亚洲狠狠干,亚洲国产福利精品一区二区,国产八区,激情文学亚洲色图

一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法及系統(tǒng)與流程

文檔序號:11155950閱讀:766來源:國知局
一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法及系統(tǒng)與制造工藝

本發(fā)明涉及室內(nèi)區(qū)域布局預測,特別涉及一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法及系統(tǒng)。



背景技術(shù):

室內(nèi)場景一般由建筑主體結(jié)構(gòu)和室內(nèi)物體構(gòu)成,室內(nèi)物體的布局是體現(xiàn)室內(nèi)場景的重要細節(jié),作為室內(nèi)場景的一部分,家居場景近些年受到虛擬現(xiàn)實相關(guān)應(yīng)用領(lǐng)域的關(guān)注,針對家居場景自動布局問題,現(xiàn)有方法多以預定義規(guī)則為基礎(chǔ),通過人為定義場景內(nèi)物體應(yīng)滿足的規(guī)則或約束并用數(shù)學表達式描述,這類方法主要考慮室內(nèi)物體之間的關(guān)系,對現(xiàn)實生活中常出現(xiàn)的復雜的房間結(jié)構(gòu)缺乏考慮,并且,當規(guī)則定義不完善時,難以產(chǎn)生合理的布局結(jié)果。



技術(shù)實現(xiàn)要素:

針對現(xiàn)有技術(shù)的不足,本發(fā)明提出一種房間形狀幾何特征描述方法及系統(tǒng)。

本發(fā)明提出一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法,包括:

步驟1,提取家居場景案例庫中所有房間的形狀特征與室內(nèi)區(qū)域的布局屬性,構(gòu)造布局預測模型訓練集,其中所述布局預測模型訓練集為<布局屬性的類別標簽,形狀特征>二元組集合;

步驟2,根據(jù)所述布局預測模型訓練集,訓練布局預測模型,根據(jù)待布局房間的形狀特征,通過所述布局預測模型預測待布局房間的室內(nèi)區(qū)域的位置分布,以完成預測室內(nèi)區(qū)域布局。

所述步驟1包括歸一化的入口位置、面積、長寬比、形狀伸展度。

所述布局屬性包括位置坐標屬性、尺寸屬性、朝向?qū)傩浴?/p>

所述步驟2包括構(gòu)造布局得分函數(shù):

φ(G)=lnp(π(G)|F)

其中φ(G)表示當房間的形狀特征為F時,室內(nèi)區(qū)域G的一個布局屬性π(G)的取值得分,即用一個分布p描述布局屬性取值的概率分布。

所述步驟2還包括使用多項邏輯回歸訓練分類器。

本發(fā)明還提出一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測系統(tǒng),包括:

構(gòu)造布局預測模型訓練集模塊,用于提取家居場景案例庫中所有房間的形狀特征與室內(nèi)區(qū)域的布局屬性,構(gòu)造布局預測模型訓練集,其中所述布局預測模型訓練集為<布局屬性的類別標簽,形狀特征>二元組集合;

預測模塊,用于根據(jù)所述布局預測模型訓練集,訓練布局預測模型,根據(jù)待布局房間的形狀特征,通過所述布局預測模型預測待布局房間的室內(nèi)區(qū)域的位置分布,以完成預測室內(nèi)區(qū)域布局。

所述構(gòu)造布局預測模型訓練集模塊包括歸一化的入口位置、面積、長寬比、形狀伸展度。

所述布局屬性包括位置坐標屬性、尺寸屬性、朝向?qū)傩浴?/p>

所述預測模塊包括構(gòu)造布局得分函數(shù):

φ(G)=lnp(π(G)|F)

其中φ(G)表示當房間的形狀特征為F時,室內(nèi)區(qū)域G的一個布局屬性π(G)的取值得分,即用一個分布p描述布局屬性取值的概率分布。

所述預測模塊還包括使用多項邏輯回歸訓練分類器。

由以上方案可知,本發(fā)明的優(yōu)點在于:

本發(fā)明無需人為預先定義待布局對象布局應(yīng)滿足的約束,可以從布局案例中學習布局空間幾何特征與布局對象位置分布的關(guān)系,并對新的布局空間預測其布局對象的位置分布。

附圖說明

圖1為數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法流程圖。

圖2為房間形狀幾何特征示意圖。

具體實施方式

本發(fā)明的目的是提供一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法,從已布局的家居場景案例庫(案例庫一般包含房間的形狀特征以及房間中所有室內(nèi)區(qū)域的功能類型、尺寸、位置、朝向信息)中提取相關(guān)信息,訓練布局預測模型,根據(jù)待布局房間的形狀特征預測室內(nèi)區(qū)域的位置分布,以自動獲得家居場景的室內(nèi)區(qū)域布局。

為了實現(xiàn)上述目的,本發(fā)明提供的室內(nèi)區(qū)域布局預測方法包括如下步驟:

步驟1,構(gòu)造布局預測模型訓練集;

步驟2,訓練布局預測模型;

步驟3,根據(jù)待布局房間的形狀特征,用布局預測模型預測待布局房間的室內(nèi)區(qū)域的位置分布。

所述步驟1包括以下子步驟:

步驟11,提取案例庫中所有房間的形狀特征;

步驟12,提取案例庫中所有房間各類室內(nèi)區(qū)域的布局屬性;

步驟13,構(gòu)造<布局屬性的類別標簽,形狀特征>二元組集合。

所述步驟2,包括以下子步驟:

步驟21,構(gòu)造布局得分函數(shù);

步驟22,按室內(nèi)區(qū)域布局屬性的類別訓練布局預測模型。

本發(fā)明還提出一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測系統(tǒng),包括:

構(gòu)造布局預測模型訓練集模塊,用于提取家居場景案例庫中所有房間的形狀特征與室內(nèi)區(qū)域的布局屬性,構(gòu)造布局預測模型訓練集,其中所述布局預測模型訓練集為<布局屬性的類別標簽,形狀特征>二元組集合;

預測模塊,用于根據(jù)所述布局預測模型訓練集,訓練布局預測模型,根據(jù)待布局房間的形狀特征,通過所述布局預測模型預測待布局房間的室內(nèi)區(qū)域的位置分布,以完成預測室內(nèi)區(qū)域布局。

所述構(gòu)造布局預測模型訓練集模塊包括歸一化的入口位置、面積、長寬比、形狀伸展度。

所述布局屬性包括位置坐標屬性、尺寸屬性、朝向?qū)傩浴?/p>

所述預測模塊包括構(gòu)造布局得分函數(shù):

φ(G)=lnp(π(G)|F)

其中φ(G)表示當房間的形狀特征為F時,室內(nèi)區(qū)域G的一個布局屬性π(G)的取值得分,即用一個分布p描述布局屬性取值的概率分布。

所述預測模塊還包括使用多項邏輯回歸訓練分類器。

下面參照附圖介紹本發(fā)明的方法的具體實施過程,圖1為數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法流程圖。

本發(fā)明公開的是一種數(shù)據(jù)驅(qū)動的室內(nèi)區(qū)域布局預測方法,室內(nèi)區(qū)域是指共同完成某種功能的一組家具集合所構(gòu)成的區(qū)域,例如客廳中的一組沙發(fā)和茶幾共同完成座談功能,這組沙發(fā)和茶幾構(gòu)成的矩形區(qū)域為“座談區(qū)域”,為了根據(jù)房間形狀預測室內(nèi)區(qū)域的位置分布,首先,從案例庫中抽取先驗知識,訓練布局預測模型,然后,將待布局的房間幾何特征輸入布局約束模型,輸出室內(nèi)區(qū)域的位置分布。具體來講:

步驟S1,構(gòu)造布局預測模型訓練集。

步驟S11,提取案例庫中所有房間的形狀特征和。房間的形狀特征由以下幾項構(gòu)成:

步驟S111,歸一化的入口位置(Ex,Ey),即入戶門在房間局部坐標系下歸一化的坐標。入戶門位置在房間局部坐標系下的額坐標為(Ex0,Ey0),則歸一化的坐標(Ex,Ey)=(Ex0/W,Ey0/L)。

步驟S112,面積(S),即房間輪廓圍成的封閉多邊形的面積。

步驟S113,長寬比(R),即房間的長與寬的比值,R=L/W。

步驟S114,形狀伸展度(C),即房間輪廓形成的封閉多邊形接近矩形的程度,用該多邊形分別按x軸方向和y軸方向分解的矩形中心點的協(xié)方差矩陣C1和C2描述。按x軸方向分解簡稱縱切,按y軸方向分解簡稱橫切,如圖2所示,該房間輪廓多邊形可由虛線橫切劃分為三個矩形,中心點坐標向量為xh=(x1,x2,x3)T,yh=(y1,y2,y3)T h表示橫切后獲得的矩形中心點坐標向量,T表示向量的轉(zhuǎn)置運算,其中心點坐標的協(xié)方差矩陣同時,該房間輪廓多邊形可由虛線縱切劃分為三個矩形,中心點坐標向量為xv=(x4,x5,x6)T,yv=(y4,y5,y6)T,其中心點坐標的協(xié)方差矩陣v表示縱切后獲得的矩形中心點坐標向量。由于cov(xh,yh)=cov(yh,xh)且cov(xv,yv)=cov(yv,xv),因此C=(cov(xh,yh),cov(xh,xh),cov(yh,yh),cov(xv,yv),cov(xv,xv),cov(yv,yv))。

綜上所述,一個布局空間的幾何特征F=(Ex,Ey,S,R,C)是一組10維的特征向量。

步驟S12,提取案例庫中所有房間各類室內(nèi)區(qū)域的布局屬性,室內(nèi)區(qū)域的布局屬性包括如下幾項:

室內(nèi)區(qū)域G的一元布局屬性π(G)=(xp,ypp,lp,wp),包括該室內(nèi)區(qū)域在房間中歸一化的位置坐標、朝向和尺寸。

步驟S121,位置坐標屬性:xp=x/W,yp=y(tǒng)/L,其中x和y分別為該室內(nèi)區(qū)域位置點在x軸和y軸方向的坐標值,W和L分別為房間的寬和長,位置坐標屬性xp和yp的取值均為[0,1]范圍內(nèi)的連續(xù)值,記π1(G)=xp2(G)=y(tǒng)p。

步驟S122,尺寸屬性:lp=ly/L,wp=lx/W,其中l(wèi)y和lx分別為該室內(nèi)區(qū)域的長和寬,L和W分別為房間的長和寬,尺寸屬性lp和wp的取值均為[0,1]范圍內(nèi)的連續(xù)值,記π3(G)=lp4(G)=wp

步驟S123,朝向?qū)傩裕害?sub>p=θ,其中θ是該室內(nèi)區(qū)域的朝向角度,本發(fā)明涉及的室內(nèi)區(qū)域角度均為90°的整數(shù)倍,因此朝向?qū)傩缘娜≈凳莧0,90,180,270}中的離散值,記π5(G)=θp。

步驟S13,構(gòu)造<屬性類別標簽,形狀特征>二元組。房間的形狀特征和同類室內(nèi)區(qū)域(如座談區(qū)域)的同類布局屬性值(如X值)組成<屬性值,形狀特征>二元組,將案例庫中同類房間(如客廳)的<屬性值,形狀特征>二元組構(gòu)成集合。連續(xù)的屬性值離散化后,得到屬性類別標簽。具體來說,布局屬性類別標簽Ct(G),t=1,...,4,由連續(xù)的布局屬性值πt(G),t=1,...,4分別離散化得到。本方法采用k均值聚類將每一類布局屬性出現(xiàn)過的屬性值劃分為k類,記錄每一類的聚類中心μt=(μt1,...,μtk),μt1<...<μtk。對于位置坐標屬性,我們分別將所有出現(xiàn)過的xp值和yp值分為k類,相當于在坐標系上縱橫各分了k格,每一格看作一類,坐標值落在哪一格則對應(yīng)那一類,得到x坐標屬性類別標簽C1(G)=cx,cx∈{1,...,k},y坐標屬性類別標簽C2(G)=cy,cy∈{1,...,k},同理可得到尺寸的屬性類別標簽C3(G)和C4(G)。由于朝向?qū)傩允羌蟵0,90,180,270}中的離散值,因此定義朝向?qū)傩灶悇e標簽C5(G)=θp/(π/2)+1,C5(G)∈{1,2,3,4}。

對于所有的家居場景案例,相同類型的二元組構(gòu)成的集合稱為一個訓練集N表示布局屬性的類型即二元組的類型,M表示室內(nèi)區(qū)域的類型,num為該訓練集的大小。訓練集中的組成元素稱為訓練樣本。設(shè)室內(nèi)區(qū)域的類型有m種,每種室內(nèi)區(qū)域?qū)?yīng)n個布局屬性,則有m*n個訓練集。

步驟S2,訓練布局預測模型;

步驟S21,構(gòu)造布局得分函數(shù):

布局得分函數(shù)

φ(G)=lnp(π(G)|F) 公式1

其中φ(G)表示當房間的形狀特征為F時,室內(nèi)區(qū)域G的一個布局屬性π(G)的取值得分,即用一個分布p描述布局屬性取值的概率分布。

步驟S22,按室內(nèi)區(qū)域布局屬性的類別訓練布局預測模型。

在步驟S21小節(jié)所述的m*n個訓練集上分別訓練分類器得到表示每種功能區(qū)域的每種屬性類別標簽和房間幾何特征內(nèi)在聯(lián)系的參數(shù)。在分類器的選擇上,由于邏輯回歸可以自然地處理多類別的問題,本方法使用多項邏輯回歸(Multinomial Logistic Regression)訓練分類器。

步驟S3,根據(jù)待布局房間的形狀特征,用布局預測模型預測待布局區(qū)域的位置分布。

給定一個待布局的目標空間,設(shè)其房間形狀幾何特征為F,要求的布局屬性為πt(Gj),t∈{1,...,n},j∈{1,...,m},布局預測模型將預測該布局屬性取值的概率分布p(πt(Gj)|F),代入公式1,得到該布局屬性的得分。

首先,將F輸入對應(yīng)的分類器該分類器將輸出概率向量其中k為類別標簽的類別個數(shù)。該概率向量描述所求布局屬性屬于每個類別標簽的概率,進而得到一個概率分布直方圖。接著,用核密度估計的方法將該直方圖平滑化,將直方圖轉(zhuǎn)化為連續(xù)的概率密度函數(shù),得到概率分布曲線。

設(shè)布局屬性為πt,其屬性類別標簽集合為Ct,對應(yīng)的聚類中心集合M={μi|i=1,...,k},類別數(shù)目|Ct|=k,直方圖bin的集合為U,|U|=k,直方圖第i個bin對應(yīng)的頻率為Pi'。對布局屬性取值范圍內(nèi)的任意值s,它的概率密度計算公式如下:

其中,σi由μi三個最近鄰的平均距離求得。

當前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1