室内物品自动摆放处理方法、装置以及设备、存储介质与流程

本公开涉及人工智能技术领域，尤其涉及一种室内物品自动摆放处理方法、装置以及电子设备、存储介质。

背景技术：

随着房地产行业的深入发展，家居装饰行业也得到了极大的发展，对家居的装饰需求也越来越大。目前，对于室内物品的摆放，可以利用神经网络模型自动生成物品在房间内的摆放方案；但是，现有的物品摆放方案的生成方法，虽然可以利用神经网络模型预测物品在房间内的摆放位置和朝向，但并没有考虑摆放的物品之间的位置相互关系以及物品之间的依赖关系等，容易造成在生成的摆放方案中出现物品的两两重叠等异常情况。

技术实现要素：

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种室内物品自动摆放处理方法、装置以及电子设备、存储介质。

根据本公开实施例的一个方面，提供一种室内物品自动摆放处理方法，包括：获取与目标房间相对应的户型结构数据、所述目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息；根据所述户型结构数据、所述第一物品属性信息和所述第二物品属性信息，使用预设的物品位置筛选规则获取与所述待摆放物品相对应的至少一个候选摆放信息；利用神经网络模型获取与所述候选摆放信息相对应的摆放概率，基于所述摆放概率获取与所述待摆放物品相对应的至少一个推荐摆放信息；基于所述推荐摆放信息以及所述户型结构数据生成与所述目标房间相对应的物品摆放方案。

可选地，所述待摆放物品的数量为多个，所述方法还包括：将所述目标房间设置为空房间状态，依次确定与每个所述待摆放物品相对应的多个候选摆放信息，并依次获取每个所述待摆放物品相对应的所述推荐摆放信息；其中，将已确定了所述候选摆放信息的待摆放物品设置为所述目标房间内已经摆放的物品。

可选地，所述获取与所述待摆放物品相对应所述推荐摆放信息包括：利用所述神经网络模型分别获取与所述多个候选摆放信息相对应的多个摆放概率；将所述多个摆放概率按由大到小进行排序，获取位于此排序头部的一个或多个摆放概率，将与此一个或多个摆放概率所对应的一个或多个候选摆放信息作为所述推荐摆放信息。

可选地，所述基于所述推荐摆放信息以及所述户型结构数据生成与所述目标房间相对应的物品摆放方案包括：获取与全部待摆放物品相对应的全部推荐摆放信息，根据所述全部推荐摆放信息、所述全部推荐摆放信息之间的关联关系以及所述户型结构数据，生成多个所述物品摆放方案。

可选地，所述第一物品属性信息和所述第二物品属性信息包括：物品类别、物品风格、物品尺寸、物品摆放属性中的一种或者多种；所述已经摆放物品和所述待摆放物品包括：家具、电器、装饰品中的一种或多种；所述户型结构数据包括：墙面分布数据、门窗分布数据、面积数据、层高数据中的一种或多种。

可选地，在生成所述物品摆放方案后，基于预设的物品摆放策略并根据所述户型结构数据，优化所述物品摆放方案中的所述待摆放物品的摆放位置以及摆放方位；其中，所述物品摆放策略包括：贴墙策略、贴地策略、空隙保留策略中的一项或者多项。

可选地，基于预设的方案筛选规则，对优化后的所述物品摆放方案进行筛选处理。

可选地，所述根据所述户型结构数据、所述第一物品属性信息和所述第二物品属性信息，使用预设的物品位置筛选规则获取与所述待摆放物品相对应的至少一个候选摆放信息包括：根据所述户型结构数据、所述第一物品属性信息和所述第二物品属性信息，计算与所述目标房间相对应的mask图；根据所述第一物品属性信息和所述第二物品属性信息，使用所述物品位置筛选规则在所述mask图中确定所述多个候选摆放信息；其中，所述物品位置筛选规则包括：禁止摆放重叠、禁止穿壁、禁止挡路规则中的一个或多个。

可选地，所述神经网络模型包括：预先训练好的图神经网络gnn模型；所述候选摆放信息包括：第一摆放位置和朝向；所述推荐摆放信息包括：第二摆放位置和朝向。

根据本公开实施例的另一方面，提供一种室内物品自动摆放处理装置，包括：信息获取模块，用于获取与目标房间相对应的户型结构数据、所述目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息；候选摆放获取模块，用于根据所述户型结构数据、所述第一物品属性信息和所述第二物品属性信息，使用预设的物品位置筛选规则获取与所述待摆放物品相对应的至少一个候选摆放信息；推荐摆放获取模块，用于利用神经网络模型获取与所述候选摆放信息相对应的摆放概率，基于所述摆放概率获取与所述待摆放物品相对应的至少一个推荐摆放信息；摆放方案生成模块，用于基于所述推荐摆放信息以及所述户型结构数据生成与所述目标房间相对应的物品摆放方案。

可选地，所述待摆放物品的数量为多个，其中，所述候选摆放获取模块，用于将所述目标房间设置为空房间状态，依次确定与每个所述待摆放物品相对应的多个候选摆放信息；所述推荐摆放获取模块，用于依次获取每个所述待摆放物品相对应的所述推荐摆放信息；其中，所述候选摆放获取模块将已确定了所述候选摆放信息的待摆放物品设置为所述目标房间内已经摆放的物品。

可选地，所述推荐摆放获取模块，具体用于利用所述神经网络模型分别获取与所述多个候选摆放信息相对应的多个摆放概率；将所述多个摆放概率按由大到小进行排序，获取位于此排序头部的一个或多个摆放概率，将与此一个或多个摆放概率所对应的一个或多个候选摆放信息作为所述推荐摆放信息。

可选地，所述摆放方案生成模块，用于获取与全部待摆放物品相对应的全部推荐摆放信息，根据所述全部推荐摆放信息、所述全部推荐摆放信息之间的关联关系以及所述户型结构数据，生成多个所述物品摆放方案。

可选地，所述第一物品属性信息和所述第二物品属性信息包括：物品类别、物品风格、物品尺寸、物品摆放属性中的一种或者多种；所述已经摆放物品和所述待摆放物品包括：家具、电器、装饰品中的一种或多种；所述户型结构数据包括：墙面分布数据、门窗分布数据、面积数据、层高数据中的一种或多种。

可选地，摆放方案优化模块，用于在生成所述物品摆放方案后，基于预设的物品摆放策略并根据所述户型结构数据，优化所述物品摆放方案中的所述待摆放物品的摆放位置以及摆放方位；其中，所述物品摆放策略包括：贴墙策略、贴地策略、空隙保留策略中的一项或者多项。

可选地，摆放方案筛选模块，用于基于预设的方案筛选规则，对优化后的所述物品摆放方案进行筛选处理。

可选地，所述候选摆放获取模块，具体用于根据所述户型结构数据、所述第一物品属性信息和所述第二物品属性信息，计算与所述目标房间相对应的mask图；根据所述第一物品属性信息和所述第二物品属性信息，使用所述物品位置筛选规则在所述mask图中确定所述多个候选摆放信息；其中，所述物品位置筛选规则包括：禁止摆放重叠、禁止穿壁、禁止挡路规则中的一个或多个。

可选地，所述神经网络模型包括：预先训练好的图神经网络gnn模型；所述候选摆放信息包括：第一摆放位置和朝向；所述推荐摆放信息包括：第二摆放位置和朝向。

根据本公开实施例的又一方面，提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述的方法。

根据本公开实施例的再一方面，提供一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述的方法。

基于本公开上述实施例提供的一种室内物品自动摆放处理方法、装置以及电子设备、存储介质，能够考虑摆放的物品之间的位置约束关系以及物品的禁止摆放等规则，智能生成与目标房间相对应的物品摆放方案，可以保证物品摆放方案的合理性；节省设计师资源和设计流程时间，为物品摆放提供合理的参考建议，能够简化装修设计环节流程并可以为用户装修的决策提供方便。

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

通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征以及优势将变得更加明显。附图用来提供对本公开实施例的进一步的理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1为本公开的室内物品自动摆放处理方法的一个实施例的流程图；

图2为本公开的室内物品自动摆放处理方法的一个实施例中的生成候选摆放信息的流程图；

图3为本公开的室内物品自动摆放处理方法的一个实施例中的获取推荐摆放信息的流程图；

图4为本公开的室内物品自动摆放处理方法的一个实施例中的生成物品摆放方案的流程图；

图5a至5e为使用本公开的室内物品自动摆放处理方法生成物品摆放方案的示意图；

图6a为本公开的室内物品自动摆放处理装置的一个实施例的结构示意图；图6b为本公开的室内物品自动摆放处理装置的又一个实施例的结构示意图；

图7是本公开的电子设备的一个实施例的结构图。

具体实施方式

下面将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。

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。

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、设备或模块等，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。

还应理解，在本公开实施例中，“多个”可以指两个或者两个以上，“至少一个”可以指一个、两个或两个以上。

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。

另外，本公开中术语“和/或”，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，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。

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。

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。

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。

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。

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。

本公开的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者专用计算系统环境或配置一起操作。适于与终端设备、计算机系统或者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。

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(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、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。在分布式云计算环境中，任务可以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，程序模块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。

申请概述

在实现本公开的过程中，发明人发现，现有的物品摆放方案的生成方法，虽然可以利用神经网络模型预测物品在房间内的摆放位置和朝向，但并没有考虑摆放的物品之间的位置约束关系以及物品的禁止摆放规则(例如，梳妆台一般不放在床尾方向、洗手池离卫生间门最近等)等，容易造成在生成的摆放方案中出现物品的两两重叠等异常情况。

本公开提供的室内物品自动摆放处理方法，根据户型结构数据、目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息，使用预设的物品位置筛选规则获取与待摆放物品相对应的候选摆放信息；利用神经网络模型获取与候选摆放信息相对应的摆放概率，基于摆放概率获取待摆放物品的推荐摆放信息，基于推荐摆放信息以及户型结构数据生成物品摆放方案，能够考虑摆放的物品之间的位置约束关系以及物品的禁止摆放等规则，智能生成与目标户型相对应的物品摆放方案。

示例性方法

图1为本公开的室内物品自动摆放处理方法的一个实施例的流程图，如图1所示的方法包括步骤：s101-s104。下面对各步骤分别进行说明。

s101，获取与目标房间相对应的户型结构数据、目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息。

目标房间可以为卧室、客厅、卫生间等；户型图可以为通过cad建模工具等生成，可以为矢量图等；户型图中有多种户型元素，获取户型图相对应的户型结构数据，户型结构数据包括：户型的墙面分布数据、承重墙分布数据、门窗分布数据、面积数据、层高数据、位置坐标数据等。

已经摆放物品和待摆放物品包括：家具、电器、装饰品等；第一物品属性信息和第二物品属性信息包括：物品类别、物品风格、物品尺寸、物品摆放属性等，物品摆放属性包括：物品的摆放位置、朝向、物品是否必须靠墙、物品是否拥有门前区域、物品是否可以进入其它物品的门前区域等。

s102，根据户型结构数据、第一物品属性信息和第二物品属性信息，使用预设的物品位置筛选规则获取与待摆放物品相对应的至少一个候选摆放信息。物品位置筛选规则可以包括多种规则，例如为禁止摆放重叠、禁止穿壁、禁止挡路规则等。

s103，利用神经网络模型获取与候选摆放信息相对应的摆放概率，基于摆放概率获取与待摆放物品相对应的至少一个推荐摆放信息。

可以预先根据户型结构数据、第一物品属性信息和第二物品属性信息、摆放位置等生成训练样本集，根据训练样本进行神经网络的训练，得到训练好的神经网络模型；利用训练好的神经网络模型可以获取与待摆放物品的候选摆放信息相对应的摆放概率。

s104，基于推荐摆放信息以及户型结构数据生成与目标房间相对应的物品摆放方案。

物品摆放方案的数量可以为一个或多个；物品摆放方案包括用于展示桌子、床、电器等物品在目标房间中的摆放位置、朝向等的摆放图等。

在一个实施例中，待摆放物品的数量为多个，将目标房间设置为空房间状态，依次确定与每个待摆放物品相对应的多个候选摆放信息，并依次获取每个待摆放物品相对应的推荐摆放信息；其中，在确定候选摆放信息时，将已确定了候选摆放信息的待摆放物品设置为目标房间内已经摆放物品。候选摆放信息包括物品的第一摆放位置和朝向等；推荐摆放信息包括物品的第二摆放位置和朝向等。

图2为本公开的室内物品自动摆放处理方法的一个实施例中的生成候选摆放信息的流程图，如图2所示的方法包括步骤：s201-s202。下面对各步骤分别进行说明。

s201，根据户型结构数据、第一物品属性信息和第二物品属性信息，计算与目标房间相对应的mask图。

mask图与目标房间的户型图具有相同的像素以及尺寸，户型图中有已经摆放物品和此次需要计算候选摆放信息的待摆放物品，mask图中各个像素点的值是0或者255，如果某个像素点的值是0，则表示待摆放物品可以放置在该位置。

s202，根据第一物品属性信息和第二物品属性信息，使用物品位置筛选规则在mask图中确定多个候选摆放信息。

可以根据mask图以及第一物品属性信息和第二物品属性信息，计算离散的多个候选摆放信息，每个候选摆放信息包括第一摆放位置和朝向，朝向可以为上、下、左、右四个朝向；候选摆放信息作为待摆放物品的放置位置的潜在选项；物品位置筛选规则包括：禁止摆放重叠、禁止穿壁、禁止挡路规则等，可以使用物品位置筛选规则检查候选摆放信息，如果候选摆放信息能够引起穿越墙壁、跟已摆放物品重叠、挡路等异常结果，则删除该候选摆放信息。

图3为本公开的室内物品自动摆放处理方法的一个实施例中的获取推荐摆放信息的流程图，如图3所示的方法包括步骤：s301-s302。下面对各步骤分别进行说明。

s301，利用神经网络模型分别获取与多个候选摆放信息相对应的多个摆放概率。

神经网络模型可以有多种，例如图神经网络gnn(graphicalneuralnetwork)模型等；gnn网络以现有的定点查询算法(positionquery)为基础，预先对gnn模型进行训练，获得训练好的gnn模型。gnn模型对于给定的户型图以及已经摆放的物品，输出与待摆放物品的候选摆放信息相对应的摆放概率，摆放概率即为候选摆放信息所对应的物品为此待摆放物品的概率。

s302，将多个摆放概率按由大到小进行排序，获取位于此排序头部的一个或多个摆放概率，将与此一个或多个摆放概率所对应的一个或多个候选摆放信息作为推荐摆放信息。

可以设置k值，k为1,2,3等，选取k个最大的摆放概率所对应的k个候选摆放信息作为k个推荐摆放信息。

图4为本公开的室内物品自动摆放处理方法的一个实施例中的生成物品摆放方案的流程图，如图4所示的方法包括步骤：s401-s403。下面对各步骤分别进行说明。

s401，获取与全部待摆放物品相对应的全部推荐摆放信息，根据全部推荐摆放信息、全部推荐摆放信息之间的关联关系以及户型结构数据，生成多个物品摆放方案。

在确定与每个待摆放物品相对应的多个候选摆放信息时，将已确定了候选摆放信息的待摆放物品设置为目标房间内已经摆放的物品，此待摆放物品可以有多个推荐摆放信息，基于每个推荐摆放信息可以获得下一个待摆放物品的多个推荐摆放信息，则此推荐摆放信息和下一个待摆放物品的多个推荐摆放信息具有关联关系，类似地，可以确定全部推荐摆放信息之间的关联关系。

s402，在生成物品摆放方案后，基于预设的物品摆放策略并根据户型结构数据，优化物品摆放方案中的待摆放物品的摆放位置以及摆放方位。

物品摆放策略包括：贴墙策略、贴地策略、空隙保留策略等。贴墙策略可以为贴墙算法等，贴地策略可以为贴地算法等；空隙保留策略可以为物品间的空隙的保留策略，保留策略可以有多种，例如，如果两物品相邻，但是中间留了一个不足以通行的缝隙，调整为把两物品紧靠在一起。

s403，基于预设的方案筛选规则，对优化后的物品摆放方案进行筛选处理。

方案筛选规则可以为预先设置的一些强制规则，如果物品摆放方案符合方案筛选规则，则将该方案删除；可以采用人工或者自动方式对所有物品摆放方案进行评价，优先推荐评价分高的物品摆放方案。

在一个实施例中，与目标房间相对应的户型结构数据包括门、窗、墙等结构数据，基于待摆放物品生成列表list_furnitures＝["床","衣柜","梳妆台","桌子"]。如图5a至5e,将目标房间设置为空房间状态，依次确定与每个待摆放物品相对应的多个候选摆放信息，依次获取每个待摆放物品相对应的推荐摆放信息，并生成物品摆放方案。

依此从list_furnitures中取下一个待摆放的物品，根据户型结构数据、第一物品属性信息和第二物品属性信息，计算与目标房间相对应的mask图，mask图的尺寸与目标房间户型尺寸一致，mask中的各点的值是0或者255。根据第一物品属性信息和第二物品属性信息，使用物品位置筛选规则在mask图中确定多个候选摆放信息，删除会引起穿越墙壁、跟已摆放物品重叠、挡路等异常结果的候选摆放信息。

利用预先训练好的图神经网络gnn模型分别获取与多个候选摆放信息相对应的多个摆放概率；将多个摆放概率按由大到小进行排序，获取位于此排序头部的两个摆放概率，将与两个摆放概率所对应的两个候选摆放信息作为推荐摆放信息，生成列表selected_proposals。

依次循环执行上述的方法，获取llist_furnitures中的全部待摆放物品相对应的全部推荐摆放信息，根据全部推荐摆放信息、全部推荐摆放信息之间的关联关系以及户型结构数据，生成多个物品摆放方案。优化每个物品摆放方案中的待摆放物品的摆放位置以及摆放方位并进行筛选处理。

示例性装置

在一个实施例中，如图6a所示，本公开提供一种室内物品自动摆放处理装置，包括：信息获取模块601、候选摆放获取模块602、推荐摆放获取模块603和摆放方案生成模块604。

信息获取模块601获取与目标房间相对应的户型结构数据、目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息。候选摆放获取模块602根据户型结构数据、第一物品属性信息和第二物品属性信息，使用预设的物品位置筛选规则获取与待摆放物品相对应的至少一个候选摆放信息。

推荐摆放获取模块603利用神经网络模型获取与候选摆放信息相对应的摆放概率，基于摆放概率获取与待摆放物品相对应的至少一个推荐摆放信息。摆放方案生成模块604基于推荐摆放信息以及户型结构数据生成与目标房间相对应的物品摆放方案。神经网络模型包括：预先训练好的图神经网络gnn模型；候选摆放信息包括：第一摆放位置和朝向；推荐摆放信息包括：第二摆放位置和朝向。

在一个实施例中，第一物品属性信息和第二物品属性信息包括：物品类别、物品风格、物品尺寸、物品摆放属性；已经摆放物品和待摆放物品包括：家具、电器、装饰品中的一种或多种；户型结构数据包括：墙面分布数据、门窗分布数据、面积数据、层高数据中的一种或多种。

候选摆放获取模块602根据户型结构数据、第一物品属性信息和第二物品属性信息，计算与目标房间相对应的mask图。候选摆放获取模块602根据第一物品属性信息和第二物品属性信息，使用物品位置筛选规则在mask图中确定多个候选摆放信息；其中，物品位置筛选规则包括：禁止摆放重叠、禁止穿壁、禁止挡路规则中的一个或多个。

待摆放物品的数量为多个，候选摆放获取模块602将目标房间设置为空房间状态，依次确定与每个待摆放物品相对应的多个候选摆放信息。推荐摆放获取模块603依次获取每个待摆放物品相对应的推荐摆放信息；其中，候选摆放获取模块602将已确定了候选摆放信息的待摆放物品设置为目标房间内已经摆放物品。

推荐摆放获取模块603利用神经网络模型分别获取与多个候选摆放信息相对应的多个摆放概率；推荐摆放获取模块603将多个摆放概率按由大到小进行排序，获取位于此排序头部的一个或多个摆放概率，将与此一个或多个摆放概率所对应的一个或多个候选摆放信息作为推荐摆放信息。

摆放方案生成模块604获取与全部待摆放物品相对应的全部推荐摆放信息，根据全部推荐摆放信息、全部推荐摆放信息之间的关联关系以及户型结构数据，生成多个物品摆放方案。

在一个实施例中，如图6b中，室内物品自动摆放处理装置包括：摆放方案优化模块605和摆放方案筛选模块606。摆放方案优化模块605在生成物品摆放方案后，基于预设的物品摆放策略并根据户型结构数据，优化物品摆放方案中的待摆放物品的摆放位置以及摆放方位；其中，物品摆放策略包括：贴墙策略、贴地策略、空隙保留策略中的一项或者多项。摆放方案筛选模块606基于预设的方案筛选规则，对优化后的物品摆放方案进行筛选处理。

图7是本公开的电子设备的一个实施例的结构图，如图7所示，电子设备71包括一个或多个处理器711和存储器712。

处理器711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71中的其他组件以执行期望的功能。

存储器712可以包括一个或多个计算机程序产品，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。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。非易失性存储器，例如，可以包括：只读存储器(rom)、硬盘以及闪存等。在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711可以运行程序指令，以实现上文的本公开的各个实施例的室内物品自动摆放处理方法以及/或者其他期望的功能。在计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备71还可以包括：输入装置713以及输出装置714等，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。此外，该输入设备713还可以包括例如键盘、鼠标等等。该输出装置714可以向外部输出各种信息。该输出设备714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。

当然，为了简化，图7中仅示出了该电子设备71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71还可以包括任何其他适当的组件。

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，计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的室内物品自动摆放处理方法中的步骤。

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。

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“示例性方法”部分中描述的根据本公开各种实施例的室内物品自动摆放处理方法中的步骤。

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(非穷举的列举)可以包括：具有一个或者多个导线的电连接、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。

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、优势以及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。

上述实施例中的室内物品自动摆放处理方法、装置以及电子设备、存储介质，根据户型结构数据、目标房间内已经摆放物品的第一物品属性信息和待摆放物品的第二物品属性信息，使用预设的物品位置筛选规则获取与待摆放物品相对应的候选摆放信息；利用神经网络模型获取与候选摆放信息相对应的摆放概率，基于摆放概率获取待摆放物品的推荐摆放信息，基于推荐摆放信息以及户型结构数据生成物品摆放方案；能够考虑摆放的物品之间的位置约束关系以及物品的禁止摆放等规则，智能生成与所述目标房间相对应的物品摆放方案，可以保证物品摆放方案的合理性；节省设计师资源和设计流程时间，为物品摆放提供合理的参考建议，能够帮助用户进行装修决策，节省设计师资源和设计流程时间，能够简化装修设计环节流程并可以为用户装修的决策提供方便，减少装修的成本。

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。

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、设备以及系统。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。

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。

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。

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等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。

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中。尽管以上已经讨论了多个示例方面以及实施例，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。