家居设计方案的生成方法及其装置、计算机可读存储介质与流程

1.本发明涉及智能家居技术领域，具体而言，涉及一种家居设计方案的生成方法及其装置、计算机可读存储介质。


背景技术：

2.当前，家居设计与计算机技术不断融合，室内家居的智能化设计备受关注。对于当前市面上已有的自动化设计系统，用户通常只需要选定待设计的户型与心仪的样板间即可得到自动化设计系统输出的布局结果，最后用户在此基础上进行相应的修改就能完成一套整体的设计。相对于传统的人力设计，其在大幅提高设计效率的同时也能取得不错的效果。
3.然而这样的自动化设计流程中也面临着一些问题，例如，自动化设计只能够生成单一的布局结果，而该布局很可能并非用户所预期的，用户只能被动接受并通过工具进行二次修改。与此同时，自动化设计系统的升级和优化将会变得愈发困难。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种家居设计方案的生成方法及其装置、计算机可读存储介质，以至少解决相关技术中使用的室内家居设计方式生成的布局结果比较单一，无法满足用户需求的技术问题。
6.根据本发明实施例的一个方面，提供了一种家居设计方案的生成方法，包括：获取目标房间的平面图以及目标样板间，其中，所述目标房间为需要进行家居设计的房间；通过预定生成模型，得到与所述平面图对应的初始布局图，其中，所述预定生成模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：平面图以及与所述平面图对应的布局图；基于所述初始布局图以及所述目标样板间生成所述目标房间的家居设计方案。
7.可选地，在通过预定生成模型，得到与所述平面图对应的初始布局图之前，所述方法还包括：获取多个历史平面图以及与所述多个历史平面图对应的多个历史初始布局图；利用包括所述多个历史平面图以及所述多个历史初始布局图的多组训练数据对初始网络模型进行训练，得到所述预定生成模型。
8.可选地，所述初始网络模型为生成式对抗网络gan模型。
9.可选地，在通过预定生成模型，得到与所述平面图对应的初始布局图之后，所述方法还包括：确定所述初始布局图中的至少一个家具白模；获取所述至少一个家具白模的位置信息；基于所述至少一个家具白模的位置信息在所述初始布局图中对所述至少一个家具白模进行调整，得到多个布局图。
10.可选地，基于所述初始布局图以及所述目标样板间生成所述目标房间的家居设计方案，包括：将所述多个布局图展示在预定显示终端；获取基于触发操作对所述多个布局图中的至少一个布局图进行调整后得到的目标布局图，其中，所述触发操作为作用于所述预
定显示终端上操作；基于所述目标布局图以及所述目标样板间生成所述目标房间的家居设计方案。
11.可选地，基于所述目标布局图以及所述目标样板间生成所述目标房间的家居设计方案，包括：基于所述目标布局图中的家具白模生成家具模型；将所述家具模型融合到所述目标样板间中，生成所述目标房间的家具设计方案。
12.可选地，所述家居设计方案的生成方法还包括：在获取基于触发操作对所述多个布局图中的至少一个布局图进行调整后得到的目标布局图的同时，获取基于所述触发操作产生的调整信息；利用所述调整信息对所述预定生成模型进行优化。
13.根据本发明实施例的另外一个方面，还提供了一种家居设计方案的生成装置，包括：第一获取模块，用于获取目标房间的平面图以及目标样板间，其中，所述目标房间为需要进行家居设计的房间；第一生成模块，用于通过预定生成模型，得到与所述平面图对应的初始布局图，其中，所述预定生成模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：平面图以及与所述平面图对应的布局图；第二生成模块，用于基于所述初始布局图以及所述目标样板间生成所述目标房间的家居设计方案。
14.可选地，所述装置还包括：第二获取模块，用于在通过预定生成模型，得到与所述平面图对应的初始布局图之前，获取多个历史平面图以及与所述多个历史平面图对应的多个历史初始布局图；训练模块，用于利用包括所述多个历史平面图以及所述多个历史初始布局图的多组训练数据对初始网络模型进行训练，得到所述预定生成模型。
15.可选地，所述初始网络模型为生成式对抗网络gan模型。
16.可选地，所述装置还包括：确定模块，用于在通过预定生成模型，得到与所述平面图对应的初始布局图之后，确定所述初始布局图中的至少一个家具白模；第三获取模块，用于获取所述至少一个家具白模的位置信息；调整模块，用于基于所述至少一个家具白模的位置信息在所述初始布局图中对所述至少一个家具白模进行调整，得到多个布局图。
17.可选地，所述第二生成模块，包括：展示单元，用于将所述多个布局图展示在预定显示终端；获取单元，用于获取基于触发操作对所述多个布局图中的至少一个布局图进行调整后得到的目标布局图，其中，所述触发操作为作用于所述预定显示终端上操作；生成单元，用于基于所述目标布局图以及所述目标样板间生成所述目标房间的家居设计方案。
18.可选地，所述生成单元，包括：第一生成子单元，用于基于所述目标布局图中的家具白模生成家具模型；第二生成子单元，用于将所述家具模型融合到所述目标样板间中，生成所述目标房间的家具设计方案。
19.可选地，所述装置还包括：第四获取模块，用于在获取基于触发操作对所述多个布局图中的至少一个布局图进行调整后得到的目标布局图的同时，获取基于所述触发操作产生的调整信息；优化模块，用于利用所述调整信息对所述预定生成模型进行优化。
20.根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述中任一项所述的家居设计方案的生成方法。
21.根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述中任一项所述的家居设计方案的生成
方法。
22.在本发明实施例中，获取目标房间的平面图以及目标样板间，其中，目标房间为需要进行家居设计的房间；通过预定生成模型，得到与平面图对应的初始布局图，其中，预定生成模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：平面图以及与平面图对应的布局图；基于初始布局图以及目标样板间生成目标房间的家居设计方案。通过本发明实施例提供的家居设计方案的生成方法，达到了基于目标房间的平面图以及目标样板间通过预定生成模型生成目标房间的家居设计方案的目的，从而实现了让室内家居设计更加个性化与智能化的技术效果，进而解决了相关技术中使用的室内家居设计方式生成的布局结果比较单一，无法满足用户需求的技术问题。
附图说明
23.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
24.图1是根据本发明实施例的家居设计方案的生成方法的流程图；
25.图2是根据本发明实施例的生成对抗网络(gan)的网络结构的示意图；
26.图3(a)是根据本发明实施例的gan模型的输入的示意图；
27.图3(b)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图一；
28.图3(c)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图二；
29.图3(d)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图三；
30.图4(a)是根据本发明实施例的用户选择样本间布局界面的示意图；
31.图4(b)是根据本发明实施例的家居设计方案的生成系统最终效果图的示意图一；
32.图4(c)是根据本发明实施例的家居设计方案的生成系统最终效果图的示意图二；
33.图5是根据本发明实施例的家居设计方案的生成系统的逻辑流程图；
34.图6是根据本发明实施例的家居设计方案的生成装置的示意图。
具体实施方式
35.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
36.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
37.为了便于描述，下面对本发明实施例中出现的部分名词或术语进行说明。
38.生成式对抗网络(generative adversarial networks，简称gan)，是一种深度学习模型，属于无监督学习的一种。该模型通过框架中至少两个模块：生成模型和判别模型的相互博弈学习产生相当好的输出。
39.实施例1
40.根据本发明实施例，提供了一种家居设计方案的生成方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
41.图1是根据本发明实施例的家居设计方案的生成方法的流程图，如图1所示，该方法包括如下步骤：
42.步骤s102，获取目标房间的平面图以及目标样板间，其中，目标房间为需要进行家居设计的房间。
43.在该实施例中，目标房间可以为书房、客厅、厨房、卧室等。
44.例如，对于一张户型图，用户想将该户型图中对应的一间房间作为书房，那么可以将该户型图中用户选定的房间作为目标房间。
45.需要说明的是，上述平面图中标注有该目标房间的基本信息，例如，尺寸(长、宽、高)、门的位置、窗户的位置、窗帘的位置等。
46.此外，上述目标样本间为用户通过浏览多个书房样板间后，基于自己喜欢的装饰风格来从多个书房样本间中选择一个作为目标样板间。
47.步骤s104，通过预定生成模型，得到与平面图对应的初始布局图，其中，预定生成模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：平面图以及与平面图对应的布局图。
48.步骤s106，基于初始布局图以及目标样板间生成目标房间的家居设计方案。
49.由上可知，本发明实施例中，首先可以获取目标房间的平面图以及目标样板间，其中，目标房间为需要进行家居设计的房间；接着通过预定生成模型，得到与平面图对应的初始布局图，其中，预定生成模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：平面图以及与平面图对应的布局图；最后基于初始布局图以及目标样板间生成目标房间的家居设计方案，达到了基于目标房间的平面图以及目标样板间通过预定生成模型生成目标房间的家居设计方案的目的，从而实现了让室内家居设计更加个性化与智能化的技术效果。
50.通过本发明实施例提供的家居设计方案的生成方法，进而解决了相关技术中使用的室内家居设计方式生成的布局结果比较单一，无法满足用户需求的技术问题。
51.需要说明的是，在本发明实施例中，获取目标样板间既可以是与获取目标房间的平面图同时执行，也可以是先获取平面图，再获取样板间。只要在执行步骤s106前获取到目标样板间即可。
52.作为一种可选的实施例，在通过预定生成模型，得到与平面图对应的初始布局图之前，该方法还可以包括：获取多个历史平面图以及与多个历史平面图对应的多个历史初始布局图；利用包括多个历史平面图以及多个历史初始布局图的多组训练数据对初始网络模型进行训练，得到预定生成模型。
53.在该实施例中，可以采集一些现有的历史平面图以及与历史平面图对应的历史初始布局图作为训练数据，利用这些训练数据对初始网络模型进行训练，得到该预定生成模型，从而在获取到用户给出的平面图后，将其输入到预定生成模型，即可得到平面图对应的初始布局图了，提高了房间布局图生成的效率。
54.作为一种可选的实施例，初始网络模型为生成式对抗网络(gan)模型。
55.图2是根据本发明实施例的生成对抗网络(gan)的网络结构的示意图，如图2所示，生成对抗网络包含了两个子网络：生成网络(generator(g))和判别网络(discriminator(d))，其中潜在空间(latent space)为生成网络持续添加噪声，并通过生成网络生成样本(generated fake samples)输入判别网络中进行判断(即，步骤“is d correct”)，同时将输入真实样本(real samples)输入判别网络中进行判断，如果判定结果为真，则返回判别网络循环训练(即，步骤“fine
‑
tuning”)；如果判定结果为假，则返回生成网络循环训练，以使得生成的图片判别为真的概率越来越高，直到达到一个纳什均衡，使得生成网络生成的数据与真实样本无差别，判别网络也无法正确的区分生成样本和真实样本，以实现一种强化版的无监督式的深度学习，达到了使用方法简单却功能强大，适用性广的技术效果。
56.需要说明的是，在上述可选的实施例中的纳什均衡是指生成对抗网络中生成网络恢复了训练数据的分布，判别网络也判别不出明显结果(即，准确率为50％)时的平衡状态，此状态可以使生成网络估测出样本数据的分布，也即生成的样本更加真实可靠。
57.此外，需要说明的是，上述初始网络模型也可以为其他网络结构包括生成网络和判别网络的模型。
58.作为一种可选的实施例，在通过预定生成模型，得到与平面图对应的初始布局图之后，该方法还包括：确定初始布局图中的至少一个家具白模；获取至少一个家具白模的位置信息；基于至少一个家具白模的位置信息在初始布局图中对至少一个家具白模进行调整，得到多个布局图。
59.需要指出的是，模型输出的结果最终会以白模的形式展示，对于书房空间，这一阶段生成的家具白模包含书桌、书椅以及书柜；对于卧室空间，则能够生成包括床、衣柜、梳妆台以及书桌在内的多种家具白模，家具选择非常多样化，可以最大化满足用户的需求。
60.在该实施例中，可以对平面图通过预定生成模型输出的初始布局图进行后处理，以得到多个布局图，从而可以初始布局图为基础，得到调整后的多个布局图，将包括初始布局图的多个布局图呈现给用户，供用户选择，为用户提供了多种多样的选择，提高了用户体验。
61.例如，初始布局图中的家具白模包括：书桌、书椅以及书柜，在该初始布局图中书桌、书椅以及书柜均对应有一定的位置，那么，可以对初始布局图中的书桌、书椅以及书柜的一个或多个进行位置调整，比如，在该初始布局图中书桌和书椅在左侧，那么可以将书桌和书椅一起调整到初始布局图的右侧或其他位置，得到多个布局图，供用户选择，这样就为用户提供了多样化的选择。下面结合附图进行说明。
62.图3(a)是根据本发明实施例的gan模型的输入的示意图，如图3(a)所示，在将平面图输入到gan模型后，gan模型会对平面图进行处理，以生成包含家具布局信息的初始布局图。
63.图3(b)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图一，如
图3(b)所示，经过后处理后，图中书屋部分生成了书桌、椅子和柜子(即，家具白模)。
64.图3(c)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图二，如图3(c)所示，经过后处理后，可以调整图中在书屋中生成的书桌和椅子(即，家具白模)的摆放位置，非常的贴合用户需求。
65.图3(d)是根据本发明实施例的gan模型输入得到多幅布局效果图的示意图三，如图3(d)所示，经过后处理后，还可以调整继续调整图中在书屋生成的柜子(即，家具白模)的摆放位置，使用户的需求得到最大化满足。
66.需要指出的是，当用户选定了某一布局之后，即可根据自身的期望对布局中各个白模的位置、尺寸以及角度进行相应调整，并且用户最终所选取的布局以及白模的修改信息都会被记录和保存，以便于后续对模型效果进行持续的迭代优化，可以增加用户的满意度。
67.作为一种可选的实施例，基于初始布局图以及目标样板间生成目标房间的家居设计方案，包括：将多个布局图展示在预定显示终端；获取基于触发操作对多个布局图中的至少一个布局图进行调整后得到的目标布局图，其中，触发操作为作用于预定显示终端上操作；基于目标布局图以及目标样板间生成目标房间的家居设计方案。
68.在该实施例中，由于呈现给用户的多个布局图以及初始布局图可能均未满足用户需求，那么用户可以通过鼠标、触摸笔或者直接手作用于显示终端(例如，手机、平板、计算机等)，以对呈现的多个布局图进行调整，得到符合自己需求的目标布局图。
69.图4(a)是根据本发明实施例的用户选择样本间布局界面的示意图，如图4(a)所示，用户可以选定上述任一种布局结果之后，进一步选取个性化的样板间，并开始自动设计家居布局。
70.作为一种可选的实施例，基于目标布局图以及目标样板间生成目标房间的家居设计方案，包括：基于目标布局图中的家具白模生成家具模型；将家具模型融合到目标样板间中，生成目标房间的家具设计方案。
71.图4(b)是根据本发明实施例的家居设计方案的生成系统最终效果图的示意图一,如图4(b)所示，家居设计方案的生成系统根据用户选择的样板间和家居白模的位置信息生成了最终设计方案的俯视图(以书房为例)。对于具有白模信息的家具而言，智能设计系统会根据白模的类型和位置摆放对应家具。当核心家具摆放完成之后，系统会进一步匹配和摆放窗帘、背景墙、饰品、硬装吊顶、扣板、铺贴、地砖以及定制等其它素材，最终得到一套完整的设计方案。
72.图4(c)是根据本发明实施例的家居设计方案的生成系统最终效果图的示意图二，如图4(c)所示，家居设计方案的生成系统根据用户选择的样板间和家居白模的位置信息生成了最终设计方案的侧视图(以书房为例)，可以看到图中用户选择的桌子、柜子和椅子都被系统结合样板间生成了3d视图，使用户一目了然，非常直观地看到家居设计方案的设计图，使室内家居设计变得更加个性化和智能化。
73.作为一种可选的实施例，该家居设计方案的生成方法还包括：在获取基于触发操作对多个布局图中的至少一个布局图进行调整后得到的目标布局图的同时，获取基于触发操作产生的调整信息；利用调整信息对预定生成模型进行优化。
74.进一步地，用户选择的布局以及白模调整信息等数据会被加以回收与过滤，进而
转变成为一系列可供模型学习的优质设计方案，最终实现对现有智能设计模型的迭代优化，以实现用户的个性化需求。
75.下面结合具体的实施例对本技术详细说明。
76.图5是根据本发明实施例的家居设计方案的生成系统的逻辑流程图，如图5所示，本发明可适用于卧室、书房以及多功能房等多种空间，后文以书房空间为例对本发明进行具体的说明。本发明的整体流程可以分为四个阶段，分别为：
77.1)用户进入家居方案设计的生成系统中，首先选定目标房间(例如，书房、卧室等)，接着调用对应房间类型的gan模型，接下来系统生成多个布局结果供用户选择。
78.2)用户如果对现有布局结果不满意，可以自己个性化对布局中的家居白模进行选择性调整，再选择样板间。
79.3)系统开始自动设计，并给出整套设计方案。
80.4)记录用户的布局选择和修改结果，持续迭代优化生成对抗网络模型，使系统可以生成令用户满意度更高的方案。
81.由上可知，在本发明实施例中为了解决目前自动设计过程中存在的布局单一、持续优化困难以及过度依赖样板间等问题，本发明创造性地将深度学习与家居设计相结合，提出了一种基于生成对抗网络(gan)的室内家居智能设计系统，该系统目前适用于卧室、书房以及多功能房等空间的家居智能设计。相较于现有的室内自动设计系统，本发明能够针对输入的户型生成多种布局结果，进而提供用户更多的选择。与此同时，本发明支持用户在自动设计前对模型输出的布局结果进行相应修改，进一步确保应用效果符合用户的预期。此外，本发明实施例中提供的家居设计方案的生成方法还能够根据用户的选择和修改结果持续优化使用的gan模型，使其生成的布局愈发符合用户的心智，让室内家居设计变得更加个性化与智能化。
82.综上所述，在本发明实施例中，家居方案生成系统相较于市面上现有的室内家具自动设计系统，本发明创造性地采用了家居设计与深度学习相结合的方式，使得生成的布局结果更加稳定和多样。这体现在对于一些较为特殊的户型，采用所谓“既定规则”生成的布局往往效果较差，甚至面临设计失败的窘境。而且本发明中智能设计系统生成的布局脱离了规则的约束，完全由模型的输出结果来决定，因此能够极大程度地提高设计结果的质量和可用率。另外得益于gan模型的使用，本系统还能生成多种不同的布局结果，提供用户更多选择。在设计流程方面，用户能够在自动设计前预先对模型生成的家具白模结果进行调整，进而获得预期的设计效果，免去了用户二次修改。此外，本发明实施例提供的家居设计方案的生成方法还能够保存用户选择的布局以及对布局结果的修改情况，并将这些数据进一步转变成为模型训练的输入，从而实现智能设计系统的迭代优化。这也意味着在模型输出让用户满意的布局结果的同时，用户的选择也会反过来推动模型的提升，使之形成一个正反馈闭环系统。
83.实施例2
84.根据本发明实施例的另外一个方面，还提供了一种家居设计方案的生成装置，图6是根据本发明实施例的家居设计方案的生成装置的示意图，如图6所示，该家居设计方案的生成装置还包括：第一获取模块61、第一生成模块63以及第二生成模块65。下面对该家居设计方案的生成装置进行说明。
85.第一获取模块61，用于获取目标房间的平面图以及目标样板间，其中，目标房间为需要进行家居设计的房间。
86.第一生成模块63，用于通过预定生成模型，得到与平面图对应的初始布局图，其中，预定生成模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：平面图以及与平面图对应的布局图。
87.第二生成模块65，用于基于初始布局图以及目标样板间生成目标房间的家居设计方案。
88.此处需要说明的是，上述第一获取模块61、第一生成模块63以及第二生成模块65对应于实施例1中步骤s102至s106，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
89.由上可知，在本发明实施例中，首先利用第一获取模块61获取目标房间的平面图以及目标样板间，其中，目标房间为需要进行家居设计的房间；接着利用第一生成模块63通过预定生成模型，得到与平面图对应的初始布局图，其中，预定生成模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：平面图以及与平面图对应的布局图；最后利用第二生成模块65基于初始布局图以及目标样板间生成目标房间的家居设计方案。通过本发明实施例提供的家居设计方案的生成装置，达到了基于目标房间的平面图以及目标样板间通过预定生成模型生成目标房间的家居设计方案的目的，从而实现了让室内家居设计更加个性化与智能化的技术效果，进而解决了相关技术中使用的室内家居设计方式生成的布局结果比较单一，无法满足用户需求的技术问题。
90.可选地，该装置还包括：第二获取模块，用于在通过预定生成模型，得到与平面图对应的初始布局图之前，获取多个历史平面图以及与多个历史平面图对应的多个历史初始布局图；训练模块，用于利用包括多个历史平面图以及多个历史初始布局图的多组训练数据对初始网络模型进行训练，得到预定生成模型。
91.可选地，初始网络模型为生成式对抗网络gan模型。
92.可选地，该装置还包括：确定模块，用于在通过预定生成模型，得到与平面图对应的初始布局图之后，确定初始布局图中的至少一个家具白模；第三获取模块，用于获取至少一个家具白模的位置信息；调整模块，用于基于至少一个家具白模的位置信息在初始布局图中对至少一个家具白模进行调整，得到多个布局图。
93.可选地，第二生成模块，包括：展示单元，用于将多个布局图展示在预定显示终端；获取单元，用于获取基于触发操作对多个布局图中的至少一个布局图进行调整后得到的目标布局图，其中，触发操作为作用于预定显示终端上操作；生成单元，用于基于目标布局图以及目标样板间生成目标房间的家居设计方案。
94.可选地，生成单元，包括：第一生成子单元，用于基于目标布局图中的家具白模生成家具模型；第二生成子单元，用于将家具模型融合到目标样板间中，生成目标房间的家具设计方案。
95.可选地，该装置还包括：第四获取模块，用于在获取基于触发操作对多个布局图中的至少一个布局图进行调整后得到的目标布局图的同时，获取基于触发操作产生的调整信息；优化模块，用于利用调整信息对预定生成模型进行优化。
96.实施例3
97.根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序被处理器运行时控制计算机可读存储介质所在设备执行上述中任一项的家居设计方案的生成方法。
98.实施例4
99.根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行计算机程序，其中，计算机程序运行时执行上述中任一项的家居设计方案的生成方法。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
100.在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
101.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
102.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
103.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
104.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
105.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。