确定户型图相似性的方法和系统、电子设备和存储介质与流程

1.本公开涉及计算机视觉技术和图像处理技术，尤其是一种确定户型图相似性的方法和系统、电子设备和存储介质。


背景技术：

2.随着房地产相关业务的发展，对表征房屋户型结构的三维模型的应用越发广泛，例如，根据三维模型绘制房屋的户型图。
3.目前的相关技术中，主要还是采用人工的方式绘制户型图，为了提高效率，考虑利用人工智能(artificial intelligence，ai)模型来代替人工处理户型图绘制工作。为实现这一目标，首先需要评估人工智能模型绘制的户型图与真实(人工绘制)户型图之间的差异，进而可根据差异优化人工智能模型，直至满足准确度需求。
4.因此，如何衡量人工智能模型绘制的户型图与人工绘制的户型图之间的差异，成为目前亟需解决的问题。


技术实现要素：

5.本公开实施例提供一种确定户型图相似性的方法和系统、电子设备和存储介质，可以评估人工智能模型绘制的户型图与人工绘制的户型图之间的差异。
6.本公开实施例的一个方面，提供一种确定户型图相似性的方法，包括：获取针对同一目标户型的基准户型图和待评估户型图，其中，所述基准户型图是基于所述目标户型的三维模型绘制得到的准确户型图，所述基准户型图表征所述目标户型结构的点线信息的真值，所述待评估户型图是基于所述目标户型的三维模型由人工智能模型绘制得到的估计户型图，所述待评估户型图表征所述目标户型结构的点线信息的估计值；对所述待评估户型图与所述基准户型图进行位姿配准，得到第一户型图或第二户型图；其中，所述第一户型图为位姿配准后的基准户型图，所述第二户型图为位姿配准后的待评估户型图；基于所述第一户型图或所述第二户型图进行分间匹配，得到多组分间匹配对；分别针对所述多组分间匹配对中的每组分间匹配对，从预设多个维度确定所述每组分间匹配对中两个分间之间的相似性；基于所述多组分间匹配对对应的相似性，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性。
7.本公开实施例的另一个方面，提供一种确定户型图相似性的系统，包括：数据获取模块，被配置为：获取针对同一目标户型的基准户型图和待评估户型图，其中，所述基准户型图是基于所述目标户型的三维模型绘制得到的准确户型图，所述基准户型图表征所述目标户型结构的点线信息的真值，所述待评估户型图是基于所述目标户型的三维模型由人工智能模型绘制得到估计户型图，所述待评估户型图表征所述目标户型结构的点线信息的估计值；位姿配准模块，被配置为：对所述待评估户型图与所述基准户型图进行位姿配准，得到第一户型图或第二户型图；其中，所述第一户型图为位姿配准后的基准户型图，所述第二户型图为位姿配准后的待评估户型图；分间匹配模块，被配置为：基于所述第一户型图或所
述第二户型图进行分间匹配，得到多组分间匹配对；相似性评估模块，被配置为：分别针对所述多组分间匹配对中的每组分间匹配对，从预设多个维度确定所述每组分间匹配对中两个分间之间的相似性；基于所述多组分间匹配对对应的相似性，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性。
8.本公开实施例的又一个方面，提供一种电子设备，其中，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开所述确定户型图相似性的方法。
9.本公开实施例的又一个方面，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，实现本公开所述确定户型图相似性的方法。
10.基于本公开实施例的确定户型图相似性的方法和系统、电子设备和存储介质，由于针对同一目标户型的基准户型图(例如，人工绘制的户型图)和待评估户型图(例如，人工智能模型绘制的户型图)有各自的坐标系，因此将所述待评估户型图向所述基准户型图作位姿配准，可得到与基准户型图位于同一坐标系下的第二户型图；或者，将所述基准户型图向所述待评估户型图作位姿配准，可得到与待评估户型图位于同一坐标系的第一户型图；从而可基于同一坐标系，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性，进而可确定人工智能模型绘制的户型图与人工绘制的户型图之间的差异。
11.下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
12.构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
13.参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
14.图1是本公开的确定户型图相似性的方法一个实施例的流程图；
15.图2是本公开的确定户型图相似性的方法另一个实施例的流程图；
16.图3a是本公开的确定户型图相似性的方法又一个实施例的流程图；
17.图3b是本公开的确定户型图相似性的方法再一个实施例的流程图；
18.图4是本公开的一个示例性可视化户型图示意图；
19.图5是本公开的对一个示例性可视化户型图进行三角剖分的示意图；
20.图6是本公开的对一个示例性可视化户型图进行特征数据构造的示意图；
21.图7是本公开的确定户型图相似性的方法再一个实施例的流程图；
22.图8是本公开的对一个示例性可视化户型图进行分间匹配的一个示意图；
23.图9是本公开的对一个示例性分间匹配对进行相似性计算的示意图；
24.图10是本公开的确定户型图相似性的系统一个实施例的结构示意图；
25.图11是本公开的确定户型图相似性的系统另一个实施例的结构示意图；
26.图12是本公开电子设备一个应用实施例的结构示意图。
具体实施方式
27.现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具
体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
28.本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或单元等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
29.还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
30.还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
31.另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
32.还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
33.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
34.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
35.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
36.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
37.本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
38.终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序单元)的一般语境下描述。通常，程序单元可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序单元可以位于包括存储设备的本地或远程计算系统存储介质上。
39.示例性方法
40.图1是本公开的确定户型图相似性的方法一个实施例的流程图。如图1所示的确定户型图相似性的方法可包括步骤s110、s120、s130、s140以及s150。下面对各步骤分别进行说明。
41.s110、获取针对同一目标户型的基准户型图和待评估户型图，其中，所述基准户型
图是基于所述目标户型的三维模型绘制得到的准确户型图，所述基准户型图表征所述目标户型结构的点线信息的真值，所述待评估户型图是基于所述目标户型的三维模型由人工智能模型绘制得到估计户型图，所述待评估户型图表征所述目标户型结构的点线信息的估计值。
42.s120、对所述待评估户型图与所述基准户型图进行位姿配准，得到第一户型图或第二户型图；其中，所述第一户型图为位姿配准后的基准户型图，所述第二户型图为位姿配准后的待评估户型图。
43.s130、基于所述第一户型图或所述第二户型图进行分间匹配，得到多组分间匹配对。
44.s140、分别针对所述多组分间匹配对中的每组分间匹配对，从预设多个维度确定所述每组分间匹配对中两个分间之间的相似性。
45.s150、基于所述多组分间匹配对对应的相似性，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性。
46.其中，执行上述步骤的模块或电子设备可与绘制基准户型图和待评估户型图的终端或模块通信，以获取所述针对同一目标户型的基准户型图和待评估户型图。
47.需要解释的是，本公开所述“户型图”可以是描述目标户型的一个数据字典文件，所示数据字典文件中存储了描述目标户型的墙体、门、窗等户型结构的点线信息，基于所述点线信息可以绘制出一个可视化的户型图；例如，图4所示的可视化户型图，其中可包括客厅(面积27.0m2)、卧室a(面积11.5m2)、卧室b(面积9.6m2)、卫生间(面积5.2m2)、厨房(面积6.2m2)、阳台a(面积1.4m2)以及阳台b(面积4.0m2)。
48.所述“所述基准户型图是基于所述目标户型的三维模型绘制得到”可以理解为：技术人员基于目标户型的三维模型确定描述目标户型的一个数据字典文件，基于所述数据字典文件中的点线信息可以绘制出一个可视化的户型图，即例如图1所示的户型图。类似地，所述“所述待评估户型图是基于所述目标户型的三维模型由人工智能模型绘制得到”可以理解为：人工智能模型基于目标户型的三维模型确定描述目标户型的一个数据字典文件，基于所述数据字典文件中的点线信息可以绘制出一个可视化的户型图。
49.由于所述人工绘制的可视化的户型图与所述人工智能模型绘制的可视化的户型图是各自独立完成的，因此具有各自的坐标系，进而在作相似性评估之前，需要进行位姿配准，以将两个可视化户型图的坐标系对齐，方便计算。
50.所述“分间匹配”是指：对于位姿配准的两个户型图(例如，所述基准户型图与所述第二户型图)，根据其中一个户型图中每个分间a(例如，卧室、卫生间、厨房、客厅等)在该户型图中的相对位置，在另一个户型图中找到与之对应的一个分间b，该分间b在该另一个户型图中的相对位置与分间a在其户型图中的相对位置近似或相同。
51.所述“多个维度”例如可以包括分间的面积、轮廓、门和/或窗的尺寸和方位的维度。具体基于多个维度如何确定相似性，将在后文描述。
52.本公开对所述目标户型的类型不作限定。例如，可以是平层或复式。
53.另外，本公开对上述通信方式不作限定。例如，可以采用有线通信方式或无线通信方式；其中，有线通信方式例如可以利用数据线进行通信；无线通信方式例如可以包括但不限于利用wi-fi、nfc(近场通信)、蓝牙等进行通信。
54.本公开实施例提供的确定户型图相似性的方法，由于针对同一目标户型的基准户型图(例如，人工绘制的户型图)和待评估户型图(例如，人工智能模型绘制的户型图)有各自的坐标系，因此将所述待评估户型图向所述基准户型图作位姿配准，可得到与基准户型图位于同一坐标系下的第二户型图；或者，将所述基准户型图向所述待评估户型图作位姿配准，可得到与待评估户型图位于同一坐标系的第一户型图；从而可基于同一坐标系，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性，进而可确定人工智能模型绘制的户型图与人工绘制的户型图之间的差异。
55.在图1实施例的基础上，步骤s120“对所述待评估户型图与所述基准户型图进行位姿配准”，可通过任何可用的方式实现。例如，参照图2，在一个可选实施方式中，步骤s120可包括如下步骤：
56.s1210、分别确定所述基准户型图和待评估户型图的几何中心，其中，所述基准户型图的几何中心为第一几何中心，所述待评估户型图的几何中为第二几何中心。
57.通常情况下，目标户型的户型图都是不规则的几何图形，因此不容易确定其几何中心，因此可以考虑对户型图进行单形分割，根据单形的几何中心，间接地确定所述目标户型的户型图的几何中心。
58.有鉴于此，作为一可选示例，步骤s1210可按照如下方式实现：
59.对于基准户型图，首先可基于三角剖分法，对所述基准户型图的外轮廓作三角剖分，得到多个位于所述基准户型图的外轮廓内部的三角形；然后可利用位于所述基准户型图的外轮廓内部的三角形的几何中心和面积，计算所述基准户型图的几何中心，作为第一几何中心。
60.其中，所述三角剖分法可理解为利用基准户型图的外轮廓的多个顶点，在户型图内部划分出若干个三角形。例如，图5所示户型图包括顶点1～顶点8，利顶点(1、2、8)、顶点(2、3、8)、顶点(3、7、8)、顶点(3、6、7)、顶点(3、5、6)以及顶点(3、4、5)，可分别构造一个位于所述基准户型图的外轮廓内部的三角形。
61.上述“利用位于所述基准户型图的外轮廓内部的三角形的几何中心和面积，计算所述基准户型图的几何中心”可实现为：
62.首先，可利用解析几何或其他方式，计算每个位于所述基准户型图的外轮廓内部的三角形的几何中心ci和对应的面积ai；然后利用如下公式(1)～(3)计算所述基准户型图的几何中心，作为第一几何中心bacec：
[0063][0064][0065]
bacec＝t
nume
/t
deno
ꢀꢀꢀ
(3)
[0066]
其中，n为正整数，表示位于所述基准户型图的外轮廓内部的三角形的数量；t
nume
表示位于所述基准户型图的外轮廓内部的三角形的几何中心ci和对应的面积ai的乘积的累加和；t
deno
表示位于所述基准户型图的外轮廓内部的三角形的面积ai的累加和。
[0067]
类似地，对于待评估户型图，也可基于三角剖分法，对所述待评估户型图的外轮廓作三角剖分，得到多个位于所述待评估户型图的外轮廓内部的三角形；然后可利用位于所述待评估户型图的外轮廓内部的三角形的中心和面积，计算所述待评估户型图的几何中心，作为第二几何中心aic。
[0068]
关于待评估户型图进行三角剖分以及计算第二几何中心的方式的原理，可与上述关于基准户型图进行三角剖分以及计算第一几何中心的实施方式得原理相同，因此可适应性地参照上述基准户型图的实施方式，这里不再赘述。
[0069]
s1220、利用所述第一几何中心构造对应所述基准户型图的第一特征数据，利用所述第二几何中心构造对应所述待评估户型图的第二特征数据。
[0070]
作为一可选示例，步骤s1220可按照如下方式实现：
[0071]
关于构造第一特征数据，首先可沿着预设旋转方向且以预设角度作为步长，从第一几何中心向外延伸射线，直至所述射线旋转一周；然后确定每个方向上，从第一几何中心向外延伸的射线与所述基准户型图的外轮廓的第一个交点，得到的一组交点作为所述第一特征数据。
[0072]
其中，本公开对所述预设角度、预设旋转方向不作限定。例如，所述预设角度可以为1
°
；所述预设旋转方向可以为逆时针方向，也可以为顺时针方向。
[0073]
参照图6，两条虚线即为从第一几何中心向外延伸的射线，所述射线与外轮廓(图6中黑色边框)的交点，即为第一特征数据之一，因为所述射线以第一几何中心为圆心旋转一周(360
°
)，所以第一特征数据可包括多个上述第一交点；例如，在预设角度为1
°
的情况下，第一特征数据可包括360个第一交点。
[0074]
类似地，关于构造第二特征数据，也可首先沿着预设旋转方向且以预设角度作为步长，从第二几何中心向外延伸射线，直至所述射线旋转一周；然后确定每个方向上，从第二几何中心向外延伸的射线与所述待评估户型图的外轮廓的第一个交点，得到一组交点作为所述第二特征数据
[0075]
其中，在待评估户型图中，虚线的分布情况以及第二交点的确定等相关情况可与图6示例类似，这里不再赘述。
[0076]
s1230、根据所述第一特征数据和所述第二特征数据，计算所述基准户型图和待评估户型图之间的位姿变换矩阵。
[0077]
作为一可选示例，参照图7，步骤s1230可按照如下步骤实现：
[0078]
s12310、分别对所述第一特征数据和所述第二特征数据进行归一化，得到第一特征归一化数据和第二特征归一化数据。
[0079]
其中，步骤s12310可通过如下方式实现：首先，可求所述第一特征数据的第一均值、以及求所述第二特征数据的第二均值；其次，可将所述第一特征数据中各点减去所述第一均值，得到所述第一特征归一化数据；最后，可将所述第二特征数据中各点减去所述第二均值，得到所述第二特征归一化数据。
[0080]
需要说明的是，因为所述第一特征数据实际上是各个第一交点的坐标，因此，求所述第一特征数据的第一均值实际上就是求各个第一交点坐标的均值；同理，所述第二特征数据实际上是各个第二交点的坐标，因此，求所述第二特征数据的第二均值实际上就是求各个第二交点坐标的均值。
[0081]
s12320、利用第一特征归一化数据和第二特征归一化数据，计算所述基准户型图和待评估户型图之间的待优化旋转矩阵以及待优化平移矩阵。
[0082]
该步骤s12320可通过如下方式实现：
[0083]
首先，对第一特征归一化数据中每个点，从第二特征归一化数据中选取与其距离最近的点，形成多组数据点对；其中，每组所述数据点对中，属于第一特征归一化数据中的点与第一均值形成第一向量，属于第二特征归一化数据中的点与所述第二均值形成第二向量。
[0084]
需要说明的是，第一特征归一化数据和第二特征归一化数据分别对应一组坐标点集，因此对第一特征归一化数据中每个点，可根据坐标计算与第二特征归一化数据每个点之间的距离(此时可先不考虑两组点属于不同坐标系，仅是粗略衡量两组点集之间的偏差，因为后续迭代更新步骤，可逐步消除两个坐标系之间的偏差)，从而在第二特征归一化数据中确定与之距离最近的点(找距离最近的点，有助于减少后续迭代次数)。其中，因为第一均值分布于第一特征归一化数据对应点集的中心，因此可作为第一向量的原点；类似地，第二均值可作为第二向量的原点。
[0085]
其次，计算每组数据点对对应的第一向量与第二向量之间的向量外积以及向量内积。再次，分别计算多组所述向量外积的累加和以及多组所述向量内积的累加和，根据向量外积的累加和与所述向量内积的累加和之间的比值，确定所述基准户型图和待评估户型图之间的待优化旋转矩阵。
[0086]
具体地，可根据如下公式(4)～(7)，计算待优化旋转矩阵：
[0087]
up
sum
＝ai(x)
·
bj(y)-ai(y)
·
bj(x)
ꢀꢀꢀ
(4)
[0088]
dn
sum
＝ai(x)
·
bj(x) ai(y)
·
bj(y)
ꢀꢀꢀ
(5)
[0089]
θ＝arctan(up
sum
/dn
sum
)
ꢀꢀꢀ
(6)
[0090][0091]
其中，ai(x)表示第一向量的x轴分量；ai(y)表示第一向量的y轴分量；bj(x)表示第二向量的x轴分量；bj(y)表示第二向量的y轴分量；up
sum
表示多组所述向量外积的累加和；dn
sum
多组所述向量内积的累加和；θ表示所述基准户型图和待评估户型图之间旋转角度；rf表示所述基准户型图和待评估户型图之间的待优化旋转矩阵。
[0092]
最后，利用所述第一均值、第二均值以及所述待优化旋转矩阵，确定所述待优化平移矩阵。
[0093]
这里具体地，可根据如下公式(8)，计算待优化平移矩阵：
[0094]rt
＝base
mean-rf·
ai
mean
ꢀꢀꢀ
(8)
[0095]
其中，base
mean
表示所述第一均值；ai
mean
表示第二均值；r
t
表示所述基准户型图和待评估户型图之间的待优化平移矩阵。
[0096]
可以理解的是，由于向量之间的夹角较容易计算，因此只要计算出多组数据点对对应的全部第一向量与第二向量的夹角，即可以估计出所述基准户型图和待评估户型图之间旋转角度，进而确定出所述基准户型图和待评估户型图之间的待优化旋转矩阵以及待优化平移矩阵。
[0097]
s12330、利用所述待优化旋转矩阵以及待优化平移矩阵，分别对所述第二特征数据、初始化旋转矩阵以及初始化平移矩阵进行更新。
[0098]
该步骤s12330可通过如下方式实现：
[0099]
首先，将所述第二特征数据中每个点的坐标乘以所述待优化旋转矩阵，然后与所述待优化平移矩阵相加，所得结果作为对所述第二特征数据的更新；其次，将所述初始化旋转矩阵乘以所述待优化旋转矩阵，所得结果作为对初始化旋转矩阵的更新；最后，将所述初始化平移矩阵乘以所述待优化旋转矩阵，然后与所述待优化平移矩阵相加，所得结果作为对初始化平移矩阵的更新。
[0100]
具体地，根据如下公式(9)～(11)对所述第二特征数据、初始化旋转矩阵以及初始化平移矩阵分别进行更新：
[0101]
ai
fp
＝rf·
ai
fp
r
t
ꢀꢀꢀ
(9)
[0102]
r＝rf·rꢀꢀꢀ
(10)
[0103]
tr＝rf·
tr r
t
ꢀꢀꢀ
(11)
[0104]
其中，ai
fp
表示第二特征数据；r表示初始化旋转矩阵；tr表示初始化平移矩阵。初始化旋转矩阵可以是单位矩阵。
[0105]
s12340、计算所述第一特征数据与更新后的第二特征数据之间每组临近点之间的距离误差。
[0106]
在该步骤s12340中，可认为第一特征数据与更新后的第二特征数据已经属于同一坐标系(因为随着s12350的迭代执行，会利用待优化旋转矩阵以及待优化平移矩阵，将待评估户型图向基准户型图渐进对齐)，因此这里只要确定出距离误差，促成后续迭代即可。
[0107]
其中，本公开对计算所述第一特征数据与更新后的第二特征数据之间临近点的方式不作限定。例如，对于所述第一特征数据中每个点，计算其与更新后的第二特征数据中每个点之间的距离(即，可通过坐标计算距离)，距离最小的点即为临近点。
[0108]
s12350、迭代执行步骤s12310至步骤s12340，直至满足预设迭代截止条件，将此时得到的待优化旋转矩阵以及待优化平移矩阵，作为所述基准户型图和待评估户型图之间的位姿变换矩阵。
[0109]
其中，所述预设迭代截止条件可以为每组临近点之间的距离误差均小于预设距离阈值。
[0110]
通过迭代执行上述步骤s12310至步骤s12340，即可根据所述第一特征数据和所述第二特征数据，计算出所述基准户型图和待评估户型图之间的位姿变换矩阵。
[0111]
s1240、按照所述位姿变换矩阵，将所述待评估户型图向所述基准户型图作位姿配准，得到所述第一户型图或第二户型图。
[0112]
其中，所述位姿配准可以理解为：将所述待评估户型图中各点的坐标，按照所述位姿变换矩阵向所述基准户型图进行坐标变换，从而得到第二户型图。或者，将所述基准户型图中各点的坐标，按照所述位姿变换矩阵向所述待评估户型图进行坐标变换，从而得到第一户型图。
[0113]
如上所述，由于针对同一目标户型的基准户型图(例如，人工绘制的户型图)和待评估户型图(例如，人工智能模型绘制的户型图)有各自的坐标系，因此将所述待评估户型图与所述基准户型图之间作位姿配准，可得到与基准户型图位于同一坐标系下的第二户型
图，或与待评估户型图位于同一坐标系下的第一户型图；此时可以认为得到的第二户型图的轮廓与基准户型图的轮廓已经大致对齐，或者得到的第一户型图的轮廓与待评估户型图的轮廓已经大致对齐，这将有助于后续相似性评估步骤的实施。
[0114]
在图1实施例的基础上，步骤s130“基于所述第一户型图或所述第二户型图进行分间匹配，得到多组分间匹配对”，可通过任何可用的方式实现。
[0115]
例如，在所述待评估户型图向所述基准户型图进行位姿配准的情况下，参照图3a，步骤s130可包括如下步骤：
[0116]
s1310、分别确定所述基准户型图和所述第二户型图的几何中心，其中，所述基准户型图的几何中心为第一几何中心，所述第二户型图的几何中为第三几何中心；s1320、分别确定所述基准户型图和所述第二户型图中每个分间的几何中心，其中，所述基准户型图的每个分间的几何中心作为第一分间几何中心，所述第二户型图中每个分间的几何中心作为第二分间几何中心；s1330、利用所述第一几何中心与第一分间几何中心，计算所述基准户型图的每个分间的方向向量，作为第三向量，以及利用所述第三几何中心与第二分间几何中心，计算所述第二户型图中每个分间的方向向量，作为第四向量；s1340、通过计算每个第三向量与每个第四向量之间的夹角以及模长，确定所述多组分间匹配对。
[0117]
又例如，在所述基准户型图向所述待评估户型图进行位姿配准的情况下，参照图3b，步骤s130可包括如下步骤：
[0118]
s1310'、分别确定所述第一户型图和所述待评估户型图的几何中心，其中，所述第一户型图的几何中心为第四几何中心，所述待评估户型图的几何中为第二几何中心；s1320'、分别确定所述第一户型图和所述待评估户型图中每个分间的几何中心，其中，所述第一户型图的每个分间的几何中心作为第三分间几何中心，所述待评估户型图中每个分间的几何中心作为第四分间几何中心；s1330'、利用所述第四几何中心与第三分间几何中心，计算所述第一户型图的每个分间的方向向量，作为第五向量，以及利用所述第二几何中心与第四分间几何中心，计算所述待评估户型图中每个分间的方向向量，作为第六向量；s1340'、通过计算每个第五向量与每个第六向量之间的夹角以及模长，确定所述多组分间匹配对。
[0119]
这里，需要解释的是，可参照步骤s1210的实施方式(基于三角剖分算法)确定所述第三几何中心以及第四几何中心，这里不再赘述。
[0120]
所述分间即户型图中不同房间或区域，例如参照图8，所述分间包括客厅(31.6
㎡
)、卧室a(9.7
㎡
)、卫生间(5.2
㎡
)、厨房(7.9
㎡
)、阳台b(4.0
㎡
)。
[0121]
本公开对确定每个分间的几何中心的方式不作限定。例如，对于规则的分间可直接利用基本几何原理确定其几何中心；对于不规则的分间，可参照步骤s1210的实施方式(基于三角剖分算法)确定几何中心。
[0122]
以图8所示基准户型图为例，以其几何中心(即第一几何中心)为原点，以各分间的几何中心(即，第一分间几何中心)为终点，得到多个第三向量。采用类似地方式，也可以在第二户型图中确定出多个第四向量，在第一户型图中确定出多个第五向量，在所述待评估户型图中确定出多个第六向量。
[0123]
另外，可以理解的是，所述第三向量可表示基准户型图的每个分间的方向和距离(相对于第一几何中心)；同理，所述第四向量可表示第二户型图的每个分间的方向和距离
(相对于第三几何中心)；所述第五向量可表示第一户型图的每个分间的方向和距离(相对于第四几何中心)；所述第六向量可表示待评估户型图的每个分间的方向和距离(相对于第二几何中心)。因此，通过计算每个第三向量与每个第四向量之间的夹角以及模长，即可确定所述多组分间匹配对。具体地，所述夹角可用于判断两个分间之间的方向是否匹配，而模长(即，距离)即可以判断两个分间在距离上是否匹配。这里，两个分间中的一个是基准户型图的分间，两个分间中的另一个是第二户型图的分间。或者，通过计算每个第五向量与每个第六向量之间的夹角以及模长，即可确定所述多组分间匹配对。具体地，所述夹角可用于判断两个分间之间的方向是否匹配，而模长(即，距离)即可以判断两个分间在距离上是否匹配。这里，两个分间中的一个是第一户型图的分间，两个分间中的另一个是待评估户型图的分间。
[0124]
在图1实施例的基础上，步骤s140“分别针对所述多组分间匹配对中的每组分间匹配对，从预设多个维度确定所述每组分间匹配对中两个分间之间的相似性”，可通过任何可用的方式实现。
[0125]
例如，在所述待评估户型图向所述基准户型图进行位姿配准的情况下，步骤s140可通过如下方式实现：首先，计算每组分间匹配对中对应的所述第一分间几何中心与所述第二分间几何中心之间的位置偏差；其次，利用所述位置偏差，将每组分间匹配对中的属于所述第二户型图分间与属于所述基准户型图的分间对齐；最后，针对每组对齐的分间匹配对，从分间的面积、轮廓、门和/或窗的尺寸和方位的维度，分别计算两个分间之间的相似性。
[0126]
又例如，在所述基准户型图向所述待评估户型图进行位姿配准的情况下，步骤s140可通过如下方式实现：首先，计算每组分间匹配对中对应的所述第三分间几何中心与所述第四分间几何中心之间的位置偏差；其次，利用所述位置偏差，将每组分间匹配对中的属于所述第一户型图分间与属于所述待评估户型图的分间对齐；最后，针对每组对齐的分间匹配对，从分间的面积、轮廓、门和/或窗的尺寸和方位的维度，分别计算两个分间之间的相似性。
[0127]
可以理解，虽然通过上述的位姿配准，可以将第二户型图与基准户型图、或第一户型图与待评估户型图的轮廓大致对齐，但是每个户型图中的分间作为户型图的一部分可能存在一些偏差，因此为了保证相似性计算的准确度，就还需要利用所述位置偏差对每组分间匹配对进行分间的中心对齐。
[0128]
另外，针对每组对齐的分间匹配对，可通过如下具体方式实现计算对应维度下的相似性：方式一、计算两个分间的总面积差异，确定两个分间之间面积维度的相似性；方式二、计算两个分间的重叠面积，利用所述重叠面积与所述分间的总面积的比值，确定两个分间之间轮廓维度的相似性；方式三、分别在两个分间中构造从第一分间几何中心指向门和/或窗的方向向量，计算两个方向向量之间的夹角和模长，确定两个分间之间门和/或窗的方位维度的相似性；方式四、计算两个分间门和/或窗的宽度或长度差异，确定两个分间之间门和/或窗的尺寸维度的相似性。其中，对于方式一，总面积差异越小，两个分间之间面积维度的相似性越高；对于方式二，重叠面积的占比越高，两个分间之间轮廓维度的相似性越高；对于方式三，两个方向向量之间的夹角越小、模长越接近，则确定两个分间之间门和/或窗的方位维度的相似性越高；对于方式四，两个分间门和/或窗的宽度或长度差异越小，则
确定两个分间之间门和/或窗的尺寸维度的相似性越高。
[0129]
为便于理解，可参照9所示的一组分间匹配对，左侧是基准户型图的分间，右侧是第二户型图的分间(假设两个分间总面积相同)；则对应上述四种方式，经过计算可以确定，两个分间之间的面积维度的相似性、以及门和/或窗的尺寸维度的相似性较高，而轮廓维度的相似、以及方位维度的相似性较低。
[0130]
在图1实施例的基础上，步骤s150“基于所述多组分间匹配对对应的相似性，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性”，可通过任何可用的方式实现。
[0131]
例如，作为另一个可选示例，针对所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的每组对齐的分间匹配对，将从分间的面积、轮廓、门和/或窗的尺寸和方位的维度分别计算得到的两个分间之间的相似性结果，利用预设权重进行加权融合。
[0132]
需要说明的是，本公开对上述面积、轮廓、门和/或窗的尺寸和方位的维度的权重不作限定，可根据需求调整。
[0133]
综上，本公开实施例提供的确定户型图相似性的方法，由于针对同一目标户型的基准户型图(例如，人工绘制的户型图)和待评估户型图(例如，人工智能模型绘制的户型图)有各自的坐标系，因此将所述待评估户型图向所述基准户型图作位姿配准，可得到与基准户型图位于同一坐标系下的第二户型图；或者，将所述基准户型图向所述待评估户型图作位姿配准，可得到与待评估户型图位于同一坐标系的第一户型图；从而可基于同一坐标系，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性，进而可确定人工智能模型绘制的户型图与人工绘制的户型图之间的差异
[0134]
示例性系统
[0135]
应理解，本文中前述实施例关于确定户型图相似性的方法也可类似地应用于以下确定户型图相似性的系统中进行类似扩展。为简化起见，未对其进行详细描述。
[0136]
图10是本公开的确定户型图相似性的系统一个实施例的结构示意图。如图10所示的确定户型图相似性的系统包括数据获取模块210、位姿配准模块220、分间匹配模块230以及相似性评估模块240。下面对各模块分别进行说明。
[0137]
数据获取模块210被配置为：获取针对同一目标户型的基准户型图和待评估户型图，其中，所述基准户型图是基于所述目标户型的三维模型绘制得到的准确户型图，所述基准户型图表征所述目标户型结构的点线信息的真值，所述待评估户型图是基于所述目标户型的三维模型由人工智能模型绘制得到的估计户型图，所述待评估户型图表征所述目标户型结构的点线信息的估计值；位姿配准模块220被配置为：对所述待评估户型图与所述基准户型图进行位姿配准，得到第一户型图或第二户型图；其中，所述第一户型图为位姿配准后的基准户型图，所述第二户型图为位姿配准后的待评估户型图；分间匹配模块230被配置为：分间匹配模块，被配置为：基于所述第一户型图或所述第二户型图进行分间匹配，得到多组分间匹配对；相似性评估模块240被配置为：分别针对所述多组分间匹配对中的每组分间匹配对，从预设多个维度确定所述每组分间匹配对中两个分间之间的相似性；基于所述多组分间匹配对对应的相似性，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性。
[0138]
可选地，参照图11，位姿配准模块220包括：几何中心子模块2210，被配置为：分别确定所述基准户型图和待评估户型图的几何中心，其中，所述基准户型图的几何中心为第一几何中心，所述待评估户型图的几何中为第二几何中心；特征数据子模块2220，被配置为：利用所述第一几何中心构造对应所述基准户型图的第一特征数据，利用所述第二几何中心构造对应所述待评估户型图的第二特征数据；位姿计算子模块2230，被配置为：根据所述第一特征数据和所述第二特征数据，计算所述基准户型图和待评估户型图之间的位姿变换矩阵；配准子模块2240，被配置为：按照所述位姿变换矩阵，将所述待评估户型图向所述基准户型图作位姿配准，得到所述第一户型图或第二户型图。
[0139]
可选地，几何中心子模块2210，被进一步配置为：基于三角剖分法，对所述基准户型图的外轮廓作三角剖分，得到多个位于所述基准户型图的外轮廓内部的三角形；利用位于所述基准户型图的外轮廓内部的三角形的几何中心和面积，计算所述基准户型图的几何中心，作为第一几何中心；基于三角剖分法，对所述待评估户型图的外轮廓作三角剖分，得到多个位于所述待评估户型图的外轮廓内部的三角形；利用位于所述待评估户型图的外轮廓内部的三角形的中心和面积，计算所述待评估户型图的几何中心，作为第二几何中心。
[0140]
可选地，特征数据子模块2220，被进一步配置为：沿着预设旋转方向且以预设角度作为步长，从第一几何中心向外延伸射线，直至所述射线旋转一周，确定每个方向上，从第一几何中心向外延伸的射线与所述基准户型图的外轮廓的第一个交点，得到的一组交点作为所述第一特征数据；沿着预设旋转方向且以预设角度作为步长，从第二几何中心向外延伸射线，直至所述射线旋转一周，确定每个方向上，从第二几何中心向外延伸的射线与所述待评估户型图的外轮廓的第一个交点，得到一组交点作为所述第二特征数据。
[0141]
可选地，位姿计算子模块2230，被进一步配置为：分别对所述第一特征数据和所述第二特征数据进行归一化，得到第一特征归一化数据和第二特征归一化数据；利用第一特征归一化数据和第二特征归一化数据，计算所述基准户型图和待评估户型图之间的待优化旋转矩阵以及待优化平移矩阵；利用所述待优化旋转矩阵以及待优化平移矩阵，分别对所述第二特征数据、初始化旋转矩阵以及初始化平移矩阵进行更新；计算所述第一特征数据与更新后的第二特征数据之间每组临近点之间的距离误差；迭代执行所述对第二特征数据进行归一化的步骤至所述计算所述第一特征数据和所述第二特征数据之间每组临近点之间的距离误差的步骤，直至满足预设迭代截止条件，将此时得到的待优化旋转矩阵以及待优化平移矩阵，作为所述基准户型图和待评估户型图之间的位姿变换矩阵。
[0142]
可选地，位姿计算子模块2230，被进一步配置为：求所述第一特征数据的第一均值、以及求所述第二特征数据的第二均值；将所述第一特征数据中各点减去所述第一均值，得到所述第一特征归一化数据；将所述第二特征数据中各点减去所述第二均值，得到所述第二特征归一化数据。
[0143]
可选地，位姿计算子模块2230，被进一步配置为：对第一特征归一化数据中每个点，从第二特征归一化数据中选取与其距离最近的点，形成多组数据点对；其中，每组所述数据点对中，属于第一特征归一化数据中的点与第一均值形成第一向量，属于第二特征归一化数据中的点与所述第二均值形成第二向量；计算每组数据点对对应的第一向量与第二向量之间的向量外积以及向量内积；分别计算多组所述向量外积的累加和以及多组所述向量内积的累加和，根据向量外积的累加和与所述向量内积的累加和之间的比值，确定所述
基准户型图和待评估户型图之间的待优化旋转矩阵；利用所述第一均值、第二均值以及所述待优化旋转矩阵，确定所述待优化平移矩阵。
[0144]
可选地，位姿计算子模块2230，被进一步配置为：将所述第二特征数据中每个点的坐标乘以所述待优化旋转矩阵，然后与所述待优化平移矩阵相加，所得结果作为对所述第二特征数据的更新；将所述初始化旋转矩阵乘以所述待优化旋转矩阵，所得结果作为对初始化旋转矩阵的更新；将所述初始化平移矩阵乘以所述待优化旋转矩阵，然后与所述待优化平移矩阵相加，所得结果作为对初始化平移矩阵的更新。
[0145]
可选地，在所述待评估户型图向所述基准户型图进行位姿配准的情况下，分间匹配模块230被进一步配置为：分别确定所述基准户型图和所述第二户型图的几何中心，其中，所述基准户型图的几何中心为第一几何中心，所述第二户型图的几何中为第三几何中心；分别确定所述基准户型图和所述第二户型图中每个分间的几何中心，其中，所述基准户型图的每个分间的几何中心作为第一分间几何中心，所述第二户型图中每个分间的几何中心作为第二分间几何中心；利用所述第一几何中心与第一分间几何中心，计算所述基准户型图的每个分间的方向向量，作为第三向量，以及利用所述第三几何中心与第二分间几何中心，计算所述第二户型图中每个分间的方向向量，作为第四向量；通过计算每个第三向量与每个第四向量之间的夹角以及模长，确定所述多组分间匹配对；
[0146]
可选地，在所述基准户型图向所述待评估户型图进行位姿配准的情况下，分间匹配模块230被进一步配置为：分别确定所述第一户型图和所述待评估户型图的几何中心，其中，所述第一户型图的几何中心为第四几何中心，所述待评估户型图的几何中为第二几何中心；分别确定所述第一户型图和所述待评估户型图中每个分间的几何中心，其中，所述第一户型图的每个分间的几何中心作为第三分间几何中心，所述待评估户型图中每个分间的几何中心作为第四分间几何中心；利用所述第四几何中心与第三分间几何中心，计算所述第一户型图的每个分间的方向向量，作为第五向量，以及利用所述第二几何中心与第四分间几何中心，计算所述待评估户型图中每个分间的方向向量，作为第六向量；通过计算每个第五向量与每个第六向量之间的夹角以及模长，确定所述多组分间匹配对。。
[0147]
可选地，在所述待评估户型图向所述基准户型图进行位姿配准的情况下，相似性评估模块240，被进一步配置为：计算每组分间匹配对中对应的所述第一分间几何中心与所述第二分间几何中心之间的位置偏差；利用所述位置偏差，将每组分间匹配对中的属于所述第二户型图分间与属于所述基准户型图的分间对齐；针对每组对齐的分间匹配对，从分间的面积、轮廓、门和/或窗的尺寸和方位的维度，分别计算两个分间之间的相似性；
[0148]
可选地，在所述基准户型图向所述待评估户型图进行位姿配准的情况下，相似性评估模块240，被进一步配置为：计算每组分间匹配对中对应的所述第三分间几何中心与所述第四分间几何中心之间的位置偏差；利用所述位置偏差，将每组分间匹配对中的属于所述第一户型图分间与属于所述待评估户型图的分间对齐；针对每组对齐的分间匹配对，从分间的面积、轮廓、门和/或窗的尺寸和方位的维度，分别计算两个分间之间的相似性。。
[0149]
可选地，相似性评估模块240，被进一步配置为：计算两个分间的总面积差异，确定两个分间之间面积维度的相似性；计算两个分间的重叠面积，利用所述重叠面积与所述分间的总面积的比值，确定两个分间之间轮廓维度的相似性；别在两个分间中构造从第一分间几何中心指向门和/或窗的方向向量，计算两个方向向量之间的夹角和模长，确定两个分
间之间门和/或窗的方位维度的相似性；计算两个分间门和/或窗的宽度或长度差异，确定两个分间之间门和/或窗的尺寸维度的相似性。
[0150]
可选地，相似性评估模块240，被进一步配置为：针对所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的每组对齐的分间匹配对，将从分间的面积、轮廓、门和/或窗的尺寸和方位的维度分别计算得到的两个分间之间的相似性结果，利用预设权重进行加权融合。
[0151]
综上，本公开实施例提供的确定户型图相似性的系统，由于针对同一目标户型的基准户型图(例如，人工绘制的户型图)和待评估户型图(例如，人工智能模型绘制的户型图)有各自的坐标系，因此将所述待评估户型图向所述基准户型图作位姿配准，可得到与基准户型图位于同一坐标系下的第二户型图；或者，将所述基准户型图向所述待评估户型图作位姿配准，可得到与待评估户型图位于同一坐标系的第一户型图；从而可基于同一坐标系，确定所述第一户型图与待评估户型图之间、或者所述第二户型图与基准户型图之间的相似性，进而可确定人工智能模型绘制的户型图与人工绘制的户型图之间的差异。
[0152]
示例性电子设备
[0153]
另外，本公开实施例还提供了一种电子设备，包括：
[0154]
存储器，用于存储计算机程序；
[0155]
处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本公开上述任一实施例所述的确定户型图相似性的方法。
[0156]
图12是本公开电子设备一个应用实施例的结构示意图。下面，参考图12来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
[0157]
如图12所示，电子设备包括一个或多个处理器和存储器。
[0158]
处理器可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
[0159]
存储器可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行所述程序指令，以实现上文所述的本公开的各个实施例的确定户型图相似性的方法以及/或者其他期望的功能。
[0160]
在一个示例中，电子设备还可以包括：输入装置和输出装置，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
[0161]
此外，该输入设备还可以包括例如键盘、鼠标等等。
[0162]
该输出装置可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
[0163]
当然，为了简化，图12中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以
包括任何其他适当的组件。
[0164]
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的确定户型图相似性的方法中的步骤。
[0165]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c 等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0166]
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述部分中描述的根据本公开各种实施例的确定户型图相似性的方法中的步骤。
[0167]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0168]
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0169]
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
[0170]
本说明书中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它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0171]
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0172]
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序
仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
[0173]
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
[0174]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0175]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。