CN108401318A - 基于物体表面三维形貌分析的智能照明控制系统及方法 - Google Patents
基于物体表面三维形貌分析的智能照明控制系统及方法 Download PDFInfo
- Publication number
- CN108401318A CN108401318A CN201810168330.XA CN201810168330A CN108401318A CN 108401318 A CN108401318 A CN 108401318A CN 201810168330 A CN201810168330 A CN 201810168330A CN 108401318 A CN108401318 A CN 108401318A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- image
- illuminating effect
- illumination
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 91
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 179
- 238000005286 illumination Methods 0.000 claims abstract description 88
- 230000033001 locomotion Effects 0.000 claims abstract description 63
- 239000004065 semiconductor Substances 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000005516 engineering process Methods 0.000 claims description 30
- 230000000007 visual effect Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 11
- 235000013399 edible fruits Nutrition 0.000 claims description 10
- 238000013139 quantization Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 230000004438 eyesight Effects 0.000 claims description 7
- 230000001953 sensory effect Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000004020 conductor Substances 0.000 claims description 2
- 238000000205 computational method Methods 0.000 claims 1
- 230000005662 electromechanics Effects 0.000 claims 1
- 238000002474 experimental method Methods 0.000 abstract description 8
- 230000008447 perception Effects 0.000 abstract description 5
- 238000011161 development Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 235000014653 Carica parviflora Nutrition 0.000 description 3
- 241000243321 Cnidaria Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 241001465382 Physalis alkekengi Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- ZWIBGKZDAWNIFC-UHFFFAOYSA-N disuccinimidyl suberate Chemical compound O=C1CCC(=O)N1OC(=O)CCCCCCC(=O)ON1C(=O)CCC1=O ZWIBGKZDAWNIFC-UHFFFAOYSA-N 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
- H05B45/10—Controlling the intensity of the light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Processing Or Creating Images (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
一种基于物体表面三维形貌分析的智能照明控制系统及方法,所述系统包括:传感器单元,用来获取待照明区域的三维形貌数据;后端数据处理和控制单元,用来对照明效果进行三维建模、根据预先设定的照明评估准则分析计算出最优照明效果,并得出最优照明效果对应的控制指令;还包括半导体照明单元和运动控制单元,用来执行所述控制指令以输出最优照明效果。本发明提出的通过待照明区域表面三维形貌感知计算进行照明输出效果控制的系统和方法,能够实现对待照明区域的精细化感知分析以及照明效果的精细化输出控制;还提出了一种基于人因学实验方法的三维照明效果评估方法,实现了对三维照明效果图像的客观、准确的评价。
Description
技术领域
本发明属于智能照明领域,特别涉及一种基于物体表面三维形貌分析的 智能照明控制系统及方法。
背景技术
本发明的智能照明控制系统及方法适合于近景照明中需要对光照效果进 行精细控制的应用场合,常见的应用如航天领域的卫星与空间站在轨服务应 用、伴飞小卫星的科学实验应用等;也可包括深海水下机器人的潜航探测应 用等;又可包括工业中产品生产过程中缺陷自动或半自动检测应用等。上述 应用均需要照明环境光符合特定的要求,因此需要进行精细的环境光控制。
智能照明技术是指利用物联网技术、有线/无线通讯技术、电力载波通讯 技术、嵌入式计算机智能化信息处理,以及节能控制等技术组成的分布式照 明控制系统,来实现对照明设备的智能化控制。传统智能照明技术的研究热 点主要在于结合特定应用的照明电路的设计方法;其研究的目的更关注“绿 色”、“节能”,以及景观照明中如何提高照明输出的视觉效果。其不足主要体 现在:现有智能照明对环境分析以及照明输出光的控制不够精细。
智能照明近年来得到快速发展,涌现了一批相关的专利或文献。如中国 专利“追踪照明装置及方法”,专利公开号CN201710381719.8中提出了一种 根据图像拍摄结果进行照明效果控制的系统,该系统采用滑动轨道控制的方 式进行照明灯具照明效果的控制;中国专利“一种智能感应灯”,专利公开号 CN201620850881.0中提出了一种通过识别客户抓取或触摸商品手势信号控 制LED光线变化,实现和客户互动达到灵动的智能照明效果的照明系统设计 方案;中国专利“基于图像处理的智能灯光调节系统及其调节方法”,专利公开号CN201610625999.8中,提出了一种根据对图像的对比、判断和计算,实 现弯道补光、眩光避让、转向随动以及照射角度变换的智能车灯;中国专利 “图像处理设备和图像处理方法”,专利公开号CN201580021217.3中,提出 了一种根据二维图像分析进行照明控制的方法;中国专利“灯光智能照明系 统及其方法”,专利公开号CN201710165564.4中,提出了一种根据颜色传感 器测量结果进行照明效果智能控制的方案。
一般而言,智能照明产品主要由三部分组成:传感器、半导体照明单元, 以及后端数据处理和控制单元。上述组成中,传感器用来感知环境态势的变 化(不一定仅仅是环境光变化,如有典型事件发生也算在内),并将感知测量 的结果输出给后端数据处理和控制单元;后端数据处理和控制单元通过采用 数学物理的方法对采集到的数据进行分析,将分析结果转换为特定的控制指 令发送给半导体照明单元,最终半导体照明单元发射出特定的输出光。在许 多场合下,智能照明产品除了上述三个基础组成部分外,还可以包含运动控 制单元,用来控制半导体照明单元的空间姿态。这样,智能照明系统不但可 以控制半导体照明单元的亮度、颜色等发光效果,还可以控制其照明方向与 姿态。
在智能照明产品设计中,常见的传感器可以是光敏电阻、红外线传感器、 超声波传感器、成像传感器、振动传感器等;常见的半导体灯具可以是发光 二极管(Light-Emitting Diode,LED)、有机发光二极管(Organic Light-Emitting Diode,OLED)等电路可控发光效果的半导体灯具,且半导 体灯具的个数与空间布局可根据具体的需要进行任意布置;常见的后端数据 处理和控制单元可以是单片机电路、ARM(Acorn RISC Machine)电路、现场 可编程门阵列(Field-Programmable Gate Array,FPGA)电路或电脑等;常 见的运动机构可以控制半导体照明单元执行平动和转动的基本运动姿态。
针对智能照明系统所包含的四个子系统(传感器、半导体照明单元、后 端数据处理和控制单元,以及运动控制单元),现有技术方案存在的不足体现 如下:
1)传统技术对环境变化感知不够“精细”。传统智能照明技术大多采用 一维或二维信号传感器进行环境变化数据的采集,且对采集到的数据往往仅 采用较为简单的模型进行环境变化的分析,无法根据环境的变化充分分析出 实际的照明需求。
2)传统技术对照明光输出控制不够“精细”。受制于成本和电路处理能 力的制约,传统照明技术一般采用较为简单的计算方法分析照明的输出,如 采用基于阈值的方法、基于简单判定规则的方法等。这样的做法固然简单易 行,但对于照明输出具有较高要求的场合则无法满足相关应用需求。
3)传统技术“智能化”程度偏低。传统智能照明技术,其“智能化”仅 仅体现在一些简单的诸如自适应调光或绿色节能的照明控制应用,无法自学 习、自分析环境的变化并进行最优的照明输出控制。
近年来人工智能技术的发展给智能照明技术带来了新的活力,特别是智 能硬件技术的发展,使得高处理能力、低成本硬件的实现已不再困难。本发 明专利针对上述存在的不足,提出一种基于物体表面三维形貌感知的智能照 明控制系统及方法,填补了相关领域的空白。
发明内容
本发明要解决的技术问题就针对目前照明系统输出控制不够精细精准, 无法满足航空、航天、航海、工业生产等实际应用需要,设计并开发一种能 够自适应感知环境变化并进行随动控制照明输出效果的智能照明系统。
本发明的目的在于是设计并实现一种精细的环境光变化感知及控制系统 及方法,使得当环境发生变化时,所设计智能照明系统能够随动的改变照明 输出效果,保证被照明区域或作业面的照明效果一致稳定,有利于用户的观 看或后续的其他智能计算或处理。
为解决上述问题,本发明的第一方面提供了一种基于物体表面三维形貌 分析的智能照明控制系统,包括:传感器单元、后端数据处理和控制单元、 半导体照明单元和运动控制单元;
所述传感器单元用于获取待照明区域的三维形貌数据并传输给所述后端 数据处理和控制单元;
所述后端数据处理和控制单元根据所述三维形貌数据、待照明区域的环 境光信息、所述半导体照明单元和运动控制单元的工作模式的数据进行照明 效果的三维建模;根据预先设定的照明评估准则分析计算出最优照明效果, 得出最优照明效果对应的控制指令;并将控制指令发送给所述半导体照明单 元和运动控制单元;
所述半导体照明单元和运动控制单元用于执行所述最优照明效果的输 出。
进一步地,所述半导体照明单元固连在所述运动控制单元上;所述传感 器单元固连在所述运动控制单元上或者单独安放;所述传感器单元、所述半 导体照明单元以及所述运动控制单元与所述后端数据处理和控制单元通过有 线或无线的方式进行连接。
进一步地,所述传感器单元选择为以下至少一种:激光雷达、结构光三 维重建装置、光栅相位三维重建装置、基于双目或多目视觉的三维重建装置; 和/或所述后端数据处理和控制单元选择为以下电路的至少一种:单片机电 路、ARM电路、FPGA电路;和/或所述半导体照明单元选择为以下至少一种: LED灯、OLED灯、激光照明装置;和/或所述运动控制单元实现连接在其末端 的半导体照明单元的平动、转动或平动与转动结合的运动模式。
进一步地,所述传感器单元传输给所述后端数据处理和控制单元的待照 明区域的三维形貌数据为原始传感数据或三维重建后的数据。
进一步地,所述照明效果的三维建模采用计算机图形学中的光线跟踪法 和光照模型进行建立。
进一步地,所述照明评估准则由如下步骤确定:
(1)针对不同的待照明区域采集多幅不同视角、不同照明效果的二维图 像;
(2)组织受试者根据所述采集的二维图像不同的照明效果所产生的视觉 效果进行量化打分,将所述二维图像根据视觉效果的高低分为多个照明效果 评估等级;
(3)对上述经过量化打分后形成不同照明效果评估等级的多个数据库, 计算数据库中每幅二维图像的图像特征;
(4)建立不同照明效果评估等级与图像特征的关联关系;
(5)根据获得的新二维图像计算其图像特征,根据步骤(4)的关联关 系得出所述新二维图像的照明效果评估等级。
进一步地,所述图像特征为盲图像质量评估特征,包括图像亮度、图像 亮度均匀性、图像区域对比度、图像边缘模糊度、图像颜色差、图像纹理和/ 或图像噪声级。
进一步地,采用统计学计算方法、聚类分析技术或神经网络方法建立不 同照明效果评估等级与各个图像特征间的关联关系;当采用统计学计算方法 与聚类分析技术建立二者关联关系时,将二者的距离度量阈值作为二者相似 度的评判指标;当采用神经网络方法建立二者的关系时,各个图像特征作为 训练输入数据,不同照明效果评估等级作为监督数据,用以进行模型的训练 与学习。
进一步地,所述分析计算出最优照明效果具体包括:遍历的仿真出在选 择照明输出设置与运动控制位置处的不同组合的三维照明效果图;根据所述 照明评估准则计算所有三维照明效果图的照明效果评估等级;取照明效果最 好即照明效果评估等级最高的三维照明效果图,将其照明效果输出所对应的 半导体照明单元与运动控制单元的控制方法进行输出控制。
进一步地,如果存在照明效果评估等级一致的多种照明控制方法,则任 意选择一种控制方法进行输出。
本发明的另一方面提供了一种基于物体表面三维形貌分析的智能照明控 制方法,包括如下步骤:
(1)获取待照明区域的三维形貌数据;
(2)对所述三维形貌数据进行直接读取或三维重建计算;
(3)根据所述直接读取或三维重建计算的三维形貌数据、待照明区域的 环境光信息、半导体照明单元和运动控制单元的工作模式的数据进行照明效 果的三维建模;根据预先设定的照明评估准则分析计算出最优照明效果,得 出最优照明效果对应的控制指令;
(4)将控制指令发送给所述半导体照明单元和运动控制单元;
(5)所述半导体照明单元和运动控制单元根据所述控制指令执行所述最 优照明效果的输出。
进一步地,所述步骤(1)中的三维形貌数据为原始传感数据或三维重建 后的数据,所述步骤(2)中对三维重建后的数据进行直接读取,对原始传感 数据进行三维重建计算。
进一步地,所述步骤(3)中的照明效果的三维建模采用计算机图形学中 的光线跟踪法和光照模型进行建立。
进一步地,所述照明评估准则由如下步骤确定:
(31)针对不同的待照明区域采集多幅不同视角、不同照明效果的二维 图像;
(32)组织受试者根据所述采集的二维图像不同的照明效果所产生的视 觉效果进行量化打分,将所述二维图像根据视觉效果的高低分为多个照明效 果评估等级;
(33)对上述经过量化打分后形成不同照明效果评估等级的多个数据库, 计算数据库中每幅二维图像的图像特征;
(34)建立不同照明效果评估等级与图像特征的关联关系;
(35)根据获得的新二维图像计算其图像特征,根据步骤(34)的关联 关系得出所述新二维图像的照明效果评估等级。
进一步地,所述图像特征为盲图像质量评估特征,包括图像亮度、图像 亮度均匀性、图像区域对比度、图像边缘模糊度、图像颜色差、图像纹理和/ 或图像噪声级。
进一步地,采用统计学计算方法、聚类分析技术或神经网络方法建立不 同照明效果评估等级与各个图像特征间的关联关系;当采用统计学计算方法 与聚类分析技术建立二者关联关系时,将二者的距离度量阈值作为二者相似 度的评判指标;当采用神经网络方法建立二者的关系时,各个图像特征作为 训练输入数据,不同照明效果评估等级作为监督数据,用以进行模型的训练 与学习。
进一步地,所述分析计算出最优照明效果的步骤具体包括:遍历的仿真 出在选择照明输出设置与运动控制位置处的不同组合的三维照明效果图;根 据所述照明评估准则计算所有三维照明效果图的照明效果评估等级;取照明 效果最好即照明效果评估等级最高的三维照明效果图,将其照明效果输出所 对应的半导体照明单元与运动控制单元的控制方法进行输出控制。
进一步地,如果存在照明效果评估等级一致的多种照明控制方法,则任 意选择一种控制方法进行输出。
综上所述,本发明提供了一种基于物体表面三维形貌分析的智能照明控 制系统及方法,所述系统包括:传感器单元、后端数据处理和控制单元、半 导体照明单元和运动控制单元;所述后端数据处理和控制单元根据传感器单 元传输的待照明区域的三维形貌数据、待照明区域的环境光信息、所述半导 体照明单元和运动控制单元的工作模式的数据进行照明效果的三维建模;根 据预先设定的照明评估准则分析计算出最优照明效果,得出最优照明效果对 应的控制指令;并将控制指令发送给所述半导体照明单元和运动控制单元以 使其执行所述最优照明效果的输出。
本发明的上述技术方案具有如下有益的技术效果:
(1)本发明提出了一种通过待照明区域表面三维形貌感知计算进行照明 输出效果控制的方法。与传统方法相比,所提出的方法能够实现对待照明区 域的精细化感知分析以及照明效果的精细化输出控制。
(2)本发明提出了一种基于人因学实验方法的三维照明效果评估方法。 该方法通过综合使用人因工程学实验方法、图像特征分析技术,以及模式识 别方法,实现了对三维照明效果图像的客观、准确的评价。
附图说明
图1是本发明的智能照明控制系统的结构框图;
图2是本发明的智能照明控制系统的控制方法的流程图;
图3是根据本发明具体实施例的结构示意图。
附图标记:
1:传感器单元;2:运动控制单元;3:半导体照明单元;4:后端数据 处理和控制单元;5:第一LED照明子单元;6:第二LED照明子单元;7:第 三LED照明子单元;8:第一滑动导轨;9:第二滑动导轨;10:第三滑动导 轨;11:圆盘底座;12:基于双目视觉的三维重建相机。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施 方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例 性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结 构和技术的描述,以避免不必要地混淆本发明的概念。
本发明的系统组成如图1中所示。本发明的智能照明系统包括传感器单 元1、运动控制单元2、半导体照明单元3和后端数据处理和控制单元4。其 中,传感器单元可以是任意非接触式可获取传感区域三维形貌的传感器。优 选的,传感器可以是激光雷达、结构光三维重建装置、光栅相位三维重建装 置、基于双目或多目视觉的三维重建装置等,或也可是上述装置的任意组合。 半导体照明单元可以是LED、OLED,或是激光照明装置,也可以是上述灯具 的任意组合等。后端数据处理和控制单元可以是单片机电路、ARM电路、FPGA 电路,或上述电路的任意组合。运动控制单元可以实现连接在其末端的半导 体照明单元的平动与转动的基本运动模式,或是上述运动方式的任意组合。 上述四个机构中,半导体照明单元通过机械连接的方式固连在运动控制单元 之上;传感器可固连在运动控制单元之上,也可单独安放;此外,传感器、 半导体照明单元以及运动控制单元通过有线或无线的方式与后端数据处理和 控制单元相连接,并接受其控制。图1中实线表示连接;虚线表示可连接也可不连接
智能照明控制方法的实施步骤如描述如下:
1)在系统工作之初,智能照明系统通过传感器单元1采集待照明区域的 传感数据,并将所采集到的数据传递至后端数据处理和控制单元4之中;其 中传感器单元1传递给后端数据处理和控制单元4的数据可能是原始的传感 数据,也可能是三维重建后的数据。在上述工作状态中,运动控制单元2与 半导体照明单元3可以工作、也可以不工作,只要传感器单元1能够正常工 作且采集到三维形貌重建所需的传感数据即可。
2)后端数据处理和控制单元4根据传感器单元1所传输的数据进行待照 明区域的表面形貌三维重建计算或直接读取三维形貌数据。
3)后端数据处理和控制单元4根据所建立的待照明区域表面三维形貌数 据、待照明区域的环境光先验信息、半导体照明单元3与运动控制单元2的 典型的工作模式,采用计算机图形学中的光线跟踪法以及光照模型进行照明 效果三维建模,并根据照明评估准则,分析出输出最优照明效果所对应的半 导体照明单元3与运动控制单元2的控制方法。
本发明采用计算机图形学中的相关方法进行照明效果的三维建模。计算 机图形学中的光线跟踪法与光照模型可以针对已建立的待照明区域表面形貌 三维重建结果实现以下计算:单个或多个光源的发光强度与发光位置的设定; 三维形貌数据的表面明暗与阴影区域的计算;三维形貌表面任意位置处颜色 的计算;以及高光与眩光区域的分析等。因此,通过上述计算可分析出不同 光源条件下的照明效果。
所述照明评估准则源自于人因工程学实验方法的确定。不失一般性,对 于任意一幅三维形貌数据,为评估其照明效果可采用如下人因工程学实验方 法。下述流程中,前4个流程采用离线计算的方式实施,即在系统投入使用 前就被执行;而最后一个流程则在系统实际应用时被执行。
首先,针对不同应用的典型待照明区域,收集尽可能多的、不同视角下 的、不同照明效果的二维图片。优选的收集图像数据量至少1000幅以上。如 果某一待照明区域表面形貌较为复杂,则需要采集多个不同相近视角下的二 维图像。优选的,这里的“相近视角”是指两个视角轴线间的夹角小于3度; 两个视角的观察点位置间的空间距离小于5厘米。
其次,针对上述所积累的二维图片,组织受试者采用人因工程学方法对 上述累积的图片进行量化打分。量化打分的指标为用来评价与描述照明效果 好坏的、人眼直接观看视觉效果高低的主观评价指标。优选的,可以采用5 级打分法或10级打分法。比如要求受试者观看一幅图像,并根据主观感受给 该图像的照明效果进行打分;打分时可以采用双刺激损伤尺度 (Double-Stimulus Impairment Scale,DSIS)法。通过上述打分,可以形 成若干照明效果不同的图像数据库。
再次,对上述量化打分完后所形成的多个数据库,计算数据库中每幅图 像的图像特征。优选的,所述图像特征具体为盲图像质量评估特征,可计算 的盲图像质量评估特征至少包括图像亮度、图像亮度均匀性、图像区域对比 度、图像边缘模糊度、图像颜色差、图像纹理、图像噪声级。盲图像质量评 估特征的一个显著的优点在于其在评价图像的属性时,与图像的内容无关, 因此可以较为客观的刻画一幅图像内在的属性。
接下来,采用统计学计算方法,或聚类技术分析技术,或神经网络等其 他能够建立复杂因素间关联关系的方法建立不同照明效果主观评估等级与各 个图像特征间的关联关系。当采用统计学计算方法与聚类技术建立二者关联 关系时,可将二者的距离度量阈值作为二者相似度的评判指标;当采用神经 网络或其他能够建立复杂因素间关联关系的技术建立二者的关系时,各个图 像特征可以作为训练输入数据,不同照明效果的主观评估等级可以作为监督 数据,用以进行模型的训练与学习。
最后,当获得一幅新的、照明效果等级未知的图片时,先计算前文所提 及的图像特征;而后,当采用统计学方法或聚类技术分析时,可根据新图像 所计算的图像特征结果,计算各个评估参数与上一步中已生成的具有不同照 明效果等级的图像特征分布或聚类规律结果间的距离,并取距离最近的结果 作为该照明效果未知图像的实际照明等级;当采用神经网络或其他能够建立 复杂因素间关联关系的技术进行分析时,可把新图像计算的图像特征作为输 入,利用神经网络或其他能够建立复杂因素间关联关系的技术预测出该照明 效果未知图像的主观照明效果评估等级。至此,采用人因工程学进行照明效 果评估的方法应用完毕。
在进行最优照明效果的分析时,因为待照明区域表面三维形貌已知,系 统所采用的半导体照明单元3已知、运动控制单元2能够达到的空间位置已 知,应用环境的先验信息已知,因此可采用计算机图形学中的光线跟踪法和 光照模型,在上述基本条件下,遍历的仿真出在选择典型照明效果输出与典 型运动控制位置处的、不同组合的三维照明效果图。比如当设定10种典型照 明效果输出与5种典型运动控制姿态时,共计算5×10=50种典型照明效果图。 之后,利用上文中所介绍的人因工程学评价方法,计算出所有典型照明输出设置所对应的照明效果等级;最终取所有50个典型照明设置中照明效果最好 的一幅图,将其照明效果输出所对应的半导体照明单元3与运动控制单元2 的控制方法进行输出控制。如果存在照明效果等级一致的典型照明控制方法, 则可任意选择一种控制方法进行输出。
4)后端数据处理和控制单元4将所分析出的最优照明效果模拟分析结果 所对应的半导体照明单元3与运动控制单元2控制方法以指令的形式发送给 半导体照明单元3以及运动控制单元2;半导体照明单元3与运动控制单元2 执行照明效果的输出。
下面以一个具体实施例来对本发明进行进一步的说明。
假设实际的应用背景为水下机器人应用,需对海底一块起伏的珊瑚礁进 行精细观察,以判断其生物的多样性。由于水下作业的特殊需要,在水下机 器人不远处,还存在一个位置相对固定的人造大型光源,该光源会对观察面 产生一定的照明效果,但照明效果不佳;为了准确分析该待观测区域的生物 多样性,需要派出水下机器人抵近进行精细观察,水下机器人自带照明装置。
假设智能照明系统的组成如下:传感器采用基于双目视觉的三维重建 相机8实现;半导体照明单元采用LED白光面光源实现,不失一般性,此 处采用三个白光光源实现,分别为第一LED照明单元5、第二LED照明 单元6和第三LED照明单元7,如图3中所示,三个光源呈正三角形的方 式在空间布局。运动控制单元采用滑轨实现,其能够实现三个白光光源沿 滑轨平动,分别为第一滑动导轨8、第二滑动导轨9和第三滑动导轨10。 上述三个白光光源和滑动导轨都固定设置在圆盘底座11上。为了简单起 见,假设三个光源同时运动,即同时向外滑动或同时向内滑动,其每次滑 动的距离大小一致,三个白光光源每次的输出亮度也一致。图3(a)和(b) 中给出了不同运动位置处的白光光源示意图。后端数据处理和控制单元 (4)采用DSP与FPGA协同处理的硬件电路实现。由图3可见,当采用不 同的白光光源的空间布局方式时,照明效果会明显不同。
系统工作方式描述如下:
1)基于双目视觉的三维重建相机采集并生成待照明区域的表面三维形貌 数据,将该数据传递到后端的处理电路中。
2)后端处理电路根据所采集到的待照明区域表面三维形貌数据、大型人 造光源的输出光强度及其与待照明区域的空间位置关系、水下机器人自带照 明机构的空间布局及基本照明效果,采用计算机图形学中的光线跟踪法与光 照模型进行典型照明条件下的三维照明效果的仿真计算。
假设图2中3个LED照明单元完全相同,其投射光的亮度共分为5个可 调等级,且3个照明单元的输出亮度始终保持一致;假设图2中的运动导轨 有3种可调典型运动距离,即3个照明灯具的汇聚与发散运动方式有3种。 则上述组合一共可以有3×5=15种典型的照明方式。
在上述条件下,针对某一特定观察视点下的应用,对于所有15个典型照 明效果控制方法,首先可采用计算机图形学中的光线跟踪算法确定典型视点 下该待照明区域的可见性,即进行阴影的分析。其次,综合采用计算机图形 学中的光线跟踪算法与光照模型进行待照明区域任意位置处的光照效果的计 算。通过上述计算可以得到15种典型照明控制模式下的三维照明效果的仿真 分析结果。接下来,将15种典型照明控制方式下仿真的三维照明效果图,截 取典型视点下拍摄得到的二维图像。不难看出,这里同样能够得到15幅二维 图像。最后,采用一种结合人因学实验的评判方法,从15幅图中选出1幅照 明效果最优的图片,并将该图片所对应的典型照明控制方式进行输出。
3)3个照明单元及3个滑轨执行前述输出的最优照明控制方法。
上述过程中,进行人因工程学实验方法进行最优照明效果评估方法的流 程描述如下。其中前4个流程采用离线处理的方式执行;最后1个流程采用 在线处理的方式执行。换句话说,前4个流程在系统投入实际应用前就已完 成实验与建模计算;而最后一个流程则在实际应用中方被执行。
1)针对典型应用,积累不同照明效果下的图像数据库。针对水下照明的 典型应用,一方面通过实际的水下作业任务收集不同照明效果的图片;另一 方面可以通过三维视景仿真软件进行水下不同照明效果图像的仿真,以充实 实验数据库。对于典型观察视点下的照明效果图片,所收集的与仿真生成的 不同照明效果图像不应少于1000幅。为了增加图像的差异性,除了控制LED 照明灯具的不同照明输出效果和运动控制单元的不同典型空间位置外,还可 以通过转动观察视角、移动观察位置,以获得不同照明效果下的图像数据。其中,针对本例中的应用,转动的观察视角和移动的观察位置不应过大,此 处采用的转动观察视角应小于3度,移动观察位置应小于3厘米。在“小于 3度”与“小于3厘米”的约束下,随机取10个转动角度与10个观察位置, 则一共可获得15×10×10=1500幅图像。
2)在获得上述1500幅图像后,组织若干名受试者采用DSIS方法对图像 的照明效果进行主观打分评估以形成不同照明效果等级的图像数据库。优选 的,受试者人数应当大于10人,受试者性别比例中男女应当各半,受试者视 力高于两眼矫正视力之和大于5.0,受试者实验时无疾病或身体不适。主观 照明效果评估划分等级为10级,等级越高照明效果越好。通过上述实验的实 施,可获得10个不同的主观照明效果评估等级的图像数据库。
3)对10个不同主观照明效果评估等级的图像数据库,分别计算图像特 征,对其进行客观图像照明效果的评价。优选的,所采用的图像特征为盲图 像质量评估特征,至少包括7类指标:图像亮度、图像亮度均匀性、图像区 域对比度、图像边缘模糊度、图像颜色差、图像纹理、图像噪声级。假设每 一类盲图像质量评估特征中只计算一个评估指标,对于10个不同的主观照明 效果评估等级图像数据库计算7个盲图像质量评估特征,则可获得7×10=70 个数据集。
4)对上述70个数据集分别计算其各自的统计学特征、聚类分析特征, 或采用神经网络或其他能够建立复杂因素间关联关系的模型建立不同照明效 果主观评估等级与各个盲图像质量评估特征间的关联关系。优选的,所计算 的统计学特征可以包括均值、方差(标准差)、极差、变异系数、众数、中位 数等;所采用的聚类分析方法可以包括K均值法、层次聚类法、自组织图(Self Organizing Maps,SOM)神经网络聚类法、模糊C均值聚类法等,聚类的特 征即选定为聚类的类中心;所采用的神经网络或其他能够建立复杂因素间关 联关系的模型可以采用任意监督型或半监督型学习算法,其输入数据为各个 盲图像质量评估特征,其输出(监督)数据为不同照明效果主观评估等级。 在进行模型训练时,要求模型最终的预测精度大于90%。
5)当获得一幅主观照明效果等级未知的二维图像时,先计算该图像的7 个盲图像质量评估特征;若采用统计学特征或聚类分析特征时,计算前述7 个盲图像质量评估特征与各个统计学特征或聚类分析特征间的距离;优选的, 此处的距离可取1范数、2范数或∞范数,最终照明等级的评判就选取范数值 最小值所对应的主观照明评估等级。若采用神经网络或其他能够建立复杂因 素间关联关系的方法时,则直接将所计算的7个盲图像质量评估特征输入模 型,模型则自行预测出其所对应的主观照明评估等级。
在进行最优照明效果分析选择时,针对某一特定视角下的观察结果,后 端处理电路首先根据基于双目视觉的三维重建相机获取的珊瑚礁表面三维形 貌数据、大型人造光源输出光强度及其与待观察珊瑚礁间的位置关系、水下 机器人自带照明机构的空间布局及基本照明效果,采用计算机图形学中的光 线跟踪法与光照模型,仿真出15种典型照明效果,并采用上述人因工程学计 算方法分析出1种照明效果最优的照明方式,并根据该照明效果所对应的LED 灯具控制方式与滑轨控制方式进行输出。
综上所述,本发明提供了一种基于物体表面三维形貌分析的智能照明控 制系统及方法,所述系统包括:传感器单元、后端数据处理和控制单元、半 导体照明单元和运动控制单元;所述后端数据处理和控制单元根据传感器单 元传输的待照明区域的三维形貌数据、待照明区域的环境光信息、所述半导 体照明单元和运动控制单元的工作模式的数据进行照明效果的三维建模;根 据预先设定的照明评估准则分析计算出最优照明效果,得出最优照明效果对 应的控制指令;并将控制指令发送给所述半导体照明单元和运动控制单元以 使其执行所述最优照明效果的输出。
本发明的技术优点主要体现如下:
1)通过立体式三维环境感知,可以实现精细精准的照明控制。光的传播 本来就是在三维空间中进行的,而传统的技术中,由于受制于计算能力、建 模复杂度等方面的制约,没有出现采用三维精细光照分析并进行照明控制的 设计方法。而随着人工智能技术的快速发展、智能硬件技术的不断普及,以 及各类信息处理快速算法的出现,使得本发明所提出的技术途径成为可能。 通过对三维空间光线传播与照明效果的分析,可以实现精细的最优照明控制。
2)所提出的实现方法综合应用了人因工程学、计算机图形学、模式识别 理论以及图像分析手段,具有切实可行的技术途径。传统照明的照明控制在 寻求最优照明效果时,需要系统实际的遍历若干个照明效果,再在所遍历的 照明效果中挑选一个效果最好的作为最优照明控制方法;本发明因为获取了 待照明区域的三维形貌,又采用了计算机图形学的仿真分析方法,在后台的 计算层面就已经对不同照明效果进行了仿真分析,因此不再需要系统真实的 遍历不同的照明效果。在未来,随着微系统计算处理能力的进一步提高,上述方法将改变传统系统的工作模式。
目前暂未发现有相关替代方案。本发明在于将三维形貌传感器对待照明 区域进行了建模,并采用计算机图形学中的光照模型,在系统内部进行了最 优照明的推算,并将推算出的最优计算结果进行输出控制。
传统上,在用户心目中,照明产品属于低端消耗品,因此导致其成本必 然偏低,也就没有必要采用昂贵的、复杂的电路对照明产品进行设计与开发。 但随着人工智能技术的快速发展,智能硬件技术的使得传统高性能、昂贵的 处理电路更加“平民化”,进而催生了人工智能技术在智能照明领域应用的可 能。再者,随着我国经济实力的增强,航空航天、航海、高端制造领域的技 术发展也催生了“高端照明”产品的出现。这些都为本发明中所设计的智能 照明产品的发展及应用带来了可能。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释 本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和 范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保 护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和 边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (18)
1.一种基于物体表面三维形貌分析的智能照明控制系统,其特征在于,包括:传感器单元、后端数据处理和控制单元、半导体照明单元和运动控制单元;
所述传感器单元用于获取待照明区域的三维形貌数据并传输给所述后端数据处理和控制单元;
所述后端数据处理和控制单元根据所述三维形貌数据、待照明区域的环境光信息、所述半导体照明单元和运动控制单元的工作模式的数据进行照明效果的三维建模;根据预先设定的照明评估准则分析计算出最优照明效果,得出最优照明效果对应的控制指令;并将控制指令发送给所述半导体照明单元和运动控制单元;
所述半导体照明单元和运动控制单元用于执行所述最优照明效果的输出。
2.根据权利要求1所述的智能照明控制系统,其特征在于,所述半导体照明单元固连在所述运动控制单元上;所述传感器单元固连在所述运动控制单元上或者单独安放;所述传感器单元、所述半导体照明单元以及所述运动控制单元与所述后端数据处理和控制单元通过有线或无线的方式进行连接。
3.根据权利要求1或2所述的智能照明控制系统,其特征在于,所述传感器单元选择为以下至少一种:激光雷达、结构光三维重建装置、光栅相位三维重建装置、基于双目或多目视觉的三维重建装置;和/或所述后端数据处理和控制单元选择为以下电路的至少一种:单片机电路、ARM电路、FPGA电路;和/或所述半导体照明单元选择为以下至少一种:LED灯、OLED灯、激光照明装置;和/或所述运动控制单元实现连接在其末端的半导体照明单元的平动、转动或平动与转动结合的运动模式。
4.根据权利要求1所述的智能照明控制系统,其特征在于,所述传感器单元传输给所述后端数据处理和控制单元的待照明区域的三维形貌数据为原始传感数据或三维重建后的数据。
5.根据权利要求1所述的智能照明控制系统,其特征在于,所述照明效果的三维建模采用计算机图形学中的光线跟踪法和光照模型进行建立。
6.根据权利要求1所述的智能照明控制系统,其特征在于,所述照明评估准则由如下步骤确定:
(1)针对不同的待照明区域采集多幅不同视角、不同照明效果的二维图像;
(2)组织受试者根据所述采集的二维图像不同的照明效果所产生的视觉效果进行量化打分,将所述二维图像根据视觉效果的高低分为多个照明效果评估等级;
(3)对上述经过量化打分后形成不同照明效果评估等级的多个数据库,计算数据库中每幅二维图像的图像特征;
(4)建立不同照明效果评估等级与图像特征的关联关系;
(5)根据获得的新二维图像计算其图像特征,根据步骤(4)的关联关系得出所述新二维图像的照明效果评估等级。
7.根据权利要求6所述的智能照明控制系统,其特征在于,所述图像特征为盲图像质量评估特征,包括图像亮度、图像亮度均匀性、图像区域对比度、图像边缘模糊度、图像颜色差、图像纹理和/或图像噪声级。
8.根据权利要求6所述的智能照明控制系统,其特征在于,采用统计学计算方法、聚类分析技术或神经网络方法建立不同照明效果评估等级与各个图像特征间的关联关系;当采用统计学计算方法与聚类分析技术建立二者关联关系时,将二者的距离度量阈值作为二者相似度的评判指标;当采用神经网络方法建立二者的关系时,各个图像特征作为训练输入数据,不同照明效果评估等级作为监督数据,用以进行模型的训练与学习。
9.根据权利要求6所述的智能照明控制系统,其特征在于,所述分析计算出最优照明效果具体包括:遍历的仿真出在选择照明输出设置与运动控制位置处的不同组合的三维照明效果图;根据所述照明评估准则计算所有三维照明效果图的照明效果评估等级;取照明效果最好即照明效果评估等级最高的三维照明效果图,将其照明效果输出所对应的半导体照明单元与运动控制单元的控制方法进行输出控制。
10.根据权利要求9所述的智能照明控制系统,其特征在于,如果存在照明效果评估等级一致的多种照明控制方法,则任意选择一种控制方法进行输出。
11.一种基于物体表面三维形貌分析的智能照明控制方法,其特征在于,包括如下步骤:
(1)获取待照明区域的三维形貌数据;
(2)对所述三维形貌数据进行直接读取或三维重建计算;
(3)根据所述直接读取或三维重建计算的三维形貌数据、待照明区域的环境光信息、半导体照明单元和运动控制单元的工作模式的数据进行照明效果的三维建模;根据预先设定的照明评估准则分析计算出最优照明效果,得出最优照明效果对应的控制指令;
(4)将控制指令发送给所述半导体照明单元和运动控制单元;
(5)所述半导体照明单元和运动控制单元根据所述控制指令执行所述最优照明效果的输出。
12.根据权利要求11所述的控制方法,其特征在于,所述步骤(1)中的三维形貌数据为原始传感数据或三维重建后的数据,所述步骤(2)中对三维重建后的数据进行直接读取,对原始传感数据进行三维重建计算。
13.根据权利要求11所述的控制方法,其特征在于,所述步骤(3)中的照明效果的三维建模采用计算机图形学中的光线跟踪法和光照模型进行建立。
14.根据权利要求11所述的控制方法,其特征在于,所述照明评估准则由如下步骤确定:
(31)针对不同的待照明区域采集多幅不同视角、不同照明效果的二维图像;
(32)组织受试者根据所述采集的二维图像不同的照明效果所产生的视觉效果进行量化打分,将所述二维图像根据视觉效果的高低分为多个照明效果评估等级;
(33)对上述经过量化打分后形成不同照明效果评估等级的多个数据库,计算数据库中每幅二维图像的图像特征;
(34)建立不同照明效果评估等级与图像特征的关联关系;
(35)根据获得的新二维图像计算其图像特征,根据步骤(34)的关联关系得出所述新二维图像的照明效果评估等级。
15.根据权利要求14所述的控制方法,其特征在于,所述图像特征为盲图像质量评估特征,包括图像亮度、图像亮度均匀性、图像区域对比度、图像边缘模糊度、图像颜色差、图像纹理和/或图像噪声级。
16.根据权利要求14所述的控制方法,其特征在于,采用统计学计算方法、聚类分析技术或神经网络方法建立不同照明效果评估等级与各个图像特征间的关联关系;当采用统计学计算方法与聚类分析技术建立二者关联关系时,将二者的距离度量阈值作为二者相似度的评判指标;当采用神经网络方法建立二者的关系时,各个图像特征作为训练输入数据,不同照明效果评估等级作为监督数据,用以进行模型的训练与学习。
17.根据权利要求14所述的控制方法,其特征在于,所述分析计算出最优照明效果的步骤具体包括:遍历的仿真出在选择照明输出设置与运动控制位置处的不同组合的三维照明效果图;根据所述照明评估准则计算所有三维照明效果图的照明效果评估等级;取照明效果最好即照明效果评估等级最高的三维照明效果图,将其照明效果输出所对应的半导体照明单元与运动控制单元的控制方法进行输出控制。
18.根据权利要求17所述的控制方法,其特征在于,如果存在照明效果评估等级一致的多种照明控制方法,则任意选择一种控制方法进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168330.XA CN108401318B (zh) | 2018-02-28 | 2018-02-28 | 基于物体表面三维形貌分析的智能照明控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810168330.XA CN108401318B (zh) | 2018-02-28 | 2018-02-28 | 基于物体表面三维形貌分析的智能照明控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108401318A true CN108401318A (zh) | 2018-08-14 |
CN108401318B CN108401318B (zh) | 2020-12-15 |
Family
ID=63095716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810168330.XA Active CN108401318B (zh) | 2018-02-28 | 2018-02-28 | 基于物体表面三维形貌分析的智能照明控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108401318B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225620A (zh) * | 2019-06-22 | 2019-09-10 | 安徽华新光电饰业有限公司 | 一种led点光源灯具系统控制方法 |
CN110740537A (zh) * | 2019-09-30 | 2020-01-31 | 宁波燎原照明集团有限公司 | 一种博物馆文物的光照系统自适应调节的系统 |
CN111462016A (zh) * | 2020-04-09 | 2020-07-28 | 苏州科技大学 | 一种结合人因的深度学习图像色彩引擎 |
CN113569721A (zh) * | 2021-07-26 | 2021-10-29 | 北京科技大学 | 一种基于分布式智能补光的人脸识别系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105682310A (zh) * | 2014-11-19 | 2016-06-15 | 刘皓强 | 基于图像质量控制的组合照明装置及方法 |
CN105916266A (zh) * | 2016-04-12 | 2016-08-31 | 山西大学 | 一种基于图像模式识别的舞台智能追光控制系统及方法 |
CN107464244A (zh) * | 2017-03-09 | 2017-12-12 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于神经网络的图像光照估计方法 |
CN206948686U (zh) * | 2017-06-28 | 2018-01-30 | 山东陆洋智能科技有限公司 | 照明控制装置及系统 |
-
2018
- 2018-02-28 CN CN201810168330.XA patent/CN108401318B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105682310A (zh) * | 2014-11-19 | 2016-06-15 | 刘皓强 | 基于图像质量控制的组合照明装置及方法 |
CN105916266A (zh) * | 2016-04-12 | 2016-08-31 | 山西大学 | 一种基于图像模式识别的舞台智能追光控制系统及方法 |
CN107464244A (zh) * | 2017-03-09 | 2017-12-12 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于神经网络的图像光照估计方法 |
CN206948686U (zh) * | 2017-06-28 | 2018-01-30 | 山东陆洋智能科技有限公司 | 照明控制装置及系统 |
Non-Patent Citations (1)
Title |
---|
王欢: ""基于立体视觉的 LED 手术无影灯自适应调光技术基础研究"", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110225620A (zh) * | 2019-06-22 | 2019-09-10 | 安徽华新光电饰业有限公司 | 一种led点光源灯具系统控制方法 |
CN110225620B (zh) * | 2019-06-22 | 2022-03-25 | 安徽华新光电饰业有限公司 | 一种led点光源灯具系统控制方法 |
CN110740537A (zh) * | 2019-09-30 | 2020-01-31 | 宁波燎原照明集团有限公司 | 一种博物馆文物的光照系统自适应调节的系统 |
CN110740537B (zh) * | 2019-09-30 | 2021-10-29 | 宁波燎原照明集团有限公司 | 一种博物馆文物的光照系统自适应调节的系统 |
CN111462016A (zh) * | 2020-04-09 | 2020-07-28 | 苏州科技大学 | 一种结合人因的深度学习图像色彩引擎 |
CN113569721A (zh) * | 2021-07-26 | 2021-10-29 | 北京科技大学 | 一种基于分布式智能补光的人脸识别系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108401318B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108401318A (zh) | 基于物体表面三维形貌分析的智能照明控制系统及方法 | |
CN108469234B (zh) | 一种在轨航天器表面异常状况智能检测方法及其系统 | |
Gomes et al. | Generation of gelsight tactile images for sim2real learning | |
CN105069423B (zh) | 一种人体姿态检测方法及装置 | |
CN105682310B (zh) | 基于图像质量控制的组合照明装置及方法 | |
CN105447906B (zh) | 基于图像和模型计算光照参数进行重光照渲染的方法 | |
Gross | Visual computing: the integration of computer graphics, visual perception and imaging | |
CN106355973B (zh) | 一种绘画辅导方法及装置 | |
CN110570503B (zh) | 基于神经网络的三维物体法向量、几何及材质获取方法 | |
CN110298916B (zh) | 一种基于合成深度数据的三维人体重建方法 | |
US12002150B2 (en) | Systems and methods for physically-based neural face shader via volumetric lightmaps | |
CN112654116A (zh) | 基于注意力因素的照明控制方法 | |
CN108363964A (zh) | 一种预先处理的皮肤皱纹评估方法及系统 | |
CN112070332B (zh) | 满足光舒适的教室照明节能评价系统及照明系统控制方法 | |
CN114549611A (zh) | 一种基于神经网络及少量点测量的水下绝对距离估计方法 | |
CN116433840A (zh) | 无砟轨道板扣件的特异性伤损图像合成方法及检测方法 | |
Chen | Research on college physical education model based on virtual crowd simulation and digital media | |
Tang et al. | Natural textures for weather data visualization | |
CN110514140A (zh) | 一种三维成像方法、装置、设备以及存储介质 | |
CN207529394U (zh) | 一种面向复杂视觉场景下的远距离类脑三维步态识别系统 | |
Lin et al. | An image quality assessment method for surface defect inspection | |
Alam et al. | Effect of Different Modalities of Facial Images on ASD Diagnosis Using Deep Learning-Based Neural Network | |
CN107316025A (zh) | 一种手部姿态识别方法及识别系统 | |
CN117974740B (zh) | 基于聚合式窗口自注意力机制的穴位定位方法及机器人 | |
Qi | Measuring perceived gloss of rough surfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201117 Address after: Zhanchunyuan community, Haidian District, Beijing 100083 Applicant after: Liu Haoting Address before: 065000 Bailuyuan 18-5-501, San Rafael Town, Shougang, Dachang Hui Autonomous County, Langfang City, Hebei Province Applicant before: Jing Xiaoni |
|
GR01 | Patent grant | ||
GR01 | Patent grant |