[发明专利]基于预测网络的村落房屋布局方法、存储介质及终端设备

说明书

本发明提供一种基于预测网络的村落布局方法、存储介质及终端设备，其中，方法步骤包括：对传统村落建筑地形进行图像采集，得到原始数据源；根据村落中的道路走向将村落划分为区块，得到地形图表格数据；对地形图表格数据进行扩展、转换处理，得到模型输入数据；根据模型输入数据构建村落布局决策网络，村落布局决策网络包括房屋继续放置判断模块、房屋类别模块、房屋位置模块、房屋朝向模块；将当前一个空的或者已有部分房屋存在的区块场景处理成多通道特征图并输入到所述村落布局决策网络中，输出村落布局结果。本发明根据模型输入数据构建村落布局决策网络预测房屋的类别、位置和朝向，使得村落布局生成速度和质量均得到提高。

技术领域

本发明涉及室外场景布局领域，特别涉及基于预测网络的村落房屋布局方法、存储介质及终端设备。

背景技术

布局主要的研究对象是空间位置关系，大方向上具体可分为：室内及室外场景布局。其中，室外场景布局包括村落布局，室内场景布局包括两种类型的布局设计：一种是空间划分，如户型图，每个房间有特定功能，并且房间之间可能有关联；另一种是家具布局，按照一定规则安排房间中家具的摆放。

目前，对村落布局的研究为数不多，且大多基于传统方法，主要是按照特定的布局规则和功能性要求等自定义输入约束来生成对象空间位置。在构建较大场景的民居群时，随着需要布局的房屋个数的增多，布局优化算法时间复杂度会上升，生成速度和质量会显著下降，难以满足实时性要求。就布局领域来说，有学者将深度学习应用在家居布局上，提出了一种基于卷积神经网络的室内场景综合方法，能够加快布局生成速度。但由于领域特点存在较大差异，如村落面积较大、房屋形状不规则、村落内道路复杂等，无法将深度学习应用在家居布局的流程迁移到村落布局上，进而无法实现村落的快速布局。

因此，现有技术还有待于改进。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于预测网络的村落布局方法，旨在解决现有村落布局生成速度慢、质量低的问题。

本发明的技术方案如下：

一种基于预测网络的村落布局方法，其中，包括步骤：

对传统村落建筑地形进行图像采集，根据采集的图像绘制传统村落地形图并在所述地形图上标注房屋信息，得到原始数据源；

根据村落中的道路走向将所述原始数据源中的村落划分为区块，将每个区块的轮廓点坐标，每个区块包括的房屋信息以及房屋轮廓点坐标存入表格中，得到地形图表格数据；

对所述地形图表格数据进行扩展、转换处理，得到模型输入数据；

根据所述模型输入数据构建村落布局决策网络，所述村落布局决策网络包括房屋继续放置判断模块、房屋类别模块、房屋位置模块、房屋朝向模块；

将当前一个空的或者已有部分房屋存在的区块场景处理成多通道特征图并输入到所述村落布局决策网络中，输出村落布局结果。

所述基于预测网络的村落布局方法，其中，对所述地形图表格数据进行扩展、转换处理的步骤包括：

从所述地形图表格数据中依次提取每张表格中的房屋信息、房屋轮廓点坐标及区块轮廓点坐标，用纯文本形式存储表数据，得到一个CSV文件，以_block_cnts.csv为后缀；

计算每个区块包含的所有房屋的扩展信息，并以block_info.csv为后缀。

所述基于预测网络的村落布局方法，其中，所述房屋的扩展信息包括房屋面积、门的朝向角度、房屋最小矩形包围盒的旋转基准点坐标、房屋轮廓点坐标、房屋是否为凸多边形、房屋是否分割、房屋最小矩形包围盒的中心点坐标、房屋材质标签、楼层标签、房屋形状标签、区块面积分类标签、经比例换算后的房屋的最小矩形包围盒中心到区块最近的距离值、经比例换算后的房子的最小矩形包围盒中心到区块中心的距离值和房屋评分中的一种或多种。