[发明专利]基于人工智能的家具顶视图的分类方法及系统

说明书

本发明涉及家装设计技术领域。本发明一实施例提一种基于人工智能的家具顶视图的分类方法及系统，其中所述基于人工智能的家具顶视图的分类方法包括：获取家具的顶视图外轮廓；提取所述顶视图外轮廓的图像特征信息；基于分类网络和所述图像特征信息，对所述顶视图外轮廓进行分类，其中所述分类网络是以多种图像特征信息和其所对应的家具类型作为训练数据而训练的。由此，分类家具的顶视图外轮廓及顶视图，实现对外形相似的家具建立对应的dwg缩微图来替代投影图，提高dwg图纸转化过程中的稳定性和精确度。

技术领域

本发明涉及家装设计技术领域，具体地涉及一种基于人工智能的家具顶视图的分类方法及系统。

背景技术

随着家装设计行业的不断发展，目前行业中需求将三维效果图转换成适用于CAD所使用的dwg图纸，以及不同形状、不同种类的家具在dwg图纸上能够标识出对应的不同的dwg缩微图。

为了实现该目标，目前一般是直接将家具顶视图投射在dwg图纸上，但顶视图的投影图过于复杂，而且包含不封闭轮廓、断线等问题，如果直接将此投影图布置在dwg图纸中，会导致后续处理dwg图纸时将非常不方便。

因此，如何替代投影图技术，以提高dwg图纸转化过程中的稳定性和精确度是目前业界的热门研究方向。

发明内容

本发明实施例的目的是提供一种基于人工智能的家具顶视图的分类方法及系统，分类家具的顶视图外轮廓，实现对外形相似的家具建立对应的dwg缩微图来替代投影图，提高dwg图纸转化过程中的稳定性和精确度。

为了实现上述目的，本发明实施例一方面提供了一种基于人工智能的家具顶视图的分类方法，包括：获取家具的顶视图外轮廓；提取所述顶视图外轮廓的图像特征信息；基于分类网络和所述图像特征信息，对所述顶视图外轮廓进行分类，其中所述分类网络是以多种图像特征信息和其所对应的家具类型作为训练数据而训练的。

本发明实施例另一方面提供一种基于人工智能的家具顶视图的分类系统，包括：顶视图外轮廓获取单元，用于获取家具的顶视图外轮廓；图像特征信息提取单元，用于提取所述顶视图外轮廓的图像特征信息；分类单元，用于基于分类网络和所述图像特征信息，对所述顶视图外轮廓进行分类，其中所述分类网络是以多种图像特征信息和其所对应的家具类型作为训练数据而训练的。

通过上述技术方案，获取家具的顶视图外轮廓并提取其所对应的图像特征信息，然后由以多种图像特征信息和其所对应的家具类型作为训练数据而训练而成的分类网络推导该图像特征信息或对应顶视图所对应的家具类型。由此，应用人工智能技术分类家具的顶视图，使得家具类型能够与外形特征相似的顶视图外轮廓或dwg缩微图集合相对应，替代了投影图技术，方便了dwg图纸转化并还能够提高dwg图纸转化过程中的稳定性和精确度。

本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明一实施例的基于人工智能的家具顶视图的分类方法的流程图；

图2是本发明一实施例中的双人床顶视图以及其二值化图的示例；

图3是本发明一实施例中的所提取的双人床顶视图的外轮廓的示例；

图4是本发明一实施例中关于顶视图外轮廓的图像特征信息缩放尺寸前/后的对比示例；

图5是使用经训练的深度残差模型Resnet50对桌子顶视图进行分类的一分类结果示例；

图6是本发明实施例方法中关于分类网络的训练步骤的流程图；

图7A是本发明实施例中使用无监督学习KMeans分类后的粗略分类结果的示例；