[发明专利]一种基于人工智能的建筑户型图自动生成方法

说明书

本发明涉及一种基于人工智能的建筑户型图自动生成方法，包括以下步骤：S1、标注住宅建筑的标准平面图，构成AI模型训练的数据；S2、基于DCGAN网络模型，通过调整训练参数、损失函数构建户型生成的AI模型；S3、将SVG动画技术规划户型结构输入到AI户型模型中，输出多个标准的户型平面图；S4、针对产生的户型图进行降噪、高分辨率处理，得到高度仿真的住宅建筑平面。该方法通过SVG动画的方式，可以根据户型配比，动态规划户型结构，实现所见即所得的体验，AI户型产生模型输出动画规划的建筑平面图，建筑师等人员依此为基础，方便深层次的加工，生成的户型样本直观、可操作性强、缩短户型平面图设计时间和户型结构丰富。

技术领域

本发明涉及住宅户型设计技术领域，具体为一种基于人工智能的建筑户型图自动生成方法。

背景技术

近年来，在数字经济不断推进的大背景下，人工智能发展迅速，并与多种应用场景深度融合，利用人工智能技术的人机对弈、智能家居、声传译、无人驾驶、智能客服机器人和人脸识别等应用如雨后春笋般层出不穷，同时智能手机让人工智能变得更贴近大众的生活，人工智能逐渐成为推动经济创新发展的重要技术，众多互联网公司积极布局AI研发投入，2014年Goodfellow等人提出生成式对抗网络GAN，利用生成网络和判别网络不断博弈生成逼真的图像。

在住宅户型设计方面，通过房间的关系来进行建筑平面的生成和住区规划一样，是一个经典的算法辅助设计的题目，传统利用构建的房间结构，通过各类参数来系统地生成设计模型，包括但不限于三维模型、平面和立面等等，该方法能提高建筑师的效率，有一定价值，但另一方面是这样生成的方案是和实际生产相脱离。

因此利用机器学习，不再用人工去构建平面的数据结构，而是利用机器学习的方法去近似，这样的好处是做出来的成果足够酷炫，让计算机学会建筑设计，输出更加合理、准确和高效的房屋户型是非常有意义的应用。

目前CAD技术在建筑设计方面的贡献仍仅限于一种“绘图和计算的工具”，方案构思的仍得依靠传统方法，此方法利用计算机速度快、容量大、精度高和功能强的特点，帮助并代替建筑师在设计过程中处理大最的图像、数值和文字信息，从而大大地提高了建筑设计的质量，降低了设计的成本，缩短了设计的周期，并且节约了建设的投资，增强了竞争性，世界上先进工业国家多年来的实践已充分证明了这一点，但是，由于电脑屏幕尺寸的限制，设计师关注的往往是设计的局部，对全局的把握有一定影响，使得整个建筑物的比例和体量失控，CAD的精确性要求其每一笔都要有准确的数据，使得方案设计中需要的模糊性和随机性被扼杀，设计缺乏灵感，另一方面CAD软件自身功能的局限性以及设计师对CAD软件掌握的熟练程度，使得建筑师好的灵感和创意不能通过CAD表达出来，建筑师的思想、思路和灵感被束缚。

此外，现有技术中基于人工智能的参数化户型生成，其通过对抗网络技术训练户型生成模型工具，通过设置接收目标住宅建筑的目标区域、目标户型面积、目标户型轮廓及目标户型布局，利用该工具生成带功能区域的平面户型模型，随后，对平面户型模型进行去噪和规整处理得到几何图形意义上的住宅建筑平面，该方案提供了高效率和高准确性的自动生成住宅建筑平面的方案，但是，其生成模型的原始训练数据需要预处理，获取各个区域范围内住宅建筑的标准平面图，分析得到各个所述标准平面图对应的住宅面积、户型面积、户型布局、户型轮廓及住宅结构尺寸信息，作为原始训练数据，此方法对数据预处理结果要求较高，直接影响到生成工具的输出效果，并且，利用参数化配置生成平面户型图，设置目标住宅建筑的目标区域、目标户型面积、目标户型轮廓及目标户型布局，根据所述对抗生成网络模型生成带功能区域的平面户型模型，此方法增加工作量，需要反复多次调整参数，比较各种输出结果，才能最终确定方案，故而提出一种基于人工智能的建筑户型图自动生成方法以解决上述问题。

发明内容