[发明专利]户型图对应效果图的匹配方法、装置、系统及存储介质在审
申请号: | 202210526722.5 | 申请日: | 2022-05-16 |
公开(公告)号: | CN114840706A | 公开(公告)日: | 2022-08-02 |
发明(设计)人: | 马云峰 | 申请(专利权)人: | 佛山欧神诺云商科技有限公司 |
主分类号: | G06F16/583 | 分类号: | G06F16/583;G06F16/51;G06V10/26;G06V10/75 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 姚大雷 |
地址: | 528000 广东省佛山市禅城*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 户型 对应 效果图 匹配 方法 装置 系统 存储 介质 | ||
1.户型图对应效果图的匹配方法,其特征在于,包括:
获取2D户型图,并将所述2D户型图中每个独立空间区域转换为对应的户型矢量数据;
提取所述户型矢量数据中的房屋特征信息,并基于所述房屋特征信息构建对应的特征样本图;
将所述特征样本图与预设的特征库中的特征索引图进行比较;
提取其中匹配度最高的所述特征索引图,并获取与所述特征索引图对应的效果图,作为与所述2D户型图中的所述独立空间区域对应的匹配结果。
2.如权利要求1所述户型图对应效果图的匹配方法,其特征在于,所述提取所述户型矢量数据中的房屋特征信息,并基于所述房屋特征信息构建对应的特征样本图,包括:
获取所述户型矢量数据的房屋特征信息中的空间特征和户型特征;
根据所述空间特征和所述户型特征,构建与所述户型矢量数据对应的所述特征样本图。
3.如权利要求2所述户型图对应效果图的匹配方法,其特征在于,所述空间特征包括墙面厚度、墙面角度、墙面尺寸和比例;
所述户型特征包括窗户位置、窗户特征、房门方向和房门位置。
4.如权利要求1所述户型图对应效果图的匹配方法,其特征在于,所述获取2D户型图,并将所述2D户型图中每个独立空间区域转换为对应的户型矢量数据之前,还包括:
获取所述特征库中的效果图,对所述效果图进行语义分割,并将所述效果图转换为对应的效果矢量图;
基于语音分割的分割结果,根据所述效果矢量图,构建所述特征索引图,并建立所述特征索引图与所述效果图的对应关系且将所述特征索引图存入所述特征库。
5.如权利要求4所述户型图对应效果图的匹配方法,其特征在于,所述对所述效果图进行语义分割,并将所述效果图转换为对应的效果矢量图,包括:
利用训练好的识别模型,基于语义分割算法,提取所述效果图中的元素特征信息作为所述分割结果;
将所述效果图拟合成对应的效果矢量图。
6.如权利要求5所述户型图对应效果图的匹配方法,其特征在于,所述将所述效果图拟合成对应的效果矢量图,包括:
提取所述效果图的像素矢量数据;
根据所述像素矢量数据和所述分割结果,将所述效果图拟合成俯视角度的所述效果矢量图。
7.如权利要求6所述户型图对应效果图的匹配方法,其特征在于,所述提取所述效果图的像素矢量数据,包括:
提取所述效果图中的墙角点特征;
根据所述墙角点特征,获取所述效果图中的墙体数量和墙体远近关系、墙体相邻关系,并将所述墙体数量、所述墙体远近关系和所述墙体相邻关系作为所述像素矢量数据。
8.一种2D户型图对应效果图的匹配装置,其特征在于,包括:
获取模块,用于获取2D户型图,并将所述2D户型图中每个独立空间区域转换为对应的户型矢量数据;
提取模块,用于提取所述户型矢量数据中的房屋特征信息,并基于所述房屋特征信息构建对应的特征样本图;
比较模块,用于将所述特征样本图与预设的特征库中的特征索引图进行比较;
所述提取模块,还用于提取其中匹配度最高的所述特征索引图,并获取与所述特征索引图对应的效果图,作为与所述2D户型图中的所述独立空间区域对应的匹配结果。
9.一种2D户型图对应效果图的匹配系统,其特征在于,包括存储器以及处理器,所述存储器用于存储2D户型图对应效果图的匹配程序,所述处理器运行所述2D户型图对应效果图的匹配程序以使所述2D户型图对应效果图的匹配系统执行如权利要求1-7任一项所述的户型图对应效果图的匹配方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有2D户型图对应效果图的匹配程序,所述2D户型图对应效果图的匹配程序被处理器执行时实现如权利要求1-7任一项所述的户型图对应效果图的匹配方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山欧神诺云商科技有限公司,未经佛山欧神诺云商科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210526722.5/1.html,转载请声明来源钻瓜专利网。