(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210933116.5 (22)申请日 2022.08.04 (71)申请人 如你所视 （北京） 科技有限公司 地址 100085 北京市海淀区上地六街弘源 首著大厦一 号楼8层 (72)发明人 刘威　 (74)专利代理 机构 北京思源智汇知识产权代理 有限公司 1 1657 专利代理师 靳涛涛 (51)Int.Cl. G06T 7/33(2017.01) G06V 10/74(2022.01) G06T 7/11(2017.01) G06T 7/66(2017.01) (54)发明名称 确定户型图相似性的方法和系统、 电子设备 和存储介质 (57)摘要 本公开实施例公开了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； 其中， 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； 对待评估 户型图与基准户型图进行位姿配准， 得到第一户 型图或第二户型图； 基于第一户型图或第二户型 图进行分间匹配， 得到多组分间匹配对； 分别针 对多组分间匹配对中的每组分间匹配对， 从预设 多个维度确定每组分间匹配对中两个分间之间 的相似性； 基于多组分间匹配对对应的相似性， 确定第一户型图与待评估户型图之间、 或者第二 户型图与基准户型图之间的相似性。 利用本公开 实施例的方法， 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。 权利要求书4页 说明书16页 附图9页 CN 115311335 A 2022.11.08 CN 115311335 A 1.一种确定户型图相似性的方法， 其特 征在于， 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。 2.根据权利要求1所述的方法， 其特征在于， 对所述待评估户型图与 所述基准户型图进 行位姿配准， 包括： 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； 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； 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； 按照所述位姿变换矩阵， 将所述待评估户型图与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。 3.根据权利要求2所述的方法， 其特征在于， 分别确定所述基准户型图和待评估户型图 的几何中心， 包括： 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。 4.根据权利要求2所述的方法， 其特征在于， 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， 包括： 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；权　利　要　求　书 1/4 页 2 CN 115311335 A 2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。 5.根据权利要求2所述的方法， 其特征在于， 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， 包括： 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。 6.根据权利要求5所述的方法， 其特征在于， 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， 包括： 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。 7.根据权利要求6所述的方法， 其特征在于， 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， 包括： 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。 8.根据权利要求5所述的方法， 其特征在于， 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， 包括： 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，权　利　要　求　书 2/4 页 3 CN 115311335 A 3