【技术实现步骤摘要】
本专利技术涉及计算机，尤其是一种基于近端策略优化的家具布局方法、装置及介质。
技术介绍
1、三维室内家具布局是一种给定房间结构(墙体、横梁、柱、门、窗等)和房间类型，需要往该空间内放置合适的家具到合理的位置的任务，在计算机辅助设计，特别是三维室内设计场景中存在着广泛的应用。
2、主流的三维室内家具布局方法主要基于三类。第一类方法主要基于人为定义的空间设计规则，此类方法多采用迭代优化的方法，先根据设定的家具摆放规则初始化家具到合适的房间和位置，后调整家具位置得到更好的家具布局并显示家具布局结果；但是，制定明确定义的规则非常耗时，需要熟练和经验丰富的设计师付出很多努力，同时，预定义的设计规则只能表现出简单而直观的场景组成模式，并且无法表达所有可能的场景。
3、为了捕获用于不同场景合成的更复杂的场景排列模式，第二类方法求助于深度生成模型来从大规模数据集中学习场景先验，此类方法借助gan、vae等生成模型的能力，为生成多样性提供了更好的模式覆盖范围，但产生的结果往往不尽人意。
4、上述方法仍然以数据集的结果作为经验，无法真正捕获更复杂的场景排列组合，基于强化学习的方法尝试解决这个问题。第三类方法结合强化学习方法，以在设计的模拟环境中用代理的交互取代人类设计师的监督交互。
5、相关现有技术的方法存在以下缺点：
6、1.基于规则的布局方法严重人为设定的空间设计规则，耗时耗力；
7、2.现有的基于深度学习的布局方法严重依赖数据集的摆放方式，缺乏多样性；
8、3
技术实现思路
1、有鉴于此，本专利技术实施例提供一种高效的基于近端策略优化的家具布局方法、装置及介质，能够提高家具布局的多样性。
2、本专利技术实施例的一方面提供了一种基于近端策略优化的家具布局方法，包括：
3、收集历史设计数据，从所述历史设计数据中遍历各家具对象之间的关联信息；
4、遍历所述历史设计数据中各个家具的对象特征向量，构建家具布局的方案数据库；
5、构建同时能输出离散的选择动作、连续的图像处理强度动作和评估价值函数的深度强化网络；
6、遍历所述方案数据库，根据所述方案数据库对所述深度强化网络进行训练，其中，所述深度强化网络的奖赏函数根据所述关联信息构建；
7、根据目标场景下的待布局户型结构计算得到户型特征向量，从所述方案数据库中匹配候选相似户型，进而根据所述深度强化网络进行家具布局迭代，得到最终的家具布局方案。
8、可选地，所述收集历史设计数据，从所述历史设计数据中遍历各家具对象之间的关联信息，包括：
9、收集多个设计师的历史设计方案；
10、逐一遍历各个历史设计方案，对于每个历史设计方案中的所有空间，执行以下步骤，以计算得到各个历史设计方案的关联概率：
11、将户型结构的多边形按照统一的入口门方向旋转，同时所有其余对象按相同的旋转矩阵完成旋转；
12、以整个空间的所有对象的最小三维点值作为起点，对对象位置进行取正处理，得到包括墙体和家具的对象三维包围框大小、中心点位置、对象类别；
13、对所有数值数据按厘米的单位处理,分别记为oi＝(wi,di,hi,xi,yi,zi,ci)；其中，oi代表物体对象；wi代表物体宽度；di代表物体深度；hi代表物体高度；xi代表物体起始x轴坐标；yi代表物体起始y轴坐标；zi代表物体起始z轴坐标；ci代表物体类别；
14、定义贴靠阈值常数θ1＝10，遍历所有对象的两两组合(oi,oj)，进行贴靠判断，统计(ci,cj)对的贴靠概率,记其中，贴靠判断公式为：
15、(|min(xi+wi,xj+wj)-max(xi,xj)|≤θ1)||(|min(yi+di,yj+dj)-max(yi,yj)|≤θ1)
16、定义对齐阈值常数θ2＝10，遍历所有对象的两两组合(oi,oj)，进行对齐判断，统计(ci,cj)对的对齐概率,记其中对齐判断公式为：
17、
18、定义对称阈值常数θ3＝10，遍历所有对象的三三组合(oi,oj,ok)，进行对称判断，统计(ci,cj,ck)对的对称概率,记其中对称判断公式为：
19、(||xi-xk|-|xj-xk||≤θ3)||(||yi-yk|-|yj-yk||≤θ3)
20、定义对称阈值常数θ3＝10，遍历所有对象的三三组合(oi,oj,ok)，进行对称判断，统计(ci,cj,ck)对的对称概率,记其中对称判断公式为：
21、(||xi-xk|-|xj-xk||≤θ2)||(||yi-yk|-|yj-yk||≤θ3)
22、完成对每个历史设计方案的关联概率的计算后，遍历并保留所有贴靠概率大于或等于30％的结果，遍历并保留所有对齐概率大于或等于30％的结果，遍历并保留所有对称概率大于或等于30％的结果；
23、根据所述贴靠概率、所述对齐概率和所述对称概率，定义为类别ci,cj之间的贴靠概率，定义为类别ci,cj之间的对齐概率，定义为类别ci,cj,ck之间的对称概率。
24、可选地，所述遍历所述历史设计数据中各个家具的对象特征向量，构建家具布局的方案数据库，包括：
25、遍历各个历史设计方案，对于每个历史设计方案中的所有空间，执行以下步骤：
26、以整个空间的所有对象的最小三维点值作为起点，对对象位置进行取正处理；
27、根据户型结构获得户型多边形点集，根据turning function算法计算得到长度为128的户型特征向量；
28、记录该空间的空间类型；
29、记录该空间家具布局数据，得到包括墙体和家具的对象三维包围框大小、中心点位置、对象类别、旋转角度，对所有数值数据按厘米的单位处理，分别记为
30、得到方案数据库(tf,g,a)，其中，tf为所有空间的户型特征向量，g为所有空间的空间类型，a为该空间对应的家具布局特征。
31、可选地，所述构建同时能输出离散的选择动作、连续的图像处理强度动作和评估价值函数的深度强化网络这一步骤中：
32、所述离散的选择动作网络包含三个mlp感知层，感知层之间选用tanh激活，最终的输出选用sigmoid激活；
33、所述连续的参数动作网络包含三个mlp感知层，感知层之间选用tanh激活，最终的输出选用tanh激活；
34、所述评估价值函数网络包含三个mlp感知层，感知层之间选用tanh激活，最终的输出不选取激活函数。
35、可选地，所述离散的选择动作网络中，第一个mlp感知层输入的向量维度为1024，输出的维度为64；第二个mlp感知层输入的向量维度为64，输出的维度为64；第三个mlp感知层输本文档来自技高网...
【技术保护点】
1.一种基于近端策略优化的家具布局方法，其特征在于，包括：
2.根据权利要求1所述的一种基于近端策略优化的家具布局方法，其特征在于，所述收集历史设计数据，从所述历史设计数据中遍历各家具对象之间的关联信息，包括：
3.根据权利要求2所述的一种基于近端策略优化的家具布局方法，其特征在于，所述遍历所述历史设计数据中各个家具的对象特征向量，构建家具布局的方案数据库，包括：
4.根据权利要求3所述的一种基于近端策略优化的家具布局方法，其特征在于，所述构建同时能输出离散的选择动作、连续的图像处理强度动作和评估价值函数的深度强化网络这一步骤中：
5.根据权利要求4所述的一种基于近端策略优化的家具布局方法，其特征在于，
6.根据权利要求5所述的一种基于近端策略优化的家具布局方法，其特征在于，所述遍历所述方案数据库，根据所述方案数据库对所述深度强化网络进行训练，包括：
7.根据权利要求6所述的一种基于近端策略优化的家具布局方法，其特征在于，所述根据目标场景下的待布局户型结构计算得到户型特征向量，从所述方案数据库中匹配候选相似户
8.一种基于近端策略优化的家具布局装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括处理器以及存储器；
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于近端策略优化的家具布局方法，其特征在于，包括：
2.根据权利要求1所述的一种基于近端策略优化的家具布局方法，其特征在于，所述收集历史设计数据，从所述历史设计数据中遍历各家具对象之间的关联信息，包括：
3.根据权利要求2所述的一种基于近端策略优化的家具布局方法，其特征在于，所述遍历所述历史设计数据中各个家具的对象特征向量，构建家具布局的方案数据库，包括：
4.根据权利要求3所述的一种基于近端策略优化的家具布局方法，其特征在于，所述构建同时能输出离散的选择动作、连续的图像处理强度动作和评估价值函数的深度强化网络这一步骤中：
5.根据权利要求4所述的一种基于近端策略优化的家具布局方法，其特征在于，
6...
【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。