CN110390153A - 户型结构改造方案的生成方法、装置以及设备、存储介质 - Google Patents
户型结构改造方案的生成方法、装置以及设备、存储介质 Download PDFInfo
- Publication number
- CN110390153A CN110390153A CN201910637659.0A CN201910637659A CN110390153A CN 110390153 A CN110390153 A CN 110390153A CN 201910637659 A CN201910637659 A CN 201910637659A CN 110390153 A CN110390153 A CN 110390153A
- Authority
- CN
- China
- Prior art keywords
- floor plan
- layout structure
- sample
- transformation
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000004048 modification Effects 0.000 title claims abstract description 58
- 238000012986 modification Methods 0.000 title claims abstract description 58
- 230000009466 transformation Effects 0.000 claims abstract description 136
- 238000000547 structure data Methods 0.000 claims abstract description 69
- 238000003062 neural network model Methods 0.000 claims abstract description 39
- 238000012549 training Methods 0.000 claims abstract description 30
- 230000000052 comparative effect Effects 0.000 claims abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims abstract description 12
- 210000002569 neuron Anatomy 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000002708 enhancing effect Effects 0.000 description 15
- 238000013461 design Methods 0.000 description 14
- 238000005034 decoration Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000009435 building construction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 108091023037 Aptamer Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种户型结构改造方案的生成方法、装置以及电子设备、存储介质，涉及人工智能技术领域，其中的方法包括：对样本户型结构数据进行标注，用以对样本户型结构数据添加户型特征信息和评分信息；根据第一简化户型图、样本户型图以及样本户型结构数据生成训练样本集；根据训练样本进行神经网络的训练，得到神经网络模型；利用神经网络模型以及预设的户型改造决策规则获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及对比信息和改造说明信息；本公开的方法、装置以及电子设备、存储介质，能够智能生成满足改造需求的户型结构改造方案，并对各方案提供改造说明以及与原户型结构的对比信息，能够帮助用户进行装修决策。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及一种户型结构改造方案的生成方法、装置以及电子设备、存储介质。
背景技术
在房屋装修过程中，许多住户有基于房屋原户型，在不破坏承房屋重墙等主要结构的基础上，结合住户的居住需求对房屋户型进行结构改造的需要。传统的户型结构改造需要专业的且经验丰富的设计师提出改造设计，普通住户往往无法胜任。户型结构改造需要经过专业设计师量房、与用户沟通风格喜好、设计等流程，往往需要大量的时间设计图纸，占用了大量的设计师资源，设计流程时间长、事情繁琐且价格昂贵，不具备普遍适用性。
发明内容
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种户型结构改造方案的生成方法、装置以及电子设备、存储介质。
根据本公开实施例的一个方面，提供一种户型结构改造方案的生成方法，包括：获取与样本户型图相对应的样本户型结构数据，对所述样本户型结构数据进行标注，用以对所述样本户型结构数据添加户型特征信息和评分信息；其中，所述样本户型图包括：原始户型图和经过改造后的户型图；基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图；根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
可选地，根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据生成训练样本集；根据所述训练样本进行神经网络的训练，得到神经网络模型；利用所述神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
可选地，所述利用所述神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息包括：获取与所述需要改造的户型图相对应的改造户型结构数据；基于所述改造户型结构数据获取与所述需要改造的户型图相对应的第二简化户型图；将所述第二简化户型图和所述改造户型结构数据输入所述神经网络模型，获取所述神经网络模型输出的与至少一个户型改造需求特征相对应的墙体改造方案信息，以及与每个墙体改造方案信息相对应的墙体改造说明信息；利用所述户型改造决策规则对所述墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造图；生成所述需要改造的户型图与所述户型结构改造图之间的对比信息；基于所述墙体改造说明信息获取所述户型改造说明信息。
可选地，所述墙体改造方案信息包括：墙体改造热力图；其中，所述墙体改造热力图包括：在所述需要改造的户型图中需要改造的墙体的信息、与所述需要改造的墙体相对应的改造概率。
可选地，所述利用所述户型改造决策规则对所述墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造图包括：将预设的墙体改造优化限制规则作为约束条件，使用蒙特卡罗搜索树算法对所述墙体改造热力图进行遍历，在所述需要改造的户型图中确定建议改造的墙体，获取满足所述约束条件并使与全部建议改造的墙体相对应的综合改造概率为最大的所述户型结构改造图。
可选地，所述基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图包括：基于所述样本户型结构数据获取所述样本户型图中的第一承重墙信息；基于所述第一承重墙信息生成所述第一简化户型图；其中，在所述第一简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗；所述基于所述改造户型结构数据获取与所述需要改造的户型图相对应的第二简化户型图包括：基于所述改造户型结构数据获取所述需要改造的户型图中的第二承重墙信息；基于所述第二承重墙信息生成所述第二简化户型图；其中，在所述第二简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗。
可选地，所述神经网络模型包括：输入层神经元模型、中间层神经元模型和输出层神经元模型；每层神经元模型的输出作为下一层神经元模型的输入；其中，所述神经网络模型为具有全连接结构的多个神经网络层的子网络结构；所述中间层神经元模型为全连接层。
可选地，所述样本户型结构数据包括：户型的墙面分布数据、承重墙分布数据、门窗分布数据、面积数据、层高数据、位置坐标数据中的一项或者多项；所述户型特征信息包括：户型宽敞度、居住人数、收纳度、采光度、房屋建设年份中的一项或者多项；所述户型改造需求特征包括：增强收纳居住体验、增强居住舒适体验中的一项或者多项。
根据本公开实施例的另一方面，提供一种户型结构改造方案的生成装置，包括：户型标注模块，用于获取与样本户型图相对应的样本户型结构数据，对所述样本户型结构数据进行标注，用以对所述样本户型结构数据添加户型特征信息和评分信息；其中，所述样本户型图包括：原始户型图和经过改造后的户型图；户型简化模块，用于基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图；户型处理模块，用于根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
根据本公开实施例的又一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的方法。
根据本公开实施例的再一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述的方法。
基于本公开上述实施例提供的户型结构改造方案的生成方法、装置以及电子设备、存储介质，生成训练样本集并根据训练样本进行神经网络的训练，得到神经网络模型；利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息；能够智能生成满足改造需求的户型结构改造方案，并对各方案提供改造说明以及与原户型结构的对比信息，为住户房屋装修改造提供合理的参考建议，能够帮助用户进行装修决策。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征以及优势将变得更加明显。附图用来提供对本公开实施例的进一步的理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1为本公开的户型结构改造方案的生成方法的一个实施例的流程图；
图2为本公开的户型结构改造方案的生成方法的一个实施例中对需要改造的户型图进行处理的流程图；
图3A为本公开的户型结构改造方案的生成装置的一个实施例的结构示意图；图3B为本公开的户型结构改造方案的生成装置的另一个实施例的结构示意图；
图4是本公开的电子设备的一个实施例的结构图。
具体实施方式
下面将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
还应理解，在本公开实施例中，“多个”可以指两个或者两个以上，“至少一个”可以指一个、两个或两个以上。
还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
另外，本公开中术语“和/或”，仅是一种描述关联对象的关联关系，表示可以存在三种关系，如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本公开的实施例可以应用于终端设备、计算机***、服务器等电子设备，其可与众多其它通用或者专用计算***环境或配置一起操作。适于与终端设备、计算机***或者服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于：个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施。在分布式云计算环境中，任务可以是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
申请概述
在实现本公开的过程中，发明人发现，在房屋装修过程中，传统的户型结构改造需要专业的且经验丰富的设计师提出改造设计，户型结构改造需要经过专业设计师量房、与用户沟通风格喜好、设计等流程，往往需要大量的时间设计图纸，占用了大量的设计师资源，设计流程时间长、事情繁琐且价格昂贵，不具备普遍适用性。
本公开提供的户型结构改造方案的生成方法，生成训练样本集并根据训练样本进行神经网络的训练，得到神经网络模型；利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息；能够智能生成满足改造需求的户型结构改造方案，并对各方案提供改造说明以及与原户型结构的对比信息，为住户房屋装修改造提供合理的参考建议。
示例性方法
图1为本公开的户型结构改造方案的生成方法的一个实施例的流程图，如图1所示的方法包括步骤：S101-S103。下面对各步骤分别进行说明。
S101，获取与样本户型图相对应的样本户型结构数据，对样本户型结构数据进行标注，用以对样本户型结构数据添加户型特征信息和评分信息。
样本户型图包括：原始户型图和经过改造后的户型图等。对于原始户型图和经过改造后的户型图可以为通过CAD建模工具等生成的样本户型图，样本户型图可以为矢量图等，样本户型图中有多种墙、窗等户型元素，样本户型图设置有样本户型结构数据，样本户型结构数据包括：户型的墙面分布数据、承重墙分布数据、门窗分布数据、面积数据、层高数据、位置坐标数据等。
可以采用人工方式对样本户型结构数据进行标注，户型特征信息包括户型宽敞度、居住人数、收纳度、采光度、房屋建设年份等，也可以对样本户型结构数据进行打分，例如，对于多个样本户型图对应的承重墙分布、门窗分布等进行打分。
S102，基于样本户型结构数据获取与样本户型图相对应的第一简化户型图。
获取与样本户型图相对应的第一简化户型图可以采用多种方法。例如，基于样本户型结构数据获取样本户型图中的第一承重墙信息，基于第一承重墙信息生成第一简化户型图，第一简化户型图可以仅包含承重墙与承重墙上设置的门和/或窗的户型图，为最简户型图；或者，如果样本户型图中没有承重墙信息，第一简化户型图可以为与样本户型图对应的原始户型图等。
S103，根据第一简化户型图、样本户型图以及样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息。
根据第一简化户型图、样本户型图以及样本户型结构数据对需要改造的户型图进行处理的方法可以有多种。例如，根据第一简化户型图、样本户型图以及样本户型结构数据生成训练样本集，根据训练样本进行神经网络的训练，得到神经网络模型。将第一简化户型图、样本户型图以及进行标注的样本户型结构数据作为神经网络模型的训练样本数据，训练神经网络模型，神经网络模型可以为多种神经网络模型。
利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息。
户型改造需求可以为增强收纳居住体验、增强居住舒适体验等。获取用户需要进行装修改造的房屋户型图，利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与增强收纳居住体验、增强居住舒适体验等相对应的户型结构改造方案，并向用户提供户型结构改造方案与需要改造的户型图的对比信息和改造说明信息，改造说明信息可以为对于墙体改造的说明等，能够提供多种满足不同户型改造需求特征的一个或多个户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息。
图2为本公开的户型结构改造方案的生成方法的一个实施例中对需要改造的户型图进行处理的流程图，如图2所示的方法包括步骤：S201-S206。下面对各步骤分别进行说明。
S201，获取与需要改造的户型图相对应的改造户型结构数据。
用户可以通过前端页面输入或选择需要改造的户型图。用户输入的需要改造的户型图可以为通过CAD建模工具等生成的户型图，需要改造的户型图可以为矢量图等，能够从需要改造的户型图中获取改造户型结构数据。改造户型结构数据包括：户型的墙面分布数据、承重墙分布数据、门窗分布数据、面积数据、层高数据、位置坐标数据等。如果用户输入的需要改造的户型图不为通过CAD建模工具等生成的户型图，则从存储的样本户型图中查找到与需要改造的户型图相对应的样本户型图，并从样本户型图中获取改造户型结构数据。
S202，基于改造户型结构数据获取与需要改造的户型图相对应的第二简化户型图。
获取与需要改造的户型图相对应的第二简化户型图可以采用多种方法。例如，基于改造户型结构数据获取需要改造的户型图中的第二承重墙信息，基于第二承重墙信息生成第二简化户型图。第二简化户型图仅包含承重墙与承重墙上设置的门和/或窗，为最简户型图；或者，如果需要改造的户型图中没有承重墙信息，第二简化户型图可以为与需要改造的户型图对应的原始户型图等。
S203，将第二简化户型图和改造户型结构数据输入神经网络模型，获取神经网络模型输出的与至少一个户型改造需求特征相对应的墙体改造方案信息，以及与每个墙体改造方案信息相对应的墙体改造说明信息。
将第二简化户型图和改造户型结构数据输入神经网络模型，获取神经网络模型输出的与增强收纳居住体验、增强居住舒适体验等相对应的墙体改造方案信息，获取神经网络模型输出的对于每个墙体改造方案信息相对应的墙体改造说明信息，墙体改造说明信息包括增加或去除的墙体的位置、长度等信息，以及对于增加或去除的墙体的说明信息等。
S204，利用户型改造决策规则对墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造图。
利用户型改造决策规则对神经网络模型输出的与增强收纳居住体验、增强居住舒适体验等相对应的墙体改造方案信息进行处理，获取与增强收纳居住体验、增强居住舒适体验等相对应的户型结构改造图。
S205，生成需要改造的户型图与户型结构改造图之间的对比信息。
对比信息可以有多种，可以为墙体差别对比示意图等。可以基于需要增加或去除的墙体的位置、长度等信息，生成需要改造的户型图与户型结构改造图之间的墙体差别信息，基于墙体差别信息生成墙体差别对比示意图。
S206，基于墙体改造说明信息获取户型改造说明信息。例如，基于增加或去除的墙体的说明信息等生成户型改造说明信息，户型改造说明信息可以包括：增加墙体A的目的是为了增加容纳区域等。
可以将户型结构改造图、对比信息、户型改造说明信息提供给用户，由用户进行选择。通过对改造前后的房屋结构进行分析对比，为住户房屋装修改造提供合理的参考建议，达到帮助用户进行装修决策的效果。
在一个实施例中，墙体改造方案信息有多种。例如为神经网络模型输出的与增强收纳居住体验、增强居住舒适体验等相对应的墙体改造热力图等。墙体改造热力图包括在需要改造的户型图中需要改造的墙体的信息、与需要改造的墙体相对应的改造概率。需要改造的墙体的信息包括：增加或去除的墙体的位置、长度等信息等。
利用户型改造决策规则对墙体改造方案信息进行处理可以采用多种方法。例如，将预设的墙体改造优化限制规则作为约束条件，使用蒙特卡罗搜索树算法对墙体改造热力图进行遍历，在需要改造的户型图中确定建议改造的墙体，获取满足约束条件并使与全部建议改造的墙体相对应的综合改造概率为最大的户型结构改造图。
预设的墙体改造优化限制规则可以有多种规则。例如，通过整数规划(IntegerProgramming)算法优化墙体的轴点位置，基于优化的墙体的轴点位置作为约束条件。使用墙体改造热力图中的墙体为节点构建蒙特卡罗搜索树。蒙特卡洛树搜索又称随机抽样或统计试验方法，蒙特卡洛树搜索方法由于能够真实地模拟实际物理过程，是以概率和统计理论方法为基础的一种计算方法，是使用随机数来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，以获取问题的近似解。
通过蒙特卡罗搜索算法对蒙特卡罗搜索树进行遍历，在墙体改造热力图中选定建议改造的墙体，即从所构建的蒙特卡罗搜索树中选择满足约束条件的、同时使与全部建议改造的墙体相对应的综合改造概率为最大的户型结构改造图，例如，综合改造概率可以为选择的全部建议改造的墙体的改造概率之和、加权和等。
在一个实施例中，神经网络模型可以采用多种算法模型建立，例如floornet算法模型等。神经网络模型包括输入层神经元模型、中间层神经元模型和输出层神经元模型，每层神经元模型的输出作为下一层神经元模型的输入，神经网络模型可以为具有全连接结构的多个神经网络层的子网络结构，中间层神经元模型为全连接层。
根据第一简化户型图、样本户型图(包括标注的户型特征信息和评分信息)以及样本户型结构数据生成训练样本集，根据训练样本进行神经网络的训练，得到神经网络模型。将与需要改造的户型图相对应的第二简化户型图、改造户型结构数据输入神经网络模型，通过神经网络模型可以输出与与增强收纳居住体验、增强居住舒适体验等相对的墙体改造热力图，以及与墙体改造热力图中的每个需要改造的墙体相对应的墙体改造说明信息等。
示例性装置
在一个实施例中，如图3A所示，本公开提供一种户型结构改造方案的生成装置，包括：户型标注模块301、户型简化模块302和户型处理模块305。户型标注模块301获取与样本户型图相对应的样本户型结构数据，对样本户型结构数据进行标注，用以对样本户型结构数据添加户型特征信息和评分信息，样本户型图包括：原始户型图和经过改造后的户型图等。
户型简化模块302基于样本户型结构数据获取与样本户型图相对应的第一简化户型图。户型处理模块305根据第一简化户型图、样本户型图以及样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息。
在一个实施例中，如图3B所示，户型结构改造方案的生成装置还包括：样本生成模块303和模型训练模块304。样本生成模块303根据第一简化户型图、样本户型图以及样本户型结构数据生成训练样本集。模型训练模块304根据训练样本进行神经网络的训练，得到神经网络模型。
户型处理模块305利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息。
在一个实施例中，户型标注模块301获取与需要改造的户型图相对应的改造户型结构数据。户型简化模块302基于改造户型结构数据获取与需要改造的户型图相对应的第二简化户型图。户型处理模块305将第二简化户型图和改造户型结构数据输入神经网络模型，获取神经网络模型输出的与至少一个户型改造需求特征相对应的墙体改造方案信息，以及与每个墙体改造方案信息相对应的墙体改造说明信息。
户型处理模块305利用户型改造决策规则对墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改，生成需要改造的户型图与户型结构改造图之间的对比信息，基于墙体改造说明信息获取户型改造说明信息。
在一个实施例中，户型简化模块302基于样本户型结构数据获取样本户型图中的第一承重墙信息，基于第一承重墙信息生成第一简化户型图，其中，在第一简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗。户型简化模块302基于改造户型结构数据获取需要改造的户型图中的第二承重墙信息，基于第二承重墙信息生成第二简化户型图，其中，在第二简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗。
在一个实施例中，墙体改造方案信息包括：墙体改造热力图等；墙体改造热力图包括：在需要改造的户型图中需要改造的墙体的信息、与需要改造的墙体相对应的改造概率等。户型处理模块305将预设的墙体改造优化限制规则作为约束条件，使用蒙特卡罗搜索树算法对墙体改造热力图进行遍历，在需要改造的户型图中确定建议改造的墙体，获取满足约束条件并使与全部建议改造的墙体相对应的综合改造概率为最大的户型结构改造图。
图4是本公开的电子设备的一个实施例的结构图，如图4所示，电子设备41包括一个或多个处理器411和存储器412。
处理器411可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备41中的其他组件以执行期望的功能。
存储器412可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器，例如，可以包括：随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器，例如，可以包括：只读存储器(ROM)、硬盘以及闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器411可以运行程序指令，以实现上文的本公开的各个实施例的户型结构改造方案的生成方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备41还可以包括：输入装置413以及输出装置414等，这些组件通过总线***和/或其他形式的连接机构(未示出)互连。此外，该输入设备413还可以包括例如键盘、鼠标等等。该输出装置414可以向外部输出各种信息。该输出设备414可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图4中仅示出了该电子设备41中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备41还可以包括任何其他适当的组件。
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的户型结构改造方案的生成方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的户型结构改造方案的生成方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列举)可以包括：具有一个或者多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势以及效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
上述实施例中的户型结构改造方案的生成方法、装置以及电子设备、存储介质，根据第一简化户型图、样本户型图以及样本户型结构数据生成训练样本集；根据训练样本进行神经网络的训练，得到神经网络模型；利用神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及户型结构改造方案与需要改造的户型图的对比信息和改造说明信息；能够智能生成满足改造需求的户型结构改造方案，并对各方案提供改造说明以及与原户型结构的对比信息，为住户房屋装修改造提供合理的参考建议，能够帮助用户进行装修决策，节省设计师资源和设计流程时间，能够简化装修设计环节流程并可以为用户装修的决策提供方便，减少装修的成本。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备以及***。诸如“包括”、“包含、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述，以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改等对于本领域技术人员而言，是非常显而易见的，并且在此定义的一般原理可以应用于其他方面，而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式中。尽管以上已经讨论了多个示例方面以及实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种户型结构改造方案的生成方法，包括：
获取与样本户型图相对应的样本户型结构数据，对所述样本户型结构数据进行标注，用以对所述样本户型结构数据添加户型特征信息和评分信息；其中，所述样本户型图包括：原始户型图和经过改造后的户型图；
基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图；
根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
2.如权利要求1所述的方法，所述根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据对需要改造的户型图进行处理包括：
根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据生成训练样本集；
根据所述训练样本进行神经网络的训练，得到神经网络模型；
利用所述神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
3.如权利要求2所述的方法，所述利用所述神经网络模型以及预设的户型改造决策规则对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息包括：
获取与所述需要改造的户型图相对应的改造户型结构数据；
基于所述改造户型结构数据获取与所述需要改造的户型图相对应的第二简化户型图；
将所述第二简化户型图和所述改造户型结构数据输入所述神经网络模型，获取所述神经网络模型输出的与至少一个户型改造需求特征相对应的墙体改造方案信息，以及与每个墙体改造方案信息相对应的墙体改造说明信息；
利用所述户型改造决策规则对所述墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造图；
生成所述需要改造的户型图与所述户型结构改造图之间的对比信息；
基于所述墙体改造说明信息获取所述户型改造说明信息。
4.如权利要求3所述的方法，其中，
所述墙体改造方案信息包括：墙体改造热力图；
其中，所述墙体改造热力图包括：在所述需要改造的户型图中需要改造的墙体的信息、与所述需要改造的墙体相对应的改造概率。
5.如权利要求4所述的方法，所述利用所述户型改造决策规则对所述墙体改造方案信息进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造图包括：
将预设的墙体改造优化限制规则作为约束条件，使用蒙特卡罗搜索树算法对所述墙体改造热力图进行遍历，在所述需要改造的户型图中确定至少一个最优改造墙体，获取满足所述约束条件并使与全部最优改造墙体相对应的综合改造概率为最大的所述户型结构改造图。
6.如权利要求3所述的方法，所述基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图包括：
基于所述样本户型结构数据获取所述样本户型图中的第一承重墙信息；
基于所述第一承重墙信息生成所述第一简化户型图；其中，在所述第一简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗；
所述基于所述改造户型结构数据获取与所述需要改造的户型图相对应的第二简化户型图包括：
基于所述改造户型结构数据获取所述需要改造的户型图中的第二承重墙信息；
基于所述第二承重墙信息生成所述第二简化户型图；其中，在所述第二简化户型图中仅保留承重墙以及承重墙上设置的门和/或窗。
7.如权利要求2所述的方法，其中，
所述神经网络模型包括：输入层神经元模型、中间层神经元模型和输出层神经元模型；每层神经元模型的输出作为下一层神经元模型的输入；
其中，所述神经网络模型为具有全连接结构的多个神经网络层的子网络结构；所述中间层神经元模型为全连接层。
8.一种户型结构改造方案的生成装置，包括：
户型标注模块，用于获取与样本户型图相对应的样本户型结构数据，对所述样本户型结构数据进行标注，用以对所述样本户型结构数据添加户型特征信息和评分信息；其中，所述样本户型图包括：原始户型图和经过改造后的户型图；
户型简化模块，用于基于所述样本户型结构数据获取与所述样本户型图相对应的第一简化户型图；
户型处理模块，用于根据所述第一简化户型图、所述样本户型图以及所述样本户型结构数据对需要改造的户型图进行处理，获取与至少一个户型改造需求特征相对应的户型结构改造方案，以及所述户型结构改造方案与所述需要改造的户型图的对比信息和改造说明信息。
9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一项所述的方法。
10.一种电子设备，所述电子设备包括：
处理器；用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-7任一项所述的方法。
Priority Applications (8)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910637659.0A CN110390153B (zh) | 2019-07-15 | 2019-07-15 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
| US16/929,082 US10956626B2 (en) | 2019-07-15 | 2020-07-14 | Artificial intelligence systems and methods for interior design |
| CA3147320A CA3147320A1 (en) | 2019-07-15 | 2020-07-15 | Artificial intelligence systems and methods for interior design |
| AU2020315029A AU2020315029B2 (en) | 2019-07-15 | 2020-07-15 | Artificial intelligence systems and methods for interior design |
| PCT/CN2020/102215 WO2021008566A1 (en) | 2019-07-15 | 2020-07-15 | Artificial intelligence systems and methods for interior design |
| JP2022502901A JP7325602B2 (ja) | 2019-07-15 | 2020-07-15 | インテリアデザインのための人工知能システム及び方法 |
| US17/180,377 US20210173967A1 (en) | 2019-07-15 | 2021-02-19 | Artificial intelligence systems and methods for interior design |
| US17/180,415 US20210173968A1 (en) | 2019-07-15 | 2021-02-19 | Artificial intelligence systems and methods for interior design |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910637659.0A CN110390153B (zh) | 2019-07-15 | 2019-07-15 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110390153A true CN110390153A (zh) | 2019-10-29 |
| CN110390153B CN110390153B (zh) | 2020-06-16 |
Family
ID=68285001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910637659.0A Active CN110390153B (zh) | 2019-07-15 | 2019-07-15 | 户型结构改造方案的生成方法、装置以及设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110390153B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110826133A (zh) * | 2019-11-04 | 2020-02-21 | 广东三维家信息科技有限公司 | 利用激光测距仪绘制户型的方法和*** |
| CN110990912A (zh) * | 2019-11-04 | 2020-04-10 | 上海吉舍云计算机技术有限公司 | 拆砌墙计算方法、***及展示*** |
| CN111340954A (zh) * | 2020-02-18 | 2020-06-26 | 广东三维家信息科技有限公司 | 户型墙体绘制方法及其模型训练的方法、装置 |
| CN111985039A (zh) * | 2020-08-28 | 2020-11-24 | 贝壳技术有限公司 | 房屋户型改造方案确定方法、装置及计算机可读存储介质 |
| CN112288331A (zh) * | 2020-11-24 | 2021-01-29 | 哈尔滨工业大学 | 一种基于语义识别的建筑改建评估*** |
| CN114329744A (zh) * | 2022-03-03 | 2022-04-12 | 如你所视(北京)科技有限公司 | 户型改造方法及计算机可读存储介质 |
| CN114329743A (zh) * | 2022-03-03 | 2022-04-12 | 如你所视(北京)科技有限公司 | 户型优化方法、装置以及存储介质 |
| CN117874901A (zh) * | 2024-03-13 | 2024-04-12 | 北京装库创意科技有限公司 | 一种基于参数化户型信息的户型建模优化方法及*** |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011186751A (ja) * | 2010-03-08 | 2011-09-22 | Takenaka Komuten Co Ltd | 位置推定装置およびプログラム |
| CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别*** |
| CN108416707A (zh) * | 2018-02-07 | 2018-08-17 | 链家网（北京）科技有限公司 | 房屋户型评估方法及装置 |
| CN108595773A (zh) * | 2018-03-28 | 2018-09-28 | 超选（北京）科技有限公司 | 室内装修设计装置及方法 |
| CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及*** |
| CN109871604A (zh) * | 2019-01-31 | 2019-06-11 | 浙江工商大学 | 基于深度对抗网络模型的室内功能区划分方法 |
| CN109961178A (zh) * | 2019-03-12 | 2019-07-02 | 中国电子工程设计院有限公司 | 户型改造信息的获取方法及装置 |
| CN109961319A (zh) * | 2019-03-12 | 2019-07-02 | 中国电子工程设计院有限公司 | 一种户型改造信息的获取方法及装置 |
-
2019
- 2019-07-15 CN CN201910637659.0A patent/CN110390153B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011186751A (ja) * | 2010-03-08 | 2011-09-22 | Takenaka Komuten Co Ltd | 位置推定装置およびプログラム |
| CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别*** |
| CN108416707A (zh) * | 2018-02-07 | 2018-08-17 | 链家网（北京）科技有限公司 | 房屋户型评估方法及装置 |
| CN108595773A (zh) * | 2018-03-28 | 2018-09-28 | 超选（北京）科技有限公司 | 室内装修设计装置及方法 |
| CN109740243A (zh) * | 2018-12-29 | 2019-05-10 | 江苏艾佳家居用品有限公司 | 一种基于分件强化学习技术的家具布局方法及*** |
| CN109871604A (zh) * | 2019-01-31 | 2019-06-11 | 浙江工商大学 | 基于深度对抗网络模型的室内功能区划分方法 |
| CN109961178A (zh) * | 2019-03-12 | 2019-07-02 | 中国电子工程设计院有限公司 | 户型改造信息的获取方法及装置 |
| CN109961319A (zh) * | 2019-03-12 | 2019-07-02 | 中国电子工程设计院有限公司 | 一种户型改造信息的获取方法及装置 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110826133A (zh) * | 2019-11-04 | 2020-02-21 | 广东三维家信息科技有限公司 | 利用激光测距仪绘制户型的方法和*** |
| CN110990912A (zh) * | 2019-11-04 | 2020-04-10 | 上海吉舍云计算机技术有限公司 | 拆砌墙计算方法、***及展示*** |
| CN111340954A (zh) * | 2020-02-18 | 2020-06-26 | 广东三维家信息科技有限公司 | 户型墙体绘制方法及其模型训练的方法、装置 |
| CN111340954B (zh) * | 2020-02-18 | 2023-11-14 | 广东三维家信息科技有限公司 | 户型墙体绘制方法及其模型训练的方法、装置 |
| CN111985039A (zh) * | 2020-08-28 | 2020-11-24 | 贝壳技术有限公司 | 房屋户型改造方案确定方法、装置及计算机可读存储介质 |
| CN112288331A (zh) * | 2020-11-24 | 2021-01-29 | 哈尔滨工业大学 | 一种基于语义识别的建筑改建评估*** |
| CN114329744A (zh) * | 2022-03-03 | 2022-04-12 | 如你所视(北京)科技有限公司 | 户型改造方法及计算机可读存储介质 |
| CN114329743A (zh) * | 2022-03-03 | 2022-04-12 | 如你所视(北京)科技有限公司 | 户型优化方法、装置以及存储介质 |
| CN114329744B (zh) * | 2022-03-03 | 2022-05-31 | 如你所视(北京)科技有限公司 | 户型改造方法及计算机可读存储介质 |
| CN114329743B (zh) * | 2022-03-03 | 2022-06-07 | 如你所视(北京)科技有限公司 | 户型优化方法、装置以及存储介质 |
| CN117874901A (zh) * | 2024-03-13 | 2024-04-12 | 北京装库创意科技有限公司 | 一种基于参数化户型信息的户型建模优化方法及*** |
| CN117874901B (zh) * | 2024-03-13 | 2024-05-14 | 北京装库创意科技有限公司 | 一种基于参数化户型信息的户型建模优化方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110390153B (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110390153A (zh) | 户型结构改造方案的生成方法、装置以及设备、存储介质 | |
| CN110363853A (zh) | 家具摆放方案生成方法、装置以及设备、存储介质 | |
| Kuzlu et al. | Gaining insight into solar photovoltaic power generation forecasting utilizing explainable artificial intelligence tools | |
| Bilal et al. | Big Data in the construction industry: A review of present status, opportunities, and future trends | |
| Gheorghe et al. | 3-Col problem modelling using simple kernel P systems | |
| Yang | A novel cloud information agent system with Web service techniques: Example of an energy-saving multi-agent system | |
| CN110188210A (zh) | 一种基于图正则化与模态独立的跨模态数据检索方法及*** | |
| US20210157819A1 (en) | Determining a collection of data visualizations | |
| Kumar et al. | Visualization: a novel approach for big data analytics | |
| CN109992715A (zh) | 信息展示方法、装置、介质和计算设备 | |
| Quan | Urban-GAN: An artificial intelligence-aided computation system for plural urban design | |
| Varfolomeyev et al. | Smart personal assistant for historical tourism | |
| KR102591481B1 (ko) | 인공지능 기반 트렌드에 기초한 판매제품 추천 시스템 | |
| Panula-Ontto et al. | EXIT: An alternative approach for structural cross-impact modeling and analysis | |
| Flotyński et al. | Customization of 3D content with semantic meta-scenes | |
| Lihu et al. | A multi-agent model of changes in urban safety livability | |
| Dai et al. | A fractal perspective-based methodological framework for supply chain modelling and distributed simulation with multi-agent system | |
| Mitterhofer et al. | Semantics for assembling modular components in a scalable building performance simulation | |
| Yang et al. | Intelligent design of product forms based on design cognitive dynamics and a cobweb structure | |
| Tang et al. | Semantic decision support models for energy efficiency in smart-metered homes | |
| Thiele et al. | Exploring research networks with data science: A data-driven microservice architecture for synergy detection | |
| Tselykh et al. | Knowledge discovery using maximization of the spread of influence in an expert system | |
| Ahmad et al. | Complex problems solution as a service based on predictive optimization and tasks orchestration in smart cities | |
| CN107077499A (zh) | 用于内容管理***的映射定义的生成 | |
| JPWO2018235841A1 (ja) | グラフ構造解析装置、グラフ構造解析方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191216 Address after: 100085 Floor 102-1, Building No. 35, West Second Banner Road, Haidian District, Beijing Applicant after: Seashell Housing (Beijing) Technology Co., Ltd. Address before: 300 457 days Unit 5, Room 1, 112, Room 1, Office Building C, Nangang Industrial Zone, Binhai New Area Economic and Technological Development Zone, Tianjin Applicant before: Shell Technology Co., Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40016324 Country of ref document: HK |