CN116306028B - 一种基于虚拟现实的照明设备安装方法、系统及介质 - Google Patents
一种基于虚拟现实的照明设备安装方法、系统及介质 Download PDFInfo
- Publication number
- CN116306028B CN116306028B CN202310547289.8A CN202310547289A CN116306028B CN 116306028 B CN116306028 B CN 116306028B CN 202310547289 A CN202310547289 A CN 202310547289A CN 116306028 B CN116306028 B CN 116306028B
- Authority
- CN
- China
- Prior art keywords
- identification result
- lighting equipment
- installation position
- data information
- preset
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Medical Informatics (AREA)
- Mathematical Analysis (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种基于虚拟现实的照明设备安装方法、系统及介质,属于照明设备技术领域,通过基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点,当识别结果存在第二识别结果,则获取第二识别结果所在的位置节点,根据第二识别结果所在的位置节点生成照明设备推荐安装区域,基于照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。通过本方法能够有效地识别出当前目标区域中是否存在热源性设备,当存在相应的热源设备或者热源性物体时,通过本方法能够有效地根据热源性设备的温度梯度进行选择出照明设备的安装位置,使得照明设备的发光效率提高,进而使得照明设备的安装位置更加合理。
Description
技术领域
本发明涉及照明设备技术领域,尤其涉及一种基于虚拟现实的照明设备安装方法、系统及介质。
背景技术
照明设备主要是发光二极管,而发光二极管(LED)作为第三代照明光源,具有节能环保、启动无延迟以及能耗低、寿命长等优点,目前已被广泛应用于交通信号显示、路灯照明、车灯照明、家居照明、高功率场馆照明以及液晶显示器背光源与全彩显示等领域。而照明设备安装需要体现在整体规划上,照明设备的安装都应该满足国家的相关法律法规和标准依据,结合具体的照明对象专门要求以及实际的建筑现状,分区域分目标地制定出详细可行的设计以及实施策略。而现如今,照明设备的安装大多数只考虑了节能性,而环境温度往往会影响照明设备的发光效率,当照明设备靠近热源设备或者室内安装的热源物体,热源设备附近范围的温度就会越高,使得照明设备的发光效率会显著的下降。现如今,现有技术中安装照明设备时,对于热源设备附近范围的温度数据完全忽略,而温度数据又会影响照明设备的照明效率,进而降低了照明设备的发光效率,导致了照明设备的安装位置不够合理。
发明内容
本发明克服了现有技术的不足,提供了一种基于虚拟现实的照明设备安装方法、系统及介质。
为达上述目的,本发明采用的技术方案为:
本发明第一方面提供了一种基于虚拟现实的照明设备安装方法,包括以下步骤:
获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息;
基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点;
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。
进一步地,本发明的一个较佳实施例中,获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点,具体包括以下步骤:
获取当前目标安装区域中的规划图纸信息,并构建虚拟场景模型,根据所述当前目标安装区域中的规划图纸信息构建当前目标安装区域中各目标物体的三维模型图;
获取各目标物体的三维模型图的安装位置信息,并根据所述各目标物体的三维模型图的安装位置信息映射到所述虚拟场景模型中,以获取VR模型图;
获取当前目标区域中待安装照明设备的照明特性信息,并通过蚁群算法对所述当前目标区域中待安装照明设备的照明特性信息以及VR模型图进行计算,以获取照明设备的最优组合数据信息;
通过对照明设备的最优组合数据信息进行特征提取,以获取目标安装区域的照明设备初始安装位置节点。
进一步地,本发明的一个较佳实施例中,构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息,具体包括以下步骤:
基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将所述大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
将所述训练集输入到所述检索模型中,将所述检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至所述检索模型符合预设测试要求,训练完成;
将所述VR模型输入到所述检索模型中进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果时,获取所述第一预设识别结果所在的安装位置节点;
通过大数据网络获取所述第一预设识别结果的工作参数数据信息,并根据所述工作参数数据信息以及所述第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
进一步地,本发明的一个较佳实施例中,基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据所述各环境温度之下照明设备的发光效率数据信息构建数据库;
将所述温度梯度数据信息输入到所述数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
通过对所述预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
根据所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对所述初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点。
进一步地,本发明的一个较佳实施例中,若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,具体包括以下步骤:
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的安装位置信息,并构建辐射场数据计算模型;
基于所述第二识别结果所在的安装位置信息以及辐射场数据计算模型获取目标安装区域中的电磁散射场分布数据信息;
根据所述目标安装区域中的电磁散射场分布数据信息构建辐射散射场分布图,并获取所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点;
根据所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点生成照明设备推荐安装区域。
进一步地,本发明的一个较佳实施例中,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点,具体包括以下步骤:
通过对所述照明设备二次安装位置节点以及照明设备推荐安装区域进行特征拟合,以获取照明设备二次安装位置节点与照明设备推荐安装区域的重合区域以及非重合区域;
剔除所述非重合区域,并获取当前照明设备的外形尺寸信息,根据所述外形尺寸信息建立照明设备三维模型图,根据所述照明设备三维模型图获取照明设备三维模型图的安装位置尺寸图;
判断所述照明设备三维模型图的安装位置尺寸图是否大于所述重合区域,若所述照明设备三维模型图的安装位置尺寸图大于所述重合区域,则将该重合区域进行剔除;
若所述照明设备三维模型图的安装位置尺寸图不大于所述重合区域,则将该重合区域作为最终的安装位置节点进行输出。
本发明第二方面提供了一种基于虚拟现实的照明设备安装系统,所述系统包括存储器以及处理器,所述存储器中包括基于虚拟现实的照明设备安装方法程序,所述基于虚拟现实的照明设备安装方法程序被处理器执行时,实现如下步骤:
获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息;
基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点;
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。
在本实施例中,构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息,具体包括以下步骤:
基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将所述大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
将所述训练集输入到所述检索模型中,将所述检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至所述检索模型符合预设测试要求,训练完成;
将所述VR模型输入到所述检索模型中进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果时,获取所述第一预设识别结果所在的安装位置节点;
通过大数据网络获取所述第一预设识别结果的工作参数数据信息,并根据所述工作参数数据信息以及所述第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
在本实施例中,基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据所述各环境温度之下照明设备的发光效率数据信息构建数据库;
将所述温度梯度数据信息输入到所述数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
通过对所述预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
根据所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对所述初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点。
本发明第三方面提供了一种计算机可读存储介质所述计算机可读存储介质中包括基于虚拟现实的照明设备安装方法程序,所述基于虚拟现实的照明设备安装方法程序被处理器执行时,实现任一项所述的基于虚拟现实的照明设备安装方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
本发明通过获取当前目标安装区域中的规划图纸信息,并根据当前目标安装区域中的规划图纸信息构建VR模型图,基于VR模型图得到当前目标安装区域的照明设备初始安装位置节点,进而构建检索模型,通过检索模型对VR模型图进行识别,以获取识别结果,若识别结果存在第一预设识别结果,则根据识别结果获取温度梯度数据信息,进一步通过基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点,当识别结果存在第二识别结果,则获取第二识别结果所在的位置节点,并根据第二识别结果所在的位置节点生成照明设备推荐安装区域,基于照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。通过本方法能够有效地识别出当前目标区域中是否存在热源性设备,如加热设备、温度管道等,当存在相应的热源设备或者热源性物体时,通过本方法能够有效地根据热源性设备的温度梯度进行选择出照明设备的安装位置,使得照明设备的发光效率提高,进而使得照明设备的安装位置更加合理。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了一种基于虚拟现实的照明设备安装方法的总体方法流程图;
图2示出了一种基于虚拟现实的照明设备安装方法的第一方法流程图;
图3示出了一种基于虚拟现实的照明设备安装方法的第二方法流程图;
图4示出了一种基于虚拟现实的照明设备安装系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示,本发明第一方面提供了一种基于虚拟现实的照明设备安装方法,包括以下步骤:
S102:获取当前目标安装区域中的规划图纸信息,并根据当前目标安装区域中的规划图纸信息构建VR模型图,基于VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
S104:构建检索模型,通过检索模型对VR模型图进行识别,以获取识别结果,若识别结果存在第一预设识别结果,则根据识别结果获取温度梯度数据信息;
S106:基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点;
S108:若识别结果存在第二识别结果,则获取第二识别结果所在的位置节点,并根据第二识别结果所在的位置节点生成照明设备推荐安装区域,基于照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。
需要说明的是,通过本发明能够有效地识别出当前目标区域中是否存在热源性设备,如加热设备、温度管道等,当存在相应的热源设备或者热源性物体时,通过本方法能够有效地根据热源性设备的温度梯度进行选择出照明设备更合适的安装位置,使得照明设备的发光效率提高,进而使得照明设备的安装位置更加合理。
进一步地,本发明的一个较佳实施例中,获取当前目标安装区域中的规划图纸信息,并根据当前目标安装区域中的规划图纸信息构建VR模型图,基于VR模型图得到当前目标安装区域的照明设备初始安装位置节点,具体包括以下步骤:
获取当前目标安装区域中的规划图纸信息,并构建虚拟场景模型,根据当前目标安装区域中的规划图纸信息构建当前目标安装区域中各目标物体的三维模型图;
获取各目标物体的三维模型图的安装位置信息,并根据各目标物体的三维模型图的安装位置信息映射到虚拟场景模型中,以获取VR模型图;
获取当前目标区域中待安装照明设备的照明特性信息,并通过蚁群算法对当前目标区域中待安装照明设备的照明特性信息以及VR模型图进行计算,以获取照明设备的最优组合数据信息;
通过对照明设备的最优组合数据信息进行特征提取,以获取目标安装区域的照明设备初始安装位置节点。
需要说明的是,通过AR技术、三维建模技术或者VR技术来实现对VR模型图的构建,使得在选择照明设备的安装节点时更加直观的体现,给用户一个较佳的视角。而是使用一定数量的智能体(称为蚂蚁)反复构造对优化问题的可行解,每次构造的结果都会留下一些信息素,可行解的质量越高,积累的信息素的浓度也就越高,最终,整个蚂蚁会在正反馈的作用下集中到最佳的路径上,此时对应的便是待优化问题的最优解。蚁群算法具有良好的鲁棒性和并行性,对最优解得搜索性能较好。其中,照明特性信息可以理解为照明设备在预设范围之内的光照强度信息,由于在安装照明设备时,需要考虑到室内的光照强度是否符合要求,因此,通过蚁群算法对当前目标区域中待安装照明设备的照明特性信息以及VR模型图进行计算,以寻找最优解,进而以获取照明设备的最优组合数据信息,使得室内的照明设备的光照强度是符合预设光照强度。目标物体可以是相关的电气设备或者机械设备,如燃烧炉、空调等。
如图2所示,进一步地,本发明的一个较佳实施例中,构建检索模型,通过检索模型对VR模型图进行识别,以获取识别结果,若识别结果存在第一预设识别结果,则根据识别结果获取温度梯度数据信息,具体包括以下步骤:
S202:基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
S204:将训练集输入到检索模型中,将检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至检索模型符合预设测试要求,训练完成;
S206:将VR模型输入到检索模型中进行识别,以获取识别结果,若识别结果存在第一预设识别结果时,获取第一预设识别结果所在的安装位置节点;
S208:通过大数据网络获取第一预设识别结果的工作参数数据信息,并根据工作参数数据信息以及第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
需要说明的是,神经网络由输入层、输出层和隐藏层组成,隐藏层通过设置一层或多层神经元进行数据的计算,每一层神经元可以有若干个节点。其中,第一预设识别结果为热源设备或者热源物体,如燃烧炉、室内埋设的热源管道、空调等,第二预设识别结果为相关的具有电磁干扰现象的天线设备,而天线设备能够发出相关的电磁辐射场,从而加快了照明设备的故障或者相关控制程序逻辑混乱。当存在热源设备时,在热源设备正常工作的情况之下,照明设备越靠近热源设备就容易受到影响,而温度会影响照明设备的发光效率,如LED灯的发光效率,通过本方法能够有效地计算出照明设备在预设工作范围之内的温度梯度数据信息,从而进一步有效地选择出更适合照明设备安装的位置节点。工作参数数据信息为单位时间内第一预设识别结果在周围环境中的升温数据。
如图3所示,进一步地,本发明的一个较佳实施例中,基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
S302:通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据各环境温度之下照明设备的发光效率数据信息构建数据库;
S304:将温度梯度数据信息输入到数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
S306:通过对预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
S308:根据排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点。
需要说明的是,不同环境温度之下照明设备的发光效率是不一致的,通过本方法能够选择出热源设备或者热源物体附近范围的合适的发光效率,使得照明设备的发光效率符合预设发光效率,进而使得照明设备的安装位置更加合适。
进一步地,本发明的一个较佳实施例中,若识别结果存在第二识别结果,则获取第二识别结果所在的位置节点,并根据第二识别结果所在的位置节点生成照明设备推荐安装区域,具体包括以下步骤:
若识别结果存在第二识别结果,则获取第二识别结果所在的安装位置信息,并构建辐射场数据计算模型;
基于第二识别结果所在的安装位置信息以及辐射场数据计算模型获取目标安装区域中的电磁散射场分布数据信息;
根据目标安装区域中的电磁散射场分布数据信息构建辐射散射场分布图,并获取辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点;
根据辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点生成照明设备推荐安装区域。
需要说明的是,辐射场数据计算模型为远区辐射场求解公式,本领域的技术人员可从该求解公式以及第二预设识别结果的安装位置信息中可以得到目标安装区域的电磁散射场分布数据信息,如室外中安装有天线,由于电磁辐射场越大,对于照明设备或者其他设备而言就容易导致照明设备或者其他设备故障以及控制逻辑混乱,通过本方法能够选择出更好的推荐安装区域,进而提高照明设备的使用寿命。
进一步地,本发明的一个较佳实施例中,基于照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点,具体包括以下步骤:
通过对照明设备二次安装位置节点以及照明设备推荐安装区域进行特征拟合,以获取照明设备二次安装位置节点与照明设备推荐安装区域的重合区域以及非重合区域;
剔除非重合区域,并获取当前照明设备的外形尺寸信息,根据外形尺寸信息建立照明设备三维模型图,根据照明设备三维模型图获取照明设备三维模型图的安装位置尺寸图;
判断照明设备三维模型图的安装位置尺寸图是否大于重合区域,若照明设备三维模型图的安装位置尺寸图大于重合区域,则将该重合区域进行剔除;
若照明设备三维模型图的安装位置尺寸图不大于重合区域,则将该重合区域作为最终的安装位置节点进行输出。
此外,本方法还可以包括以下步骤:
通过大数据网络获取各类型照明设备的工作特性数据信息,并将所述各照明设备的工作特性数据信息输入到所述数据库中,并获取当前照明设备的类型;
将所述当前照明设备的类型输入到所述数据库中进行匹配,以获取相应的工作特性数据信息,并获取目标安装区域在每个预设时间段内的历史环境温度数据;
根据所述目标安装区域在每个预设时间段内的历史环境温度数据获取历史环境温度最高值以及历史环境温度最低值,并基于所述历史环境温度最高值以及历史环境温度最低值判定所述工作特性数据信息是否为失效状况;
当在所述历史环境温度最高值以及历史环境温度最低值之下所述工作特性数据信息为失效状况时,根据所述历史环境温度最高值以及历史环境温度最低值从数据库中进行匹配,以获取最终的照明设备推荐类型。
需要说明的是,不同类型的照明设备的工作特性数据信息是不同的,如在极寒环境下荧光灯不建议使用,因为荧光灯正常工作环境温度为20~25℃,照明效果随着温度下降而下降,0~5℃左右开始有明显的光衰现象,-30℃以后基本无法正常启动,主要是由于灯管内汞蒸气压力随着温度的降低而降低,在低温条件下光衰严重,难以保证照度要求,甚至灯腔内的液态汞气化不良而不易被电离,造成无法启动。通过本方法能够进一步有效地选择出更适合的照明设备类型,使得照明设备的安装更加合理。
此外,本方法还可以包括以下步骤:
当在所述历史环境温度最高值以及历史环境温度最低值之下所述工作特性数据信息不为失效状况时,将所述历史环境温度最低值输入到数据库中,以获取当前类型的照明设备在该历史环境温度最低值时的工作特性数据信息;
判断所述工作特性数据信息是否大于预设工作特性数据信息,若所述工作特性数据信息大于预设工作特性数据信息,则不修改当前类型的照明设备;
若所述工作特性数据信息不大于预设工作特性数据信息,则根据所述预设工作特性数据信息构建检索标签;
根据所述检索标签检索各类型照明设备对应的环境工作温度值,以获取相应类型的照明设备。
需要说明的是,通过本方法能够进一步有效地选择出更适合的照明设备类型,使得照明设备的安装更加合理。
如图4所示,本发明第二方面提供了一种基于虚拟现实的照明设备安装系统4,该系统包括存储器41以及处理器62,存储器41中包括基于虚拟现实的照明设备安装方法程序,基于虚拟现实的照明设备安装方法程序被处理器62执行时,实现如下步骤:
获取当前目标安装区域中的规划图纸信息,并根据当前目标安装区域中的规划图纸信息构建VR模型图,基于VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
构建检索模型,通过检索模型对VR模型图进行识别,以获取识别结果,若识别结果存在第一预设识别结果,则根据识别结果获取温度梯度数据信息;
基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点;
若识别结果存在第二识别结果,则获取第二识别结果所在的位置节点,并根据第二识别结果所在的位置节点生成照明设备推荐安装区域,基于照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点。
在本实施例中,构建检索模型,通过检索模型对VR模型图进行识别,以获取识别结果,若识别结果存在第一预设识别结果,则根据识别结果获取温度梯度数据信息,具体包括以下步骤:
基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
将训练集输入到检索模型中,将检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至检索模型符合预设测试要求,训练完成;
将VR模型输入到检索模型中进行识别,以获取识别结果,若识别结果存在第一预设识别结果时,获取第一预设识别结果所在的安装位置节点;
通过大数据网络获取第一预设识别结果的工作参数数据信息,并根据工作参数数据信息以及第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
在本实施例中,基于初始安装位置节点以及温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据各环境温度之下照明设备的发光效率数据信息构建数据库;
将温度梯度数据信息输入到数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
通过对预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
根据排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点。
本发明第三方面提供了一种计算机可读存储介质计算机可读存储介质中包括基于虚拟现实的照明设备安装方法程序,基于虚拟现实的照明设备安装方法程序被处理器执行时,实现任一项的基于虚拟现实的照明设备安装方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于虚拟现实的照明设备安装方法,其特征在于,包括以下步骤:
获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息;
基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点;
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点;
其中,基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据所述各环境温度之下照明设备的发光效率数据信息构建数据库;
将所述温度梯度数据信息输入到所述数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
通过对所述预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
根据所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对所述初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点;
其中,若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,具体包括以下步骤:
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的安装位置信息,并构建辐射场数据计算模型;
基于所述第二识别结果所在的安装位置信息以及辐射场数据计算模型获取目标安装区域中的电磁散射场分布数据信息;
根据所述目标安装区域中的电磁散射场分布数据信息构建辐射散射场分布图,并获取所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点;
根据所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点生成照明设备推荐安装区域。
2.根据权利要求1所述的一种基于虚拟现实的照明设备安装方法,其特征在于,获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点,具体包括以下步骤:
获取当前目标安装区域中的规划图纸信息,并构建虚拟场景模型,根据所述当前目标安装区域中的规划图纸信息构建当前目标安装区域中各目标物体的三维模型图;
获取各目标物体的三维模型图的安装位置信息,并根据所述各目标物体的三维模型图的安装位置信息映射到所述虚拟场景模型中,以获取VR模型图;
获取当前目标区域中待安装照明设备的照明特性信息,并通过蚁群算法对所述当前目标区域中待安装照明设备的照明特性信息以及VR模型图进行计算,以获取照明设备的最优组合数据信息;
通过对照明设备的最优组合数据信息进行特征提取,以获取目标安装区域的照明设备初始安装位置节点。
3.根据权利要求1所述的一种基于虚拟现实的照明设备安装方法,其特征在于,构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息,具体包括以下步骤:
基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将所述大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
将所述训练集输入到所述检索模型中,将所述检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至所述检索模型符合预设测试要求,训练完成;
将所述VR模型输入到所述检索模型中进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果时,获取所述第一预设识别结果所在的安装位置节点;
通过大数据网络获取所述第一预设识别结果的工作参数数据信息,并根据所述工作参数数据信息以及所述第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
4.根据权利要求1所述的一种基于虚拟现实的照明设备安装方法,其特征在于,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点,具体包括以下步骤:
通过对所述照明设备二次安装位置节点以及照明设备推荐安装区域进行特征拟合,以获取照明设备二次安装位置节点与照明设备推荐安装区域的重合区域以及非重合区域;
剔除所述非重合区域,并获取当前照明设备的外形尺寸信息,根据所述外形尺寸信息建立照明设备三维模型图,根据所述照明设备三维模型图获取照明设备三维模型图的安装位置尺寸图;
判断所述照明设备三维模型图的安装位置尺寸图是否大于所述重合区域,若所述照明设备三维模型图的安装位置尺寸图大于所述重合区域,则将该重合区域进行剔除;
若所述照明设备三维模型图的安装位置尺寸图不大于所述重合区域,则将该重合区域作为最终的安装位置节点进行输出。
5.一种基于虚拟现实的照明设备安装系统,其特征在于,所述系统包括存储器以及处理器,所述存储器中包括基于虚拟现实的照明设备安装方法程序,所述基于虚拟现实的照明设备安装方法程序被处理器执行时,实现如下步骤:
获取当前目标安装区域中的规划图纸信息,并根据所述当前目标安装区域中的规划图纸信息构建VR模型图,基于所述VR模型图得到当前目标安装区域的照明设备初始安装位置节点;
构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息;
基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点;
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,基于所述照明设备二次安装位置节点以及照明设备推荐安装区域生成最终的安装位置节点;
其中,基于所述初始安装位置节点以及所述温度梯度数据信息生成照明设备二次安装位置节点,具体包括以下步骤:
通过大数据网络获取各环境温度之下照明设备的发光效率数据信息,并根据所述各环境温度之下照明设备的发光效率数据信息构建数据库;
将所述温度梯度数据信息输入到所述数据库中进行数据匹配,以获取预设工作范围之内每个温度数据对应照明设备的发光效率数据信息;
通过对所述预设工作范围之内每个温度数据对应照明设备的发光效率数据信息进行排序,以获取排序结果,并获取所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点;
根据所述排序结果中发光效率数据信息大于预设发光效率数据信息对应的安装位置节点对所述初始安装位置节点进行二次筛选,以获取照明设备二次安装位置节点;
其中,若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的位置节点,并根据所述第二识别结果所在的位置节点生成照明设备推荐安装区域,具体包括以下步骤:
若所述识别结果存在第二识别结果,则获取所述第二识别结果所在的安装位置信息,并构建辐射场数据计算模型;
基于所述第二识别结果所在的安装位置信息以及辐射场数据计算模型获取目标安装区域中的电磁散射场分布数据信息;
根据所述目标安装区域中的电磁散射场分布数据信息构建辐射散射场分布图,并获取所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点;
根据所述辐射散射场分布图中电磁散射场分布数据低于预设电磁散射场分布数据的安装位置节点生成照明设备推荐安装区域。
6.根据权利要求5所述的一种基于虚拟现实的照明设备安装系统,其特征在于,构建检索模型,通过所述检索模型对所述VR模型图进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果,则根据所述识别结果获取温度梯度数据信息,具体包括以下步骤:
基于卷积神经网络构建检索模型,并通过大数据获取大量的第一预设识别结果以及第二预设识别结果的数据信息,将所述大量的第一预设识别结果以及第二预设识别结果的数据信息分为训练集以及测试集;
将所述训练集输入到所述检索模型中,将所述检索模型训练至预设训练要求,保存模型参数,并通过测试集输入到检索模型中进行测试,直至所述检索模型符合预设测试要求,训练完成;
将所述VR模型输入到所述检索模型中进行识别,以获取识别结果,若所述识别结果存在第一预设识别结果时,获取所述第一预设识别结果所在的安装位置节点;
通过大数据网络获取所述第一预设识别结果的工作参数数据信息,并根据所述工作参数数据信息以及所述第一预设识别结果所在的安装位置节点生成照明设备在预设工作范围之内的温度梯度数据信息。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于虚拟现实的照明设备安装方法程序,所述基于虚拟现实的照明设备安装方法程序被处理器执行时,实现如权利要求1-4任一项所述的基于虚拟现实的照明设备安装方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547289.8A CN116306028B (zh) | 2023-05-16 | 2023-05-16 | 一种基于虚拟现实的照明设备安装方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310547289.8A CN116306028B (zh) | 2023-05-16 | 2023-05-16 | 一种基于虚拟现实的照明设备安装方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116306028A CN116306028A (zh) | 2023-06-23 |
CN116306028B true CN116306028B (zh) | 2023-07-28 |
Family
ID=86789075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310547289.8A Active CN116306028B (zh) | 2023-05-16 | 2023-05-16 | 一种基于虚拟现实的照明设备安装方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116306028B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094046B (zh) * | 2023-10-18 | 2023-12-19 | 天津华勘基础工程检测有限公司 | 一种水上桩基检测平台的管理方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201093370Y (zh) * | 2007-07-05 | 2008-07-30 | 上海三思电子工程有限公司 | Led阵列照明光源中的led非均匀布局结构 |
US11599691B2 (en) * | 2020-07-24 | 2023-03-07 | Ledvance Llc | Illumination planning system |
CN115796060B (zh) * | 2023-02-07 | 2023-05-02 | 深圳市宏普欣电子科技有限公司 | 一种基于光无线通信的mini-LED布局方法 |
-
2023
- 2023-05-16 CN CN202310547289.8A patent/CN116306028B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116306028A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116306028B (zh) | 一种基于虚拟现实的照明设备安装方法、系统及介质 | |
CN104185935B (zh) | 用于根据能量需求和能量供应操作照明网络的方法和设备 | |
US9072133B2 (en) | Lighting fixtures and methods of commissioning lighting fixtures | |
US8138690B2 (en) | LED-based lighting methods, apparatus, and systems employing LED light bars, occupancy sensing, local state machine, and meter circuit | |
US8531134B2 (en) | LED-based lighting methods, apparatus, and systems employing LED light bars, occupancy sensing, local state machine, and time-based tracking of operational modes | |
Tetri et al. | Tutorial: Road lighting for efficient and safe traffic environments | |
Chang et al. | A return on investment analysis of applying health monitoring to LED lighting systems | |
CN113282999A (zh) | 一种电气照明图纸自动修改生成方法、装置及计算机设备 | |
Mahmoud | Typical economic model for calculating the saving norm of replacement HPS street lighting by LED fixtures in access road of gas production company at GCC | |
de Oliveira Grando et al. | Assessment of public lighting systems considering mesopic vision | |
Askola et al. | Effect of adaptive control on the LED street luminaire lifetime and on the lifecycle costs of a lighting installation | |
CN117440554B (zh) | 基于数字化实现led光源的场景建模方法及系统 | |
CN110832955B (zh) | 用于资产定位、性能评估和故障检测的方法和系统 | |
Ciobanu et al. | A survey on solutions to increase energy efficiency in public lighting system of Romania | |
CN109657849B (zh) | 一种基于网络分析法的led灯阵列布线方法 | |
CN117279139B (zh) | 基于数据感知的led智能控制方法、装置及设备 | |
CN113365383B (zh) | 一种基于物联网的led联动控制方法、系统和可读存储介质 | |
Lukkien et al. | The case of Dynamic Street Lighting an exploration of long-term data collection | |
CN117528886B (zh) | 一种基于物联网的led灯珠智能调控方法及系统 | |
US20210216675A1 (en) | Fixture optimization for a lighting plan | |
Korõtko et al. | Awareness of BSR Municipalities about Sustainable Urban Lighting and Green Public Procurements | |
Mei et al. | Integrated BIM and energy tools with building certification system for sustainable building design and energy certification | |
Zhou et al. | Optimization algorithms for light pollution management based on TOPSIS-non-linear regularization model | |
Khan et al. | Replacement of HPS luminaires with LED luminaires for the lighting requirements of an outdoor electrical substation | |
CN115315038B (zh) | 调节led装置的色温和显色的方法及装置 |
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 |