[发明专利]基于户型数据驱动的组合式室内布局方法和系统

说明书

本发明提供了一种基于户型数据驱动的组合式室内布局方法和系统，包括：获取目标房间区域的特征向量数据；目标房间区域为待布局房屋中的房间区域；特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；将目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到目标房间区域的功能信息；基于特征向量数据和功能信息对目标房间区域进行布局操作，得到布局之后的房间区域。本发明缓解了现有技术中对整个房屋进行布局时，人工对个房间的功能进行标注的工作较繁琐的技术问题。

技术领域

本发明涉及数据处理的技术领域，尤其是涉及一种基于户型数据驱动的组合式室内布局方法和系统。

背景技术

在实际的室内设计中，用户许多时候需要对整个房屋进行布局，但是当前的大部分布局算法通常只关注单个房间的布局，缺乏从室内设计的整体结构进行考虑。如果用户需要对整个房屋进行自动布局，则需要先人工对各房间的区域和房间的功能进行标注，再利用自动布局方法对房间进行布局；对于复杂房屋户型图，这些标注工作既繁琐又增加用户的工作量。

发明内容

有鉴于此，本发明的目的在于提供一种基于户型数据驱动的组合式室内布局方法和系统，以缓解了现有技术中对整个房屋进行布局时，人工对个房间的功能进行标注的工作较繁琐的技术问题。

第一方面，本发明实施例提供了一种基于户型数据驱动的组合式室内布局方法，包括：获取目标房间区域的特征向量数据；所述目标房间区域为待布局房屋中的房间区域；所述特征向量数据包括以下至少之一：房间区域的长度，房间区域的宽度，房间区域在房屋中的位置，相邻房间区域的面积；将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息；基于所述特征向量数据和所述功能信息对所述目标房间区域进行布局操作，得到布局之后的房间区域。

进一步地，在获取目标房间区域的特征向量数据之前，所述方法还包括：获取所述待布局房屋的户型图；确定所述户型图中的全部辅助点，其中，所述辅助点为所述户型图中各个房间区域的顶点；对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域，并在所述至少一个房间区域中确定所述目标房间区域。

进一步地，对所述全部辅助点进行聚类分析，得到所述户型图中的至少一个房间区域包括：获取所述全部辅助点中任意两个辅助点之间的邻接关系；根据所述任意辅助点之间的邻接关系对所述辅助点进行聚类分析，得到至少一个辅助点簇；基于所述至少一个辅助点簇，形成至少一个辅助点闭环；将所述至少一个辅助点闭环中，除面积最大的辅助点闭环之外的辅助点闭环作为所述至少一个房间区域。

进一步地，所述方法还包括：获取训练数据集；所述训练数据集包括：多个房间区域的特征向量数据集合和每个房间区域的功能信息集合；利用所述训练数据集训练预设BP神经网络模型，得到所述训练之后的BP神经网络模型。

进一步地，在利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型之前，所述方法还包括：对所述训练数据集中的特征向量数据集合进行Min-Max标准化处理，得到归一化特征向量数据集合；利用所述训练数据集训练预设BP神经网络模型，得到训练之后的BP神经网络模型包括：将所述归一化特征向量数据集合作为输入，训练所述预设BP神经网络模型，得到训练之后的BP神经网络模型。

进一步地，在将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息之前，所述方法包括：对所述目标房间区域的特征向量数据进行Min-Max标准化处理，得到所述目标房间区域的归一化特征向量；将所述目标房间区域的特征向量数据输入到训练之后的BP神经网络中，得到所述目标房间区域的功能信息包括：将所述目标房间区域的归一化特征向量输入到所述训练之后的BP神经网络模型，得到所述目标房间区域的功能信息。