一种自动生成三维房屋布局的方法、系统、装置及介质

1.本发明涉及智能识别技术领域，尤其涉及一种自动生成三维房屋布局的方法、系统、装置及介质。


背景技术：

2.目前，在建筑设计领域中，只有专业的建筑设计师才能够设计房屋建筑布局，对于专业建筑师来说，布局设计是一件非常耗时的事情，而且非专业用户在没有专业知识的情况下，也无法进行建筑房屋设计。为此，越来越多的自动化建筑房屋布局设计方法得到广泛的应用。然而，由于用户不是专业的建筑设计师，用户总是会提供一些冗余且复杂的需求，一些带有感情色彩的需求比如说我希望有一个很温馨的房子，使得建筑师很难对其进行直接设计。进一步地，用户的建筑布局一般都会提供固定的布局轮廓即建筑用地，使得房间布局的设计过程中需要同时考虑布局轮廓。一般来说，房间布局都是不能超过布局轮廓的大小。然而，布局轮廓本身的不规则几何形状使得提取布局轮廓的特征信息是很困难的一件事情，如何有效的利用建筑布局轮廓的问题亟待解决。
3.综上所述，如何简单化用户需求并且结合不规则的布局轮廓来自动生成房屋布局等问题，是目前本领域技术人员急需解决的问题。


技术实现要素：

4.为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种自动生成三维房屋布局的方法、系统、装置及介质。
5.本发明所采用的技术方案是：
6.一种自动生成三维房屋布局的方法，包括以下步骤：
7.获取用户的建筑结构化需求，其中所述建筑结构化需求包括布局需求和轮廓需求；
8.将所述布局需求和所述轮廓需求基于建筑数据集进行解析，搜索获得满足所述布局需求和所述轮廓需求的建筑气泡图；
9.根据获得的所述建筑气泡图以及所述轮廓需求获取二维建筑布局；
10.根据所述二维建筑布局进行三维渲染，生成三维建筑布局，作为输出的三维建筑模型。
11.进一步地，所述建筑结构化需求还包括风格需求；
12.所述根据所述二维建筑布局进行三维渲染，生成三维建筑布局，作为输出的三维建筑模型，包括：
13.获取风格需求，将所述风格需求转化为对每个房间的地板以及墙的装修纹理图片；
14.利用所述装修纹理图片对所述二维建筑布局进行渲染，并根据预设的高度生成三维模型；
15.根据所述风格需求从预设的家居数据库中调取三维家具模型；
16.将所述三维家具模型映射至所述三维模型，获得三维建筑布局，作为输出的三维建筑模型。
17.进一步地，所述将所述三维家具模型映射至所述三维模型，包括：
18.根据三维转换矩阵将所述三维家具模型映射到至所述三维模型；
19.其中，映射的表达式如下：
[0020][0021]
式中，表示三维家具模型，由三维坐标组成；qi表示在三维模型中三维家具模型的位置；t表示三维转换矩阵。
[0022]
进一步地，所述布局需求包括对于房间布局的房间类型以及房间数目，所述轮廓需求包括给定用地的几何轮廓；
[0023]
所述将所述布局需求和所述轮廓需求基于建筑数据集进行解析，搜索获得满足所述布局需求和所述轮廓需求的建筑气泡图，包括：
[0024]
根据所述布局需求在建筑数据集中搜索，获得满足用户房间类型以及房间数目的第一建筑气泡图与轮廓对数据；
[0025]
根据所述轮廓需求对所述第一建筑气泡图和所述轮廓对数据进行轮廓排序，获得匹配所述轮廓需求的建筑气泡图数据；
[0026]
根据所述轮廓需求对所述建筑气泡图数据做进一步调整，获得满足所述布局需求和所述轮廓需求的建筑气泡图。
[0027]
进一步地，所述根据获得的所述建筑气泡图以及所述轮廓需求获取二维建筑布局，包括：
[0028]
采用预训练好的二维布局特征生成模型对所述建筑气泡图和所述轮廓需求进行特征提取，获得房间布局的边界框；
[0029]
根据所述轮廓需求对房间布局的边界框进行融合处理，获得二维建筑布局。
[0030]
进一步地，所述二维布局特征生成模型通过以下方式获得：
[0031]
利用第一线性层、第一池化层构建图神经网络；
[0032]
利用第二线性层、线性整流层、第二池化层、批量归一化层构建循环神经网络；
[0033]
根据所述图神经网络与所述循环神经网络构建二维布局特征生成模型，在二维布局特征生成模型中插入边界框回归损失函数作为目标损失函数；
[0034]
将所述目标损失函数结合训练集，对所述二维布局特征生成模型进行训练，获得训练后的所述二维布局特征生成模型；
[0035]
其中，训练集中包括建筑气泡图和轮廓数据。
[0036]
进一步地，所述采用预训练好的二维布局特征生成模型对所述建筑气泡图和所述轮廓需求进行特征提取，包括：
[0037]
将所述用户轮廓需求转化为轮廓点集的形式，通过所构建的循环神经网络提取轮廓的特征；
[0038]
通过所述图神经网络对所述建筑气泡图进行特征提取，获取建筑气泡图特征。
[0039]
本发明所采用的另一技术方案是：
[0040]
一种自动生成三维房屋布局的系统，包括：
[0041]
需求获取模块，用于获取用户的建筑结构化需求，其中所述建筑结构化需求包括布局需求和轮廓需求；
[0042]
数据搜索模块，用于将所述布局需求和所述轮廓需求基于建筑数据集进行解析，搜索获得满足所述布局需求和所述轮廓需求的建筑气泡图；
[0043]
二维布局模块，用于根据获得的所述建筑气泡图以及所述轮廓需求获取二维建筑布局；
[0044]
三维布局模块，用于根据所述二维建筑布局进行三维渲染，生成三维建筑布局，作为输出的三维建筑模型。
[0045]
本发明所采用的另一技术方案是：
[0046]
一种自动生成三维房屋布局的装置，包括：
[0047]
至少一个处理器；
[0048]
至少一个存储器，用于存储至少一个程序；
[0049]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。
[0050]
本发明所采用的另一技术方案是：
[0051]
一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。
[0052]
本发明的有益效果是：本发明将用户需求转化为了简单的结构化需求，减少了用户需求的冗余，减轻了用户提供需求的负担。
附图说明
[0053]
为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员而言，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
[0054]
图1是本发明实施例中一种自动生成三维房屋布局的方法的实施流程图；
[0055]
图2是本发明实施例中一种自动生成三维房屋布局的方法的算法框架图；
[0056]
图3是本发明实施例中一种自动生成三维房屋布局的方法的需求解析示意图；
[0057]
图4是本发明实施例中一种自动生成三维房屋布局的方法的二维房屋布局可视化结果；
[0058]
图5是本发明实施例中一种自动生成三维房屋布局的方法的三维房屋布局可视化结果；
[0059]
图6是本发明实施例中一种自动生成三维房屋布局的方法的多样化三维房屋可视化结果。
具体实施方式
[0060]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附
图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0061]
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0062]
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0063]
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0064]
如图1所示，本实施例提供一种自动生成三维房屋布局的方法，该方法基于结构化需求自动生成三维房屋布局，为便于本发明实施例的理解，图2展示了一种基于结构化需求自动生成三维房屋布局的算法框架图。本实施例方法包括以下步骤：
[0065]
s1、获取用户的建筑结构化需求，其中建筑结构化需求包括布局需求和轮廓需求。
[0066]
在获取用户需求的过程中，本实施例方法将用户需求规定为布局需求及轮廓需求的建筑结构化需求。其中，布局需求包含了用户对于建筑布局的房间类型以及房间数的要求，轮廓需求包含了建筑用地的规划要求，即用户布局的给定用地的几何轮廓。
[0067]
s2、将布局需求和轮廓需求基于建筑数据集进行解析，搜索获得满足布局需求和轮廓需求的建筑气泡图。
[0068]
其中，步骤s2包括步骤s21-s23：
[0069]
s21、根据布局需求在建筑数据集中搜索，获得满足用户房间类型以及房间数目的第一建筑气泡图与轮廓对数据；
[0070]
s22、根据轮廓需求对第一建筑气泡图和轮廓对数据进行轮廓排序，获得匹配轮廓需求的建筑气泡图数据；
[0071]
s23、根据轮廓需求对建筑气泡图数据做进一步调整，获得满足布局需求和轮廓需求的建筑气泡图。
[0072]
参见图3，图3展示了对布局与轮廓需求进行解析的示意图。基于已有的建筑数据集，首先通过布局要求的解析，即客厅、卧室、卫生间等的数目要求，在数据集中搜索得到满足数目要求的建筑气泡图以及轮廓对。为了确定搜索得到的建筑气泡图是否满足于轮廓要求，本实施例方法通过轮廓需求与搜索出来的轮廓对中的轮廓进行比较的方法，来对建筑气泡图满足于轮廓需求的程度进行排序，排序得到前几个满足于轮廓要求的建筑气泡图之后，通过对建筑气泡图进行调整，使其满足于轮廓要求。
[0073]
s3、根据获得的建筑气泡图以及轮廓需求获取二维建筑布局。
[0074]
利用得到的建筑气泡图以及轮廓需求，使用神经网络进行特征处理，并后处理得到二维建筑布局。可选地，步骤s3包括步骤s31-s32：
[0075]
s31、采用预训练好的二维布局特征生成模型对建筑气泡图和轮廓需求进行特征提取，获得房间布局的边界框；
[0076]
s32、根据轮廓需求对房间布局的边界框进行融合处理，获得二维建筑布局。
[0077]
在一些实施例中，二维布局特征生成模型通过以下方式获得：
[0078]
a1、利用第一线性层、第一池化层构建图神经网络；
[0079]
a2、利用第二线性层、线性整流层、第二池化层、批量归一化层构建循环神经网络；
[0080]
a3、根据图神经网络与循环神经网络构建二维布局特征生成模型，在二维布局特征生成模型中插入边界框回归损失函数作为目标损失函数；
[0081]
a4、将目标损失函数结合训练集中的建筑气泡图和轮廓数据，对二维布局特征生成模型进行训练，获得训练后的二维布局特征生成模型。
[0082]
基于上述的二维布局特征生成模型，步骤s31包括步骤s311-s312：
[0083]
s311、将用户轮廓需求转化为轮廓点集的形式，通过所构建的循环神经网络提取轮廓的特征；
[0084]
s312、通过图神经网络对建筑气泡图进行特征提取，获取建筑气泡图特征。
[0085]
通过步骤s2中得到的建筑气泡图以及轮廓需求，本实施例方法利用线性层、池化层构建图神经网络来提取建筑气泡图的特征；利用线性层、线性整流层、池化层、批量归一化层构建循环神经网络。对于轮廓，将其处理成点集的形式，考虑到轮廓点集的有序性，通过构建的循环神经网络来提取轮廓特征。结合所述的图神经网络与循环神经网络得到的特征，得到了预测二维建筑布局的总体特征。本实施例方法在其中插入边界框回归损失函数作为目标损失函数：
[0086][0087]
其中，oi表示每个房间布局的二维边界框的真实标签，表示利用二维建筑布局总体特征所得到的预测二维边界框，m表示每个建筑布局中的房间数目。
[0088]
利用上述方式得到的二维边界框，进一步将边界框进行对齐，通过轮廓需求对边界框进行约束，从而得到二维建筑布局图。
[0089]
s4、根据二维建筑布局进行三维渲染，生成三维建筑布局，作为输出的三维建筑模型。
[0090]
在一些实施例中，直接将输出的三维建筑布局作为最终输出给用户的三维建筑模型，即三维建筑模型中不包含装修家居。
[0091]
在一些实施例中，通过调取三维家居模型，对三维建筑布局进行布置后，作为最终输出给用户的三维建筑模型。具体实现方式如下：
[0092]
该建筑结构化需求还包括风格需求，即用户还需要输入风格需求，该风格需求包含了对建筑装修风格的要求，比如欧式、北欧等风格。可选地，步骤s4包括步骤s41-s44：
[0093]
s41、获取风格需求，将风格需求转化为对每个房间的地板以及墙的装修纹理图片；
[0094]
s42、利用装修纹理图片对二维建筑布局进行渲染，并根据预设的高度生成三维模型；
[0095]
s43、根据风格需求从预设的家居数据库中调取三维家具模型；
[0096]
s44、将三维家具模型映射至三维模型，获得三维建筑布局，作为输出的三维建筑模型。
[0097]
通过用户的风格需求得到对于二维建筑布局的地板与墙面的纹理方案，设定一定高度来生成三维建筑模型。然后，利用三维渲染工具将纹理方案渲染到三维建筑模型中，得到渲染后的三维建筑模型。再通过设定好的家具布局规则，将三维的家具模型映射到三维建筑模型中，得到满足用户要求的三维建筑模型。
[0098]
在一些可选的实施例中，通过以下方式将三维家居模型映射到三维建筑模型中：
[0099]
根据风格要求进行家具自动布置，本实施例方法通过三维转换矩阵将预先设计的三维家具模型映射到三维建筑布局中：
[0100][0101]
其中表示三维家具模型，由三维坐标组成，qi表示在三维建筑布局中三维家具模型的位置，t表示三维转换矩阵，通过三维家具模型的边界框与三维建筑布局中三维家具模型位置的边界框进行预测。
[0102]
在一些可选的实施例中，在三维建筑布局中，本实施例方法通过设定两个规则对家具进行摆布，第一种是全局规则，新放置的家具不仅不能与已放置的家具干涉，而且不能与门、窗户的活动空间干涉；第二种是特定的家具规则，不同的家具有不同的家具放置规则，如床来说，其需要放置在靠墙中间的位置，而床头柜需要放置在床的两侧。
[0103]
以下结合实验比对和附图对上述方法进行详细解释说明。
[0104]
1)实验数值结果
[0105]
将上述基于结构化需求自动生成三维房屋布局的方法应用到了建筑数据集rplan和t3hm上，与其他方法相比，本实施例方法得到的预测二维布局边界框与真实二维布局边界框的交并比以及与轮廓的交并比结果如下表1所示：
[0106]
表1：t3hm与rplan上的结果
[0107][0108]
为了进一步验证方法的有效性，本实施例方法还进行了人类研究调研，与其他方法相比，本实施例方法达到了目前最好的性能，其结果如下表2所示：
[0109]
表2：不同方法利用rplan进行人类研究实验的结果
[0110][0111]
2)可视化结果
[0112]
为了进一步说明本方法的有效性，下图展示了可视化结果。
[0113]
在图4中，基于用户相同的需求，用我们的方法与其他方法一起生成二维房屋布局，我们提供了关于rplan数据集的二维建筑布局图可视化结果。从结果可以看出，我们的方法可以提供更为规整的房间布局。
[0114]
为了验证本方法在生成三维房屋布局上的效果，我们基于用户的需求，用我们的方法与其他方法生成二维房屋布局，并且利用我们的三维渲染方法进行渲染。图5展示了本方法在三维房屋布局生成上的可视化结果。此外，为了验证我们方法方法可以生成不同的三维房屋布局，在图6中，我们提供了多样化三维房屋布局的可视化结果。
[0115]
综上所述，本实施例的方法，获取用户布局、轮廓以及风格的建筑结构化需求，然后将所述布局、轮廓要求在建筑数据集中搜索得到满足用户布局、轮廓要求的建筑气泡图数据，通过图神经网络对建筑气泡图数据特征进行提取，循环神经网络对轮廓数据特征进行提取。然后结合两者的特征，来生成房间布局的边界框，对边界框进行后处理从而得到二维建筑布局。然后结合用户的风格化需求以及二维建筑布局，利用固定高度来生成三维模型并进行三维渲染以及三维家具模型的布置，便可获得三维建筑模型。与现有技术相比，具体如下有益效果：
[0116]
(1)由于将用户需求转化为了简单的结构化需求，从而减少了用户需求的冗余，减轻了用户提供需求的负担。
[0117]
(2)在对轮廓数据的处理上，由于将轮廓数据转化为点集的形式并采用循环神经网络进行特征提取，因而，在轮廓数据处理的网络计算量上可大幅度降低以及提高二维房屋布局边界框生成的精确程度，因而可将本发明实施例所提供的基于结构化需求自动生成三维房屋布局的方发应用到建筑设计领域中。
[0118]
本实施例还提供一种自动生成三维房屋布局的系统，包括：
[0119]
需求获取模块，用于获取用户的建筑结构化需求，其中所述建筑结构化需求包括布局需求和轮廓需求；
[0120]
数据搜索模块，用于将所述布局需求和所述轮廓需求基于建筑数据集进行解析，搜索获得满足所述布局需求和所述轮廓需求的建筑气泡图；
[0121]
二维布局模块，用于根据获得的所述建筑气泡图以及所述轮廓需求获取二维建筑布局；
[0122]
三维布局模块，用于根据所述二维建筑布局进行三维渲染，生成三维建筑布局，作为输出的三维建筑模型。
[0123]
本实施例的一种自动生成三维房屋布局的系统，可执行本发明方法实施例所提供的一种自动生成三维房屋布局的方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0124]
本实施例还提供一种自动生成三维房屋布局的装置，包括：
[0125]
至少一个处理器；
[0126]
至少一个存储器，用于存储至少一个程序；
[0127]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现图1所示方法。
[0128]
本实施例的一种自动生成三维房屋布局的装置，可执行本发明方法实施例所提供的一种自动生成三维房屋布局的方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0129]
本技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
[0130]
本实施例还提供了一种存储介质，存储有可执行本发明方法实施例所提供的一种自动生成三维房屋布局的方法的指令或程序，当运行该指令或程序时，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0131]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0132]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0133]
所述功能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(可以是个人计算机，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、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0134]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设
备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0135]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0136]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0137]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0138]
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0139]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。