的质量和用户满意度。
本发明通过获取实时的室内传感数据，包括温度、湿度、光照等信息，能够准确捕捉室内环境的实际状况。将这些数据转换为三维室内模型，有助于建立一个真实且可视化的室内环境，为后续设计提供可靠的基础。通过收集用户对室内设计的意向数据，包括颜色、风格、布局偏好等，这能够理解用户的主观喜好。通过情感偏好分析，生成用户设计情感地图，该地图能够指导后续设计过程，确保设计风格与用户期望相符。结合用户情感地图和三维室内模型，能够生成初步室内布局数据，考虑用户喜好和实际空间限制。这确保了设计过程中的个性化和实用性，并为后续的优化提供了初始设计方案。通过空间流动性计算，评估了布局的流畅性和可行性。这有助于避免设计中的狭窄或拥挤区域，提高整体空间的可用性和流动性。结合室内设计材料数据和传感数据，进行了室内舒适度计算。这包括考虑材料的温度感应、光反射等因素，确保设计不仅美观而且实用，提升室内的整体舒适度。通过综合考虑空间流动性和舒适度等因素，通过优化算法调整初步室内布局数据，生成最优室内设计布局数据。上传至室内设计辅助平台后，设计师可以更轻松地执行设计渲染图转化任务，减少设计时间，提高设计质量。
可选地，步骤S1具体为：
步骤S11：获取待设计室内传感数据；
本实施例中利用各类传感器，如温度、湿度、光照等，采集室内环境数据。传感器网络可以覆盖整个室内，确保获得全面而准确的数据。这些数据将成为后续空间感知和设计分析的基础，提供实时的室内环境状态。
步骤S12：对待设计室内传感数据进行室内图像提取，从而获得待设计室内图像集；
本实施例中通过图像处理技术，从传感数据中提取室内图像。这可以包括利用摄像头捕捉实时图像，或者基于其他传感数据生成虚拟室内图像。这一步确保在后续的空间感知和分析中有更直观的数据可用。
步骤S13：根据待设计室内图像集构建室内坐标系；
本实施例中通过图像处理算法，对待设计室内图像集进行特征点检测和匹配，从而构建室内坐标系。这些特征点可以是墙角、窗户、家具或其他易于识别的物体。这是为了后续的空间感知图像映射提供准确的坐标基准，确保空间感知数据的精确性和一致性。
步骤S14：将待设计室内图像集对室内坐标系进行空间感知图像映射，从而获得空间感知图像；
本实施例中通过将待设计室内图像集映射到室内坐标系，生成空间感知图像。利用图像处理和计算几何学的方法，将图像中的元素映射到建立的室内坐标系中。这可能涉及相机标定、透视校正或三维重建等技术，以获得准确的空间感知图像。这一映射可以考虑室内物体的位置、角度等信息，使得图像能够更准确地反映实际空间中的布局和结构。空间感知图像将成为后续室内拓扑结构分析的基础。
步骤S15：根据空间感知图像进行室内拓扑结构分析，从而获得室内结构数据；
本实施例中通过对空间感知图像进行拓扑结构分析，提取室内的布局、连接关系等信息。这可以包括识别房间、门窗位置，建立房间之间的连接关系等。获得的室内结构数据将为构建三维室内模型提供必要的空间信息。
步骤S16：基于室内结构数据以及空间感知图像构建三维室内模型。
本实施例中结合室内结构数据和空间感知图像，采用计算机图形学的方法构建三维室内模型。这包括将房间、家具等元素以三维形式呈现，并确保模型与实际空间一致。这可能需要进行数据整合、建模和纹理映射，确保模型准确反映实际室内环境。
本发明通过传感器获取室内环境的各种数据，如温度、湿度、光照等。这些数据提供了实时的、客观的室内环境信息，为后续设计提供了基础数据。通过对传感数据进行图像提取，能够将传感信息转化为可视化的室内图像集。这些图像能够更直观地展示室内环境的特征，为后续的空间感知和分析提供了可视化的数据基础。通过构建室内坐标系，能够在三维空间中准确定位各个元素的位置，为后续的空间感知和三维模型构建提供了坐标基准。通过空间感知图像映射，能够将室内图像集映射到室内坐标系中，形成空间感知图像。这有助于更准确地理解室内空间的结构和特征，为后续的结构分析和三维模型构建提供了更精确的数据。通过空间感知图像进行拓扑结构分析，能够识别出室内的基本结构，如墙壁、门窗等。这有助于建立室内的拓扑关系，为后续的三维模型构建提供了结构性的信息。结合室内结构数据和空间感知图像，能够构建出真实且准确的三维室内模型。这为室内设计提供了更具体的空间基础，为后续设计和分析提供了可用的三维环境。
可选地，步骤S2具体为：
步骤S21：获取待设计用户意向数据；
本实施例中通过多种途径收集用户意向数据，如在线问卷调查、用户反馈、社交媒体分析等。例如，可以设计调查问卷，询问用户对于室内设计的偏好、颜色喜好、功能需求等信息。
步骤S22：对待设计用户意向数据进行特征提取，从而获得用户设计意向数据以及用户行为数据；
本实施例中采用数据挖掘技术，对收集到的用户意向数据进行特征提取。例如，通过自然语言处理分析用户评论，提取关键词和情感极性，以获取用户的设计偏好和情感倾向。
步骤S23：对用户行为数据进行用户行为意向分析，从而获得用户行为意向数据；
本实施例中利用机器学习算法，分析用户的行为数据，如浏览历史、点击模式等，以推断用户对设计元素的偏好。例如，用户频繁点击某一类别的家具可能表示对该类别有较高的兴趣。
步骤S24：根据用户设计意向数据以及用户行为意向数据进行情感分析，从而获得用户情感倾向数据；
本实施例中运用自然语言处理和情感分析技术，对用户的评论和反馈进行情感分析。例如，识别评论中的积极和消极情感，并量化用户对设计元素的喜好或不满意度。
步骤S25：对用户情感倾向数据进行可视化处理，从而获得用户设计情感地图。
本实施例中通过数据可视化工具，将用户的情感倾向数据转化为直观的设计情感地图。例如，使用热力图显示用户在室内设计中的偏好区域，帮助设计师更好地理解用户需求，优化设计方案。
本发明通过获取用户意向数据，可以了解用户对设计的期望、偏好以及需求。这为后续的设计过程提供了重要的用户导向信息，确保设计符合用户的期望和需求。特征提取有助于从庞大的用户数据中提炼出关键信息，包括用户的设计意向和行为。这样的特征提取能够更有效地表征用户的设计偏好和行为习惯，为后续的分析和个性化设计提供基础。通过对用户行为数据进行分析，能够识别和理解用户的行为模式和倾向。这有助于更好地理解用户对设计的实际需求和习惯，为设计提供更加个性化和符合用户行为习惯的方案。情感分析能够识别用户的情感倾向，包括喜好、满意度等。这种分析有助于了解用户在设计中的情感体验，为设计提供更加贴近用户情感需求的方案。将用户情感倾向数据可视化成设计情感地图，使设计团队能够更直观地了解用户的情感反馈。这有助于设计团队在创作过程中更好地融入用户的情感体验，提高设计的用户满意度。可视化也使设计过程更加透明和可交互，促进设计团队与用户之间的沟通。
可选地，步骤S23具体为：
步骤S231：对用户行为数据进行特征提取，从而获得用户语言行为数据以及用户肢体行为数据；
本实施例中通过深度学习模型，对采集到的用户行为数据进行处理。对于语言行为数据，可以使用自然语言处理技术，例如词嵌入模型，将用户言辞转化为语义向量。对于肢体行为数据，可以使用计算机视觉技术，如关键点检测，提取用户的动作特征。
步骤S232：根据用户设计意向数据构建设计词汇库；
本实施例中利用收集到的用户设计意向数据，构建设计词汇库。该库包含了与设计相关的关键词，如颜色、材料、风格等。例如，将用户在调查中提及的设计元素整理为一个有层次结构的词汇库。
步骤S233：根据设计词汇库对用户语言行为数据进行设计语言标记，从而获得设计语言标记数据；
本实施例中使用设计词汇库，对用户的语言行为数据进行标记。通过匹配用户言辞中出现的设计关键词，将其标注为设计语言标记。例如，将用户提到的颜色或材料与词汇库进行匹配，标记用户言辞的设计意向。
步骤S234：根据设计语言标记数据对用户肢体行为数据进行时序关联，从而获得关联行为数据；
本实施例中将设计语言标记与用户肢体行为数据进行时序关联。例如，分析用户在提到特定设计元素时的肢体动作，建立设计语言标记与肢体行为之间的关联关系，形成时序关联数据。
步骤S235：对关联行为数据进行肢体行为幅度统计，从而获得高幅度设计语言数据以及低幅度设计语言数据；
本实施例中通过统计用户肢体行为在设计语言标记出现时的幅度，区分高幅度和低幅度的设计语言数据。例如，对于用户在提到喜好设计元素时的肢体动作进行振幅分析，划分为高幅度和低幅度的设计语言数据。
步骤S236：对低幅度设计语言数据进行用户意向特征提取，从而获得用户行为低意向数据；对高幅度设计语言数据进行用户意向特征提取，从而获得用户行为高意向数据；
本实施例中对高幅度和低幅度的设计语言数据分别进行特征提取。例如，提取用户在高幅度时的肢体动作频率、速度等特征，形成高意向数据；对低幅度时进行类似的特征提取，形成低意向数据。
步骤S237：将用户行为高意向数据以及用户行为低意向数据进行数据合并，从而获得用户行为意向数据。
本实施例中将高意向和低意向的数据进行合并，形成完整的用户行为意向数据集。这个数据集综合考虑了用户的语言和肢体行为，为后续的设计决策提供了更全面的信息。
本发明通过特征提取，将原始的用户行为数据分解成语言和肢体行为数据。这有助于进一步分析用户在语言和非语言层面的行为模式，为后续的处理和分析提供更具体的数据。基于用户的设计意向数据，建立一个专门的词汇库。这个库可能包含与设计相关的关键词、术语、情感标签等。它是后续步骤中对语言行为数据进行标记和分析的基础。利用构建的设计词汇库，对用户的语言行为数据进行标记。这将用户的语言行为与设计相关的词汇关联起来，使数据更易于分析和理解。将之前标记的设计语言数据与肢体行为数据进行关联，建立起这两类行为数据的时序关系。这样做可以寻找语言和肢体行为之间的相关性，从而更深入地理解用户行为。通过对关联的数据进行肢体行为幅度的统计，将其分成高幅度和低幅度的设计语言数据。这可能有助于识别用户行为中强烈相关或弱相关的模式。分别从低幅度和高幅度的设计语言数据中提取用户意向的特征。通过这样的处理，可以更具针对性地了解用户在不同行为幅度下的意向和特征。将经过处理的高意向和低意向的数据进行合并。这样的数据合并有助于构建全面的用户行为意向数据，提供了更全面和综合的用户行为模式和意向的视角。
可选地，步骤S3具体为：
步骤S31：对用户设计情感地图进行用户设计情感特征提取，从而获得用户设计情感特征数据；
本实施例中使用感知计算和情感分析方法，对用户设计情感地图进行特征提取。通过分析用户在设计空间中的感知和情感体验，提取情感特征数据，例如颜色偏好、光线需求、空间布局倾向等。通过自然语言处理和图像处理技术，将用户在调研中提到的设计元素映射为具体的情感特征数据。
步骤S32：根据用户设计情感特征数据构建用户情感参数空间；
本实施例中利用从用户设计情感地图中提取的情感特征数据，构建用户情感参数空间。这个空间可以包括多维度的情感参数，如舒适度、温馨感、活力等。每个参数代表用户对特定设计方面的情感偏好。这个构建的空间为后续室内布局的优化提供了情感层面的指导。例如，如果用户提到他们喜欢舒适和温馨的环境，那么构建的情感参数空间可以包括舒适度和温馨感这两个维度。这些维度可以用数值来表示，形成一个多维参数空间。
步骤S33：通过三维室内模型对用户情感参数空间进行最优室内布局参数组合，从而获得初步室内布局数据。
本实施例中使用三维建模软件，建立虚拟的室内环境，并引入构建的用户情感参数空间。通过调整布局参数，比如家具的摆放、光源的位置和强度、墙面颜色等，模拟不同情感参数组合下的室内环境。通过实时渲染和仿真，评估每种情感参数组合对用户体验的影响。
本发明从用户的设计情感地图中提取出具体的情感特征数据。这些数据可能包括用户对空间的感知、情感倾向、喜好、舒适度等。通过提取这些特征，可以理解用户对环境的情感和感知，为后续的处理提供基础数据。利用从设计情感地图中提取的特征数据，构建出用户情感参数空间。这个空间可能是一个多维度的数据模型，代表了用户情感特征的不同方面。这有助于将用户的情感偏好和需求转化为可量化和可操作的参数。使用三维室内模型结合之前建立的用户情感参数空间，尝试寻找最优的室内布局参数组合。这可能涉及不同的布局方案和参数变化，以满足用户的情感和感知需求。通过这一过程，可以得到初步的室内布局数据，这些数据可能是在模拟或虚拟环境中的布局方案。通过理解用户的情感和感知特征，设计师可以更好地针对用户的需求和偏好进行设计，实现更加个性化和符合用户期待的室内布局。利用数据提取和分析技术，将用户情感转化为可量化的参数和空间，有助于设计师更科学地设计出更符合用户需求的布局方案。通过三维室内模型，可以快速尝试不同的布局参数组合，从而迅速验证其可行性，并提供初步的室内布局方案。这可以减少在实际环境中试验和调整的时间成本。
可选地，步骤S4具体为：
步骤S41：根据初步室内布局数据进行空间网格转换，从而获得空间网格模型；
本实施例中将初步室内布局数据映射到三维空间网格模型中。考虑到实际空间的复杂性，可以采用离散化的方法，将室内空间划分为规则的网格单元。每个网格单元代表一小段空间，并与具体的室内设计参数相对应。例如，一个网格单元可以对应于一个特定家具的摆放位置或一个特定区域的照明强度。例如，通过将每个房间划分为二维网格，其中每个单元代表一个平方米的空间。然后，将家具的坐标信息映射到相应的网格单元上。这样，初始的室内布局数据就被转换成了一个三维网格模型。
步骤S42：对空间网格模型进行流动性特征提取，从而获得家具摆放数据以及通行空间数据；
本实施例中对空间网格模型进行分析，提取流动性特征。流动性特征可以包括家具的布局密度、通道的宽度、以及通行空间的连通性等。这些特征反映了在室内环境中移动和交互的便利性。例如，通过分析网格模型，识别家具摆放的密集区域和通道的位置。利用图论算法，确定通行空间的连通性和通道的宽度。这些特征提取的结果将作为后续步骤的输入数据。
步骤S43：通过空间流动性计算公式对家具摆放数据以及通行空间数据进行计算，从而获得初步室内设计空间流动性数据；
本实施例中通过定义空间流动性计算公式，对家具摆放数据和通行空间数据进行计算，以获得初步室内设计的空间流动性数据。这些数据可用于评估室内环境中的流动性和舒适性。例如，设定一个综合的流动性计算公式，考虑家具之间的距离、通道的宽度、以及通行空间的布局。计算结果可以是一个数值，代表了室内空间的整体流动性。这个数值越高，表示空间越易于流动和移动，提高了用户在室内环境中的体验。
其中，空间流动性计算公式具体为：
式中，L为空间流动性得分，V为室内空间的体积，X为家具摆放位置的横轴坐标，Y为家具摆放位置的纵轴坐标，Z为家具摆放位置的竖轴坐标，e为自然对数的底数，Vmin为最小通行空间，x为室内空间长度，y为室内空间宽度，z为室内空间高度。
本发明构造了一个空间流动性计算公式，用于对家具摆放数据以及通行空间数据进行计算。该公式充分考虑了影响空间流动性得分L的室内空间的体积V，家具摆放位置的横轴坐标X，家具摆放位置的纵轴坐标Y，家具摆放位置的竖轴坐标Z，自然对数的底数e，最小通行空间Vmin，室内空间长度x，室内空间宽度y，室内空间高度z，形成了函数关系：
其中是一个与梯度有关的项，表示在室内空间中各点处流动性的影响。这个项越小，表示流动性越好。/>表示最小通行空间的影响，通行空间越小，得分越高。整个积分是对整个室内空间进行的，从而得到整体的流动性得分。分别是空间中家具点处的横、纵、竖坐标的偏导数，表示空间在这些方向上的变化率。在本领域中，通常采用机器学习、有限元分析等技术手段对空间流动性进行计算，通过采用本发明提供的空间流动性计算公式，能够更准确地得到空间流动性得分。
本发明将初步室内布局数据转化为更易于处理的空间网格模型。空间网格模型是一种抽象的表示方式，它将室内空间划分为规则的网格或单元，使得后续的分析和计算更加方便。这有助于简化设计空间的结构，为后续的特征提取和计算提供更好的基础。通过对空间网格模型进行分析，提取流动性特征。这可能包括家具的摆放数据，通行空间的大小和形状等信息。这样的特征提取可以帮助更详细地了解室内空间的结构，包括可用空间的分布和限制。这对于评估布局的合理性和用户体验至关重要。利用计算公式，对家具摆放数据和通行空间数据进行计算，得到初步室内设计空间的流动性数据。这个步骤可以用于量化空间中的流动性，包括家具的布局对通行的影响，通行路径的畅通程度等。这些数据可以在评估设计的可行性、安全性和用户体验时提供重要的信息。
可选地，步骤S5具体为：
步骤S51：获取室内设计材料数据；
本实施例中收集各种室内设计材料的相关数据，包括但不限于颜色、纹理、反射率、热传导系数等。这些数据将用于后续的仿真和分析，以确保设计选择符合实际需求。例如，通过材料供应商提供的信息或实地采集，获取每种设计材料的颜色、反射率、吸收率等光学特性，同时记录其热物理性质，例如热导率、比热容等。
步骤S52：对待设计室内传感数据进行湿度数据提取、空气质量数据以及光照数据提取，从而获得室内湿度数据、空气质量数据以及室内光照数据；
本实施例中对待设计室内传感数据中的室内湿度数据、空气质量数据以及室内光照数据进行数据提取。
步骤S53：根据室内光照数据对室内设计材料数据进行光照反射仿真，从而获得室内光照反射仿真数据；
本实施例中基于已获取的室内光照数据，使用仿真工具对室内设计材料的光照反射进行模拟，以获得实际光照条件下材料的表现。例如，利用光线追踪或辐射传输模型，模拟不同光照条件下材料的反射特性，生成光照反射仿真数据，以评估设计材料在不同光照环境下的外观。
步骤S54：对室内设计材料数据进行特征提取，从而获得挥发性材料数据，并根据挥发性材料数据、室内湿度数据以及空气质量数据对初步室内布局数据进行空气流动模拟，从而获得室内空气流动数据；
本实施例中通过对挥发性材料数据、室内湿度数据和空气质量数据进行综合分析，使用数值模拟工具对初步室内布局进行空气流动模拟，以了解空气在室内的流动情况。例如，使用计算流体力学(CFD)软件，结合挥发性有机化合物(VOC)数据、湿度和空气质量参数，模拟室内空气的流动和分布，以识别潜在的空气质量问题。
步骤S55：通过室内舒适度计算公式对室内光照反射预测数据以及室内空气流动数据进行室内舒适度计算，从而获得初步室内设计舒适度数据。
本实施例中结合室内光照反射预测数据和空气流动数据，使用室内舒适度计算公式进行综合评估，以获得初步室内设计的舒适度数据。例如，采用标准的室内舒适度指数(例如PMV/PPD指数)，结合光照和空气流动的影响，计算出室内环境的整体舒适度水平，为设计提供有关改进的指导。
本发明获取室内设计材料数据是为了在后续步骤中考虑和模拟不同材料的性质。这包括材料的反射率、吸收率、导热性等重要参数。通过获得准确的材料数据，可以更真实地模拟和评估室内设计的特性，如光照反射、热传导等。通过传感数据的提取，可以实时监测室内的湿度、空气质量和光照等关键参数。这有助于了解室内环境的实际状况，为室内设计提供基础数据。湿度、空气质量和光照对居住者的舒适感有着直接的影响，因此这些数据对于提高室内环境质量至关重要。光照反射仿真可以预测不同材料在不同光照条件下的表现。这使得设计者能够在实际布局之前评估不同材料的视觉效果，优化光照条件，提高室内的亮度和视觉舒适度。通过对设计材料数据进行特征提取，尤其是挥发性材料数据的考虑，有助于模拟室内空气中的挥发性有害物质。结合湿度和空气质量数据，可以进行空气流动模拟，从而更好地了解室内空气的流动和质量，有助于提供更健康的室内环境。通过舒适度计算公式综合考虑光照和空气流动等因素，评估室内设计的舒适度。这种计算可以帮助设计者优化布局，确保设计不仅视觉上吸引人，而且提供了良好的舒适度，满足用户的实际需求和期望。
可选地，步骤S55中的室内舒适度计算公式具体为：
式中，C为室内舒适度得分，T为室内温度，t为时间，ψ为室内湿度，α为室内的表面反射率，β为室内窗户的透光率，η为室内遮阳装置的影响因子，γ为室内空气流速，δ为空气质量因子。
本发明构造了一个室内舒适度计算公式，用于对室内光照反射预测数据以及室内空气流动数据进行室内舒适度计算。该公式充分考虑了影响室内舒适度得分C的室内温度T，时间t，室内湿度ψ，室内的表面反射率α，室内窗户的透光率β，室内遮阳装置的影响因子η，室内空气流速γ，δ为空气质量因子，形成了函数关系：
其中，log2(α+β+η)表示光照、窗户透光率和遮阳装置影响因子的总和的对数。这部分考虑了光线的反射、透过和遮蔽对舒适度的综合影响，对应于视觉舒适度。表示温度变化率、空气流速和空气质量的综合影响。这部分考虑了室内环境的变化情况对舒适度的影响，包括温度的变化速率、空气流动和空气质量对人体舒适度的综合影响。在本领域中，通常采用智能建模、光照仿真等技术手段对室内舒适度得分进行计算，通过采用本发明提供的室内舒适度计算公式，能够更准确地得到室内舒适度得分。
可选地，步骤S6具体为：
步骤S61：根据初步室内布局数据、初步室内设计空间流动性数据以及初步室内设计舒适度数据构建室内设计参数空间；
本实施例中通过将初步室内布局数据转化为参数化形式，比如将家具位置、墙壁颜色等因素转化为可调整的参数。对于空间流动性数据和舒适度数据，将其量化为参数，如流动性指数和舒适度评分。例如，将家具位置表示为(x,y,z)坐标，颜色参数化为RGB值，空间流动性数据转化为流动性系数等。这样就建立了一个多维参数空间，包括了所有可能的设计组合。
步骤S62：通过三维室内模型对室内设计参数空间进行最优室内布局参数组合，从而获得最优室内布局参数组合；
本实施例中利用三维室内模型和优化算法来寻找最佳布局参数组合。可以使用遗传算法进行参数搜索，以找到最优解。目标函数可以包括最大化舒适度，最小化能耗，或者其他用户定义的设计目标。例如，遗传算法可以通过迭代生成和评估不同的参数组合，逐步演化出最优解。这可能涉及到对三维模型的多次渲染和评估，以找到最符合设计要求的室内布局。
步骤S63：根据最优室内布局参数组合对初步室内布局数据进行布局参数校正，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
本实施例中基于找到的最优室内布局参数组合，对初步室内布局数据进行校正。这可能包括调整家具的位置、改变墙壁颜色等。校正后的数据随后上传至室内设计辅助平台。例如，根据最优解，移动家具的位置以优化空间流动性，调整墙壁颜色以提升整体舒适度。然后，将调整后的数据上传至室内设计辅助平台，该平台可能包括渲染引擎和图形界面，用于执行设计渲染图转化任务。
本发明通过构建室内设计参数空间，综合考虑了初步室内布局、空间流动性和舒适度等多个因素，形成一个多维度的设计参数空间。这有助于更全面地理解室内设计问题，为后续的优化和调整提供了基础。参数空间的建立使得系统能够在更广泛的设计范围内搜索最佳解决方案。利用三维室内模型，可以进行全面的参数组合搜索，以找到最优的室内布局。这有助于在考虑多个设计因素的情况下，找到一组参数，使得室内空间在视觉、流动性和舒适性方面都能达到最佳状态。这样的优化过程可以大大提高设计效率，并且更有可能生成满足用户需求的设计方案。通过对初步室内布局数据进行布局参数校正，能够将最优的设计参数组合应用到实际布局中，以获得最佳的室内设计布局数据。上传至室内设计辅助平台后，可以执行设计渲染图转化任务，生成可视化的设计效果。这使得设计者和利益相关者能够更直观地了解最终室内设计的外观和布局，确保设计方案符合预期且满足各项要求。整个过程将设计从抽象的参数空间转化为具体的实现，提高了设计的实用性和可操作性。
可选地，本发明还提供一种室内设计系统，用于执行如上述的一种室内设计方法，该室内设计系统包括：
空间模型构建模块，用于获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
用户情感分析模块，用于获取待设计用户意向数据，对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
初步室内布局设计模块，用于基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
空间流动性计算模块，用于对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
室内舒适度计算模块，用于获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
室内布局优化模块，用于根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种室内设计方法，其特征在于，包括以下步骤：
步骤S1：获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
步骤S2：获取待设计用户意向数据，并对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
步骤S3：基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
步骤S4：对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
步骤S5：获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
步骤S6：根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
2.根据权利要求1所述的室内设计方法，其特征在于，步骤S1具体为：
步骤S11：获取待设计室内传感数据；
步骤S12：对待设计室内传感数据进行室内图像提取，从而获得待设计室内图像集；
步骤S13：根据待设计室内图像集构建室内坐标系；
步骤S14：将待设计室内图像集对室内坐标系进行空间感知图像映射，从而获得空间感知图像；
步骤S15：根据空间感知图像进行室内拓扑结构分析，从而获得室内结构数据；
步骤S16：基于室内结构数据以及空间感知图像构建三维室内模型。
3.根据权利要求2所述的室内设计方法，其特征在于，步骤S2具体为：
步骤S21：获取待设计用户意向数据；
步骤S22：对待设计用户意向数据进行特征提取，从而获得用户设计意向数据以及用户行为数据；
步骤S23：对用户行为数据进行用户行为意向分析，从而获得用户行为意向数据；
步骤S24：根据用户设计意向数据以及用户行为意向数据进行情感分析，从而获得用户情感倾向数据；
步骤S25：对用户情感倾向数据进行可视化处理，从而获得用户设计情感地图。
4.根据权利要求3所述的室内设计方法，其特征在于，步骤S23具体为：
步骤S231：对用户行为数据进行特征提取，从而获得用户语言行为数据以及用户肢体行为数据；
步骤S232：根据用户设计意向数据构建设计词汇库；
步骤S233：根据设计词汇库对用户语言行为数据进行设计语言标记，从而获得设计语言标记数据；
步骤S234：根据设计语言标记数据对用户肢体行为数据进行时序关联，从而获得关联行为数据；
步骤S235：对关联行为数据进行肢体行为幅度统计，从而获得高幅度设计语言数据以及低幅度设计语言数据；
步骤S236：对低幅度设计语言数据进行用户意向特征提取，从而获得用户行为低意向数据；对高幅度设计语言数据进行用户意向特征提取，从而获得用户行为高意向数据；
步骤S237：将用户行为高意向数据以及用户行为低意向数据进行数据合并，从而获得用户行为意向数据。
5.根据权利要求1所述的室内设计方法，其特征在于，步骤S3具体为：
步骤S31：对用户设计情感地图进行用户设计情感特征提取，从而获得用户设计情感特征数据；
步骤S32：根据用户设计情感特征数据构建用户情感参数空间；
步骤S33：通过三维室内模型对用户情感参数空间进行最优室内布局参数组合，从而获得初步室内布局数据。
6.根据权利要求1所述的室内设计方法，其特征在于，步骤S4具体为：
步骤S41：根据初步室内布局数据进行空间网格转换，从而获得空间网格模型；
步骤S42：对空间网格模型进行流动性特征提取，从而获得家具摆放数据以及通行空间数据；
步骤S43：通过空间流动性计算公式对家具摆放数据以及通行空间数据进行计算，从而获得初步室内设计空间流动性数据；
其中，空间流动性计算公式具体为：
式中，L为空间流动性得分，V为室内空间的体积，X为家具摆放位置的横轴坐标，Y为家具摆放位置的纵轴坐标，Z为家具摆放位置的竖轴坐标，e为自然对数的底数，Vmin为最小通行空间，x为室内空间长度，y为室内空间宽度，z为室内空间高度。
7.根据权利要求1所述的室内设计方法，其特征在于，步骤S5具体为：
步骤S51：获取室内设计材料数据；
步骤S52：对待设计室内传感数据进行湿度数据提取、空气质量数据以及光照数据提取，从而获得室内湿度数据、空气质量数据以及室内光照数据；
步骤S53：根据室内光照数据对室内设计材料数据进行光照反射仿真，从而获得室内光照反射仿真数据；
步骤S54：对室内设计材料数据进行特征提取，从而获得挥发性材料数据，并根据挥发性材料数据、室内湿度数据以及空气质量数据对初步室内布局数据进行空气流动模拟，从而获得室内空气流动数据；
步骤S55：通过室内舒适度计算公式对室内光照反射预测数据以及室内空气流动数据进行室内舒适度计算，从而获得初步室内设计舒适度数据。
8.根据权利要求7所述的室内设计方法，其特征在于，步骤S55中的室内舒适度计算公式具体为：
式中，C为室内舒适度得分，T为室内温度，t为时间，ψ为室内湿度，α为室内的表面反射率，β为室内窗户的透光率，η为室内遮阳装置的影响因子，γ为室内空气流速，δ为空气质量因子。
9.根据权利要求1所述的室内设计方法，其特征在于，步骤S6具体为：
步骤S61：根据初步室内布局数据、初步室内设计空间流动性数据以及初步室内设计舒适度数据构建室内设计参数空间；
步骤S62：通过三维室内模型对室内设计参数空间进行最优室内布局参数组合，从而获得最优室内布局参数组合；
步骤S63：根据最优室内布局参数组合对初步室内布局数据进行布局参数校正，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
10.一种室内设计系统，其特征在于，用于执行如权利要求1所述的室内设计方法，该室内设计系统包括：
空间模型构建模块，用于获取待设计室内传感数据，并根据待设计室内传感数据进行空间感知模型转换，从而获得三维室内模型；
用户情感分析模块，用于获取待设计用户意向数据，对待设计用户意向数据进行用户情感偏好分析，从而获得用户设计情感地图；
初步室内布局设计模块，用于基于用户设计情感地图以及三维室内模型进行室内布局设计，从而获得初步室内布局数据；
空间流动性计算模块，用于对初步室内布局数据进行空间流动性计算，从而获得初步室内设计空间流动性数据；
室内舒适度计算模块，用于获取室内设计材料数据，并根据室内设计材料数据以及待设计室内传感数据对初步室内布局数据进行室内舒适度计算，从而获得初步室内设计舒适度数据；
室内布局优化模块，用于根据初步室内设计空间流动性数据以及初步室内设计舒适度数据对初步室内布局数据进行最优室内布局优化，从而获得最优室内设计布局数据，并上传至室内设计辅助平台，以执行设计渲染图转化任务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311780747.9A CN117972828A (zh) | 2023-12-21 | 2023-12-21 | 一种室内设计方法及室内设计系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311780747.9A CN117972828A (zh) | 2023-12-21 | 2023-12-21 | 一种室内设计方法及室内设计系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117972828A true CN117972828A (zh) | 2024-05-03 |
Family
ID=90865348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311780747.9A Pending CN117972828A (zh) | 2023-12-21 | 2023-12-21 | 一种室内设计方法及室内设计系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117972828A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020002497A1 (en) * | 2000-03-16 | 2002-01-03 | Steve Tilman | Method and system of marketing and selecting color |
| CN105243224A (zh) * | 2015-10-28 | 2016-01-13 | 唐山轨道客车有限责任公司 | 客室内流场的参数化仿真方法、装置及列车 |
| WO2018052346A1 (en) * | 2016-09-14 | 2018-03-22 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems, apparatuses, and methods for enhanicing indoor maps with room type information |
| CN109101762A (zh) * | 2018-09-14 | 2018-12-28 | 清华大学建筑设计研究院有限公司 | 基于bim的把实体模型虚拟数字化的方法和系统 |
| CN109344462A (zh) * | 2018-09-14 | 2019-02-15 | 鼎宸建设科技有限公司 | 一种基于bim进行室内设计的方法 |
| KR20190080641A (ko) * | 2017-12-28 | 2019-07-08 | 광주과학기술원 | 실내 복원 방법 |
| US20190338975A1 (en) * | 2018-05-07 | 2019-11-07 | Johnson Controls Technology Company | Building management system with apparent indoor temperature and comfort mapping |
| CN111695185A (zh) * | 2020-06-05 | 2020-09-22 | 河北传媒学院 | 一种人性化的室内设计方法及室内设计系统 |
| CN116522463A (zh) * | 2023-07-04 | 2023-08-01 | 矩阵纵横设计股份有限公司 | 室内设计方法、装置、设备及存储介质 |
-
2023
- 2023-12-21 CN CN202311780747.9A patent/CN117972828A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020002497A1 (en) * | 2000-03-16 | 2002-01-03 | Steve Tilman | Method and system of marketing and selecting color |
| CN105243224A (zh) * | 2015-10-28 | 2016-01-13 | 唐山轨道客车有限责任公司 | 客室内流场的参数化仿真方法、装置及列车 |
| WO2018052346A1 (en) * | 2016-09-14 | 2018-03-22 | Telefonaktiebolaget Lm Ericsson (Publ) | Systems, apparatuses, and methods for enhanicing indoor maps with room type information |
| KR20190080641A (ko) * | 2017-12-28 | 2019-07-08 | 광주과학기술원 | 실내 복원 방법 |
| US20190338975A1 (en) * | 2018-05-07 | 2019-11-07 | Johnson Controls Technology Company | Building management system with apparent indoor temperature and comfort mapping |
| CN109101762A (zh) * | 2018-09-14 | 2018-12-28 | 清华大学建筑设计研究院有限公司 | 基于bim的把实体模型虚拟数字化的方法和系统 |
| CN109344462A (zh) * | 2018-09-14 | 2019-02-15 | 鼎宸建设科技有限公司 | 一种基于bim进行室内设计的方法 |
| CN111695185A (zh) * | 2020-06-05 | 2020-09-22 | 河北传媒学院 | 一种人性化的室内设计方法及室内设计系统 |
| CN116522463A (zh) * | 2023-07-04 | 2023-08-01 | 矩阵纵横设计股份有限公司 | 室内设计方法、装置、设备及存储介质 |
Non-Patent Citations (9)
| Title |
|---|
| SONG, KYU HO: "A Study on the Design Direction of Smart Mobility Interior Space", JOURNAL OF KOREA INTITUTE OF SPATIAL DESIGN, 31 December 2021 (2021-12-31) * |
| 孙波;季翔;顾贤光;: "室内自然通风模拟在住宅空间布局中的应用", 华中建筑, no. 05, 10 May 2018 (2018-05-10) * |
| 宋文雯;: "CMT，空间设计中的颜色、材质和纹理", 设计, no. 19, 15 October 2020 (2020-10-15) * |
| 张璇;: "浅析美术元素在情感化家居设计中的应用", 美术界, no. 11, 15 November 2017 (2017-11-15) * |
| 李小芳等: "杨邦胜：做"吝啬"的设计", 艺术与设计, 31 December 2021 (2021-12-31) * |
| 王艳芬;: "简约主义背景下室内设计的简约化设计", 大观(论坛), no. 02, 20 February 2018 (2018-02-20) * |
| 车昕: "产品情感空间-浅谈室内设计中的产品", 大众文艺, 31 December 2010 (2010-12-31) * |
| 青浦云西山雨: "中式庭院设计中利用空间布局实现空间流动性和舒适度", Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1771015279839578288&wfr=spider&for=pc> * |
| 高冰;: "论现代室内设计中的流动空间设计", 农家参谋, no. 05, 5 March 2018 (2018-03-05) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sedlmair et al. | Visual parameter space analysis: A conceptual framework | |
| JP4785598B2 (ja) | 類似形状検索装置 | |
| US8843352B2 (en) | System and methods facilitating interfacing with a structure design and development process | |
| Parente et al. | Integration of convolutional and adversarial networks into building design: A review | |
| Zhang et al. | A posture detection method for augmented reality–aided assembly based on YOLO-6D | |
| Kuo et al. | Motion generation from MTM semantics | |
| Bhakar et al. | A review on classifications of tracking systems in augmented reality | |
| CN117972828A (zh) | 一种室内设计方法及室内设计系统 | |
| Zhou et al. | Image analysis system of intelligent smart home based on VR | |
| Stefani et al. | 3D information system for the digital documentation and the monitoring of stone alteration | |
| Zhou et al. | Webvr human-centered indoor layout design framework using a convolutional neural network and deep q-learning | |
| Ling et al. | A phenotype-based representation that quantifies aesthetic variables | |
| EP4275178B1 (en) | Computer-implemented augmentation of interior room models | |
| Sardenberg et al. | Aesthetics as a Criterion: Navigating Solution Spaces Utilizing Computer Vision, the Aesthetic Measure, and Artificial Neural Networks | |
| RU2812413C1 (ru) | Способ генераций изображений на основе анализа пользовательских предпочтений | |
| Song et al. | Interior Design Assessment System Based on Computer Vision and Multimedia | |
| CN118069729B (zh) | 一种基于gis的国土生态修复数据可视化方法和系统 | |
| Mengoni et al. | Reverse engineering of aesthetic products: use of hand-made sketches for the design intent formalization | |
| Ji et al. | Elementary implementation of a parameter-based generative design system considering the user environment | |
| Sun et al. | User Requirements Analysis and Model Optimization Based on Machine Vision in Cultural and Creative Product Design | |
| Chen | Exploring the Relationship Between Architectural Space Perception and User Experience in the Construction Industry Using Digital Art | |
| Mengoni et al. | Virtual Reality systems: a method to evaluate the applicability based on the design context | |
| Wei et al. | Graphic Design Effect Evaluation Based on CAD and Collaborative Design | |
| Tamvrahalli | Customer Interaction Analysis Tool using Unity and Microsoft HoloLens 2 | |
| Fu et al. | Fuzzy-based indoor scene modeling with differentiated examples |
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 |