[發明專利]一種家裝設計方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010463658.1
• 申請日: 2020-05-27
• 公開（公告）號: CN111651819A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 蘇旭;袁道鳴;關可欣;吳翔南;麥廣柱;周琳琳
• 申請（專利權）人: 廣東博智林機器人有限公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種家裝設計方法，其特征在于，包括：

獲取待設計戶型圖信息；

基于所述待設計戶型圖信息，通過設定算法確定雙深度Q神經網絡DDQN模型的初始狀態；

根據所述初始狀態，通過預先訓練好的DDQN模型，得到待設計戶型的家裝設計信息；

其中，所述家裝設計信息包括至少一種家具的類別信息以及所述家具的擺放位置信息。

2.根據權利要求1所述的方法，其特征在于，所述基于所述待設計戶型圖信息，通過設定算法確定雙深度Q神經網絡DDQN模型的初始狀態，包括：

基于所述待設計戶型圖信息，確定待設計戶型的房間信息特征向量；

根據所述房間信息特征向量，基于歐式距離從設定數據庫獲取與所述待設計戶型相似度達到閾值的樣本戶型的家裝設計信息；

將所述家裝設計信息確定為雙深度Q神經網絡DDQN模型的初始狀態。

3.根據權利要求2所述的方法，其特征在于，所述樣本戶型的家裝設計信息包括：家具的類別信息以及家具的排布坐標信息。

4.根據權利要求3所述的方法，其特征在于，所述家具的類別信息包括下述至少一種：床、書桌、衣柜、梳妝臺、茶幾、以及電視柜；

所述房間信息特征向量包括下述至少一種特征元素：房門以及房門的位置信息、墻體以及墻體的位置信息、飄窗以及飄窗的位置信息、窗戶以及窗戶的位置信息。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述預先訓練好的DDQN模型包括兩個網絡結構相同的深度神經網絡，所述兩個網絡結構相同的深度神經網絡以所述初始狀態中的家具的類別信息以及家具的排布坐標信息為輸入。

6.根據權利要求1-4任一項所述的方法，其特征在于，所述預先訓練好的DDQN模型包括：

基于家具的排布特征生成的價值函數，所述價值函數用于在DDQN模型運算過程中指導家具的排布策略。

7.根據權利要求6所述的方法，其特征在于，所述排布特征包括下述至少一項：可通過性、重疊性以及成對性。

8.一種家裝設計裝置，其特征在于，包括：

獲取模塊，用于獲取待設計戶型圖信息；

確定模塊，用于基于所述待設計戶型圖信息，通過設定算法確定雙深度Q神經網絡DDQN模型的初始狀態；

設計模塊，用于根據所述初始狀態，通過預先訓練好的DDQN模型，得到待設計戶型的家裝設計信息；

其中，所述家裝設計信息包括至少一種家具的類別信息以及所述家具的擺放位置信息。

9.一種電子設備，其特征在于，所述電子設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一項所述的家裝設計方法。

10.一種包含計算機可執行指令的存儲介質，所述計算機可執行指令在由計算機處理器執行時用于執行如權利要求1-7中任一項所述的家裝設計方法。