基于深度学习的户型图拆解分析方法及系统技术方案

本发明专利技术公开了基于深度学习的户型图拆解分析方法及系统，涉及数据处理技术领域，该方法包括：采集目标户型图的基本信息；以元素特征集合为索引对目标户型图纸集进行元素提取，获得目标元素特征集合；基于目标元素特征集合对目标户型图进行拆解，获得N个功能区域和N个功能区域信息集合；获得N个功能区域外围结构参数集；结合目标户型层高、目标户型位置生成N个功能区域的N个框体结构系数；根据N个框体结构系数对目标户型图的N个功能区域进行家装设计。本发明专利技术解决了现有技术中存在户型图拆解周期长，拆解分析准确度低，无法为后续家装设计提供可靠依据的技术问题，达到了提升户型图拆解分析效率，提高分析质量的技术效果。提高分析质量的技术效果。提高分析质量的技术效果。

【技术实现步骤摘要】
基于深度学习的户型图拆解分析方法及系统


[0001]本专利技术涉及数据处理
，具体涉及基于深度学习的户型图拆解分析方法及系统。

技术介绍

[0002]随着新技术的开发和利用，通过模块化和标准化的设计，大幅提升了户型图拆解分析的效率。然而，户型拆解分析随着户型所建设的位置不同对应的分析结果之间的差别较大，且随着户型与建设当地环境结合度越来越高，标准化户型设计越来越少，户型复杂度和差异度越来越明显，目前虽然也有利用智能化的算法来缩短拆解分析的时间，但与户型实际情况偏差较大，导致分析结果准确度差。现有技术中存在户型图拆解周期长，拆解分析准确度低，无法为后续家装设计提供可靠依据的技术问题。

技术实现思路

[0003]本申请提供了基于深度学习的户型图拆解分析方法及系统，用于针对解决现有技术中存在户型图拆解周期长，拆解分析准确度低，无法为后续家装设计提供可靠依据的技术问题。
[0004]鉴于上述问题，本申请提供了基于深度学习的户型图拆解分析方法及系统。
[0005]本申请的第一个方面，提供了基于深度学习的户型图拆解分析方法，所述方法包括：采集目标户型图的基本信息，其中，所述基本信息包括目标户型图纸集、目标户型层高、目标户型位置；以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，所述目标元素特征集合具有位置标识；基于所述目标元素特征集合对所述目标户型图进行拆解，获得N个功能区域和N个功能区域信息集合；基于所述目标户型图纸集和N个功能区域信息集合采集所述N个功能区域的建筑外围护结构参数，获得N个功能区域外围结构参数集；根据N个功能区域外围结构参数集、目标户型层高、目标户型位置生成所述N个功能区域的N个框体结构系数；根据N个框体结构系数对目标户型图的N个功能区域进行家装设计。
[0006]本申请的第二个方面，提供了基于深度学习的户型图拆解分析系统，所述系统包括：基本信息采集模块，所述基本信息采集模块用于采集目标户型图的基本信息，其中，所述基本信息包括目标户型图纸集、目标户型层高、目标户型位置；目标元素特征获得模块，所述目标元素特征获得模块用于以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，所述目标元素特征集合具
有位置标识；功能区域获得模块，所述功能区域获得模块用于基于所述目标元素特征集合对所述目标户型图进行拆解，获得N个功能区域和N个功能区域信息集合；结构参数集获得模块，所述结构参数集获得模块用于基于所述目标户型图纸集和N个功能区域信息集合采集所述N个功能区域的建筑外围护结构参数，获得N个功能区域外围结构参数集；框体结构系数获得模块，所述框体结构系数获得模块用于根据N个功能区域外围结构参数集、目标户型层高、目标户型位置生成所述N个功能区域的N个框体结构系数；家装设计模块，所述家装设计模块用于根据N个框体结构系数对目标户型图的N个功能区域进行家装设计。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：采集目标户型图的基本信息，其中，基本信息包括目标户型图纸集、目标户型层高、目标户型位置；以元素特征集合为索引对目标户型图纸集进行元素提取，获得目标元素特征集合，目标元素特征集合具有位置标识；基于目标元素特征集合对目标户型图进行拆解，获得N个功能区域和N个功能区域信息集合；基于目标户型图纸集和N个功能区域信息集合采集N个功能区域的建筑外围护结构参数，获得N个功能区域外围结构参数集；根据N个功能区域外围结构参数集、目标户型层高、目标户型位置生成N个功能区域的N个框体结构系数；根据N个框体结构系数对目标户型图的N个功能区域进行家装设计。达到了提升户型图拆解分析效率，提高分析结果可靠性，为进行家装设计提供可靠依据的技术效果。
附图说明
[0008]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。
[0009]图1为本申请实施例提供的基于深度学习的户型图拆解分析方法流程示意图；图2为本申请实施例提供的基于深度学习的户型图拆解分析方法中生成元素特征集合的流程示意图；图3为本申请实施例提供的基于深度学习的户型图拆解分析方法中生成N个功能区域的N个框体结构系数的流程示意图；图4为本申请实施例提供的基于深度学习的户型图拆解分析系统结构示意图。
[0010]附图标记说明：基本信息采集模块11，目标元素特征获得模块12，功能区域获得模块13，结构参数集获得模块14，框体结构系数获得模块15，家装设计模块16。
具体实施方式
[0011]本申请通过提供了基于深度学习的户型图拆解分析方法及系统，用于针对解决现有技术中存在户型图拆解周期长，拆解分析准确度低，无法为后续家装设计提供可靠依据的技术问题。
[0012]下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0013]需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0014]实施例一如图1所示，本申请提供了基于深度学习的户型图拆解分析方法，其中，所述方法包括：S100：采集目标户型图的基本信息，其中，所述基本信息包括目标户型图纸集、目标户型层高、目标户型位置；在本申请的一个实施例中，所述目标户型图为需要进行拆解分析的任意一个户型图。通过从存放户型图的数据库中调用所述目标户型图的相关信息，生成所述基本信息。其中，所述基本信息用于对目标户型图相关的图纸和应用信息进行描述，包括目标户型图纸集、目标户型层高、目标户型位置。所述目标户型图纸集包括户型主视图、侧视图、俯视图。所述目标户型层高是所述目标户型图对应的楼层距离水平面的高度。所述目标户型位置是对所述目标户型图对应的地理位置。通过对目标户型图的基本信息进行采集，为后续进行贴合实际应用的户型拆解分析做铺垫。
[0015]S200：以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，所述目标元素特征集合具有位置标识；进一步的，所述以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，本申请实施例步骤S200还包括：获取户型图中的墙体信息，生成第一元素特征集，其中，所述墙体信息包括承重墙和非承重墙；获取户型图中的空间参数，生成第二元素特征集，其中，所述空间参数包括空间尺寸、空间面积；获取户型图中的物品标识类型，生成第三元素特征集，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的户型图拆解分析方法，其特征在于，所述方法包括：采集目标户型图的基本信息，其中，所述基本信息包括目标户型图纸集、目标户型层高、目标户型位置；以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，所述目标元素特征集合具有位置标识；基于所述目标元素特征集合对所述目标户型图进行拆解，获得N个功能区域和N个功能区域信息集合；基于所述目标户型图纸集和N个功能区域信息集合采集所述N个功能区域的建筑外围护结构参数，获得N个功能区域外围结构参数集；根据N个功能区域外围结构参数集、目标户型层高、目标户型位置生成所述N个功能区域的N个框体结构系数；根据N个框体结构系数对目标户型图的N个功能区域进行家装设计。2.如权利要求1所述的方法，其特征在于，所述以元素特征集合为索引对所述目标户型图纸集进行元素提取，获得目标元素特征集合，所述方法包括：获取户型图中的墙体信息，生成第一元素特征集，其中，所述墙体信息包括承重墙和非承重墙；获取户型图中的空间参数，生成第二元素特征集，其中，所述空间参数包括空间尺寸、空间面积；获取户型图中的物品标识类型，生成第三元素特征集，其中，所述物品标识类型包括厨具标识、电器标识、家居标识、水暖标识；根据第一元素特征集、第二元素特征集和第三元素特征集生成所述元素特征集合。3.如权利要求2所述的方法，其特征在于，所述基于所述目标元素特征集合对所述目标户型图进行拆解，所述方法包括：获取多个样本元素特征集合、多个样本功能区域和多个样本功能区域信息集合构建户型拆解分析模型；从所述多个样本元素特征集合中不放回随机选取一样本元素特征集合作为第一样本元素特征，构建第一拆解分析节点，所述第一拆解分析节点用于判断所述多个样本元素特征集合与第一样本元素特征的多个匹配度是否满足预设匹配度；若是，则存储至第一拆解分析节点的第一叶子节点中；若否，则添加进第一待拆解分析结果。4.如权利要求3所述的方法，其特征在于，所述方法包括：再次从所述多个样本元素特征集合中不放回随机选取一样本元素特征集合作为第二样本元素特征，构建第二拆解分析节点，所述第二拆解分析节点用于判断所述第一待拆解分析结果与第一样本元素特征的多个匹配度是否满足预设匹配度，获得第二叶子节点和第二待拆解分析结果；再次从所述多个样本元素特征集合中不放回随机选取一样本元素特征集合作为第P样本元素特征，构建第P拆解分析节点，所述第P拆解分析节点用于判断第P
‑
1待拆解分析结果与第P
‑
1样本元素特征的多个匹配度是否满足预设匹配度，获得第P叶子节点和第P待拆解分析结果；
利用多个样本功能区域和多个样本功能区域信息集合匹配第一叶子节点、第二叶子节点、第P叶子节点和第P待拆解分析结果，区匹配结果中的众数，分别对第一叶子节点、第二叶子节点、第P叶子节点和第P待拆解分析结果进行标识；根据...

【专利技术属性】
技术研发人员：高占海，姚健康，汪广瑞，王雪辉，张静轩，
申请(专利权)人：北京装库创意科技有限公司，
类型：发明
国别省市：