[发明专利]一种家装设计方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种家装设计方法、装置、电子设备及存储介质，该方法包括：获取待设计户型图信息；基于所述待设计户型图信息，通过设定算法确定双深度Q神经网络DDQN模型的初始状态；根据所述初始状态，通过预先训练好的DDQN模型，得到待设计户型的家装设计信息；其中，所述家装设计信息包括至少一种家具的类别信息以及所述家具的摆放位置信息，实现了家装的智能设计，且进一步实现了对家具进行自动排布的目的，提高了家装设计的智能化程度。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种家装设计方法、装置、电子设备及存储介质。

背景技术

随着房地产行业的迅速发展，家装设计的市场需求也迅速增大，而传统的家装设计行业是一个专业且耗时的行业，越来越无法满足市场对快速出图的需求。针对该市场需求，越来越多的企业加大了对智能家装设计的研发与投入力度。

目前，在智能家装设计领域，关于设计图主要是基于有限的部分房间的模板进行匹配获取；关于家具的自动布局更多依赖基于规则的优化技术，但是，该优化技术的计算效率较低，而且不一定能够找到最优解。

因此，目前的智能家装设计方法还需进一步进行改善。

发明内容

本发明实施例提供一种家装设计方法、装置、电子设备及存储介质，实现了家装的智能设计，且进一步实现了对家具进行自动排布的目的，提高了家装设计的智能化程度。

第一方面，本发明实施例提供了一种家装设计方法，该方法包括：

获取待设计户型图信息；

基于所述待设计户型图信息，通过设定算法确定DDQN(Double Deep Q Network，双深度Q神经网络)模型的初始状态；

根据所述初始状态，通过预先训练好的DDQN模型，得到待设计户型的家装设计信息；

其中，所述家装设计信息包括至少一种家具的类别信息以及所述家具的摆放位置信息。

DDQN网络具有较强的特征抽取能力，使用DDQN网络能够训练模型，使模型能够基于家装设计师设计好的家装设计图，较好地学习家装设计师的设计思路。通过将DDQN网络应用到家装设计中，为家装设计提供了新的实现思路，DDQN网络能够根据毛坯的户型图生成家装设计图，能够适应多种不同的户型，提高了家装设计的设计效率与效果，并且实现了对家具的自动排布，提高了家装设计的智能化程度，家装设计图的出图速度可达到秒级。

在获取到待设计户型图信息时，基于所述待设计户型图信息，通过设定算法确定DDQN模型的初始状态，相比于通过随机采样确定DDQN模型的初始状态，本申请的方案极大地提高了模型的收敛速度，提高了模型的家装设计效率与效果。

进一步的，所述基于所述待设计户型图信息，通过设定算法确定双深度Q神经网络DDQN模型的初始状态，包括：

基于所述待设计户型图信息，确定待设计户型的房间信息特征向量；

根据所述房间信息特征向量，基于欧式距离从设定数据库获取与所述待设计户型相似度达到阈值的样本户型的家装设计信息；

将所述家装设计信息确定为双深度Q神经网络DDQN模型的初始状态；所述样本户型的家装设计信息包括：家具的类别信息以及家具的排布坐标信息；

所述家具的类别信息包括下述至少一种：床、书桌、衣柜、梳妆台、茶几、以及电视柜；

所述房间信息特征向量包括下述至少一种特征元素：房门以及房门的位置信息、墙体以及墙体的位置信息、飘窗以及飘窗的位置信息、窗户以及窗户的位置信息。