一种基于3D结构光家具、饰品及灯具一体化智能化局方法技术

本发明专利技术公开一种基于3D结构光家具、饰品及灯具一体化智能化局方法，涉及智能家具布局技术领域，具体包括：1)分割采集所得到的家具场景3D结构光数据 2)对3D家具场景结构光数据进行语义分割 3)在语义分割后的3D家具场景中自动化智能布局家具 4)在3D家具布局完后布局3D饰品，3D灯具等。本发明专利技术的一种基于3D结构光家具、饰品及灯具一体化智能化局方法，在3D场景实现3D家具,3D饰品，3D灯具一体化布局，在3D户型图识别中增加了高度信息的识别，有利于识别理解3D屋顶，3D墙体，3D屋顶高度等信息。随后，也有益于在3D墙体，3D屋顶，3D吊顶上合理布局3D灯具，3D饰品。

【技术实现步骤摘要】
一种基于3D结构光家具、饰品及灯具一体化智能化局方法
本专利技术涉及智能家具布局
，尤其涉及一种基于3D结构光家具、饰品及灯具一体化智能化局方法。
技术介绍
现有家居布局方法主要是依赖设计师人工设计或部分人工智能算法介入，由于存在个体差异以及智能算法的不成熟，会造成布局效果不美观。如：家具布局样式单一，家具布局不完美，家具布局耗时过长，普通用户不能实时体验家具智能布局效果。本专利技术的一种3D结构光家具,饰品，灯具一体化3D智能化布局系统，用于实现3D场景直接布局3D家具，灯具，饰品一体化布局效果。
技术实现思路
本专利技术所要解决的技术问题是针对
技术介绍
的不足提供一种基于3D结构光家具、饰品及灯具一体化智能化局方法，有利于识别理解3D屋顶，3D墙体，3D屋顶高度等信息。随后，也有益于在3D墙体，3D屋顶，3D吊顶上合理布局3D灯具，3D饰品。本专利技术为解决上述技术问题采用以下技术方案：一种基于3D结构光家具、饰品及灯具一体化智能化局方法，具体包括如下步骤：步骤1，采集家具场景3D结构光数据，包括家具场景3D点云数据和RDB-D深度图数据；步骤2，使用神经网络模型接收家具场景3D结构光数据，并产出3D语义分割信息；其中，神经网络构成包含通用卷积核CNN，序列卷积核RNN和序列卷积核LSTM；步骤3，使用神经网络模型构建3D家具智能布局系统，其中，3D家具智能布局系统由强化学习模型和CNN普通卷积模型构成，实现方式包括深度强化模型DQN；步骤4，使用神经网络模型在3D场景中布局好3D家具之后，继续在3D场景中布局3D饰品和3D灯具；神经网络模型包括深度强化模型DQN；步骤5，选取记录的布局状态，选择TopN作为最终结果，其中，TopN可根据用户需求指定。作为本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的进一步优选方案，所述步骤2具体如下：步骤2.1，通过第一特征提取模块提取场景3D点云特征；步骤2.2，通过第二特征提取模块提取场景RGB-D数据特征；步骤2.3，通过特征融合模块融合2.1和2.2的特征；步骤2.4，通过语义分割模块得到整个房间的各类分割信息，包含门a，窗b，墙c，屋顶d，吊顶e；步骤2.5，通过语义分割结果和2.3，2.4结果得到3D各个房间类别，包含3D卧室a，3D厨房b，3D客餐厅c，3D书房d，3D卫生间e。作为本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的进一步优选方案，所述步骤2.1和步骤2.2采用高维神经网络提取特征模块实现作为本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的进一步优选方案，所述步骤2.3采用通用多层CNN卷积神经网络。作为本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的进一步优选方案，所述步骤2.4采用3D场景语义分割神经网络。作为本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的进一步优选方案，所述步骤3具体如下：步骤3.1，在得到户型的整个3D场景语义分割后结果，包括3D门x,3D墙y,3D窗z.,3D屋顶m，3D吊顶n；步骤3.2，使用通用CNN模块得到整个3D场景的基于房间类型的语义分割，语义分割包括3D卧室a、3D厨房b、D客餐厅c、3D书房d、3D卫生间e；步骤3.3，使用深度树和强化学习结合模块智能化布局各个3D房间的3D家具；步骤3.3.1，使用深度树模块为相应3D空间选择对应3D家具类型，具体为3D卧室选择3D床，3D储物柜，3D书桌；步骤3.3.2，使用强化学习模块为相应3D空间自动化布局已经选择的3D家具。有益效果本专利技术的一种基于3D结构光家具、饰品及灯具一体化智能化局方法，在3D场景实现3D家具,3D饰品，3D灯具一体化布局，在3D户型图识别中增加了高度信息的识别，有利于识别理解3D屋顶，3D墙体，3D屋顶高度等信息。随后，也有益于在3D墙体，3D屋顶，3D吊顶上合理布局3D灯具，3D饰品等。附图说明图1是本专利技术一种基于3D结构光家具、饰品及灯具一体化智能化局方法的示意图；图2是本专利技术3D场景语义分割，分类子系统；图3是本专利技术3D家具自动化布局子系统；图4是本专利技术3D饰品，3D灯具自动化布局子系统；图5是本专利技术3D场景语义分割子系统中3D点云提取网络示意图；图6是本专利技术3D场景语义分割子系统中RGB-D信息提取网络示意图；图7是本专利技术3D家具自动化布局子系统深度树模块；图8是本专利技术3D场景语义分割神经网络示意图。具体实施方式下面结合附图对本专利技术的技术方案做进一步的详细说明：下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。一种基于3D结构光家具、饰品及灯具一体化智能化局方法，如图1所示，具体如下：步骤1，获取采集家具场景3D结构光数据，包括但不限于家具场景3D点云数据O(1)，RDB-D深度图数据O(2)等。其中，O1，O2为整个户型的3D场景信息。步骤2，使用神经网络模型接收多维度3D场景数据，例如O(1),O(2)等，并且产出3D语义分割信息。图2是本专利技术3D场景语义分割，分类子系统，图3是本专利技术3D家具自动化布局子系统；其中，一种实现方式如下:步骤2.1，通过特征提取模块1提取场景3D点云特征。步骤2.2，通过特征提取模块2提取场景RGB-D数据特征。步骤2.3，通过特征融合模块融合2.1和2.2的特征。步骤2.4，通过语义分割模块得到整个房间的门a，窗b，墙c，屋顶d，吊顶e等各类分割信息。步骤2.5，通过语义分割结果和2.3，2.4结果得到3D各个房间类别，例如，3D卧室a,3D厨房b,3D客餐厅c,3D书房d,3D卫生间e等。其中步骤2.1和步骤2.2实现包括但不限于采用高维神经网络提取特征模块，如图5所示的PointCNN网络。其中步骤2.3实现包括但不限于采用通用多层CNN卷积神经网络。其中步骤2.4实现包括但不限于采用3D场景语义分割神经网络，图6是本专利技术3D场景语义分割子系统中RGB-D信息提取网络示意图。如图8所示的Pointnet网络。步骤3，使用神经网络模型构建3D家具智能布局系统。其中,3D空间智能布局由强化学习模型和CNN卷积模型构成，实现方式包括但不限于DQN等。步骤3.1，提取各类3D家具的特征，其中3D家具特征提取模块提取各个3D家具模型Obj(1),....,Obj(N)的特征h(1),.....h(N).步骤3.2，将步骤3.1结果本文档来自技高网...

【技术保护点】
1.一种基于3D结构光家具、饰品及灯具一体化智能化局方法，其特征在于，具体包括如下步骤：/n步骤1，采集家具场景3D结构光数据，包括家具场景3D点云数据和RDB-D深度图数据；/n步骤2，使用神经网络模型接收家具场景3D结构光数据，并产出3D语义分割信息；其中，神经网络构成包含通用卷积核CNN，序列卷积核RNN和序列卷积核 LSTM；/n步骤3，使用神经网络模型构建3D家具智能布局系统，其中，3D家具智能布局系统由强化学习模型和CNN普通卷积模型构成，实现方式包括深度强化模型DQN；/n步骤4，使用神经网络模型在3D场景中布局好3D家具之后，继续在3D场景中布局3D饰品和3D灯具；神经网络模型包括深度强化模型DQN；/n步骤5，选取记录的布局状态，选择TopN作为最终结果，其中，TopN可根据用户需求指定。/n

【技术特征摘要】
1.一种基于3D结构光家具、饰品及灯具一体化智能化局方法，其特征在于，具体包括如下步骤：
步骤1，采集家具场景3D结构光数据，包括家具场景3D点云数据和RDB-D深度图数据；
步骤2，使用神经网络模型接收家具场景3D结构光数据，并产出3D语义分割信息；其中，神经网络构成包含通用卷积核CNN，序列卷积核RNN和序列卷积核LSTM；
步骤3，使用神经网络模型构建3D家具智能布局系统，其中，3D家具智能布局系统由强化学习模型和CNN普通卷积模型构成，实现方式包括深度强化模型DQN；
步骤4，使用神经网络模型在3D场景中布局好3D家具之后，继续在3D场景中布局3D饰品和3D灯具；神经网络模型包括深度强化模型DQN；
步骤5，选取记录的布局状态，选择TopN作为最终结果，其中，TopN可根据用户需求指定。


2.根据权利要求1所述的一种基于3D结构光家具、饰品及灯具一体化智能化局方法，其特征在于，在一个实施方式中，所述步骤2具体如下：
步骤2.1，通过第一特征提取模块提取场景3D点云特征；
步骤2.2，通过第二特征提取模块提取场景RGB-D数据特征；
步骤2.3，通过特征融合模块融合2.1和2.2的特征；
步骤2.4，通过语义分割模块得到整个房间的各类分割信息，包含门a，窗b，墙c，屋顶d，吊顶e；
步骤2.5，通过语义分割结果和2.3，2.4结果得到3D各个房间类别，包含3D卧室a，3D厨房b，3D客餐厅c，3D...

【专利技术属性】
技术研发人员：陈旋，吕成云，邸新汉，
申请(专利权)人：江苏艾佳家居用品有限公司，
类型：发明
国别省市：江苏;32