一种基于户型匹配的家具自动布局方法及装置制造方法及图纸

本申请实施例提供一种基于户型匹配的家具自动布局方法及装置，涉及家居设计技术领域。该方法包括接收单房间户型的户型数据；基于所述户型数据，从户型方案数据库中获取相似户型的家具布局数据；将所述家具布局数据应用于所述单房间户型；对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级；按照所述优先级并利用贪婪优化法微调每组家具的位置，通过查找对相似户型，再进行聚类和微调，极大降低计算负荷，提高用户体验，通过微调降低错解情况，从而解决了现有方法容易造成云服务器卡死以及用户体验较差且错解情况较多的问题。较多的问题。较多的问题。

【技术实现步骤摘要】
一种基于户型匹配的家具自动布局方法及装置


[0001]本申请涉及家居设计
，具体而言，涉及一种基于户型匹配的家具自动布局方法及装置。

技术介绍

[0002]现在的自动布置或布局方法，基本是以“深度学习”为核心的自动求解方法。该方法特点是直接读图，然后估计出各种家具的位置，理论上说，随着训练集增多，自动布局的准确率越高。
[0003]但深度学习并不太适合部署在计算终端，一般都部署在云服务器上；同时，若深度学习采用cpu进行推理求解，则效率较低；若采用gpu进行推理求解，效率高，但计算费用也较高，特别当该功能有高并发请求时，一般就要排队，否则容易造成云服务器卡死的情况；用户会等待较长时间(30秒
‑
10分钟)，才能得到自动布局的结果，用户体验较差且错解情况较多。

技术实现思路

[0004]本申请实施例的目的在于提供一种基于户型匹配的家具自动布局方法及装置，通过获取相似户型得家具布局数据，再进行聚类和微调，极大降低计算负荷，提高用户体验，通过微调降低错解情况，从而解决了现有方法容易造成云服务器卡死以及用户体验较差且错解情况较多的问题。
[0005]本申请实施例提供了一种基于户型匹配的家具自动布局方法，所述方法包括：
[0006]接收单房间户型的户型数据；
[0007]基于所述单房间户型数据，从户型方案数据库中获取相似户型的家具布局数据；
[0008]将所述家具布局数据应用于所述单房间户型；
[0009]对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级；
[0010]按照所述优先级并利用贪婪优化法微调每组家具的位置。
[0011]在上述实现过程中，根据输入的户型数据，在已有的户型数据库中找最相似的方案；然后将历史方案迁移到当前户型当中，然后进行微调，极大降低计算负荷，提高用户体验，通过微调降低错解情况，从而解决了现有方法容易造成云服务器卡死以及用户体验较差且错解情况较多的问题。
[0012]进一步地，所述对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级，包括：
[0013]根据所述家具模型的位置和包围盒，获取包围盒贴地的家具模型并标记为主体家具；
[0014]对所述非主体家具进行分组，以放入对应的主体家具的分组当中；
[0015]按照预设的类别优先级顺序，根据每组家具中的主体家具确定每组家具的优先级。
[0016]在上述实现过程中，通过分组生成家具组合，并根据每个家具组合中的主体家具的优先级确定家具组合的优先级，以便后续根据优先级对家具组合进行位置微调。
[0017]进一步地，所述对所述非主体家具进行分组，以放入对应的主体家具的分组当中，包括：
[0018]将非主体家具的二维包围盒和每个主体家具的二维包围盒求交，以获得相交面积最大的主体家具；
[0019]将所述非主体家具放入面积最大的主体家具的分组中；
[0020]若所述非主体家具与所有主体家具均没有交集，则查找位置距离中心点最近的主体家具；
[0021]将所述非主体家具放入距离中心点位置最近的主体家具的分组中。
[0022]在上述实现过程中，采用聚类组合法将非主体家具放入相交面积最大的主体家具所在的分组当中，对于没有交集的非主体家具可放入距离中心点位置最近的主体家具的分组中，实现家具模型的聚类组合。
[0023]进一步地，所述按照所述优先级并利用贪婪优化法微调每组家具的位置，包括：
[0024]对所述家具组合进行贴墙检测，若不贴墙则将家具组合调整至贴墙位置；
[0025]对所述家具组合进行堵门检测，若堵门则进行相应调整；
[0026]对所述家具组合进行碰撞检测，若有碰撞，则舍去优先级较低的家具组合。
[0027]在上述实现过程中，通过贴墙检测、堵门检测和碰撞检测对每组家具的位置进行微调，从而避免错解情况较多的问题。
[0028]进一步地，所述对所述家具进行贴墙检测，若不贴墙则将家具组合调整至贴墙位置，包括：
[0029]沿着墙体朝内法向拉伸，以获得拉伸长方形；
[0030]将主体家具的包围盒矩形与所述拉伸长方形进行布尔求交；
[0031]若求交结果为待测矩形，且所述待测矩形与所述墙体平行的方向的长度等于所述包围盒矩形平行于墙体方向的长度，则贴墙；
[0032]否则，不贴墙。
[0033]在上述实现过程中，通过布尔求交的结果判断是否贴墙，只有当待测矩形与墙体平行的方向的长度等于包围盒矩形平行于墙体方向的长度时，认为贴墙，其他情况不贴墙。
[0034]进一步地，所述对所述主体家具进行堵门检测，若堵门则进行相应调整，包括：
[0035]沿着门朝内法向拉伸，以获得拉伸矩形；
[0036]若所述主体家具的包围盒矩形与所述拉伸矩形有交，则堵门；
[0037]将所述主体家具沿着平行于门的方向移动，直至所述包围盒矩形与所述拉伸矩形没有交集。
[0038]在上述实现过程中，如果主体家具的包围盒矩形跟门的拉伸矩形有交，则认为堵门，需要对主体家具进行移动。
[0039]进一步地，所述对所述家具组合进行碰撞检测，若有碰撞，则舍去优先级较低的家具，包括：
[0040]若两个家具组合的包围盒矩形有交，则有碰撞。
[0041]在上述实现过程中，两个家具组合的包围盒矩形有交，则认为有碰撞，可将优先级
较低的家具直接舍去不显示。
[0042]进一步地，所述方法还包括按照所述优先级并利用约束优化法微调每组家具的位置：
[0043]计算相邻两个家具组合的约束损失函数之和；
[0044]将两个家具组合之间的包围盒矩形的相交关系表示为损失函数之和：
[0045][0046]其中，λ
i
表示第i个家具组合的权重，λ
j
表示第j个家具组合的权重；
[0047]若所述约束损失函数之和不为0，则对所述约束损失函数之和进行优化，直到迭代收敛且约束损失函数之和为0，否则舍去优先级较低的家具。
[0048]在上述实现过程中，给出了另一种家具微调的方法，可对家具进行碰撞检测、堵门检测等，对家具位置进行调整。
[0049]本申请实施例还提供一种基于户型匹配的家具自动布局装置，所述装置包括：
[0050]数据接收模块，用于接收单房间户型的户型数据；
[0051]查找模块，用于基于所述单房间户型数据，从户型方案数据库中获取相似户型的家具布局数据；
[0052]复制模块，用于将所述家具布局数据应用于所述单房间户型；
[0053]聚类模块，用于对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级；
[0054]微调模块，用于按照所述优先级并利用贪婪优化法微调每组家具的位置。
[0055]在上述实现过程中，通过先输入户型，在已有的户型数据库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于户型匹配的家具自动布局方法，其特征在于，所述方法包括：接收单房间户型的户型数据；基于所述户型数据，从户型方案数据库中获取相似户型的家具布局数据；将所述家具布局数据应用于所述单房间户型；对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级；按照所述优先级并利用贪婪优化法微调每组家具的位置。2.根据权利要求1所述的基于户型匹配的家具自动布局方法，其特征在于，所述对所述家具布局数据中的家具模型进行聚类组合，以确定每组家具的优先级，包括：根据所述家具模型的位置和包围盒，获取包围盒贴地的家具模型并标记为主体家具；对非主体家具进行分组，以放入对应的主体家具的分组当中；按照预设的类别优先级顺序，根据每组家具中的主体家具确定每组家具的优先级。3.根据权利要求2所述的基于户型匹配的家具自动布局方法，其特征在于，所述对所述非主体家具进行分组，以放入对应的主体家具的分组当中，包括：将非主体家具的二维包围盒和每个主体家具的二维包围盒求交，以获得相交面积最大的主体家具；将所述非主体家具放入面积最大的主体家具的分组中；若所述非主体家具与所有主体家具均没有交集，则查找位置距离中心点最近的主体家具；将所述非主体家具放入距离中心点位置最近的主体家具的分组中。4.根据权利要求1所述的基于户型匹配的家具自动布局方法，其特征在于，所述按照所述优先级并利用贪婪优化法微调每组家具的位置，包括：对所述家具组合进行贴墙检测，若不贴墙则将家具组合调整至贴墙位置；对所述家具组合进行堵门检测，若堵门则进行相应调整；对所述家具组合进行碰撞检测，若有碰撞，则舍去优先级较低的家具组合。5.根据权利要求4所述的基于户型匹配的家具自动布局方法，其特征在于，所述对所述家具组合进行贴墙检测，若不贴墙则将家具组合调整至贴墙位置，包括：沿着墙体朝内法向拉伸，以获得拉伸长方形；将主体家具的包围盒矩形与所述拉伸长方形进行布尔求交；若求交结果为待测矩形，且所述待测矩形与所述墙...

【专利技术属性】
技术研发人员：邱辉平，王士玮，
申请(专利权)人：广东三维家信息科技有限公司，
类型：发明
国别省市：