CN108694266A - 基于机器学习的智能装修设计方法与*** - Google Patents

Abstract

本公开提供一种基于机器学习的智能装修设计方法与***。根据本发明的基于机器学习的装修设计方法(400)，包括：用机器学习的方法从已有的装修设计方案中预先学习装修规则(S401)；输入户型图和用户要求(S403)；根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具(S405)；按照学习的装修规则，为每个房间自动摆放所选择的家具(S407)；以及按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户(S409)。

Description

基于机器学习的智能装修设计方法与***

技术领域

本发明涉及机器学习与人工智能，更具体涉及基于机器学习的智能装修设计方法与***。

背景技术

在目前的装修设计行业中，普遍使用装修设计师加专业装修设计软件的方式为有装修设计意愿的消费者提供装修设计方案。

在现有的装修设计的软件中，有的软件需要手动做设计摆放，要从家具模型库中拖出物品摆在户型图里，这样做一个设计要花费相当长的时间。在此情况下，用户自己要学习如何深度操作软件，用户要自己到模型库去找家具，并把家具放到户型图的某个房间里，通常要花2个小时甚至更长时间完成一个设计。

还有的软件提供一系列样板间模板和它们的渲染效果图，让用户选样板间，然后根据样板间给用户的户型产生设计方案。在此情况下，样板间模板的数目通常是有限的，不一定满足用户的需求。如果用户的户型和样板间的户型差距较大，在这种情况下再套用样板间的设计会差强人意，很难满足用户的需求，也很难达到用户的期望设计水平。

另外，常见的一种方式是，设计师听取用户的需求并根据实际户型绘制户型图，在设计软件中做完后呈现给用户。这样的方式或这样的软件存在实时性不好的问题，用户要等较长的时间。另外，设计师的水平参差不齐，所以给出的方案不一定满足用户的需求。

因此，需要一种针对用户特定的户型图做设计且能快速自动产生设计方案的智能装修设计产品。

发明内容

为了克服上面提到的现有技术的缺陷，本发明提出了一种基于机器学习的智能装修设计方法与***。本发明根据户型和用户家庭情况及爱好来确定房间类型，根据房间类型大小和用户选择的品牌风格等给用户选择每个房间将要摆放的家具。本发明能够智能划分功能区域，在规则模块的基础上采用沿墙采样和树状搜索策略给不同类型的房间摆放不同的家具。根据本发明的评价***，可以选出最佳的装修设计方案。

根据本发明的第一方面，提供一种基于机器学习的智能装修设计方法，包括：用机器学习的方法从已有的装修设计方案中预先学习装修规则；输入户型图和用户要求；根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；按照学习的装修规则，为每个房间自动摆放所选择的家具；以及按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。

优选地，对于公共空间区域，可以采用智能分区算法，智能划分和定义不同的功能区；根据功能区的划分和定义，自动给各个功能区选择家具。

优选地，在为每个房间自动摆放所选择的家具时，可以采用沿墙采样的策略，沿着墙采样有限的若干关键点，在这些关键点上自动摆放所选择的家具。

优选地，在自动摆放家具以形成多个设计方案的过程中，可以通过树状结构进行搜索，直接去掉不好的设计方案。

优选地，按照学习的装修规则，针对设计装修方案的每个元素，创建一系列规则，从而构成评价子***；每个评价子***都会对每个元素做出评价，加权综合所有评价子***对所有元素的评价，得到所有元素的总评价；可以以上述步骤对摆放好所选择的家具的多个设计方案逐一进行评价，得到加权综合评价；比较上述多个设计方案的加权综合评价，从中选取评价最高的有限的若干个设计方案呈现给用户。

优选地，所述的有限的若干个设计方案是五个或更少的设计方案。

根据本发明的第二方面，提供一种基于机器学习的智能装修设计***，包括：机器学习提取规则模块，用于用机器学习的方法从已有的装修设计方案中预先学习装修规则；交互模块，用于输入户型图和用户要求；初选模块，用于根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；摆放模块，用于按照学习的装修规则，为每个房间自动摆放所选择的家具；以及精选模块，用于按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案。所述交互模块还用于将精选模块选取出的有限的若干个设计方案呈现给用户。

根据本发明的第三方面，提供一种计算机可读介质，用于记录可由处理器执行的指令，所述指令在被处理器执行时，使得处理器执行基于机器学习的智能装修设计方法，包括：用机器学习的方法从已有的装修设计方案中预先学习装修规则；输入户型图和用户要求；根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；按照学习的装修规则，为每个房间自动摆放所选择的家具；以及按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。

本发明的目的是根据用户特定的户型和个人偏好，能够一次自动快速产生几种设计方案，例如5种设计方案。对这些设计方案，用户可以做修改。本发明自动快速产生设计方案，能在10秒内给用户呈现设计方案，需要极少的傻瓜式交互操作，克服了现有技术费时费事的缺点；本发明针对用户的特定户型产生设计方案，避免了现有技术不满足用户户型需求的缺点；本发明自动快速产生设计方案，实时性很好，另外可产生多种方案，解决了现有技术中实时性差、方案无法满足用户需求的缺点。

附图说明

下面参考附图结合实施例说明本发明。在附图中：

图1是根据本发明的实施例的基于机器学习的智能装修设计***的示意框图。

图2是用于解释本发明中的沿墙采样的策略的示意图。

图3是用于解释本发明中的树状搜索的策略的示意图。

图4是根据本发明的实施例的基于机器学习的智能装修设计方法的流程图。

图5是用户户型图的一个示例。

图6是针对图5的用户户型图的公共空间的分区示意。

图7A-7E是针对图5的用户户型图进行智能装修设计后给出的5个方案。

具体实施方式

附图仅用于示例说明，不能理解为对本专利的限制；下面结合附图和实施例对本发明的技术方案做进一步的说明。

图1是根据本发明的实施例的基于机器学习的智能装修设计***的示意框图。如图1中所示，根据本发明的基于机器学习的智能装修设计***100包括：机器学习提取规则模块101，用于用机器学习的方法从已有的装修设计方案中预先学习装修规则；交互模块102，用于输入户型图和用户要求；初选模块103，用于根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；摆放模块104，用于按照学习的装修规则，为每个房间自动摆放所选择的家具；以及精选模块105，用于按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案。所述交互模块105还用于将精选模块选取出的有限的若干个设计方案呈现给用户。

下面详细地介绍除交互模块105之外的其他几个模块的工作原理。

机器学习提取规则模块101

我们用机器学习的方法从好的设计装修方案获得装修规则。具体地说，我们可以提取房间的形状、门窗的位置、房间的面积、房间中家具的摆放位置等作为样本特征值。一个设计好的装修方案就是一个样本，很多个装修方案组成我们的训练集。因为机器学习中的随机森林算法具有训练和预测速度快，能够处理高维度数据，对数据的容错能力强，不容易出现过度拟合等特点，所以我们采用随机森林算法训练出不同的家具与墙门窗之间的相互关系，不同的家具之间的相互关系。提取这些相互关系作为我们的装修规则。整个训练过程是全自动化的，对训练结果我们采用扩大样本集，将验证集从测试集中分离等方法进行多次调优。

初选模块102

根据用户家庭需求信息，如人口数量、年龄、爱好等，初选模块102智能确定每个房间的功能。再进一步，根据每个房间的大小，结合房间的功能，智能给房间选择合适的家具。

对于公共空间区域，我们通过智能算法划分和定义功能区，然后再给它们选择合适的家具。这里我们采用的策略是对公共空间采用智能分区算法，智能划分和定义不同的功能区。针对效率、美观、实用性等多个维度我们构造一个分区的评价函数。为了获得几乎每一种可能的分区组合，我们设计了一种近似搜索算法来获得候选解。利用近似搜索算法，对所有候选解进行评价并排序，可以得到最优解。在功能区内再采用后文在摆放模块103中提到的沿墙采样和通过树状结构进行搜索的策略。

摆放模块103

对于室内装修设计，摆放家具时，每个家具有很多位置可以选择。假设我们有N个家具，每个家具有M个选择，则我们的方案有N的M次方个，这个数目是极其巨大的。如果对每个方案都做评价，将会需要相当长的时间，这样就不能满足快速呈现设计方案给用户的功能需求，所以必须要达到能够快速摆放家具，为此我们同时采用两个策略。

第一个策略是沿墙采样的策略，这个策略是我们沿墙采样几个关键点。

图2是用于解释本发明中的沿墙采样的策略的示意图。如图2所示，黑色加粗的线段表示一面墙，竖直方向上的细线指向的黑色线段上的点是可选(家具摆放)位置。当沿墙摆放家具时，有很多点(位置)可以选择，如图2中上图所示，我们可以有21个位置可以选择。但如果这样做，计算量会巨大，不能达到快速产生设计方案的效果。若采用图2下图中的5个采样点，计算量会大大减少，能够快速产生设计方案，而且设计方案的摆放效果也没有什么差异。

也就是说，在摆放模块103采用沿墙采样的策略时，只采用沿着一面墙的若干的采样点作为家具摆放位置，而并不用考虑沿着该墙的所有实际可选位置进行家具摆放。

第二个策略是通过树状结构进行搜索，直接去掉不好的设计方案，这样也节省了大量的计算时间。

当我们摆放家具的时候，每摆放一个家具就形成一个节点，这样就形成多个节点的一棵树。图3是用于解释本发明中的树状搜索的策略的示意图。如图3中所示，我们已经摆放了4件家具，有4种摆放方案，每种方案就是从根节点到叶节点，它们分别是方案1，方案2，方案3，和方案4。当增加一个家具的摆放时，就是在现有的方案上增加一个新的节点，这样就有很多个选择，根据我们的评价***，每个方案都有对应的评分分值，根据分值我们直接去掉那些评分低的路径方案。在图3中，我们可以保留方案1，就是只在方案1的基础上摆放其它家具，去掉方案2到方案4，这样当摆放第5件家具时，只有考虑方案1的进一步的分支(而不再考虑方案2、3、4所产生的分支)，从而节省了大量计算时间。

此外，之前在讨论公共空间时，提到过智能分区的算法策略。通过采用这三种策略，我们能够实现快速摆放家具，给用户呈现室内设计装修方案。

精选模块104

对于室内装修设计，我们有很多种设计方案，如何评价不同的设计方案，从而选择最好的室内设计装修方案？我们具体的做法是，按照机器学习提取规则模块101学习的装修规则，针对装修设计方案的每个元素，我们会为它创建一系列规则，而这些规则构成一个评价子***，每个评价子***都会对每个元素做出评价，加权综合所有评价子***对所有元素的评价，就得到所有元素的总评价，以此方法对设计装修方案逐一进行评价，就得到加权综合评价，比较不同设计装修方案的最终评价，从而选择最佳的几个装修设计方案。

根据本发明，精选模块104要从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案。优选地，选择5个或更少的设计方案，通过交互模块105呈现给用户。用户可以浏览、选择、进一步修改这些设计方案。

综上所述，本发明的关键点是通过机器学习获得规则，智能选择家具，采用沿墙采样和树状搜索策略来自动快速摆放家具，最后采用综合评价***挑选出最佳的几个设计方案呈现给用户。

与现在的产品相比，本产品针对用户特定的户型图做设计，能快速自动产生设计方案。

图4是根据本发明的实施例的基于机器学习的智能装修设计方法的流程图。

如图4中所示，根据本发明的实施例的基于机器学习的智能装修设计方法400的流程图开始于步骤S401，在此步骤，用机器学习的方法从已有的装修设计方案中预先学习装修规则。

当实际需要呈现装修设计方案时，首先，在步骤S403，输入户型图和用户要求。

接下来，在步骤S405，根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具。对于公共空间区域，采用智能分区算法，智能划分和定义不同的功能区；根据功能区的划分和定义，自动给各个功能区选择家具。

然后，在步骤S407，按照学习的装修规则，为每个房间自动摆放所选择的家具。具体地，采用沿墙采样的策略，沿着墙采样有限的若干关键点，在这些关键点上自动摆放所选择的家具。此外，在自动摆放家具以形成多个设计方案的过程中，通过树状结构进行搜索，直接去掉不好的设计方案。

最后，在步骤S409，按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。具体地说，按照学习的装修规则，针对设计装修方案的每个元素，创建一系列规则，从而构成评价子***；每个评价子***都会对每个元素做出评价，加权综合所有评价子***对所有元素的评价，得到所有元素的总评价；以上述步骤对摆放好所选择的家具的多个设计方案逐一进行评价，得到加权综合评价；比较上述多个设计方案的加权综合评价，从中选取评价最高的有限的若干个设计方案呈现给用户。

所述的有限的若干个设计方案可以是五个或更少的设计方案。

方法400在步骤S409完成之后结束。

示例

下面通过图5、6、7A-7E给出一个应用本发明的实际例子。

图5是用户户型图的一个示例。我们用图5的示意户型图作为一个例子，来说明本发明是如果针对这样的户型图进行智能装修设计的。

通过机器学习，在初选模块中，本发明的智能算法给客厅选的家具类型有：沙发，茶几，空调，电视柜，书，果盘，花瓶，挂画，绿植，电视，餐桌，餐椅。另一方面，本发明的智能算法给卧室选的家具有：床，床头柜，挂画，衣帽架，地毯，电视柜，电视，衣柜，斗柜，台灯，等等。

对于公共空间区域，根据本发明的智能算法划分和定义功能区。图6是针对图5的用户户型图的公共空间的分区示意。如图6中所示，公共空间中显示出了餐厅区和客厅区，它们就是本发明的算法对公共空间的分区。根据餐厅区和客厅区的大小，本发明的智能算法在选择的家具类型的基础上，智能选择大小合适的家具。

在摆放模块中，根据训练的模型对摆放位置进行采样，再采用树状搜索对采样位置进行评估搜索，直接去掉评估不好的采样点。例如摆放床时，房间里的每个墙可以有4个采样点(墙的两端两个点，距离墙两个端点1/4墙长的2个点)。

在精选模块中，我们的加权综合评价***对众多的方案进行评估，然后选择最好的5种方案给用户。图7A-7E是针对图5的用户户型图进行智能装修设计后给出的五个方案。图7A-7E的方案中，将户型图顺时针旋转了90度，以便更方便地呈现家具摆放的情况。用户可以从这五个方案中选择适合自己的方案，也可以从其中的某一种方案开始，做一些调整，从而最终形成自己的方案。

本领域普通技术人员应该认识到，本发明的方法和***可以实现为计算机程序。如上结合图1和4所述，根据上述实施例的方法和***可以执行一个或多个程序，包括指令来使得计算机或处理器执行结合附图所述的算法。这些程序可以使用各种类型的非瞬时计算机可读介质存储并提供给计算机或处理器。非瞬时计算机可读介质包括各种类型的有形存贮介质。非瞬时计算机可读介质的示例包括磁性记录介质(诸如软盘、磁带和硬盘驱动器)、磁光记录介质(诸如磁光盘)、CD-ROM(紧凑盘只读存储器)、CD-R、CD-R/W以及半导体存储器(诸如ROM、PROM(可编程ROM)、EPROM(可擦写PROM)、闪存ROM和RAM(随机存取存储器))。进一步，这些程序可以通过使用各种类型的瞬时计算机可读介质而提供给计算机。瞬时计算机可读介质的示例包括电信号、光信号和电磁波。瞬时计算机可读介质可以用于通过诸如电线和光纤的有线通信路径或无线通信路径提供程序给计算机。

因此，根据本发明，还可以提议一种计算机程序或一种计算机可读介质，用于记录可由处理器执行的指令，所述指令在被处理器执行时，使得处理器执行基于机器学习的智能装修设计方法，包括：用机器学习的方法从已有的装修设计方案中预先学习装修规则；输入户型图和用户要求；根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；按照学习的装修规则，为每个房间自动摆放所选择的家具；以及按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。

上面已经描述了本发明的各种实施例和实施情形。但是，本发明的精神和范围不限于此。本领域技术人员将能够根据本发明的教导而做出更多的应用，而这些应用都在本发明的范围之内。

也就是说，本发明的上述实施例仅仅是为清楚说明本发明所做的举例，而非对本发明实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、替换或改进等，均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种基于机器学习的智能装修设计方法，包括：

用机器学习的方法从已有的装修设计方案中预先学习装修规则；

输入户型图和用户要求；

根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；

按照学习的装修规则，为每个房间自动摆放所选择的家具；以及

按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。

2.如权利要求1所述的方法，其中，所述的根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具，进一步包括：

对于公共空间区域，采用智能分区算法，智能划分和定义不同的功能区；

根据功能区的划分和定义，自动给各个功能区选择家具。

3.如权利要求1所述的方法，其中，所述的按照学习的装修规则，为每个房间自动摆放所选择的家具，进一步包括：

采用沿墙采样的策略，沿着墙采样有限的若干关键点，在这些关键点上自动摆放所选择的家具。

4.如权利要求1所述的方法，其中，所述的按照学习的装修规则，为每个房间自动摆放所选择的家具，进一步包括：

在自动摆放家具以形成多个设计方案的过程中，通过树状结构进行搜索，直接去掉不好的设计方案。

5.如权利要求1所述的方法，其中，所述的按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户包括：

按照学习的装修规则，针对设计装修方案的每个元素，创建一系列规则，从而构成评价子***；

每个评价子***都会对每个元素做出评价，加权综合所有评价子***对所有元素的评价，得到所有元素的总评价；

以上述步骤对摆放好所选择的家具的多个设计方案逐一进行评价，得到加权综合评价；

比较上述多个设计方案的加权综合评价，从中选取评价最高的有限的若干个设计方案呈现给用户。

6.如权利要求1或5所述的方法，其中，所述的有限的若干个设计方案是五个或更少的设计方案。

7.一种基于机器学习的智能装修设计***，包括：

机器学习提取规则模块，用于用机器学习的方法从已有的装修设计方案中预先学习装修规则；

交互模块，用于输入户型图和用户要求；

初选模块，用于根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；

摆放模块，用于按照学习的装修规则，为每个房间自动摆放所选择的家具；以及

精选模块，用于按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案，

所述交互模块还用于将精选模块选取出的有限的若干个设计方案呈现给用户。

8.一种计算机可读介质，用于记录可由处理器执行的指令，所述指令在被处理器执行时，使得处理器执行基于机器学习的智能装修设计方法，包括：

用机器学习的方法从已有的装修设计方案中预先学习装修规则；

输入户型图和用户要求；

根据输入的户型图和用户要求，为每个房间确定功能，并根据每个房间的大小和功能，按照学习的装修规则自动给房间选择家具；

按照学习的装修规则，为每个房间自动摆放所选择的家具；以及

按照学习的装修规则，从摆放好所选择的家具的多个设计方案中选取有限的若干个设计方案呈现给用户。