基于户型数据驱动的组合式室内布局方法和系统技术方案

本发明专利技术提供了一种基于户型数据驱动的组合式室内布局方法和系统，包括：获取目标房间区域的特征向量数据；目标房间区域为待布局房屋中的房间区域；特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；将目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到目标房间区域的功能信息；基于特征向量数据和功能信息对目标房间区域进行布局操作，得到布局之后的房间区域。本发明专利技术缓解了现有技术中对整个房屋进行布局时，人工对个房间的功能进行标注的工作较繁琐的技术问题。

Method and system of combined indoor layout based on house type data drive

【技术实现步骤摘要】
基于户型数据驱动的组合式室内布局方法和系统
本专利技术涉及数据处理的
，尤其是涉及一种基于户型数据驱动的组合式室内布局方法和系统。
技术介绍
在实际的室内设计中，用户许多时候需要对整个房屋进行布局，但是当前的大部分布局算法通常只关注单个房间的布局，缺乏从室内设计的整体结构进行考虑。如果用户需要对整个房屋进行自动布局，则需要先人工对各房间的区域和房间的功能进行标注，再利用自动布局方法对房间进行布局；对于复杂房屋户型图，这些标注工作既繁琐又增加用户的工作量。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于户型数据驱动的组合式室内布局方法和系统，以缓解了现有技术中对整个房屋进行布局时，人工对个房间的功能进行标注的工作较繁琐的技术问题。第一方面，本专利技术实施例提供了一种基于户型数据驱动的组合式室内布局方法，包括：获取目标房间区域的特征向量数据；所述目标房间区域为待布局房屋中的房间区域；所述特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息；基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域。进一步地，在获取目标房间区域的特征向量数据之前，所述方法还包括：获取所述待布局房屋的户型图；确定所述户型图中的全部辅助点，其中，所述辅助点为所述户型图中各个房间区域的顶点；对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域，并在所述至少一个房间区域中确定所述目标房间区域。进一步地，对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域包括：获取所述全部辅助点中任意两个辅助点之间的邻接关系；根据所述任意辅助点之间的邻接关系对所述辅助点进行聚类分析，得到至少一个辅助点簇；基于所述至少一个辅助点簇，形成至少一个辅助点闭环；将所述至少一个辅助点闭环中，除面积最大的辅助点闭环之外的辅助点闭环作为所述至少一个房间区域。进一步地，所述方法还包括：获取训练数据集；所述训练数据集包括：多个房间区域的特征向量数据集合和每个房间区域的功能信息集合；利用所述训练数据集训练预设BP神经网络模型，得到所述训练之后的BP神经网络模型。进一步地，在利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型之前，所述方法还包括：对所述训练数据集中的特征向量数据集合进行Min-Max标准化处理，得到归一化特征向量数据集合；利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型包括：将所述归一化特征向量数据集合作为输入，训练所述预设BP神经网络模型，得到训练之后的BP神经网络模型。进一步地，在将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息之前，所述方法包括：对所述目标房间区域的特征向量数据进行Min-Max标准化处理，得到所述目标房间区域的归一化特征向量；将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息包括：将所述目标房间区域的归一化特征向量输入到所述训练之后的BP神经网络模型，得到所述目标房间区域的功能信息。进一步地，基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域，包括：基于所述户型图，确定所述目标房间区域的结构特征数据；所述结构特征数据包括以下至少之一：房门相对位置数据，窗户相对位置数据；基于所述结构特征数据和所述目标房间区域的特征向量数据，确定所述目标房间区域的属性特征向量；所述属性特征向量包括：房间面积，功能信息，房门相对位置数据和窗户相对位置数据；在预设布局房间库中查找与所述目标房间区域的属性特征向量的相似度最大的房间，得到目标布局房间；所述预设布局房间库为多个布局之后的房间的集合；基于所述目标布局房间中的物品布局，对所述目标房间区域进行布局操作，得到布局之后的房间区域。进一步地，通过以下方式确定任意两个辅助点之间是否存在邻接关系，具体包括：获取所述户型图中的所有墙角点的集合为第一集合，获取所述户型图中的所有墙边的集合为第二集合；在所述第一集合中确定所述任意两个辅助点所对应的墙角点分别为第一墙角点和第二墙角点；判断所述第一墙角点和所述第二墙角点所构成的边是否属于所述第二集合，且不与所述第二集合中的所有墙边相交，且与X轴或者Z轴平行；所述X轴和所述Z轴为所述户型图中相互垂直的两个坐标轴；若是，则确定所述任意两个辅助点之间存在邻接关系。第二方面，本专利技术实施例还提供了一种基于户型数据驱动的组合式室内布局系统，包括：获取模块，识别模块和布局模块，其中，所述获取模块，用于获取目标房间区域的特征向量数据；所述目标房间区域为待布局房屋中的房间区域；所述特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；所述识别模块，用于将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息；所述布局模块，用于基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域。第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。本专利技术实施例带来了以下有益效果：一种基于户型数据驱动的组合式室内布局方法和系统，包括：获取目标房间区域的特征向量数据；将目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到目标房间区域的功能信息；基于特征向量数据和功能信息对目标房间区域进行布局操作，得到布局之后的房间区域。本专利技术通过BP神经网络模型可以自动确定目标房间区域的功能信息，然后通过特征向量数据和功能信息自动对目标房间区域进行布局，而不需要用户对户型图中的功能信息进行标注，以及不需要用户输入室内物品，以缓解了现有技术中对整个房屋进行布局时，人工对个房间的功能进行标注的工作较繁琐的技术问题。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于户型数据驱动的组合式室内布局方法的流程图；图2为本专利技术实施例提供的一种环聚类算法的流程图；图3为本专利技术实施例提供的一种待布局房屋的户型图的示意图；图4为本专利技术实施例提供的一种户型图的辅助点的示意图；图5为本专利技术实施例提供的四种辅助点生成方式的示意图；图6为本专利技术实施例提供的一种房间区域机构的示意图；图7为本专利技术实施例提供的另一种基于户型数据驱动本文档来自技高网...

【技术保护点】
1.一种基于户型数据驱动的组合式室内布局方法，其特征在于，包括：/n获取目标房间区域的特征向量数据；所述目标房间区域为待布局房屋中的房间区域；所述特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；/n将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息；/n基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域。/n

【技术特征摘要】
1.一种基于户型数据驱动的组合式室内布局方法，其特征在于，包括：
获取目标房间区域的特征向量数据；所述目标房间区域为待布局房屋中的房间区域；所述特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；
将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息；
基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域。


2.根据权利要求1所述的方法，其特征在于，在获取目标房间区域的特征向量数据之前，所述方法还包括：
获取所述待布局房屋的户型图；
确定所述户型图中的全部辅助点，其中，所述辅助点为所述户型图中各个房间区域的顶点；
对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域，并在所述至少一个房间区域中确定所述目标房间区域。


3.根据权利要求2所述的方法，其特征在于，对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域包括：
获取所述全部辅助点中任意两个辅助点之间的邻接关系；
根据所述任意两个辅助点之间的邻接关系对所述辅助点进行聚类分析，得到至少一个辅助点簇；
基于所述至少一个辅助点簇，形成至少一个辅助点闭环；
将所述至少一个辅助点闭环中，除面积最大的辅助点闭环之外的辅助点闭环作为所述至少一个房间区域。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取训练数据集；所述训练数据集包括：多个房间区域的特征向量数据集合和每个房间区域的功能信息集合；
利用所述训练数据集训练预设BP神经网络模型，得到所述训练之后的BP神经网络模型。


5.根据权利要求4所述的方法，其特征在于，
在利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型之前，所述方法还包括：对所述训练数据集中的特征向量数据集合进行Min-Max标准化处理，得到归一化特征向量数据集合；
利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型包括：将所述归一化特征向量数据集合作为输入，训练所述预设BP神经网络模型，得到训练之后的BP神经网络模型。


6.根据权利要求1所述的方法，其特征在于，
在将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息之前，所述方法包括：对所述目标房间区域的特征向量数据进行Min-Max标准化处理，得到所述目标房间区域的归...

【专利技术属性】
技术研发人员：郑立国，贾金原，宋佩华，冯恩旸，张乾，
申请(专利权)人：吉林吉动盘古网络科技股份有限公司，吉林动画学院，
类型：发明
国别省市：吉林;22