CN111460554A - 一种基于最大光照熵的室内自动布光方法及系统 - Google Patents

Abstract

本发明公开了一种基于最大光照熵的室内自动布光方法及系统，所述方法包括：构建室内3D场景模型；基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；根据室内照明设计准则与色彩心理学为光源确定光色温；基于场景光源分布情况，计算对应光源的光照熵；采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。本发明提供的基于最大光照熵的室内自动布光方法及系统，依据FBS、色彩心理学、合理性评估准则及优化算法，规范了定位、选色、制亮的流程，具有简单、轻量、快速的特点。

Description

一种基于最大光照熵的室内自动布光方法及系统

技术领域

本发明涉及室内虚拟场景自动布局技术领域，特别是涉及一种基于最大光照熵的室内自动布光方法及系统。

背景技术

现有的室内渲染布光的方案是：根据要渲染的户型形状，房间内的家具摆设，在渲染前手工布置光，使得渲染的光影效果达到预期。但是，当场景比较复杂，如户型比较大，家具繁多，家具摆放复杂时，这使得布光操作非常繁杂；此外，渲染质量不可控：手动布光后，往往因为手动布的光不足而导致渲染的场景偏暗，或手动布的光过多而导致场景曝光和渲染时间过长等异常情况。因此自动布光的需求应运而生。

近年来，有关室内家居自动布局方法论与系统大量涌现。这些方法可以针对多样的需求与室内结构，或通过功能需求驱动，或通过案例学习的方法，快速提供功能正确的各类布局。然而，实际室内场景的光源的数量和位置都非常受限，而计师们为了渲染出一张精美的效果图，往往会在不科学的位置加上不可见的光源，从而产生预期的明暗效果。这样的场景虽然美观高级，但功能不完善，因此不能完全学习参考。这导致正确美观的布光场景案例匮乏。除此之外，自动布光方法实现的困难与挑战主要有以下几个方面：

(1)各三维软件的渲染方法及光度学定义不统一；

(2)场景内容变化多、模型形式不统一、用户需求难量化；

(3)布光结果无客观评估准则。

发明内容

本发明的目的是提供一种基于最大光照熵的室内自动布光方法及系统，规范了定位、选色、制亮的流程，分别依据FBS、色彩心理学、合理性评估准则及优化算法，为不同测试场景提供了布光解决方案，简单、轻量、快速地达到了布光结果美观实用的目的。

为实现上述目的，本发明提供了如下方案：

一种基于最大光照熵的室内自动布光方法，该方法包括以下步骤：

S1，构建室内3D场景模型；

S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

S3，根据室内照明设计准则与色彩心理学为光源确定光色温；

S4，基于场景光源分布情况，计算对应光源的光照熵；

S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

S6，取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

可选的，所述步骤S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置，具体包括：

确定主灯、床灯、床头灯、沙发灯及装饰品灯的存在与否以及确定各个光源的相对位置。

可选的，所述步骤S3，根据室内照明设计准则与色彩心理学为光源确定光色温，具体包括：

限定三种最为常用的色温：冷、暖、中性色温为枚举，依据不同的场景及氛围需求选择三种中的某一种从而确定色温。

可选的，所述步骤S4，基于场景光源分布情况，计算对应光源的光照熵，具体包括：

采用二维渲染图、全景图及体素方法确定场景光源分布情况；

基于渲染图像素灰度值、全景图像素灰度值及体素中的自定义辐射强度计算对应光源的光照熵。

可选的，所述步骤S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵，具体包括：

通过模拟退火算法加权扰动各个光源的亮度值，计算扰动后新的光照熵；

通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，从而求得最大光照熵。

可选的，所述通过模拟退火算法加权扰动各个光源的亮度值，具体包括：根据光源影响范围作为改光源的权重，范围越大权重越大，以该权重调整各个光源的扰动步长，权重越大步长越小，并以所有光源亮度值为0作为循环初始值；

所述通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，具体包括：

设定马尔可夫链的长度，该长度为特定温度下的扰动次数；

设定马尔可夫链的的容差，计算两次马尔可夫链循环后的解的差值，该差值小于容差时，循环结束，确定循环次数。

本发明还提供了一种基于最大光照熵的室内自动布光系统，应用于上述的基于最大光照熵的室内自动布光方法，包括：

模型构建模块，用于构建室内3D场景模型；

光源数量和位置确定模块，用于基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

光色温确定模块，用于根据室内照明设计准则与色彩心理学为光源确定光色温；

光照熵计算模块，用于基于场景光源分布情况，计算对应光源的光照熵；

最大光照熵计算模块，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

光源亮度最优解计算模块，用于取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于最大光照熵的室内自动布光方法及系统，借鉴FBS理论以功能驱动为场景确定灯光的数量及位置，然后根据室内照明设计准则与色彩心理学为光源确定光色温，最后创新性地提出一种光照合理性评估依据——光照熵，并结合改进的智能优化算法与实时计算结果不断调整各个光源的亮度，最终确定给出适用于场景的最优曝光值。实现了自动布局、自动选色、自动曝光三个最为重要的布光功能模块，流程化的确定了测试场景所需光源的所有参数信息，从而使场景灯光效果美观合理，也即给出一个具有实际应用价值、渲染效果优异的布光方案。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于最大光照熵的自动布光方法的流程示意图；

图2为本发明实施例光照熵随亮度变化趋势示意图；

图3为本发明实施例使用模拟退火算法求解最大光照熵的流程示意图；

图4为本发明实施例使用模拟退火算法求解最大光照熵的收敛特征示意图；

图5为本发明实施例使用NIMA神经网络对不同光照熵下场景的美观度评分图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种基于最大光照熵的室内自动布光方法及系统，规范了定位、选色、制亮的流程，分别依据FBS、色彩心理学、合理性评估准则及优化算法，为不同测试场景提供了布光解决方案，简单、轻量、快速地达到了布光结果美观实用的目的。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供的基于最大光照熵的室内自动布光方法，包括以下步骤：

S1，构建室内3D场景模型；

S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

S3，根据室内照明设计准则与色彩心理学为光源确定光色温；

S4，基于场景光源分布情况，计算对应光源的光照熵；

S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

S6，取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

其中，所述步骤S1中，构建室内3D场景模型包括：

第一，引擎及渲染方式的规范化与统一：

光源与相机需为基于物理的、线性的；所述物理的、线性的具体包括光源的传播与物体的交互及相机的采样需依据基于物理的渲染公式来计算，其计算过程处于线性空间；

模型贴图需为物理的、线性的、统一的，所述统一的具体包括贴图数量一致、格式一致、使用通道一致、通道内容一致；

模型材质、后处理效果、即着色器需为物理的、线性的，计算光源的入射出射情况时需保证遵循能量守恒原则；

第二，输入3D场景的规范化与标注：

场景模型需为统一的、真实的、合理的，所述统一的具体包括命名统一、层级关系统一、单位统一、格式统一，方向统一，所述真实的具体包括绝对尺寸真实、模型间相对尺寸真实，所述合理的具体包括模型三角面数量合理、三角面分布均匀、边缘缝合紧密、无破面、交面及重面情况。

所述步骤S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置，具体包括：

确定主灯、床灯、床头灯、沙发灯及装饰品灯的存在与否以及确定各个光源的相对位置。

其中，所述步骤S3，根据室内照明设计准则与色彩心理学为光源确定光色温，具体包括：

限定三种最为常用的色温：冷、暖、中性色温为枚举，依据不同的场景及氛围需求选择三种中的某一种从而确定色温。

所述步骤S4，基于场景光源分布情况，计算对应光源的光照熵，具体包括：

采用二维渲染图、全景图及体素方法确定场景光源分布情况；

基于渲染图像素灰度值、全景图像素灰度值及体素中的自定义辐射强度计算对应光源的光照熵。

如图2所示，为本发明实施例光照熵随亮度变化趋势示意图，由图可得光照熵在场景光源亮度不断增加时，呈现先增大后减小的趋势，且存在最大值。

如图3所示，本发明实施例使用模拟退火算法求解最大光照熵的流程示意图，所述步骤S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵，具体包括：

通过模拟退火算法加权扰动各个光源的亮度值，计算扰动后新的光照熵；

通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，从而求得最大光照熵。

其中，所述通过模拟退火算法加权扰动各个光源的亮度值，具体包括：根据光源影响范围作为改光源的权重，范围越大权重越大，以该权重调整各个光源的扰动步长，权重越大步长越小，并以所有光源亮度值为0作为循环初始值；

所述通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，具体包括：

设定马尔可夫链的长度，该长度为特定温度下的扰动次数；

设定马尔可夫链的的容差，计算两次马尔可夫链循环后的解的差值，该差值小于容差时，循环结束，确定循环次数。

其中，设定初始温度和降温速度，温度的意义在于：扰动后解比扰动前解更偏离最优解时，可依据温度来接受该扰动后的解，从而防止算法陷入局部最优，随着温度下降，接受偏离最优解的概率逐渐下降，解也趋于稳定；

设定循环结束条件：容差，即两次马尔可夫链循环后的解的差值，该差值小于容差时，证明解随着温度降低已经足够稳定，接受该解为最优解。

如图4所示，本发明实施例使用模拟退火算法求解最大光照熵的收敛特征示意图，观察可以发现此算法是收敛的，且只进行百次以内的迭代即可求得最优解.

图5为本发明实施例使用GoogleAI的NIMA神经网络对不同光照熵下的场景的渲染图的美观度评分，观察可得渲染图美观度与其光照熵成正相关，光照熵达到最大时，美观度评分也最高，这有力的证明了最大光照熵可作为光源亮度调整的依据。

本发明还提供了一种基于最大光照熵的室内自动布光系统，应用于上述的基于最大光照熵的室内自动布光方法，包括：

模型构建模块，用于构建室内3D场景模型；

光源数量和位置确定模块，用于基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

光色温确定模块，用于根据室内照明设计准则与色彩心理学为光源确定光色温；

光照熵计算模块，用于基于场景光源分布情况，计算对应光源的光照熵；

最大光照熵计算模块，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

光源亮度最优解计算模块，用于取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

布光作为一种非常主观和复杂的需求，为了针对不同设计的场景给出统一且合理的布光方案，本申请提出的自动布光方法分为自动布局、自动选色与自动曝光三步(在流程之前需要规范化场景与渲染方式)，在整个布光流程中，以什么样的依据和标准来设置自动布光过程中光源的亮度是本研究的核心问题，也是自动布光系统迟迟没有发展和成熟的原因，究竟什么强度和范围的灯光最为美观合理，往往需要结合实际室内结构和软装风格的，因此很难量化和自动化。针对如何评估布光结果合理性的难题，本申请提出一种简单的、通用的评估依据——光照熵，表征某空间内的辐射通量分布的均匀程度,通过计算场景的最大光照熵，从而达到场景的辐射通量分布最均匀的目的。在求解最大光照熵时，可采用辐射亮度与辐射强度代替辐射通量(因其成正比关系)，由此本申请提出可使用渲染图的最大二维灰度熵和使用体素中的最大辐射强度熵来表征场景的最大光照熵的观念，使求解最大光照熵成为可能。在求解最大光照熵过程中，本发明使用改进的模拟退火算法，通过改变循环初始条件和为扰动步长加权来更快的求取全局最优解，使其更适用于本流程的求解需求。该全局最优解就是本系统给出的最优曝光值，从而给出位置正确、颜色宜人、亮度合理的布光解决方案。

本发明提供的基于最大光照熵的室内自动布光方法及系统，借鉴FBS理论以功能驱动为场景确定灯光的数量及位置，然后根据室内照明设计准则与色彩心理学为光源确定光色温，最后创新性地提出一种光照合理性评估依据——光照熵，并结合改进的智能优化算法与实时计算结果不断调整各个光源的亮度，最终确定给出适用于场景的最优曝光值。实现了自动布局、自动选色、自动曝光三个最为重要的布光功能模块，流程化的确定了测试场景所需光源的所有参数信息，从而使场景灯光效果美观合理，也即给出一个具有实际应用价值、渲染效果优异的布光方案。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于最大光照熵的室内自动布光方法，其特征在于，包括以下步骤：

S1，构建室内3D场景模型；

S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

S3，根据室内照明设计准则与色彩心理学为光源确定光色温；

S4，基于场景光源分布情况，计算对应光源的光照熵；

S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

S6，取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

2.根据权利要求1所述的基于最大光照熵的室内自动布光方法，其特征在于，所述步骤S2，基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置，具体包括：

确定主灯、床灯、床头灯、沙发灯及装饰品灯的存在与否以及确定各个光源的相对位置。

3.根据权利要求1所述的基于最大光照熵的室内自动布光方法，其特征在于，所述步骤S3，根据室内照明设计准则与色彩心理学为光源确定光色温，具体包括：

限定三种最为常用的色温：冷、暖、中性色温为枚举，依据不同的场景及氛围需求选择三种中的某一种从而确定色温。

4.根据权利要求1所述的基于最大光照熵的室内自动布光方法，其特征在于，所述步骤S4，基于场景光源分布情况，计算对应光源的光照熵，具体包括：

采用二维渲染图、全景图及体素方法确定场景光源分布情况；

基于渲染图像素灰度值、全景图像素灰度值及体素中的自定义辐射强度计算对应光源的光照熵。

5.根据权利要求1所述的基于最大光照熵的室内自动布光方法，其特征在于，所述步骤S5，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵，具体包括：

通过模拟退火算法加权扰动各个光源的亮度值，计算扰动后新的光照熵；

通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，从而求得最大光照熵。

6.根据权利要求5所述的基于最大光照熵的室内自动布光方法，其特征在于，所述通过模拟退火算法加权扰动各个光源的亮度值，具体包括：根据光源影响范围作为改光源的权重，范围越大权重越大，以该权重调整各个光源的扰动步长，权重越大步长越小，并以所有光源亮度值为0作为循环初始值；

所述通过设定模拟退火算法的结束温度及马尔可夫链的长度来决定扰动和循环的次数，具体包括：

设定马尔可夫链的长度，该长度为特定温度下的扰动次数；

设定马尔可夫链的的容差，计算两次马尔可夫链循环后的解的差值，该差值小于容差时，循环结束，确定循环次数。

7.一种基于最大光照熵的室内自动布光系统，其特征在于，应用于权利要求1-6任一所述的基于最大光照熵的室内自动布光方法，包括：

模型构建模块，用于构建室内3D场景模型；

光源数量和位置确定模块，用于基于室内3D场景模型，根据FBS理论为场景确定光源数量及位置；

光色温确定模块，用于根据室内照明设计准则与色彩心理学为光源确定光色温；

光照熵计算模块，用于基于场景光源分布情况，计算对应光源的光照熵；

最大光照熵计算模块，采用智能优化算法产生随机扰动，扰动各个光源的亮度值，计算扰动后的光照熵，通过设定循环限制条件不断循环从而求得最大光照熵；

光源亮度最优解计算模块，用于取最大光照熵的曝光值作为各光源亮度的最优解，依据该最优解进行布光。

Images