1.一种基于人工智能的房屋装修设计方法，其特征在于，该方法包括以下步骤：采集用户待装修房屋的多张房屋图像，从多张房屋图像中提取出房屋基础信息；

获取用户的装修需求信息，分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到房屋特征信息和装修特征信息；

将所述房屋特征信息和装修特征信息输入神经网络模型中，生成房屋装修设计方案；

从多张房屋图像中获取待装修房屋的房屋户型、房屋总面积、房间数量和各个房间的长宽高，根据所述房屋户型、房屋总面积、房间数量、各个房间的长宽高和所述房屋装修设计方案构建用户待装修房屋的装修三维模型；

获取所述装修三维模型的设计参数，并输出所述装修三维模型和所述设计参数；

所述分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到房屋特征信息和装修特征信息，包括：分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到所述房屋基础信息对应的第一特征点集合和所述装修需求信息对应的第二特征点集合；

采用最小二乘法分别对所述第一特征点集合中任意一个特征点和所述第二特征点集合中任意一个特征点进行曲线拟合，分别得到第一误差值和第二误差值；

当所述第一误差值和所述第二误差值的平方和为最小值时，完成特征点匹配，得到房屋特征信息和装修特征信息；

所述分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到房屋特征信息和装修特征信息之前，还包括：获取所述房屋基础信息和所述装修需求信息，生成待处理数据集；

构建kd树存储结构，选取所述待处理数据集中任意一点为采样点，计算所述采样点的多个邻近点；

利用PCA算法得到所述待处理数据集的法向量和曲率值，计算所述采样点的光顺平滑权重参数和特征域权重参数；

根据所述采样点的光顺平滑权重参数和特征域权重参数，得到光顺平滑权重特征域权重；

根据所述光顺平滑权重特征域权重，得到双边过滤因子，并基于所述双边过滤因子确定所述采样点的几何位置，生成去噪后的待处理数据集，其中所述去噪后的待处理数据集包括去噪后的房屋基础信息和去噪后的装修需求信息。

2.如权利要求1所述的一种基于人工智能的房屋装修设计方法，其特征在于，所述神经网络模型的生成过程包括以下步骤：获取房屋装修设计的历史设计数据库，其中所述历史设计数据库包括已经完成设计的历史装修设计方案及每个历史装修设计方案的历史设计信息，其中历史设计信息至少包括房屋特征信息和装修特征信息；

对所述历史设计数据库进行数据标准化处理，并将数据标准化处理后的历史设计数据库划分为训练集和测试集；

将所述训练集输入卷积神经网络中，其中将所述每个历史装修设计方案的历史设计信息作为输入数据，已经完成设计的历史装修设计方案作为输出数据；

在训练过程中，随着层数的加深，从所述训练集中提取到的特征维度增加，输出层利用卷积层对高维隐藏层特征进行降维整合操作，得到神经网络模型；

将所述测试集输入所述神经网络模型中，对所述测试集中历史设计信息进行测试，得到所述历史设计信息对应的历史装修设计方案。

3.如权利要求2所述的一种基于人工智能的房屋装修设计方法，其特征在于，所述卷积神经网络隐藏层全部由卷积层组成，每个卷积层均在上一层的基础上对数据进行卷积操作。

4.如权利要求2所述的一种基于人工智能的房屋装修设计方法，其特征在于，每个卷积层的参数包括卷积核数量、卷积核尺寸与激活函数，卷积核尺寸表示每个卷积核能接受上层的数据，卷积核数量表示当前卷积层输出的数据维度。

5.如权利要求1所述的一种基于人工智能的房屋装修设计方法，其特征在于，所述根据所述房屋户型、房屋总面积、房间数量、各个房间的长宽高和所述房屋装修设计方案构建用户待装修房屋的装修三维模型，包括：获取所述房屋户型、房屋总面积、房间数量、各个房间的长宽高，得到坐标参数，并根据所述坐标参数构建第一三维模型；

采用三维几何形状编码器学习得到所述第一三维模型各个顶点的偏移矢量；

根据所述第一三维模型各个顶点的偏移矢量，采用三维几何形状解码器对所述第一三维模型进行变形，得到第二三维模型；

对所述房屋装修设计方案进行采样，得到物品数据、位置数据和颜色数据，根据所述物品数据和所述位置数据对第二三维模型进行物品添加，得到第三三维模型；

构建调色板，根据所述颜色数据通过颜色选择网络选择调色板中的颜色，进行整合处理，得到颜色选择信息；

将所述颜色选择信息和调色板相乘，生成表面颜色预测，根据所述表面颜色预测对所述第三三维模型进行渲染，生成装修三维模型。

6.一种基于人工智能的房屋装修设计系统，其特征在于，该系统包括数据获取模块、特征提取模块、方案生成模块、模型构建模块和参数输出模块，其中，所述数据获取模块，用于采集用户待装修房屋的多张房屋图像，从多张房屋图像中提取出房屋基础信息；

所述特征提取模块，用于获取用户的装修需求信息，分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到房屋特征信息和装修特征信息；

所述方案生成模块，用于将所述房屋特征信息和装修特征信息输入神经网络模型中，生成房屋装修设计方案；

所述模型构建模块，用于从多张房屋图像中获取待装修房屋的房屋户型、房屋总面积、房间数量和各个房间的长宽高，根据所述房屋户型、房屋总面积、房间数量、各个房间的长宽高和所述房屋装修设计方案构建用户待装修房屋的装修三维模型；

所述参数输出模块，用于获取所述装修三维模型的设计参数，并输出所述装修三维模型和所述设计参数；

所述特征提取模块包括生成子模块、拟合子模块和匹配子模块，其中，所述生成子模块，用于分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到所述房屋基础信息对应的第一特征点集合和所述装修需求信息对应的第二特征点集合；

所述拟合子模块，用于采用最小二乘法分别对所述第一特征点集合中任意一个特征点和所述第二特征点集合中任意一个特征点进行曲线拟合，分别得到第一误差值和第二误差值；

所述匹配子模块，用于当所述第一误差值和所述第二误差值的平方和为最小值时，完成特征点匹配，得到房屋特征信息和装修特征信息；

所述分别对所述房屋基础信息和所述装修需求信息进行关键特征提取，得到房屋特征信息和装修特征信息之前，还包括：获取所述房屋基础信息和所述装修需求信息，生成待处理数据集；

构建kd树存储结构，选取所述待处理数据集中任意一点为采样点，计算所述采样点的多个邻近点；

利用PCA算法得到所述待处理数据集的法向量和曲率值，计算所述采样点的光顺平滑权重参数和特征域权重参数；

根据所述采样点的光顺平滑权重参数和特征域权重参数，得到光顺平滑权重特征域权重；

根据所述光顺平滑权重特征域权重，得到双边过滤因子，并基于所述双边过滤因子确定所述采样点的几何位置，生成去噪后的待处理数据集，其中所述去噪后的待处理数据集包括去噪后的房屋基础信息和去噪后的装修需求信息。

7.如权利要求6所述的一种基于人工智能的房屋装修设计系统，其特征在于，所述模型构建模块包括构建子模块、学习子模块、变形子模块、采样子模块、选择子模块和渲染子模块，其中，所述构建子模块，用于获取所述房屋户型、房屋总面积、房间数量、各个房间的长宽高，得到坐标参数，并根据所述坐标参数构建第一三维模型；

所述学习子模块，用于采用三维几何形状编码器学习得到所述第一三维模型各个顶点的偏移矢量；

所述变形子模块，用于根据所述第一三维模型各个顶点的偏移矢量，采用三维几何形状解码器对所述第一三维模型进行变形，得到第二三维模型；

所述采样子模块，用于对所述房屋装修设计方案进行采样，得到物品数据、位置数据和颜色数据，根据所述物品数据和所述位置数据对第二三维模型进行物品添加，得到第三三维模型；

所述选择子模块，用于构建调色板，根据所述颜色数据通过颜色选择网络选择调色板中的颜色，进行整合处理，得到颜色选择信息；

所述渲染子模块，用于将所述颜色选择信息和调色板相乘，生成表面颜色预测，根据所述表面颜色预测对所述第三三维模型进行渲染，生成装修三维模型。