本发明专利技术提供的一种家装饰品模板的匹配方法、系统、设备及介质，方法包括以下步骤：获取历史家具信息以及历史饰品信息；确定家具与饰品的设置关系；根据设置关系以及空间关系生成若干第一饰品模板；整合第一饰品模板，生成整合后第一饰品模板的空间分布图；对空间分布图进行饰品模板的密度聚类生成布局模板；根据布局模板对第一饰品模板进行筛选得到若干第二饰品模板，通过第二饰品模板以及历史空间信息训练机器学习模型；将目标空间信息输入至训练完成后的机器学习模型，预测得到第三饰品模板；方案可以大大缩短构建饰品模板的时间和成本，使饰品布置能随需求变化快速迭代，提高设计服务品质和设计效率，可广泛应用于计算机数据处理技术领域。据处理技术领域。据处理技术领域。
【技术实现步骤摘要】
一种家装饰品模板的匹配方法、系统、设备及介质
[0001]本专利技术涉及计算机数据处理
，尤其是一种家装饰品模板的匹配方法、系统、设备及介质。
技术介绍
[0002]在家装设计门店的业务场景中，能否快速生成美观的设计方案往往决定订单是否成交的关键；而室内设计除了摆放各类家具外，还需要使得软装设计美观，因此，还需要布置家居摆放工艺品、纺织品、收藏品、灯具、花艺、植物等各类工艺品。在线下演示与交易时，设计师难以在短时间内摆放大量的家装饰品，而且如何从大量饰品库中选择合适饰品进行布局摆放也十分考验设计师个人审美以及示例积累。
[0003]在相关技术中，由于家装设计品类繁多，制作品类丰富的饰品组合需要耗费大量的人力物力，而且对于多数围绕家具摆放的饰品，例如床周边放置的布偶、玩具饰品，靠规则难以推测合理的角度与距离自动摆放饰品。除此之外，由于饰品的种类、摆放方式经常更新，仅靠有限的设计师资源，难以满足多变且庞大的市场需求。
技术实现思路
[0004]有鉴于此，为至少部分解决上述技术问题之一，本专利技术实施例目的在于提供一种更为便捷、更为实用且能够灵活的家装饰品模板的匹配方法；与此同时，本申请技术方案还提供能够对应实现该方法的系统、设备及计算机可读写的存储介质。
[0005]一方面，本申请技术方案提供了一种家装饰品模板的匹配方法，方法包括以下步骤：
[0006]获取设计方案中的历史家具信息以及历史饰品信息；
[0007]根据所述家具信息以及所述饰品信息确定家具与饰品的设置关系；
[0008]根据所述设置关系以及空间关系生成若干第一饰品模板；
[0009]整合所述第一饰品模板，生成整合后所述第一饰品模板的空间分布图；
[0010]对所述空间分布图进行饰品模板的密度聚类，根据密度聚类结果生成布局模板；
[0011]根据布局模板对所述第一饰品模板进行筛选得到若干第二饰品模板，通过所述第二饰品模板以及历史空间信息训练机器学习模型；
[0012]将目标空间信息输入至训练完成后的机器学习模型，预测得到第三饰品模板，所述第三饰品模板包括目标饰品信息。
[0013]在本申请方案的一种可行的实施例中，所述设置关系包括悬挂关系、支撑关系以及邻接关系；所述第一饰品模板包括悬挂饰品模板、支撑饰品模板以及邻域饰品模板，所述根据所述设置关系以及空间关系生成若干第一饰品模板这一步骤，包括：
[0014]获取所述空间关系，根据所述空间关系对所述历史家具信息和所述历史饰品信息进行筛选确定中心对象；
[0015]根据所述中心对象在第一预设范围内的所述悬挂关系生成悬挂饰品模板；
[0016]根据所述中心对象在第二预设范围内的所述支撑关系生成支撑饰品模板；
[0017]根据所述中心对象在第三预设范围内的所述邻接关系生成邻域饰品模板。
[0018]在本申请方案的一种可行的实施例中，所述整合所述第一饰品模板，生成整合后所述第一饰品模板的空间分布图这一步骤，包括：
[0019]根据所述中心对象的水平面，在所述水平面上建立坐标系；
[0020]将所述悬挂饰品模板、支撑饰品模板以及所述邻域饰品模板投影至所述坐标系内，得到二维分布图；
[0021]所述水平包括竖直平面以及水平平面；所述二维分布图包括饰品和家具的投影点。
[0022]在本申请方案的一种可行的实施例中，所述对所述空间分布图进行饰品模板的密度聚类，根据密度聚类结果生成布局模板这一步骤包括：
[0023]根据预设距离阈值将所述二维分布图中的投影点进行分类得到聚类簇；
[0024]通过密度聚类算法，根据所述预设距离阈值计算得到局部密度值；
[0025]根据所述局部密度值确定所述投影点的边界距离；
[0026]根据所述边界距离以及所述局部密度值对所述投影点中的噪声点进行筛除，得到所述布局模板。
[0027]在本申请方案的一种可行的实施例中，所述根据布局模板对所述第一饰品模板进行筛选得到若干第二饰品模板，通过所述第二饰品模板以及历史空间信息训练机器学习模型这一步骤，包括：
[0028]对所述布局模板中的中心对象进行特征编码得到第一特征编码；
[0029]对所述布局模板中的非中心对象进行特征编码得到第二特征编码；
[0030]根据所述中心对象以及所述非中心对象之间的位置关系生成第一关系编码，所述位置关系所述中心对象和所述非中心对象之间的距离和朝向；
[0031]通过所述第一特征编码、第二特征编码以及所述第一关系编码训练得到所述机器学习模型。
[0032]在本申请方案的一种可行的实施例中，在将目标空间信息输入至训练完成后的机器学习模型，预测得到第三饰品模板这一步骤之前，所述匹配方法包括：
[0033]确定所述目标空间信息中的核心家具；
[0034]根据聚类密度对所述第一饰品模板进行排序得到模板序列；
[0035]根据预设家具间隔对所述模板序列进行遍历，确定所述核心家具的目标位置。
[0036]在本申请方案的一种可行的实施例中，所述将目标空间信息输入至训练完成后的机器学习模型，预测得到第三饰品模板这一步骤，包括：
[0037]将所述目标位置输入至训练完成后的机器学习模型，输出得到所述目标位置的目标环境编码；
[0038]根据所述目标环境编码与历史环境编码的余弦相似度确定所述第三饰品模板，所述历史环境编码是根据所述第一饰品模板中的家具特征编码、饰品特征编码以及第二关系编码所生成得到。
[0039]另一方面，本申请技术方案还提供了一种家装饰品模板的匹配系统，系统包括：
[0040]数据获取单元，用于获取设计方案中的历史家具信息以及历史饰品信息；
[0041]数据处理单元，用于根据所述家具信息以及所述饰品信息确定家具与饰品的设置关系；并根据所述设置关系以及空间关系生成若干第一饰品模板；整合所述第一饰品模板，生成整合后所述第一饰品模板的空间分布图；对所述空间分布图进行饰品模板的密度聚类，根据密度聚类结果生成布局模板；
[0042]模型训练单元，用于根据布局模板对所述第一饰品模板进行筛选得到若干第二饰品模板，通过所述第二饰品模板以及历史空间信息训练机器学习模型；
[0043]模板匹配单元，用于将目标空间信息输入至训练完成后的机器学习模型，预测得到第三饰品模板，所述第三饰品模板包括目标饰品信息。
[0044]另一方面，本专利技术的技术方案还提供一种家装饰品模板的匹配设备，其包括：
[0045]至少一个处理器；
[0046]至少一个存储器，用于存储至少一个程序；
[0047]当至少一个程序被至少一个处理器执行，使得至少一个处理器运行前面所述的一种家装饰品模板的匹配方法。
[0048]另一方面，本专利技术的技术方案还提供了一种存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于运行前面所述的的一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种家装饰品模板的匹配方法，其特征在于，方法包括以下步骤：获取设计方案中的历史家具信息以及历史饰品信息；根据所述家具信息以及所述饰品信息确定家具与饰品的设置关系；根据所述设置关系以及空间关系生成若干第一饰品模板；整合所述第一饰品模板，生成整合后所述第一饰品模板的空间分布图；对所述空间分布图进行饰品模板的密度聚类，根据密度聚类结果生成布局模板；根据所述布局模板对所述第一饰品模板进行筛选得到若干第二饰品模板，通过所述第二饰品模板以及历史空间信息训练机器学习模型；将目标空间信息输入至训练完成后的所述机器学习模型，预测得到第三饰品模板，所述第三饰品模板包括目标饰品信息。2.根据权利要求1所述的一种家装饰品模板的匹配方法，其特征在于，所述设置关系包括悬挂关系、支撑关系以及邻接关系；所述第一饰品模板包括悬挂饰品模板、支撑饰品模板以及邻域饰品模板，所述根据所述设置关系以及空间关系生成若干第一饰品模板这一步骤，包括：获取所述空间关系，根据所述空间关系对所述历史家具信息和所述历史饰品信息进行筛选确定中心对象；根据所述中心对象在第一预设范围内的所述悬挂关系生成悬挂饰品模板；根据所述中心对象在第二预设范围内的所述支撑关系生成支撑饰品模板；根据所述中心对象在第三预设范围内的所述邻接关系生成邻域饰品模板。3.根据权利要求2所述的一种家装饰品模板的匹配方法，其特征在于，所述整合所述第一饰品模板，生成整合后所述第一饰品模板的空间分布图这一步骤，包括：根据所述中心对象的水平面，在所述水平面上建立坐标系；将所述悬挂饰品模板、所述支撑饰品模板以及所述邻域饰品模板投影至所述坐标系内，得到二维分布图；所述水平包括竖直平面以及水平平面；所述二维分布图包括饰品和家具的投影点。4.根据权利要求3所述的一种家装饰品模板的匹配方法，其特征在于，所述对所述空间分布图进行饰品模板的密度聚类，根据密度聚类结果生成布局模板这一步骤包括：根据预设距离阈值将所述二维分布图中的投影点进行分类得到聚类簇；通过密度聚类算法，根据所述预设距离阈值计算得到局部密度值；根据所述局部密度值确定所述投影点的边界距离；根据所述边界距离以及所述局部密度值对所述投影点中的噪声点进行筛除，得到所述布局模板。5.根据权利要求2所述的一种家装饰品模板的匹配方法，其特征在于，所述根据布局模板对所述第一饰品模板进行筛选得到若干第二饰品模板，通过所述第二饰品模板以及历史空间信息训练机器学习模型这一步骤，包括：对所述布局模板中的中心对象进行特征编码得到第...
【专利技术属性】
技术研发人员：柯建生，戴振军，
申请(专利权)人：广州极点三维信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。