(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111016350.3 (22)申请日 2021.08.31 (65)同一申请的已公布的文献号 申请公布号 CN 113743009 A (43)申请公布日 2021.12.0 3 (73)专利权人 广州极点 三维信息科技有限公司 地址 510335 广东省广州市海珠区新港东 路620号1201房自编号1203-1218 （仅 限办公） (72)发明人 柯建生　戴振军　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 余凯欢 (51)Int.Cl. G06F 30/27(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/16(2020.01) (56)对比文件 CN 111651819 A,2020.09.1 1 CN 112818229 A,2021.0 5.18 CN 109740243 A,2019.0 5.10 CN 111104704 A,2020.0 5.05 US 202101945 3 A1,2021.01.21 审查员 王彦男 (54)发明名称 基于表示学习的柜类智能设计方法、 装置、 设备及介质 (57)摘要 本发明公开了基于表示学习的柜类智能设 计方法、 装置、 设备及介质， 方法包括： 获取历史 数据中的柜体信息以及柜体空间环 境信息； 根据 所述柜体信息以及所述柜体空间环境信息构建 特征工程； 根据所述特征工程中的离散特征， 构 建编码学习模型； 对所述编码学习模型进行训 练， 得到历史柜体对象 的空间编码以及编码预测 模型； 向所述编码预测模型中输入待布局空间信 息以及标准家居板件信息， 得到目标设计空间编 码， 该编码与历史柜体对象 的空间编码求解相似 度， 确定相似度最高的为柜体对象。 本发明为归 类定制设计过程提供了一个快速的、 合理的及满 足多样性的柜体设计方案， 提高柜类设计的效 率， 可广泛应用于智能家居技 术领域。 权利要求书2页 说明书9页 附图2页 CN 113743009 B 2022.07.01 CN 113743009 B 1.基于表示学习的柜类智能设计方法， 其特 征在于， 包括： 获取历史数据中的柜体信息以及柜体空间环境信息； 根据所述柜体信息以及所述柜体空间环境信息构建特 征工程； 根据所述特 征工程中的离 散特征， 构建编码学习模型； 对所述编码学习模型进行训练， 得到历史柜体对象的空间编码以及编码预测模型； 向所述编码预测模型中输入待布局空间信 息以及标准家居板件信 息， 得到目标设计空 间编码； 计算所述目标设计空间编码与历史柜体对象的设计空间编码之间的相似度， 将相似度 最高的对象确定为柜体对象； 所述获取历史数据中的柜体信息以及柜体空间环境信息， 包括： 从所述历史数据中获取空间结构信息， 所述空间结构信息包括三维变换矩阵以及大 小； 所述三维变换矩阵包括物体在三维空间上的朝向信息以及所述物体的起 点坐标值； 从所述历史数据中获取家具信息， 所述家具信息包括家具摆放的三维变换矩阵、 家具 大小以及家具类别； 从所述历史数据中获取房间分布信息； 根据所述家具信息形成家具功能 区， 并确定所述家具功能 区的三维变换矩阵和大小； 确定所述家具功能 区中的主部件； 根据所述空间结构信息和所述家具信息， 识别柜体以及所述柜体的空间环境； 所述根据所述空间结构信息和所述家具信息， 识别柜体以及所述柜体的空间环境， 包 括： 根据所述空间结构信息和所述家具信息， 获取柜体的三维变换矩阵及所述柜体的大 小； 获取所述柜体在六个方位中距离中心柜体最近的目标功能 区； 获取所述目标功能区的相对于六个方位的方位信 息， 所述方位信 息包括所述目标功能 区的类型、 总体三维变换矩阵、 总体大小和各个方位与中心柜体的距离； 整合六个方位的方位信息作为所述柜体的空间环境信息； 其中， 所述六个方位的方位 信息是指所述柜体的前、 后、 左、 右、 上、 下 六个方位的方位信息； 根据所述空间环境信息， 计算柜体在当前空间下的合理设计大小； 所述方法还 包括： 在需要搭建组合柜的位置拉伸一个三维矩形框， 该三维矩形框用于表征柜体的三维变 换矩阵和大小； 根据所述三维矩形框获取矩形框空间环境信 息， 生成该空间环境信 息对应的向量化表 示； 根据所述 三维矩形框与所述空间环境信息计算该空间下的合理设计大小； 根据所述 合理设计大小， 从数据库中获取环境信息向量 集； 将所述向量化表示与 所述环境信 息向量集进行矩阵乘积运算， 得到该空间环境信 息与 该环境信息向量 集的相似度向量； 根据所述相似度向量， 选取一个柜体作为当前三维场景 下设计出的柜体对象。 2.根据权利要求1所述的基于表示学习的柜类智能设计方法， 其特征在于， 所述方法还权　利　要　求　书 1/2 页 2 CN 113743009 B 2包括采集历史数据的步骤， 该步骤 包括： 获取定制家居行业内历史的全屋 定制设计方案和单独定制柜设计方案； 其中， 所述全屋定制设计方案和单独定制柜设计方案 中包含柜体以及柜体周围的家具 摆放信息 。 3.根据权利要求1所述的基于表示学习的柜类智能设计方法， 其特征在于， 所述根据 所 述柜体信息以及所述柜体空间环境信息构建特 征工程， 包括： 对所述柜体空间环境信息中的功能 区大小特 征的宽、 高、 深进行处 理； 根据所述柜体信息以及所述柜体空间环境信息， 生成离 散特征； 其中， 所述宽和深采用分桶策略进行处 理； 所述高采用聚类策略进行处 理。 4.根据权利要求1所述的基于表示学习的柜类智能设计方法， 其特征在于， 所述根据 所 述特征工程中的离 散特征， 构建编码学习模型， 包括： 获取所述特征工程中构建得到的离 散特征； 建立每个离散特征的嵌入向量矩阵； 计算每个离散特征的注意力， 根据所述嵌入向量矩阵和所述注意力， 确定注意力层的 输出值； 在对比层初始化一个嵌入向量矩阵， 将该嵌入向量矩阵与所述注意力层的输出值相 乘， 得到隐层表示与数据库中所有柜体的相似度； 根据所述对比层中的正样， 通过负采样策略获取多个负样， 并通过交叉熵损 失完成学 习模型的训练。 5.一种电子设备， 其特 征在于， 包括处 理器以及存 储器； 所述存储器用于存 储程序； 所述处理器执行所述程序实现如权利要求1 ‑4中任一项所述的方法。 6.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有程序， 所述程序被处理 器执行实现如权利要求1 ‑4中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 113743009 B 3