CN108805118A - 一种数学模型光源跟踪调光方法 - Google Patents
一种数学模型光源跟踪调光方法 Download PDFInfo
- Publication number
- CN108805118A CN108805118A CN201810627699.2A CN201810627699A CN108805118A CN 108805118 A CN108805118 A CN 108805118A CN 201810627699 A CN201810627699 A CN 201810627699A CN 108805118 A CN108805118 A CN 108805118A
- Authority
- CN
- China
- Prior art keywords
- light
- training
- modulating device
- mathematical model
- illuminance transducer
- 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
- 238000013178 mathematical model Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000005286 illumination Methods 0.000 claims description 52
- 238000009826 distribution Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims 1
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B15/00—Special procedures for taking photographs; Apparatus therefor
- G03B15/02—Illuminating scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Image Input (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种数学模型光源跟踪调光方法,提供一调光室,所述调光室内设置有调光装置、图像采集装置以及传感器阵列;所述图像采集装置于所述调光室形成一拍摄面,所述传感器阵列设置于所述拍摄面,所述调光装置面向所述拍摄面设置,所述传感器阵列包括阵列设置于所述拍摄面上的若干照度传感器;通过这样设置,将照度传感器作为传递参数,分别训练两个模型调光装置‑照度传感器,照度传感器‑图像,这样一来,使得训练结果更加精确,而通过模型表就可以根据图像的亮度直接确定对应的调光装置输出,较为简单可靠。
Description
技术领域
本发明涉及一种调光方法,更具体地说,涉及一种数学模型光源跟踪调光 方法。
背景技术
摄影是指使用某种专门设备进行影像记录的过程,一般我们使用机械照相 机或者数码照相机进行摄影。有时摄影也会被称为照相,也就是通过物体所反 射的光线使感光介质曝光的过程。有人说过的一句精辟的语言:摄影家的能力 是把日常生活中稍纵即逝的平凡事物转化为不朽的视觉图像。而最重要的是通 过对光源方向的把控,特别是针对室内摄影而言,光源方向的控制,传统摄影 室中,是通过专业的打光工作人员配合摄影师根据经验判断但是由于市场上出 现了可以根据需要进行摄影工作。
发明内容
有鉴于此,本发明目的是提供一种数学模型光源跟踪调光方法,以解决上 述问题。
为了解决上述技术问题,本发明的技术方案是:一种数学模型光源跟踪调 光方法,提供一调光室,所述调光室内设置有调光装置、图像采集装置以及传 感器阵列;所述图像采集装置于所述调光室形成一拍摄面,所述传感器阵列设 置于所述拍摄面,所述调光装置面向所述拍摄面设置,所述传感器阵列包括阵 列设置于所述拍摄面上的若干照度传感器;具体步骤包括
第一数学模型建立步骤,建立第一数学模型,在拍摄面上建立第一平面坐 标系,所述第一数学模型为Sn=a1n[(X-Xn)+(Y-Yn)]*Z+a2n,其中Sn为第n个所 述照度传感器的照度采样值,a1n为第n个照度传感器对应的第一传感训练参 数,X为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的横坐 标,Y为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的纵坐 标,Xn为第n个照度传感器于所述第一平面坐标系上的横坐标,Yn为第n个 照度传感器于所述第一平面坐标系上的纵坐标,Z为调光装置的光照强度值, a2n第n个照度传感器对应的第二传感训练参数;
第二数学模型建立步骤,建立第二数学模型,并将所述图像采集装置在拍 摄面上采集的图像根据所述照度传感器的分布,将采集的图像划分为与所述照 度传感器位置一一对应的图像分区,所述第二数学模型为Sn=b1n*Tn+b2n,其中 b1n为第n个照度传感器对应的第一图像训练参数,b2n为第n个照度传感器对应 的第二图像训练参数,Tn为第n个照度传感器对应的图像分区中所有像点的平 均灰度值;
第一数学模型训练步骤,随机生成第一训练组,所述第一训练组包括若干 第一训练数,每一第一训练数包括调光装置的输出方向以及光照强度,将第一 训练组的第一训练数依次输入到所述调光装置中,根据每一个照度传感器的照 度采样值训练对应的第一数学模型以得到第二处理模型,所述第一处理模型为 Sn=A1n[(X-Xn)+(Y-Yn)]*Z+A2n,其中A1n为训练后第n个照度传感器对应的第 一传感训练参数的值,其中A2n为训练后第n个照度传感器对应的第二传感训练 参数的值;
第二数学模型训练步骤,第二数学模型训练步骤,随机生成第二训练组, 所述第二训练组包括若干第二训练数,每一第二训练数包括调光装置的输出方 向以及光照强度,将第二训练组的第二训练数依次输入到所述调光装置中,根 据每一个照度传感器的照度采样值以及对应图像分区的像点的平均灰度值,训 练对应的第二数学模型以得到第二处理模型,所述第二处理模型为 Sn=B1n*Tn+B2n,其中B1n为训练后第n个照度传感器对应的第一图像训练参数 的值,其中B2n为训练后第n个照度传感器对应的第二图像训练参数的值;
关系表达式生成步骤,通过第一处理模型和第二处理模型生成关系表达 式,所述关系表达式为Tn=C1n[(X-Xn)+(Y-Yn)]*Z+C2n,其中C1n=A1n/B1n, C2n=(A2n-B2n)/B1n;
模型表建立步骤,根据关系表达式以调光装置的投射方向和光照强度为索 引建立模型表,模型表包括每一索引下图像采集装置采集的图像的分区灰度分 布信息。
进一步地:所述第二模型训练步骤中,包括对每一图像分区中的像点通过 浮点算法计算灰度值。
进一步地:所述调光装置包括面向所述拍摄面设置的若干调光射灯,所述 调光射灯分布于所述调光室对应所述拍摄面对的相对面,通过向量算法获得所 述调光装置的投射方向以及光照强度,所述向量算法包括在所述调光室建立第 一立体坐标系,为每一调光射灯建立投射向量,所述投射向量的模长为所述调 光射灯的光照强度,所述投射向量的方向为所述调光射灯的照射方向,求和每 一投射向量得到调光向量,所述调光向量的模长为所述调光装置的光照强度。
进一步地:所述第一数学模型建立步骤中,通过一加权算法计算所述调光 装置的投射方向与所述拍摄面上的交点在第一平面坐标系的坐标,所述加权算 法包括第一加权子算法以及第二加权子算法,所述第一加权子算法为 X=(z1*x1+z2*x2+...+zm*xm)/m,所述第二加权子算法为 Y=(z1*y1+z2*y2+...+zm*ym)/m,其中m为调光装置所使用的调光射灯的数量, xm为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的横坐 标,ym为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的纵 坐标,zm为第m个调光射灯的光照强度。
进一步地:所述模型表中,包括每一调光射灯的投射方向以及光照强度。
进一步地:所述传感器阵列至少设置有64个照度传感器。
进一步地:所述传感器阵列于所述调光室的墙面可拆卸连接。
本发明技术效果主要体现在以下方面:通过这样设置,将照度传感器作为 传递参数,分别训练两个模型调光装置-照度传感器,照度传感器-图像,这样 一来,使得训练结果更加精确,而通过模型表就可以根据图像的亮度直接确定 对应的调光装置输出,较为简单可靠。
附图说明
图1:本发明的数学模型光源跟踪调光方法的调光室俯视方向示意图;
图2:本发明的数学模型光源跟踪调光方法的图像采集装置采集图像示意 图。
附图标记:1、调光装置;2、图像采集装置;21、拍摄面;22、图像分 区;3、传感器阵列;31、照度传感器。
具体实施方式
以下结合附图,对本发明的具体实施方式作进一步详述,以使本发明技术 方案更易于理解和掌握。
参照图1所示,一种数学模型光源跟踪调光方法,提供一调光室,所述调 光室内设置有调光装置1、图像采集装置2以及传感器阵列3;所述图像采集 装置2于所述调光室形成一拍摄面21,所述传感器阵列3设置于所述拍摄面 21,所述调光装置1面向所述拍摄面21设置,所述传感器阵列3包括阵列设 置于所述拍摄面21上的若干照度传感器31;一般的调光室,摄像头的方向和 拍摄方向是已知的,而针对复杂多变的拍摄环境(天气,房间景物的变化)都 会出现对调光的变化,所以需要根据现场情况进行建模,较为简单可靠,而本 方法的物理模型如下,首先先在调光室中确定一拍摄面21,而拍摄面21对图 像采集装置2以及调光装置1,而在拍摄面21上设置照度传感器31阵列3, 所述传感器阵列3至少设置有64个照度传感器31。所述传感器阵列3于所述 调光室的墙面可拆卸连接。而具体不做局限,需要说明的是,设置完照度传感 器31后,图像采集装置2采集拍摄面21时,就可以针对图像进行分区,每一 照度传感器31对应一拍摄面21,如图2所示,这样一一对应,完成了调光方 法中的准备工作。接下来需要进行调光具体步骤包括
第一数学模型建立步骤,建立第一数学模型,在拍摄面上建立第一平面坐 标系,所述第一数学模型为Sn=a1n[(X-Xn)+(Y-Yn)]*Z+a2n,其中Sn为第n个所 述照度传感器的照度采样值,a1n为第n个照度传感器对应的第一传感训练参 数,X为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的横坐 标,Y为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的纵坐 标,Xn为第n个照度传感器于所述第一平面坐标系上的横坐标,Yn为第n个 照度传感器于所述第一平面坐标系上的纵坐标,Z为调光装置的光照强度值, a2n第n个照度传感器对应的第二传感训练参数;本发明采用一阶数学模型作为 训练模型,需要说明的是,如果调光装置的照射方向已知,调光装置在调光室 的位置已知,那么调光装置投射方向在拍摄面的交点也是已知量,同样的,任 意一个照度传感器在拍摄面上的位置也是已知量,也就是说,第一数学模型 中,有已知量Xn,Yn;X,Y,Z以及Sn则根据实际情况获得,a1n,a2n为模 型中的未知量。
第二数学模型建立步骤,建立第二数学模型,并将所述图像采集装置2在 拍摄面21上采集的图像根据所述照度传感器31的分布,将采集的图像划分为 与所述照度传感器31位置一一对应的图像分区22,所述第二数学模型为 Sn=b1n*Tn+b2n,其中b1n为第n个照度传感器对应的第一图像训练参数,b2n为第 n个照度传感器对应的第二图像训练参数,Tn为第n个照度传感器对应的图像 分区中所有像点的平均灰度值;其中,Tn,Sn根据实际的值获得,而b1n,b2n为未知量,需要说明的是,第一数学模型和第二数学模型均包括有若干条件,例如第一训练模型包括有条件,S1=a11[(X-X1)+(Y-Y1)]*Z+a21, S2=a12[(X-X2)+(Y-Y2)]*Z+a22……等等条件。针对每一照度传感器和对应的分 区都存在一个对应的关系。
第一数学模型训练步骤,随机生成第一训练组,所述第一训练组包括若干 第一训练数,每一第一训练数包括调光装置1的输出方向以及光照强度,将第 一训练组的第一训练数依次输入到所述调光装置1中,根据每一个照度传感器 31的照度采样值训练对应的第一数学模型以得到第二处理模型,所述第一处理 模型为Sn=A1n[(X-Xn)+(Y-Yn)]*Z+A2n,其中A1n为训练后第n个照度传感器对 应的第一传感训练参数的值,其中A2n为训练后第n个照度传感器对应的第二传 感训练参数的值;而对第一数学模型的训练,则就是根据输入的值,求出输出 的值,而第一训练组是包括若干个第一训练数,例如通过20个第一训练数训练第一数学模型,而此时每次训练中Xn,Yn,X,Y,Z以及Sn分别为已知 量,而针对每一个照度传感器会得到20个关于a1n,a2n的约束公式,而根据20 个约束公式就可以获得理论a1n,a2n的最优解,该求解过程不做赘述,而得到 A1n,A2n以使对这20个约束公式的误差最小,这样一来,就得到了第一处理模 型。
第二数学模型训练步骤,第二数学模型训练步骤,随机生成第二训练组, 所述第二训练组包括若干第二训练数,每一第二训练数包括调光装置1的输出 方向以及光照强度,将第二训练组的第二训练数依次输入到所述调光装置1 中,根据每一个照度传感器31的照度采样值以及对应图像分区22的像点的平 均灰度值,训练对应的第二数学模型以得到第二处理模型,所述第二处理模型 为Sn=B1n*Tn+B2n,其中B1n为训练后第n个照度传感器对应的第一图像训练参 数的值,其中B2n为训练后第n个照度传感器对应的第二图像训练参数的值;而 与训练第一处理模型的方式相同,通过若干第二训练数,由于调光装置1的照射方向变化以及光照强度变化势必会对每一个照度传感器31以及最后获取的 图像的灰度值分布产生影响,所以通过这个方式计算,同样得到了最优解,。 得到了第二处理模型,第二处理模型和第一处理模型通过传感器的编号存在一 一对应的关系。
关系表达式生成步骤,通过第一处理模型和第二处理模型生成关系表达 式,所述关系表达式为Tn=C1n[(X-Xn)+(Y-Yn)]*Z+C2n,其中C1n=A1n/B1n, C2n=(A2n-B2n)/B1n;而此时就可以根据第一处理模型和第二处理模型生成模型 关系表达式,这样一来,就可以得到调光装置和图像的理论关系。
模型表建立步骤,根据关系表达式以调光装置1的投射方向和光照强度为 索引建立模型表,模型表包括每一索引下图像采集装置2采集的图像的分区灰 度分布信息。而后根据关系表达式就可以建立模型表,需要说明的是,模型表 中记录的是图像分区22的平均灰度值与调光装置1输出的关系,也就是说, 如果需要对图像灰度值进行设置,就可以获得对应的调光装置1的输出,也就 是可以根据图像上的直接操作调节调光装置1,也可以根据调光装置1直接输 出或呈现理论上的图像灰度效果图,这样一来,拍摄者可以双向选择:1、可 以通过直接操作图像进行对调光装置1的调节,2、可以通过操作调光装置1 直接在图像中生成理论模型,两种方式都非常实用,大大方便了摄像师的工 作。
所述第二模型训练步骤中,包括对每一图像分区22中的像点通过浮点算 法计算灰度值。Gray=R*0.3+G*0.59+B*0.11,具体不做赘述,通过浮点法,更 加精确可靠,方便亮度的调节。所述调光装置1包括面向所述拍摄面21设置 的若干调光射灯,所述调光射灯分布于所述调光室对应所述拍摄面21对的相 对面,通过向量算法获得所述调光装置1的投射方向以及光照强度,所述向量 算法包括在所述调光室建立第一立体坐标系,为每一调光射灯建立投射向量, 所述投射向量的模长为所述调光射灯的光照强度,所述投射向量的方向为所述 调光射灯的照射方向,求和每一投射向量得到调光向量,所述调光向量的模长 为所述调光装置1的光照强度。所述第一数学模型建立步骤中,通过一加权算 法计算所述调光装置1的投射方向与所述拍摄面21上的交点在第一平面坐标 系的坐标,所述加权算法包括第一加权子算法以及第二加权子算法,所述第一 加权子算法为X=(z1*x1+z2*x2+...+zm*xm)/m,所述第二加权子算法为 Y=(z1*y1+z2*y2+...+zm*ym)/m,其中m为调光装置所使用的调光射灯的数量, xm为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的横坐 标,ym为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的纵 坐标,zm为第m个调光射灯的光照强度。首先需要说明的是,一般一个室内, 会出现多个调光射灯以满足不同角度,不同位置的照射需求,而如果多个调光 射灯,那么就会存在多个照射的方向,本发明通过两个算法对投射方向以及光 照强度进行处理,首先对于光照强度的处理,通过向量求和的算法,由于每个 调光射灯的输出功率已知,照射方向已知,所以就可以针对每一调光射灯建立 向量,而求出其向量和,就可以求得总照射强度,作为调光装置的光照强度, 而照射位置的确定,是通过加权算法获得,同样每一个调光射灯在拍摄面上的交点的坐标是已知的,所以通过这种方式就可以获得最后的照射位置,而以坐 标值为权值,每个调光射灯的光照强度为权值,以加权的方式,就可以得到最 后的坐标,需要说明的是,zm为等效光照强度,也就是说必须满足z1到zm之和 为1,这样就可以获得理论的交点,而求得在多个调光射灯组合工作的情况 下,理论的调光装置的投射位置以及光照强度。
所述模型表中,包括每一调光射灯的投射方向以及光照强度。这样一来, 还可以调节到每一个调光射灯,更加精确,保证拍摄效果。
当然,以上只是本发明的典型实例,除此之外,本发明还可以有其它多种 具体实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要 求保护的范围之内。
Claims (7)
1.一种数学模型光源跟踪调光方法,其特征在于:提供一调光室,所述调光室内设置有调光装置、图像采集装置以及传感器阵列;所述图像采集装置于所述调光室形成一拍摄面,所述传感器阵列设置于所述拍摄面,所述调光装置面向所述拍摄面设置,所述传感器阵列包括阵列设置于所述拍摄面上的若干照度传感器;具体步骤包括
第一数学模型建立步骤,建立第一数学模型,在拍摄面上建立第一平面坐标系,所述第一数学模型为Sn=a1n[(X-Xn)+(Y-Yn)]*Z+a2n,其中Sn为第n个所述照度传感器的照度采样值,a1n为第n个照度传感器对应的第一传感训练参数,X为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的横坐标,Y为调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的纵坐标,Xn为第n个照度传感器于所述第一平面坐标系上的横坐标,Yn为第n个照度传感器于所述第一平面坐标系上的纵坐标,Z为调光装置的光照强度值,a2n第n个照度传感器对应的第二传感训练参数;
第二数学模型建立步骤,建立第二数学模型,并将所述图像采集装置在拍摄面上采集的图像根据所述照度传感器的分布,将采集的图像划分为与所述照度传感器位置一一对应的图像分区,所述第二数学模型为Sn=b1n*Tn+b2n,其中b1n为第n个照度传感器对应的第一图像训练参数,b2n为第n个照度传感器对应的第二图像训练参数,Tn为第n个照度传感器对应的图像分区中所有像点的平均灰度值;
第一数学模型训练步骤,随机生成第一训练组,所述第一训练组包括若干第一训练数,每一第一训练数包括调光装置的输出方向以及光照强度,将第一训练组的第一训练数依次输入到所述调光装置中,根据每一个照度传感器的照度采样值训练对应的第一数学模型以得到第二处理模型,所述第一处理模型为Sn=A1n[(X-Xn)+(Y-Yn)]*Z+A2n,其中A1n为训练后第n个照度传感器对应的第一传感训练参数的值,其中A2n为训练后第n个照度传感器对应的第二传感训练参数的值;
第二数学模型训练步骤,第二数学模型训练步骤,随机生成第二训练组,所述第二训练组包括若干第二训练数,每一第二训练数包括调光装置的输出方向以及光照强度,将第二训练组的第二训练数依次输入到所述调光装置中,根据每一个照度传感器的照度采样值以及对应图像分区的像点的平均灰度值,训练对应的第二数学模型以得到第二处理模型,所述第二处理模型为Sn=B1n*Tn+B2n,其中B1n为训练后第n个照度传感器对应的第一图像训练参数的值,其中B2n为训练后第n个照度传感器对应的第二图像训练参数的值;
关系表达式生成步骤,通过第一处理模型和第二处理模型生成关系表达式,所述关系表达式为Tn=C1n[(X-Xn)+(Y-Yn)]*Z+C2n,其中C1n=A1n/B1n,C2n=(A2n-B2n)/B1n;
模型表建立步骤,根据关系表达式以调光装置的投射方向和光照强度为索引建立模型表,模型表包括每一索引下图像采集装置采集的图像的分区灰度分布信息。
2.如权利要求1所述的一种数学模型光源跟踪调光方法,其特征在于:所述第二模型训练步骤中,包括对每一图像分区中的像点通过浮点算法计算灰度值。
3.如权利要求1所述的一种数学模型光源跟踪调光方法,其特征在于:所述调光装置包括面向所述拍摄面设置的若干调光射灯,所述调光射灯分布于所述调光室对应所述拍摄面对的相对面,通过向量算法获得所述调光装置的投射方向以及光照强度,所述向量算法包括在所述调光室建立第一立体坐标系,为每一调光射灯建立投射向量,所述投射向量的模长为所述调光射灯的光照强度,所述投射向量的方向为所述调光射灯的照射方向,求和每一投射向量得到调光向量,所述调光向量的模长为所述调光装置的光照强度。
4.如权利要求3所述的一种数学模型光源跟踪调光方法,其特征在于:所述第一数学模型建立步骤中,通过一加权算法计算所述调光装置的投射方向与所述拍摄面上的交点在第一平面坐标系的坐标,所述加权算法包括第一加权子算法以及第二加权子算法,所述第一加权子算法为X=(z1*x1+z2*x2+...+zm*xm)/m,所述第二加权子算法为Y=(z1*y1+z2*y2+...+zm*ym)/m,其中m为调光装置所使用的调光射灯的数量,xm为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的横坐标,ym为第m个调光射灯在所述与所述拍摄面上的交点在第一平面坐标系的纵坐标,zm为第m个调光射灯的光照强度。
5.如权利要求3所述的一种数学模型光源跟踪调光方法,其特征在于:所述模型表中,包括每一调光射灯的投射方向以及光照强度。
6.如权利要求1所述的一种数学模型光源跟踪调光方法,其特征在于:所述传感器阵列至少设置有64个照度传感器。
7.如权利要求1所述的一种数学模型光源跟踪调光方法,其特征在于:所述传感器阵列于所述调光室的墙面可拆卸连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810627699.2A CN108805118B (zh) | 2018-06-19 | 2018-06-19 | 一种数学模型光源跟踪调光方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810627699.2A CN108805118B (zh) | 2018-06-19 | 2018-06-19 | 一种数学模型光源跟踪调光方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108805118A true CN108805118A (zh) | 2018-11-13 |
CN108805118B CN108805118B (zh) | 2021-06-08 |
Family
ID=64083404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810627699.2A Expired - Fee Related CN108805118B (zh) | 2018-06-19 | 2018-06-19 | 一种数学模型光源跟踪调光方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108805118B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101512630A (zh) * | 2006-08-29 | 2009-08-19 | 松下电器产业株式会社 | 图像显示方法及图像显示装置 |
CN104144537A (zh) * | 2013-05-08 | 2014-11-12 | 株式会社理光 | 智能照明控制方法、设备及系统 |
CN104244502A (zh) * | 2013-06-17 | 2014-12-24 | 株式会社理光 | 确定照度传感器的布置的方法、装置和照明控制系统 |
CN105120550A (zh) * | 2015-05-22 | 2015-12-02 | 江苏天语雅思医疗设备有限公司 | 一种基于超声定位的led无影灯智能调光系统 |
CN205584583U (zh) * | 2016-01-27 | 2016-09-14 | 北京云端文化传媒股份有限公司 | 一种室内调光系统 |
-
2018
- 2018-06-19 CN CN201810627699.2A patent/CN108805118B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101512630A (zh) * | 2006-08-29 | 2009-08-19 | 松下电器产业株式会社 | 图像显示方法及图像显示装置 |
CN104144537A (zh) * | 2013-05-08 | 2014-11-12 | 株式会社理光 | 智能照明控制方法、设备及系统 |
CN104244502A (zh) * | 2013-06-17 | 2014-12-24 | 株式会社理光 | 确定照度传感器的布置的方法、装置和照明控制系统 |
CN105120550A (zh) * | 2015-05-22 | 2015-12-02 | 江苏天语雅思医疗设备有限公司 | 一种基于超声定位的led无影灯智能调光系统 |
CN205584583U (zh) * | 2016-01-27 | 2016-09-14 | 北京云端文化传媒股份有限公司 | 一种室内调光系统 |
Non-Patent Citations (2)
Title |
---|
HUGHES R F 等: "Substantial energy savings through adaptive lighting", 《PROCEEDINGS OF THE 2008 IEEE ELECTRIC POWER》 * |
雍静 等: "《室内照明调光控制系统中墙面传感器布置方法》", 《雍静》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108805118B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105933617B (zh) | 一种用于克服动态问题影响的高动态范围图像融合方法 | |
CN105939451B (zh) | 用于胶囊内窥镜系统的图像曝光处理系统及方法 | |
CN110782394A (zh) | 全景视频快速拼接方法及系统 | |
CN113963044B (zh) | 一种基于rgbd相机的货物箱智能装载方法及系统 | |
CN109146082A (zh) | 机器学习装置、机器人控制系统和机器学习方法 | |
CN108718373A (zh) | 影像装置 | |
CN107749952B (zh) | 一种基于深度学习的智能无人摄影方法和系统 | |
CN109191403A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN110346116B (zh) | 一种基于图像采集的场景照度计算方法 | |
CN103973991A (zh) | 一种基于b-p神经网络判断照明场景的自动曝光方法 | |
CN109801234A (zh) | 图像几何校正方法及装置 | |
CN105430376A (zh) | 一种全景相机一致性的检测方法及装置 | |
CN112949452B (zh) | 一种基于多任务共享网络的机器人弱光环境抓取检测方法 | |
CN103839236A (zh) | 一种基于稀疏表示的图像白平衡方法 | |
CN109284719A (zh) | 一种基于机器学习的初始数据处理方法和系统 | |
WO2023280082A1 (zh) | 一种手柄inside-out视觉6自由度定位方法及系统 | |
CN116996771A (zh) | 一种基于多种传感器与深度强化学习的自动拍摄控制装置及控制方法 | |
CN103905738B (zh) | 高动态范围图像生成系统及方法 | |
CN106888344A (zh) | 摄像模组及其像面倾斜的获取方法和调整方法 | |
CN114332355A (zh) | 一种基于深度学习的弱光多视图几何重建方法 | |
CN110428461A (zh) | 结合深度学习的单目slam方法及装置 | |
CN108805118A (zh) | 一种数学模型光源跟踪调光方法 | |
CN101359043B (zh) | 一种声学摄像机系统中声场重建平面的确定方法 | |
CN104680916B (zh) | 一种摄影教学系统及方法 | |
CN207923146U (zh) | 一种基于卡尔曼滤波的复杂场景下的led灯追踪系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210608 |