(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221049314 4.X (22)申请日 2022.05.07 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市屯溪路193号 (72)发明人 吴文明　郑利平　孙佳辉　张高峰　 徐本柱　 (74)专利代理 机构 安徽合肥华信知识产权代理 有限公司 341 12 专利代理师 方琦 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种自动生成矢量化室内布局平面图的方 法 (57)摘要 本发明公开了一种自动生成矢量化室内布 局平面图的方法， 包括以下步骤： 步骤1、 确定室 内布局平 面图的边界； 步骤2、 从边界确定窗户的 类型和位置； 步骤3、 将边界的左上角顶点作为图 的生成起点， 即为 当前生成图； 步骤4、 以边界、 窗 户以及当前生成图作为输入， 由基于深度神经网 络的语义预测模型生成布局语义； 步骤5、 以边 界、 窗户、 布局语义以及当前生成图作为输入， 由 基于深度神经网络的图生成模型预测新的顶点 和边， 更新 当前生成图； 步骤6、 重复步骤 4、 5直至 步骤5中不再预测新的候选顶点和候选边， 此时 得到连通图和布局语义； 步骤7、 基于连通图和布 局语义得到 矢量化的室内布局平面图。 权利要求书1页 说明书4页 附图1页 CN 114912175 A 2022.08.16 CN 114912175 A 1.一种自动生成矢量 化室内布局平面图的方法， 其特 征在于， 包括以下步骤： 步骤1、 确定室内布局平面图的边界， 边界为多边形 结构， 边界中包 含前门； 步骤2、 从步骤1得到的边界确定窗户的类型和位置： 基于深度神经网络的窗户预测模型预测窗户的类型和位置， 预测的窗户分为两种类 型， 按窗户所在房间分为客厅 的落地窗以及其它房间的普通窗， 窗户的类型和位置为布局 平面图的生成提供 先验指导； 步骤3、 将步骤1得到的边界的左上角顶点作为图的生成起点， 该起点即为当前生成图， 当前生成图会随着后续 步骤的迭代生成而不断更新； 步骤4、 以步骤1确定的室内布局平面 图的边界、 步骤2确定的窗户的类型和位置， 以及 步骤3得到的当前生成图作为输入， 由基于深度神经网络的语义预测模型 预测布局语义； 步骤5、 以室内布局平面图的边界、 步骤3得到的当前生成图以及步骤4得到的布局语义 作为输入， 由基于深度神经网络的图生成模型预测候选顶点和候选边； 如果当前生成图的 顶点和候选顶点之 间存在候选边， 则将候选顶点和候选边作为新的顶点和边添加到 当前生 成图中； 如果两个新添加顶点之间也存在候选边， 则同样将该候选边作为新的边添加到当 前生成图中； 步骤6、 重复步骤4、 5并将步骤3得到的当前生成图替换为更新的当前生成图， 通过语义 预测模型和图生成模型 的耦合生成不断更新布局语义和当前生成图， 直至步骤5中不再预 测新的候选顶点和候选边， 此时得到室内布局平面图的连通图和语义信息， 通过图生成模 型最终得到的当前生成图即为室内布局平面图的连通图， 通过语义预测模 型最终得到的布 局语义即为室内布局平面图的语义信息； 步骤7、 基于步骤6得到的连通图和语义信息， 得到 矢量化的室内布局平面图。 2.根据权利要求1所述的一种自动 生成矢量化室内布局 平面图的方法， 其特征在于， 步 骤2中， 通过基于深度神经网络的窗户预测模型 预测得到边界上窗户的位置和类型。 3.根据权利要求1所述的一种自动 生成矢量化室内布局 平面图的方法， 其特征在于， 步 骤5中， 基于深度神经网络的图生成模型按照广 度优先遍历的顺序预测新的顶点和边。 4.根据权利要求1所述的一种自动 生成矢量化室内布局 平面图的方法， 其特征在于， 步 骤6中， 通过基于深度神经网络的语义预测模型和图生成模型的耦合生成不断更新布局语 义和当前生成图。 5.根据权利要求1所述的一种自动 生成矢量化室内布局 平面图的方法， 其特征在于， 步 骤7中， 通过遍历图的最小环操作， 从步骤6得到的连通图中找到所有的最小环， 即为房间； 对于每个房间， 在布局语义上选择房间中心所对应像素 的语义作为房间标签， 将房间标签 分配给构成对应房间的所有连通图顶点作为顶点属性， 得到完整的带有语义属性的连通 图， 根据完整的带有语义属性的连通图即可 得到矢量化的室内布局平面图。权　利　要　求　书 1/1 页 2 CN 114912175 A 2一种自动生成矢量化室内布局平面图的方 法 技术领域 [0001]本发明涉及矢量化室内布局平面图生成方法领域， 具体是一种自动生成矢量化室 内布局平面图的方法。 背景技术 [0002]矢量化的室内布局平面图是室内设计和场景建模的基础， 广泛应用于动画电影、 电脑游戏、 虚拟现实等领域。 传统的布局平面图设计都是 由设计师手动设计或者使用交互 式的建模 软件辅助设计， 设计过程繁琐冗长， 耗费大量的时间与 精力。 因此矢量化室内布局 平面图的自动生成具有重要的应用价 值。 [0003]深度学习是让计算机实现自我学习和改善的能力。 深度神经网络是深度学习的基 础， 深层神经使得网络具有更强的表征能力， 更强的学习能力。 现实世界积累了大量高质量 的室内布局平面图， 一种直接的想法是从现有的设计方案中学习设计准则并将其应用于布 局平面图的自动生成， 基于深度神经网络的生成方法可以学习并模仿 设计师进行布局平面 图的自动设计和生成。 [0004]布局平面图可以用图的结构进行表示， 其中图的顶点表示布局平面图中的节点， 图的边表示布局平面图中的墙段。 与顶点相关的房间的语义信息作为相 应顶点的属 性。 除 孤墙等特例 外， 布局平面图可以表示成连通图。 这样布局平面图的生成问题可以转化为连 通图的生成问题。 广度优先遍历可以用于图的生成， 这是图的一种遍历方法： 以连通图的遍 历为例， 从图中某一顶 点v出发， 依次访问v的未被访问的邻接点， 然后分别从这些邻接点出 发依次访问这些点的邻接点， 重复这个过程 直到图中所有顶点都被访问到为止 。 [0005]给定室内布局平面图的边界， 按照广度优先遍历的顺序， 通过深度神经网络， 以迭 代的方式依次预测图的顶点和边， 生成图的顶点和边， 最终得到连通图。 一旦生成了连通 图， 就可以直接得到矢量化的布局平面图， 这样就能实现矢量化室内布局平面图的自动生 成。 因此， 可基于深度神经网络构建一种生成矢量化室内布局平面图的方法， 以解决人工生 成矢量化室内布局平面图存在的问题。 发明内容 [0006]本发明的目的是提供一种一种自动生成矢量化室内布局平面图的方法， 以解决现 有技术室内布局平面图的设计过程繁琐冗 长、 自动化、 智能化 程度低的问题。 [0007]为了达到上述目的， 本发明所采用的技 术方案为： 一种自动生成矢量 化室内布局平面图的方法， 包括以下步骤： 步骤1、 确定室内布局平面图的边界， 边界为多边形 结构， 边界中包 含前门； 步骤2、 从步骤1得到的边界确定窗户的类型和位置： 基于深度神经网络的窗户预测模型预测窗户的类型和位置， 预测的窗户分为两种 类型， 按窗户所在房间分为客厅 的落地窗以及其它房间的普通窗， 窗户的类型和位置为布 局平面图的生成提供 先验指导；说　明　书 1/4 页 3 CN 114912175 A 3