本技术涉及户型图生成，具体是一种三维户型图生成方法。
背景技术：
1、三维户型图是现代家装公司向客户展示设计效果的常用技术手段，其能够实现直观且便捷地向客户展示家装公司为客户进行的个性化的家装方案，在实际应用中既便于家装设计师向客户解释家装方案也便于客户理解对应的家装方案，并实现最大程度上直观展示在家装完成后的实际效果。因此，对三维户型图及对应的生成方法进行研究是必要的。但现有渲染技术虽然能够生成高质量的图像，但是缺乏对智能场景生成的能力。这意味着它不能自动识别和生成场景元素，而需要人工进行设计和布局，这限制了其应用的灵活性和效率。现有的人工智能生成的场景图像，虽然具有智能性，能够自动生成场景元素，但在真实感和细节方面存在不足。这种技术生成的图像可能在视觉上不够真实，缺乏足够的细节和质感，从而影响最终图像的质量和逼真度。
2、中国专利号cn202111428640.9公开了一种房屋户型确定方法、装置和系统、电子设备和存储介质，该方法包括：获取第一图像，所述第一图像为全景图，且包括待测场景的所有结构元素，待测场景为所述房屋的物理空间；针对每个结构元素确定出目标采集点，目标采集点用于绘制待测场景；测量目标采集点的结构数据；根据目标采集点和每个目标采集点对应的结构数据生成待测场景的第二图像，第二图像为房屋的户型图，包括三维户型图和平面户型图；结合第一图像对三维户型图进行图像渲染，得到第三图像，第三图像为全景三维户型图。该方法提出了ai技术在三维户型图上的应用，但并未做更加深入的研究，即未对如何优化二维图如何转化为三维图、如何优化渲染效果以及如何调整最终图像显示方案提出对应的技术方案。
3、综上，现有技术亟需一个对三维户型图生成进行优化的技术方案。
技术实现思路
1、本技术的目的在于提供一种三维户型图生成方法，以解决上述背景技术中提出的技术问题。
2、为实现上述目的，本技术公开了以下技术方案：一种三维户型图生成方法，包括：
3、s1：数据预处理，所述数据预处理用于利用现有图像获取训练数据集；所述训练数据集包括设置有空间编号的训练二维户型图和设置有元素编号的训练细节元素；所述空间编号与所述元素编号对应；
4、s2：利用所述训练数据集训练并得到升维深度学习模型；所述升维深度学习用于将所述训练二维户型图像转化为三维结构，并对所述三维结构填充所述训练细节元素得到三维模型；
5、s3：获取对应的实时数据集，运行所述升维深度学习模块，得到实时三维模型；所述实时数据集包括实时二维户型图和实时细节元素；
6、s4：将所述实时三维模型导入预设的图生图系统中，获取渲染参数集，并进行结合渲染，得到第一三维户型图；所述图生图系统用于进行所述结合渲染，所述渲染参数集用于提供渲染参数，所述渲染参数包括主色调、材料纹理和光影参数，所述结合渲染用于对所述三维模型进行填充颜色、纹理和光影效果；
7、s5：获取生图参数集，在所述图生图系统中对所述第一三维户型图进行结合调整，得到实时三维户型图；所述生图参数集存储有进行所述结合调整的背景环境、显示色彩、对比度和光强对应的参数，所述图生图系统还用于进行所述结合调整，所述结合调整用于对所述第一三维户型图进行背景环境、显示色彩、对比度和光强的调整。
8、作为优选，所述现有图像包括户型照片、渲染软件生成的高质量图像和3d建模软件生成的线条模型中的任意一种或多种。
9、作为优选，所述的利用现有图像获取训练数据集，具体包括：
10、获取图像要素，所述图像要素包括图像数据、深度信息、几何特征和语义信息；
11、标注所述图像要素，得到二维户型图和细节元素；所述二维户型图用于表征户型的空间结构及对应的点、线和面并用对应的所述空间编号进行标注，所述空间编号用于转化为所述三维结构时进行对应的空间结构的匹配；所述细节元素用于表征所述空间结构对应的真实细节元素并用对应的所述元素编号进行标注；所述空间编号与所述元素编号对应用于对所述三维结构进行填充时的匹配；
12、将所述二维户型图和所述细节元素分别输出得到对应的所述训练二维户型图和所述训练细节元素，并打包后定义为所述训练数据集。
13、作为优选，所述的利用所述训练数据集训练并得到升维深度学习模型中的训练具体包括训练所述升维深度学习模型执行以下步骤：
14、a1：获取并解析所述训练数据集，得到设置有所述空间编号的训练二维户型图和设置有所述元素编号的训练细节元素；
15、a2：利用所述空间编号，将所述训练二维户型图中的点、线和面对应的升维成所述三维结构，并保留所述空间编号；
16、a3：基于所述空间编号和所述元素标号的对应关系，并利用所述元素编号，对应填充所述三维结构，并保留对应的所述空间编号和所述元素编号，得到所述三维模型。
17、作为优选，所述的获取对应的实时数据集，具体包括：
18、获取实时图像并获取实时图像要素，标注实时图像要素，得到对应的实时二维户型图和实时细节元素；
19、将所述实时二维户型图和实时细节元素输出并打包定义为所述实时数据集。
20、作为优选，所述的运行所述升维深度学习模块，得到实时三维模型，具体包括以下步骤：
21、b1：获取并解析所述实时数据集，得到设置有所述空间编号的实时二维户型图和设置有所述元素编号的实时细节元素；
22、b2：利用所述空间编号，将所述实时二维户型图中的点、线和面对应的升维成实时三维结构，并保留所述空间编号；
23、b3：基于所述空间编号和所述元素标号的对应关系，并利用所述元素编号，对应填充所述实时三维结构，并保留对应的所述空间编号和所述元素编号，得到实时三维模型。
24、作为优选，所述的将所述实时三维模型导入预设的图生图系统中，还包括以下步骤：
25、c1：对所述实时三维模型进行颜色分析，得到颜色分析结果；所述颜色分析配置为基于设计师输入的所述主色调对所述实时三维模型进行颜色分配；
26、c2：对所述实时三维模型进行纹理分析，得到纹理分析结果；所述纹理分析配置为基于设计师输入的所述材料纹理对所述实时三维模型进行纹理分配；
27、c3：对所述实时三维模型进行光影分析，得到光影分析结果；所述光影分析配置为基于设计师输入的所述光影参数对所述实时三维模型进行光影分配。
28、作为优选，所述的并进行结合渲染，得到第一三维户型图，具体包括：
29、基于所述颜色分析结果、所述纹理分析结果和所述光影分析结果对所述实时三维模型进行填充对应的颜色、纹理和光影效果，得到所述第一三维户型图。
30、作为优选，所述的在所述图生图系统中对所述第一三维户型图进行结合调整，得到实时三维户型图，具体包括：
31、获取所述背景环境，将所述第一三维户型图植入所述背景环境，并在植入后进行对应的所述显示色彩、所述对比度和所述光强调整。
32、作为优选，所述的在所述图生图系统中对所述第一三维户型图进行结合调整，得到实时三维户型图，还包括：
33、预设显示色彩阈值、对比度阈值和光强阈值，并基于所述生图参数集，得到对应的生图参数冗余集；
34、基于所述生图参数冗余集对所述第一三维户型图进行结合调整，得到实时三维户型冗余图集。
35、有益效果：本技术的三维户型图生成方法，通过数据预处理为自动进行二维图像向三维结构的升维提供了数据基础，通过设置空间编号和元素编号为自动识别和生成三维模型提供了技术手段，并省去了人工设计和布局，提高了应用的灵活性和效率，通过升维深度学习模型实现了二维图像向三维模型的自动生成，并为进行图像优化提供了准确的模型基础，通过获取渲染参数集和生图参数集，并结合图生图系统，实现了基于三维模型的三维户型图的自动生成和优化，从而提升图像的真实感和智能自动生成的能力。
1.一种三维户型图生成方法，其特征在于，包括：
2.根据权利要求1所述的三维户型图生成方法，其特征在于，所述现有图像包括户型照片、渲染软件生成的高质量图像和3d建模软件生成的线条模型中的任意一种或多种。
3.根据权利要求2所述的三维户型图生成方法，其特征在于，所述的利用现有图像获取训练数据集，具体包括：
4.根据权利要求1所述的三维户型图生成方法，其特征在于，所述的利用所述训练数据集训练并得到升维深度学习模型中的训练具体包括训练所述升维深度学习模型执行以下步骤：
5.根据权利要求3所述的三维户型图生成方法，其特征在于，所述的获取对应的实时数据集，具体包括：
6.根据权利要求4所述的三维户型图生成方法，其特征在于，所述的运行所述升维深度学习模块，得到实时三维模型，具体包括以下步骤：
7.根据权利要求1所述的三维户型图生成方法，其特征在于，所述的将所述实时三维模型导入预设的图生图系统中，还包括以下步骤：
8.根据权利要求7所述的三维户型图生成方法，其特征在于，所述的并进行结合渲染，得到第一三维户型图，具体包括：
9.根据权利要求1所述的三维户型图生成方法，其特征在于，所述的在所述图生图系统中对所述第一三维户型图进行结合调整，得到实时三维户型图，具体包括：
10.根据权利要求9所述的三维户型图生成方法，其特征在于，所述的在所述图生图系统中对所述第一三维户型图进行结合调整，得到实时三维户型图，还包括：
