具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中，若需要对设计图中的家具的布局进行调整或者更换家具时，通常情况下，用户需要和设计师进行沟通，再有设计师对方案进行修改，但是该种方式下，时效性差，效率也低，有的时候也不容易达到用户的满意。

为了提升效率，本发明实施例公开了一种三维家具自动交互布局方法，基于二维家具设计图，生成三维仿真环境，其中，三维仿真环境中包括各个房间的户型尺寸、各个家具的三维轮廓以及各个家具和房间的位置关系，并根据所述三维仿真环境，确定房间的初始布局状态，之后通过两方面的层次对家具的布局进行调整，首先通过预设的第一布局网络，确定第一家具(用户未选择调整的家具)的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；然后通过预设的第二布局网络，确定多个家具的移动信息，从而得到第二家具布局信息。由此，当用户需要对某个家具进行调整时，可以直接生成家具调整后的设计方案，提高了效率。

并且，还可以根据用户需要调整家具，生成多种不同的布局方案供用户选择。

如下会对本技术方案进行详细的介绍：

实施例1

参考图1，示出了本发明实施例提供的一种三维家具自动交互布局的方法的流程示意图，在本实施例中，该方法包括：

S101：通过二维家具设计图，生成三维仿真环境；所述三维仿真环境包括：各个房间的户型尺寸、各个家具的三维轮廓以及各个家具和房间的位置关系；

本实施例中，二维家具设计图可以是通过任何方式设计的，例如可以为CAD图，其中，二维家具图中包括软装和硬装的各个元素和各个元素的属性信息(属性信息至少包括：尺寸和类别)。

生成的三维仿真环境包括各个房间的户型尺寸和各个家具的三维轮廓，可选的，可以通过对二维家具设计图进行识别，并对识别出的各个信息进行计算，从而得到三维仿真环境所需的各个信息，可选的，S101包括：

从二维家具设计图中识别出各个家具元素和各个家具元素的属性信息；

通过所述二维家具设计图中各个家具元素的属性信息，生成各个家具元素的三维轮廓；

通过预先训练的语意识别模型对二维家具设计图进行处理，得到土建语意图；

从所述土建语意图中识别出各个土建元素的关键点，并根据所述各个土建元素的关键点构建各个土建元素的轮廓；

通过所述各个土建元素的轮廓计算各个房间的户型尺寸；

基于各个房间的户型尺寸和各个家具的三维轮廓，确定各个家具和房间的位置关系。

本实施例中，可以通过多种方式从二维设计图中识别出各个家具元素和各个家具元素的属性信息，例如可以通过SSD(Single Shot Multi-Box Detector)模型或者通过FasterRCNN模型从二维设计图中识别出各个家具元素和各个家具元素的属性信息等。

各个元素的属性信息至少包括：各个家具元素的尺寸和类别，其中类别表示不同的家具种类，例如客厅沙发、卧室床等。

本实施例中，土建语意图包括为房间硬装的结构，例如包括：墙、门、窗、顶、地板等。并且，语意识别模型可以是任何一种卷积神经网络模型或者为其它的机器学习模型，可选的，语义识别模型可以包括：编码器和解码器，其中，编码器包括：4层CNN(卷积)层构成，该编码器的参数例如包括：160*160*128,80*80*256,40*40*512,20*20*512，其中，通过该编码器可以将二维图像编码成10*10*512向量；解码器包括两层CNN(卷积)层构成，参数分别包括：20*20*512,40*40*256，其中，通过解码器能够解码成128*128*3向量。

本实施例中，各个土建元素的关键点可以表示为各个土建元素的拐点，通过各个土建元素的拐点可以构建各个土建元素的轮廓。其中，各个土建元素的轮廓表示各个土建元素的构成和尺寸。

本实施例中，通过各个土建元素的轮廓计算各个房间的户型尺寸，其中，各个房间的户型尺寸包括：各个房间的长、宽、高等。

S102：根据所述三维仿真环境，确定房间的初始布局状态；

本实施例中，通过上述介绍可知，三维仿真环境包括：各个房间的户型尺寸、各个家具的三维轮廓以及各个家具和房间的位置关系，这些信息可以表示房间的初始布局状态。

S103：响应于第一家具的调整指令，根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具；

本实施例中，第一家具的调整指令可以是用户触发的，其中，调整指令可以为更换第一家具的位置或者替换第一家具。

本实施例中，第一布局网络是经过预先训练后得到的，训练后的第一布局网络具备调整家具布局的能力，具体的，第一布局网络能够在用户对房间中某个家具进行替换时，对需要替换的家具之外的其它家具进行调整的能力，可选的，S102包括：

若当前得到的第一房间状态信息与上一次移动家具得到的第一房间状态信息发生了变化的情况下，将当前得到的第一房间状态信息作为当前房间状态信息，并执行如下的步骤：

基于预设的第一家具合作智能体网络和当前房间状态信息，确定第一家具和第二家具同时移动时在不同方向上移动的第一概率值；初始状态下当前房间状态与初始房间状态；

根据预设的第一家具合作智能体网络、当前房间状态，确定第二家具在不同方向上移动的概率；

根据在不同方向上移动的第二概率和在不同方向上移动的第一概率，确定第二家具需要移动的第一目标方向和移动步长；

根据第二家具在第一目标方向上的移动步长对所述第二家具进行移动，得到第一房间状态信息。

本实施例中，第一家具合作智能体网络可以是预先训练的，可以通过房间状态信息作为训练样本对第一家具合作智能体网络进行训练，以使第一家具合作智能体网络具备输出不同家具合作移动时的在不同方向上移动的概率。

举例说明：家具合作移动的方向例如包括：向上、向下、向左、向右、向前和向后，通过第一家具智能体网络能够预测不同家具合作移动时在每个方向上的概率。

其中，第一家具合作智能体网络可以时任何一种卷积神经网络，或者是任何一种机器学习模型，可选的，第一家具合作智能体网络包括：

三层卷积层和两层全连接层，其中三层卷积层的参数例如包括：(512*512*512*64,256*256*256*128,128*128*128*256。

本实施例中，第一家具移动智能体网络可以是通过预先训练得到的，训练样本为房间状态信息和选中的要替换的家具的信息，训练后的第二家具移动智能体网络具备预测用户未选择家具(第二家具)在不同方向上移动的概率。

其中，第一家具移动智能体网络可以是任何一种卷积神经网络，或者是任何一种机器学习模型，可选的，第一家具移动智能体网络包括：

三层卷积层和两层全连接层，其中三层卷积层的参数例如包括：(512*512*512*64,256*256*256*128,128*128*128*256。

本实施例中，通过上述第一家具和第二家具合作移动是在不同方向上的第一概率以及用户未选中的第二家具在不同方向上移动的概率，确定每个第二家具移动的第一目标方向，可选的，可以选择概率值最大的方向作为第二家具移动的第一目标方向，包括：

计算第二家具在每个方向移动的第二概率值和该方向上第一概率值的乘积值；

将最大的乘积值对应的方向作为第一目标方向。

本实施例中，当某个家具需要移动时，例如当需要替换床或者移动床的情况下，可能需要移动床头柜，或者移动柜子，那么在移动不同家具的情况下，会得到不同的家具布局图，那么为了给用户更多的选择，可以通过选择不同的第二家具从而得到不同的家具不同图，具体的，还包括：

更换第二家具，并根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具。

本实施例中，在第一目标方向上移动的步长可以是预先设置的，也可以是实际计算得到的。

S104：基于所述第一房间状态信息和预设的第二布局网络，确定多个家具的移动信息，并根据多个家具的移动信息对多个家具进行移动，得到第二房间布局信息。

本实施例中，当某个家具移动后，可能会影响房间多个家具的布局，因此为了房间的整体布局，需要对多个家具进行移动调整，具体的，S104包括：

若当前得到的第二房间状态与上一次家具移动得到的第二房间状态是不同的，则将当前得到的第二房间状态表示为当前房间状态，并执行如下的步骤：

根据当前房间状态和预设的第二家具合作智能体网络，确定多个家具合作移动时在不同方向上移动的第三概率值；

根据当前房间状态和预设的第二家具移动智能体网络，确定每个家具分别在不同方向上移动的第四概率值；

通过多个家具合作移动时在不同方向上移动的第三概率值和每个家具在不同方向上移动的第四概率值，确定每个家具移动的第二方向，以及第二移动步长；

根据每个家具移动的第二方向以及移动步长，对每个家具进行移动。

本实施例中，第二家具合作智能体网络是通过预先训练得到的，以当前房间状态为训练样本对第二家具合作智能体网络进行训练，使得训练后的第二家具智能体网络具备输出多个家具合作移动时在不同方向上移动的第三概率值。

其中，第二家具合作智能体网络可以是任何一种卷积神经网络或者可以是任何一种机器学习模型的网络。

举例说明：第二家具合作智能体网络可以是由3层卷积层和两层全连接岑构成的，其中，3层卷积层的参数可以包括：

512*512*512x64,256*256*256*128,128*128*128*256。

本实施例中，第二家具移动智能体网络可以是任何一种卷积神经网络，或者是任何一种机器学习模型，可选的，第二家具移动智能体网络包括：三层卷积层和两层全连接层，例如，三层卷积层的参数可以包括：

512*512*512*64,256*256*256*128,128*128*128*256。

本实施例中，通过上述多个家具合作移动时在不同方向上移动的概率和每个家具在不同方向上移动的概率，确定每个家具移动的第二方向，以及第二移动步长，具体的，包括：

针对任意一个家具，计算该家具在每个方向上的第四概率和相应方向上多个家具合作移动时的第三概率值的乘积；

将最大乘积值对应的方向作为第二目标方向。

本实施例中，通过上述介绍可知，为了给用户更多的选择，可以通过选择不同的第二家具从而得到不同的家具布局图，即会得到不同的第一房间状态信息，那么在不同第一房间状态信息的情况下，通过S104的步骤，最后会得到不同的第二房间布局信息，从而得到不同的设计方案。

实施例2:

参考图2，示出了本发明实施例提供的一种三维家具自动交互布局装置的结构示意图，在本实施例中，该装置包括：

生成单元201，用于通过二维家具设计图，生成三维仿真环境；所述三维仿真环境包括：各个房间的户型尺寸、各个家具的三维轮廓以及各个家具和房间的位置关系；

确定子单元202，用于根据所述三维仿真环境，确定房间的初始布局状态；

第一移动单元203，用于响应于第一家具的调整指令，根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具；

第二移动单元204，用于基于所述第一房间状态信息和预设的第二布局网络，确定多个家具的移动信息，并根据多个家具的移动信息对多个家具进行移动，得到第二房间于布局信息。

可选的，所述生成单元，包括：

第一识别子单元，用于从二维家具设计图中识别出各个家具元素和各个家具元素的属性信息；

生成子单元，用于通过所述二维家具设计图中各个家具元素的属性信息，生成各个家具元素的三维轮廓；

处理子单元，用于通过预先训练的语意识别模型对二维家具设计图进行处理，得到土建语意图；

第二识别子单元，用于从所述土建语意图中识别出各个土建元素的关键点，并根据所述各个土建元素的关键点构建各个土建元素的轮廓；

第一计算子单元，用于通过所述各个土建元素的轮廓计算各个房间的户型尺寸；

确定子单元，用于基于各个房间的户型尺寸和各个家具的三维轮廓，确定各个家具和房间的位置关系。

可选的，所述第一移动单元，包括：

第一检测子单元，用于若当前得到的第一房间状态信息与上一次移动家具得到的第一房间状态信息发生了变化的情况下，将当前得到的第一房间状态信息作为当前房间状态信息，并执行如下的步骤：

第一确定子单元，用于基于预设的第一家具合作智能体网络和当前房间状态信息，确定第一家具和第二家具同时移动时在不同方向上移动的第一概率值；初始状态下当前房间状态与初始房间状态；

第二确定子单元，用于根据预设的第一家具合作智能体网络、当前房间状态，确定第二家具在不同方向上移动的概率；

第三确定子单元，用于根据在不同方向上移动的第二概率和在不同方向上移动的第一概率，确定第二家具需要移动的第一目标方向和移动步长；

第一移动子单元，用于根据第二家具在第一目标方向上的移动步长对所述第二家具进行移动，得到第一房间状态信息。

可选的，所述第三确定子单元，包括：

第二计算子单元，用于计算第二家具在每个方向移动的第二概率值和该方向上第一概率值的乘积值；

第四确定子单元，用于将最大的乘积值对应的方向作为第一目标方向。

可选的，所述第二移动单元，包括：

第二检测子单元，用于若当前得到的第二房间状态与上一次家具移动得到的第二房间状态是不同的，则将当前得到的第二房间状态表示为当前房间状态，并执行如下的步骤：

第五确定子单元，用于根据当前房间状态和预设的第二家具合作智能体网络，确定多个家具合作移动时在不同方向上移动的第三概率值；

第六确定子单元，用于根据当前房间状态和预设的第二家具移动智能体网络，确定所述多个家具中每个家具分别在不同方向上移动的第四概率值；

第七确定子单元，用于通过多个家具合作移动时在不同方向上移动的第三概率值和每个家具在不同方向上移动的第四概率值，确定每个家具移动的第二方向，以及第二移动步长；

第二移动子单元，用于根据每个家具移动的第二方向以及移动步长，对每个家具进行移动。

可选的，所述第七确定子单元，用于：

第三计算子单元，用于针对任意一个家具，计算该家具在每个方向上的第四概率和相应方向上多个家具合作移动时的第三概率值的乘积；

第八确定子单元，用于将最大乘积值对应的方向作为第二目标方向。

可选的，还包括：

更换第二家具，并根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具。

本实施例的装置，响应于第一家具的调整指令，根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具；基于所述第一房间状态信息和预设的第二布局网络，确定多个家具的移动信息，并根据多个家具的移动信息对多个家具进行移动，得到第二房间布局信息，其中，房间的初始布局状态是根据三维仿真环境确定的，三维仿真环境是通过二维家具设计图确定的。由此，当需要移动家具或者替换家具时，首先对用户未选择的家具进行调整，再对全部的家具进行调整，这样在有家具调整的情况下，可以直接生成新的家具布局图，提高了效率。

实施例3：

参考图3，示出了本发明实施例提供的一种电子设备的结构示意图，在本实施例中，该电子设备包括：

存储器301和处理器302；

所述存储器301用于存储程序，所述处理器302用于在执行所述存储器的程序时，执行下述所述的一种三维家具自动交互布局的方法：

通过二维家具设计图，生成三维仿真环境；所述三维仿真环境包括：各个房间的户型尺寸、各个家具的三维轮廓以及各个家具和房间的位置关系；

根据所述三维仿真环境，确定房间的初始布局状态；

响应于第一家具的调整指令，根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具；

基于所述第一房间状态信息和预设的第二布局网络，确定多个家具的移动信息，并根据多个家具的移动信息对多个家具进行移动，得到第二房间布局信息。

可选的，所述通过二维家具设计图，生成三维仿真环境，包括：

从二维家具设计图中识别出各个家具元素和各个家具元素的属性信息；

通过所述二维家具设计图中各个家具元素的属性信息，生成各个家具元素的三维轮廓；

通过预先训练的语意识别模型对二维家具设计图进行处理，得到土建语意图；

从所述土建语意图中识别出各个土建元素的关键点，并根据所述各个土建元素的关键点构建各个土建元素的轮廓；

通过所述各个土建元素的轮廓计算各个房间的户型尺寸；

基于各个房间的户型尺寸和各个家具的三维轮廓，确定各个家具和房间的位置关系。

可选的，所述根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息，包括：

若当前得到的第一房间状态信息与上一次移动家具得到的第一房间状态信息发生了变化的情况下，将当前得到的第一房间状态信息作为当前房间状态信息，并执行如下的步骤：

基于预设的第一家具合作智能体网络和当前房间状态信息，确定第一家具和第二家具同时移动时在不同方向上移动的第一概率值；初始状态下当前房间状态与初始房间状态；

根据预设的第一家具合作智能体网络、当前房间状态，确定第二家具在不同方向上移动的概率；

根据在不同方向上移动的第二概率和在不同方向上移动的第一概率，确定第二家具需要移动的第一目标方向和移动步长；

根据第二家具在第一目标方向上的移动步长对所述第二家具进行移动，得到第一房间状态信息。

可选的，所述根据在不同方向上移动的第二概率和在不同方向上移动的第一概率，确定第二家具需要移动的第一目标方向和移动步长，包括：

计算第二家具在每个方向移动的第二概率值和该方向上第一概率值的乘积值；

将最大的乘积值对应的方向作为第一目标方向。

可选的，所述基于所述第一房间状态信息和预设的第二布局网络，确定多个家具的移动信息，并根据多个家具的移动信息对多个家具进行移动，得到第二房间布局信息，包括：

若当前得到的第二房间状态与上一次家具移动得到的第二房间状态是不同的，则将当前得到的第二房间状态表示为当前房间状态，并执行如下的步骤：

根据当前房间状态和预设的第二家具合作智能体网络，确定多个家具合作移动时在不同方向上移动的第三概率值；

根据当前房间状态和预设的第二家具移动智能体网络，确定每个家具分别在不同方向上移动的第四概率值；

通过多个家具合作移动时在不同方向上移动的第三概率值和每个家具在不同方向上移动的第四概率值，确定每个家具移动的第二方向，以及第二移动步长；

根据每个家具移动的第二方向以及移动步长，对每个家具进行移动。

可选的，所述通过多个家具合作移动时在不同方向上移动的第三概率值和所述多个家具中每个家具在不同方向上移动的第四概率值，确定每个家具移动的第二方向，包括：

针对任意一个家具，计算该家具在每个方向上的第四概率和相应方向上多个家具合作移动时的第三概率值的乘积；

将最大乘积值对应的方向作为第二目标方向。

可选的，还包括：

更换第二家具，并根据所述房间的初始布局状态、第一家具信息、预设的第一布局网络和第二家具的信息，确定第二家具的移动信息，并根据第二家具的移动信息对第二家具进行移动，得到第一房间状态信息；所述第二家具为除所述第一家具之外的任意一个或者多个家具。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。