用于基于用户偏好而自动布置3D房间的方法技术

一种基于用户偏好而自动布置3D房间的计算机实现的方法，包括以下步骤：a)获得：

【技术实现步骤摘要】
用于基于用户偏好而自动布置3D房间的方法


[0001]本专利技术属于带家具的房间的计算机辅助设计的领域。具体而言，本专利技术涉及一种用于基于用户偏好而自动布置3D房间的计算机实现的方法。

技术介绍

[0002]打算搬进新公寓或者只是打算翻新房间的消费者通常会从家具店的类似项目中找到灵感，或者他们也可以通过使用CAD软件来实现。因此，消费者将自己投射到新房间中。
[0003]一些现有的自动创建室内房间模板的方法是基于经典的优化技术，并使用一组家具作为输入来布置到给定的房间中。这种方法的缺点是它意味着手动定义一组约束(每个对象周围的哪些空间应该是空闲的，哪些对象应该与其他对象相邻，等等)，这需要相当长的时间并且容易出错。
[0004]基于经典优化技术的方法示例在“使用遗传算法的自动化室内设计(Automated Interior Design Using a Genetic Algorithm)”(Peter Kan等人，Proceedings of VRST2017，瑞典哥德堡，2017年11月)中公开。优化过程使用遗传算法，从随机解决方案开始，以便利用家具对象对室内虚拟场景自动填充，并根据美学、人体工程学和功能规则来优化它们的位置和取向。这种方法的缺点是它意味着手动定义一组约束(每个对象周围的哪些空间应该是空闲的，哪些对象应该与其他对象相邻，等等)并且优化的参数固定在定义为“理想”的值上。然而，对于用户来说，拥有一个考虑到他个人喜好的定制解决方案是比较困难的。
[0005]用户在环方法(User
‑
in
‑
the
‑
loop method)在优化过程中要求用户输入来指导房间的布置。在“使用室内设计指南的交互式家具布局(Interactive Furniture Layout Using Interior Design Guidelines)”(Paul Merrell等人，Siggraph 2011，2011年8月)中，用户可以手动设计特定家具的约束条件。在每次迭代之后，该方法提出了一些满足约束但不一定是优化的解决方案的解决方案。再启动考虑到他的新输入的新迭代之前，用户可以选择他最喜欢的解决方案或手动移动家具。这种方法需要与用户进行大量的大量交互，以提出令人愉悦和优化的布局。
[0006]基于深度学习的方法利用巨大的室内场景数据库来学习如何自动布置新房间，例如“PlanIT：使用关系图和空间先验网络规划和实例化室内场景(PlanIT:planning and instantiating indoor scenes with relation graph and spatial prior networks)”(Wang,K.等人，ACM Trans.Graph.，第38卷，第4期，第132条，2019年7月)。然而，文章中公开的解决方案不能使用户定制所建议的带家具的房间。换句话说，用户不“在环中”。
[0007]因此，需要获得一种用于基于用户偏好来自动布置3D房间的方法的计算机实现的方法，该方法是迭代的并且可以容易地定制。

技术实现思路

[0008]本专利技术的一个目的是一种用于基于用户偏好来自动布置3D房间的计算机实现的
方法，包括以下步骤：
[0009]a)
[0010]‑
基于虚拟3D房间的3D元素之间的空间关系，获得包括3D元素的虚拟3D房间的至少一个空间关系图，所述3D元素包括位于布置的虚拟3D房间中的3D建筑元素和3D布置对象；
[0011]‑
获得与3D房间的布置相关的一组用户偏好；
[0012]b)将所述一组用户偏好转换为一组目标参数，每个目标参数指派给相应的KPI，所述KPI对应于与3D房间的布置有关的度量；
[0013]c)对于每个空间关系图：
[0014]‑
基于空间关系图并基于相应的目标参数或基于将空间关系图映射到关于每个目标参数的关键绩效指标值的数据集来计算一组关键绩效指标值，以及
[0015]‑
计算KPI距离，该KPI距离对应于所有KPI值的聚合；
[0016]d)自动选择至少一个最有希望的空间关系图，所述最有希望的空间关系图是具有最低KPI距离的空间关系图；
[0017]e)将最有希望的空间关系图实例化到要利用最有希望的空间关系图的3D布置对象来布置的3D房间中，从而提供经布置的虚拟3D房间建议；
[0018]f)向用户显示经布置的虚拟3D房间建议；
[0019]g)接收用户偏好的更新；
[0020]h)重复步骤a)到g)直到满足停止标准。
附图说明
[0021]本专利技术的其他特征和优点将从以下结合附图的描述中变得显而易见：
[0022]‑
图1说明了本专利技术的方法；
[0023]‑
图2说明了空间关系图；
[0024]‑
图3说明了可以在其上实施该方法的用户界面的示例；
[0025]‑
图4说明了空间关系图以及经布置的虚拟3D房间建议；
[0026]‑
图5说明了目标参数、KPI值和用户偏好的一些数值；
[0027]‑
图6和图7说明了经3D布置的房间的示例；
[0028]‑
图8说明了适合于执行根据本专利技术的不同实施例的方法的计算机系统的框图。
具体实施方式
[0029]图1说明了本专利技术的方法。在第一步骤a)中，获得虚拟3D房间的至少一个空间关系图GR。在下文中，将考虑获得多个空间关系图GR，尽管该方法也可以仅用一个空间关系图GR来实现。
[0030]空间关系图GR可以基于最初由个人或专业人员(例如家具零售商、房地产经纪人、建筑师)提供的3D房间而存储在图数据库中，。可替代地，可以使用深度自回归模型自动生成空间关系图，例如在文章“PlanIT：使用关系图和空间先验网络规划和实例化室内场景(PlanIT:planning and instantiating indoor scenes with relation graph and spatial prior networks)”(Wang,K.等人，ACM Trans.Graph.，第38卷，第4期，第132条，
2019年7月)中公开的。空间关系图也可以由用户手动创建，尽管这会很麻烦。
[0031]提供以下定义以更好地理解本专利技术：
[0032]3D房间：对应于房间的3D定义，所需的最少信息是一组墙壁(及其位置和尺寸)。
[0033]3D布置对象：放置在房间内以对房间进行布置的家具或装饰对象。它不包括所有建筑对象，例如房间分隔件(墙壁和隐式分隔件)、门和窗。
[0034]3D_Openings：房间的门窗集。
[0035]3D_Separators：一组房间分隔件(墙壁和隐式分隔件)。
[0036]3D建筑元素＝3D_Openings 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于基于用户偏好而自动布置3D房间的计算机实现的方法，包括以下步骤：a)基于虚拟3D房间的3D元素之间的空间关系，获得包括所述3D元素的所述虚拟3D房间的至少一个空间关系图(GR)，所述3D元素包括位于所布置的虚拟3D房间中的3D建筑元素(3D_Arch,1,2,3,4,11,12,13)和3D布置对象(3D_Object,5,6,7,8,9,10)；
‑
获得与所述3D房间的布置相关的一组用户偏好(UP)；b)将所述一组用户偏好(UP)转换为一组目标参数(t
kpi_param
)，每个目标参数被指派给相应的关键绩效指标KPI，所述KPI对应于与所述3D房间的布置有关的度量；c)针对每个空间关系图：
‑
基于所述空间关系图(GR)并且基于相对应的目标参数(t
kpi_param
)或基于将空间关系图映射到关于每个目标参数(t
kpi_param
)的关键绩效指标KPI值的数据集来计算一组关键绩效指标值(KPIV)，以及
‑
计算KPI距离(dist
KPI
)，所述KPI距离对应于所有KPI值(KPIV)的聚合；d)自动选择至少一个最有希望的空间关系图(MPGR)，所述最有希望的空间关系图(MPGR)是具有最低KPI距离(dist
KPI
)的空间关系图(GR)；e)将所述最有希望的空间关系图(MPGR)实例化到要用所述最有希望的空间关系图(MPGR)的3D布置对象(3D_Object,5,6,7,8,9,10)来被布置的3D房间中，从而提供经布置的虚拟3D房间建议(FP)；f)向用户显示所述经布置的虚拟3D房间建议(FP)；g)接收所述用户偏好(UP)的更新；h)重复步骤a)到g)直到满足停止标准。2.根据权利要求1所述的方法，其中，在步骤b)中，所述目标参数t
kpi_param
是利用如下公式计算的：t
kpi_param
＝max(0,Proposal
kpi_param
+α
kpi_param
δ
kpi_param
)其中，Proposal
kpi_param
对应于先前的迭代的目标参数或所述方法的第一迭代的标准值；δ
kpi_param
是恒定的演化速率；N
kpi
是影响所述关键绩效指标的用户偏好的数量；w
p
是由所述用户提供的所述用户偏好的权重；w
kpi_param
是所述用户偏好在所述关键绩效指标上的权重。3.根据前述权利要求中任一项所述的方法，包括：
‑
利用先验关键绩效指标值(APKPIV)对每个关键绩效指标值(KPIV)进行近似；
‑
计算针对每个关键绩效指标值的置信系数(x
kpi
)；其中，在所述KPI距离(dist
KPI
)中，每个先验关键绩效指标值(APKPIV)通过其对应的置信系数(x
kpi
)加权。4.根据前述权利要求中任一项所述的方法，包括在步骤e)和f)之间的步骤e
’
)，步骤e
’
)为：
‑
计算全局成本函数(cost)，所述全局成本函数(cost)由如下关系定义：
其中，g
kpi_param_i
是所述关键绩效指标值(KPIV)，而t
kpi_param_i
是所述KPI的目标参数(t
kpi_param
)，并且N
kpi_param
是关键绩效指标的数量；
‑
在所述经布置的虚拟3D房间建议(FP)中应用3D布置对象(3D_Object,5...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：达索系统公司，
类型：发明
国别省市：