技术摘要：
本申请涉及一种户型图生成方法、装置、计算机设备和存储介质。所述方法包括：获取目标建筑物的边界和所述目标建筑物的布局约束；根据所述目标建筑物的布局约束输出多个第一户型图；从所述多个第一户型图中筛选出多个第二户型图；对于每个所述第二户型图，将所述第二户  全部
背景技术：
在日常生活中，经常需要对建筑物进行设计，例如，对建筑物进行户型设计或对建 筑物进行布局设计。由于人为设计往往耗时较长，因此出现了自动生成户型图的方法。 相关的自动生成户型图的方法中，需要首先获取建筑物的边界形状，然后在预先 存储的大量户型图数据中搜索与建筑物边界形状相吻合的户型图，然后输出搜索到的户型 图。 然而，相关的自动生成户型图的方法，虽然可以快速生成户型图，但是因为其只是 通过在数据集中进行简单的搜索匹配来生成户型图，因此生成的户型图质量不高。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高质量的户型图生成方法、装 置、计算机设备和存储介质。 第一方面，提供一种户型图生成方法，该方法包括： 获取目标建筑物的边界和目标建筑物的布局约束，该布局约束包括房间类型、房 间数量、房间位置和房间之间的邻接关系； 根据该目标建筑物的布局约束给出多个第一户型图； 从该多个第一户型图中筛选出多个第二户型图，该多个第二户型图的边界与该目 标建筑物的边界之间的匹配度满足预设条件； 对于每个第二户型图，将该第二户型图的布局约束应用在该目标建筑物的边界 中，得到每个第二户型图对应的目标建筑物的布局图； 对于每个目标建筑物的布局图，将该目标建筑物的布局图和该目标建筑物的边界 输入户型图生成网络中，得到该户型图生成网络输出的该目标建筑物的预测户型图，该预 测户型图包括该目标建筑物中每个房间的房间边框和每个房间边框在目标建筑物的边界 中的位置关系。 在其中一个实施例中，根据该目标建筑物的布局约束给出多个第一户型图，包括： 在预先存储的户型图数据集中检索满足该目标建筑物的布局约束的多个第一户 型图。 在其中一个实施例中，从该多个第一户型图中筛选出多个第二户型图，该多个第 二户型图的边界与该目标建筑物的边界之间的匹配度满足预设条件，包括： 获取该多个第一户型图的边界的转向函数和该目标建筑物的边界的转向函数； 计算该多个第一户型图的边界的转向函数和该目标建筑物的边界的转向函数之 间的累计差值； 4 CN 111598972 A 说　明　书 2/15 页 将该累计差值小于预设差值阈值的该多个第一户型图作为该多个第二户型图。 在其中一个实施例中，对于每个第二户型图，将该多个第二户型图的布局约束应 用在该目标建筑物的边界中，得到每个第二户型图对应的目标建筑物的布局图，包括： 对于每个该第二户型图进行调整，直至该第二户型图的前门方向与该目标建筑物 的前门方向之间的夹角小于预设角度阈值，得到调整后的第二户型图； 对于每个调整后的第二户型图，将该调整后的第二户型图的房间类型、房间数量、 房间位置和房间之间的邻接关系对应到该目标建筑物的边界中，得到每个第二户型图对应 的目标建筑物的布局图。 在其中一个实施例中，对于每个目标建筑物的布局图，将该目标建筑物的布局图 和该目标建筑物的边界输入户型图生成网络中，得到该户型图生成网络输出的目标建筑物 的预测户型图，包括： 对于每个目标建筑物的布局图，将该目标建筑物的布局图输入图神经网络，得到 该目标建筑物的布局图中每个房间对应的房间特征向量； 将该目标建筑物的边界输入第一卷积神经网络，得到该目标建筑物的边界特征向 量； 将每个房间特征向量与该边界特征向量关联起来，得到多个关联特征向量； 将每个该关联特征向量输入第一多层感知器中，得到该目标建筑物的布局图中每 个房间对应的初始边界框； 利用每个房间对应的初始边界框对每个房间对应的关联特征向量进行映射，得到 多个第一特征图； 将该多个第一特征图组合为第二特征图，将该第二特征图输入第二卷积神经网 络，得到该目标建筑物的栅格户型图； 将该多个关联特征向量、该初始边界框和该栅格户型图输入边界框优化网络中， 得到该目标建筑物的预测户型图，该边界框优化网络包括第三卷积神经网络、兴趣区域池 化层和第二多层感知器。 在其中一个实施例中，该方法还包括： 获取训练数据集，该训练数据集包括多个户型图数据； 利用该训练数据集对初始户型图生成网络进行训练，得到训练后户型图生成网 络； 利用交叉熵损失函数、回归损失函数和几何损失函数计算该训练后户型图生成网 络的损失值； 根据该损失值调整训练后户型图生成网络的参数，得到户型图生成网络。 在其中一个实施例中，得到该户型图生成网络输出的该目标建筑物的预测户型图 之后，该方法还包括： 将目标建筑物的房间边框与目标建筑物的边界对齐； 将目标建筑物的房间边框之间对齐。 第二方面，提供一种户型图生成装置，该装置包括： 获取模块，用于获取目标建筑物的边界和目标建筑物的布局约束，该布局约束包 括房间类型、房间数量、房间位置和房间之间的邻接关系； 5 CN 111598972 A 说　明　书 3/15 页 输出模块，用于根据该目标建筑物的布局约束输出多个第一户型图； 筛选模块，用于从该多个第一户型图中筛选出多个第二户型图，该多个第二户型 图的边界与该目标建筑物的边界之间的匹配度满足预设条件； 第一得到模块，用于对于每个第二户型图，将该第二户型图的布局约束应用在该 目标建筑物的边界中，得到每个第二户型图对应的目标建筑物的布局图； 第二得到模块，用于对于每个目标建筑物的布局图，将该目标建筑物的布局图和 该目标建筑物的边界输入户型图生成网络中，得到该户型图生成网络输出的该目标建筑物 的预测户型图，该预测户型图包括该目标建筑物中每个房间的房间边框和每个房间边框在 目标建筑物的边界中的位置关系。 第三方面，提供一种计算机设备，包括存储器和处理器，该存储器存储有计算机程 序，该处理器执行该计算机程序时实现以下步骤： 获取目标建筑物的边界和目标建筑物的布局约束，该布局约束包括房间类型、房 间数量、房间位置和房间之间的邻接关系； 根据该目标建筑物的布局约束给出多个第一户型图； 从该多个第一户型图中筛选出多个第二户型图，该多个第二户型图的边界与该目 标建筑物的边界之间的匹配度满足预设条件； 对于每个第二户型图，将该第二户型图的布局约束应用在该目标建筑物的边界 中，得到每个第二户型图对应的目标建筑物的布局图； 对于每个目标建筑物的布局图，将该目标建筑物的布局图和该目标建筑物的边界 输入户型图生成网络中，得到该户型图生成网络输出的该目标建筑物的预测户型图，该预 测户型图包括该目标建筑物中每个房间的房间边框和每个房间边框在目标建筑物的边界 中的位置关系。 第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序 被处理器执行时实现以下步骤： 获取目标建筑物的边界和目标建筑物的布局约束，该布局约束包括房间类型、房 间数量、房间位置和房间之间的邻接关系； 根据该目标建筑物的布局约束给出多个第一户型图； 从该多个第一户型图中筛选出多个第二户型图，该多个第二户型图的边界与该目 标建筑物的边界之间的匹配度满足预设条件； 对于每个第二户型图，将该第二户型图的布局约束应用在该目标建筑物的边界 中，得到每个第二户型图对应的目标建筑物的布局图； 对于每个目标建筑物的布局图，将该目标建筑物的布局图和该目标建筑物的边界 输入户型图生成网络中，得到该户型图生成网络输出的该目标建筑物的预测户型图，该预 测户型图包括该目标建筑物中每个房间的房间边框和每个房间边框在目标建筑物的边界 中的位置关系。 上述户型图生成方法、装置、计算机设备和存储介质，通过获取目标建筑物的边界 和目标建筑物的布局约束，该布局约束包括房间类型、房间数量、房间位置和房间之间的邻 接关系；然后根据该目标建筑物的布局约束给出多个第一户型图；接着从该多个第一户型 图中筛选出多个第二户型图，该多个第二户型图的边界与该目标建筑物的边界之间的匹配 6 CN 111598972 A 说　明　书 4/15 页 度满足预设条件；对于每个该第二户型图，将该第二户型图的布局约束应用在该目标建筑 物的边界中，得到每个第二户型图对应的目标建筑物的布局图；最后对于每个目标建筑物 的布局图，将该目标建筑物的布局图和该目标建筑物的边界输入户型图生成网络中，得到 该户型图生成网络输出的该目标建筑物的预测户型图，该预测户型图包括目标建筑物中每 个房间的房间边框和每个房间边框在目标建筑物的边界中的位置关系。因为本申请提供的 户型图生成方法在生成户型图的时候不仅考虑到了建筑物的边界，还充分考虑到了建筑物 的布局约束，使得最终生成的预测户型图更加符合实际需求，提高了生成的户型图的质量。 附图说明 图1为一个实施例中户型图生成的流程示意图； 图2为一个实施例中户型图生成方法中从多个第一户型图中筛选出多个第二户型 图的方法的流程示意图； 图3为一个实施例中户型图生成方法中对于每个第二户型图，将第二户型图的布 局约束应用在目标建筑物的边界中，得到每个第二户型图对应的目标建筑物的布局图的方 法的流程示意图； 图4为另一个实施例中户型图生成方法中对于每个目标建筑物的布局图，将目标 建筑物的布局图和目标建筑物的边界输入户型图生成网络中，得到户型图生成网络输出的 目标建筑物的预测户型图的方法的流程示意图； 图5为一个实施例中户型图生成网络的具体结构示意图； 图6为一个实施例中边界框优化网络的具体结构示意图； 图7为一个实施例中户型图生成方法中训练户型图生成网络的方法的流程示意 图； 图8为一个实施例中户型图生成方法的整体流程示意图； 图9为一个实施例中目标建筑物的边界和转向函数的示意图； 图10为一个实施例中户型图生成方法中对预测户型图进行对齐调整的示意图； 图11为一个实施例中户型图生成方法中一组由不同的边界输入和不同用户约束 条件生成的示例结果的示意图； 图12为一个实施例中户型图生成装置的结构框图； 图13为另一个实施例中户型图生成装置的结构框图； 图14为一个实施例中计算机设备的内部结构图。