[发明专利]基于预测网络的村落房屋布局方法、存储介质及终端设备

权利要求书

1.一种基于预测网络的村落布局方法，其特征在于，包括步骤：

对传统村落建筑地形进行图像采集，根据采集的图像绘制传统村落地形图并在所述地形图上标注房屋信息，得到原始数据源；

根据村落中的道路走向将所述原始数据源中的村落划分为区块，将每个区块的轮廓点坐标，每个区块包括的房屋信息以及房屋轮廓点坐标存入表格中，得到地形图表格数据；

对所述地形图表格数据进行扩展、转换处理，得到模型输入数据；

根据所述模型输入数据构建村落布局决策网络，所述村落布局决策网络包括房屋继续放置判断模块、房屋类别模块、房屋位置模块、房屋朝向模块；

将当前一个空的或者已有部分房屋存在的区块场景处理成多通道特征图并输入到所述村落布局决策网络中，输出村落布局结果。

2.根据权利要求1所述基于预测网络的村落布局方法，其特征在于，对所述地形图表格数据进行扩展、转换处理的步骤包括：

从所述地形图表格数据中依次提取每张表格中的房屋信息、房屋轮廓点坐标及区块轮廓点坐标，用纯文本形式存储表数据，得到一个CSV文件，以_block_cnts.csv为后缀；

计算每个区块包含的所有房屋的扩展信息，并以block_info.csv为后缀。

3.根据权利要求2所述基于预测网络的村落布局方法，其特征在于，所述房屋的扩展信息包括房屋面积、门的朝向角度、房屋最小矩形包围盒的旋转基准点坐标、房屋轮廓点坐标、房屋是否为凸多边形、房屋是否分割、房屋最小矩形包围盒的中心点坐标、房屋材质标签、楼层标签、房屋形状标签、区块面积分类标签、经比例换算后的房屋的最小矩形包围盒中心到区块最近的距离值、经比例换算后的房子的最小矩形包围盒中心到区块中心的距离值和房屋评分中的一种或多种。

4.根据权利要求1所述基于预测网络的村落布局方法，其特征在于，对所述地形图表格数据进行扩展、转换处理的步骤包括：

对所述地形图表格数据中的每个区块进行正交自顶向下渲染，将每个区块区域映射到256*256图像上；

将语义特征编码到通道上，所述通道的第一层是区块通道，在区块内取1；所述通道的第二层是所有房屋的通道，有房屋处像素值为1；所述通道的第三、四层是房屋朝向通道，两个通道分别编码sinθ和cosθ；所述通道的第五层是5层的材质类别通道、5层的楼层类别通道、6层的形状类别通道以及5层的房屋面积类别通道。

5.根据权利要求4所述的基于预测网络的村落布局方法，其特征在于，根据所述模型输入数据构建村落布局决策网络的步骤包括：

预先在所述村落布局决策网络中添加房屋继续放置判断模块；

将当前区块场景映射到256*256的区块多通道视图上，作为房屋继续放置判断模块的输入数据；

用两组特征来封装当前区块场景的状态，existingcountsS表示当前block场景中已经存在的每个房屋类别的计数向量，ResnetVS是用ResNet18来提取VS的高级特征，输出当前区块场景中是否能够继续放置房屋的概率：Pcontinue(T|S)＝(MLPexistingcountsS，ResnetVS)，其中，MLP表示若干个线性层。

6.根据权利要求5所述的基于预测网络的村落布局方法，其特征在于，根据所述模型输入数据构建村落布局决策网络的步骤包括：

预先在所述村落布局决策网络中添加房屋类别模块；

将经过房屋继续放置判断模块确认需要继续放置房屋的区块场景映射到256*256的区块多通道视图上，作为房屋类别模块的输入数据；

通过公式Pcat(Pi|Cati,S)＝(LinearMLPCati，ResnetVS)获取添加进区块场景的房屋的四个类别概率分布，其中i∈1,2,3,4，所述四个类别分别为材质标签，楼层标签，形状标签，面积标签。