JP5850600B2 - 目標配光に基づく照明システムの制御方法 - Google Patents

Description

本発明は、多数の制御可能な光源を備えた照明システムを制御する方法及びこの方法のためのシステムに関する。

制御ユニットにより制御可能な制御型照明ユニットを備えた照明システムは、今日、オフィス及び商業用途に用いられており、近い将来において重要性が増すことになる。中程度の期間及び長期間にわたるオフィス及び商業用照明に関し、色彩、輝度レベル、ビーム指向性、ビーム形状、ビームパターン又は動的効果の面で多様化した新たな可能性をユーザに与える斬新な光源を採用することが期待される。屋内光効果を発生させる上での機能性及び融通性のこの向上の結果として、照明案を設計する上での自由度が高くなる。他方、設定されなければならない光源のパラメータの数も又、劇的に増大し、その結果、セットアップ及び動作手順が複雑になる。このような照明に関するインフラストラクチャの高度化を背景として、照明システムを自動的に制御し、照明システムを所望の目標配光に設定する必要性が存在する。

この課題を解決する手法が、米国特許第２００２／００１５０９７（Ａ１）号明細書に開示されている。この特許文献は、周囲環境条件、即ち太陽光、人の存在及び追加の光源に応じて部屋内の照明システムを自動的に制御することができる照明制御装置を開示している。照明制御装置は、部屋の電子画像を作成することができるセンサを有する。制御手段が、あらかじめ規定された輝度レベルに従って電子画像から得られた放射線測定値に応答して照明システムを制御することができる。

米国特許第２００２／００１５０９７（Ａ１）号明細書

開示された照明制御装置は、自動制御を提供するが、照明システムをユーザにより与えられた所望の照明案に合わせて自動的に設定することができない。したがって、本発明の目的は、所望の目標配光に基づいて自動制御を提供する多数の制御可能な光源を備えた照明システムを制御する方法及びシステムを提供することにある。

本発明の目的は、請求項１及び請求項１０に記載されている多数の制御可能な光源を備えた照明システムを制御する方法並びに請求項１２及び請求項１３に記載された照明システムを制御するシステムによって達成される。従属形式の請求項は、本発明の好ましい実施形態に関する。

照明システムを稼働させるため、１組の制御指令が用いられる。本発明により、ユーザにより与えられた目標配光に基づいて照明システムの光源を制御する制御指令の自動的生成が可能である。この結果、関与する各制御可能な光源の各パラメータを手動で設定する必要がないので、有利である。ユーザは、目標配光を特定するだけで良く、この目標配光は、本発明との関連において、環境、例えば部屋に適用されるべき所望の照明案を含むものと理解される。目標としての又は所望の照明案は、任意の照明効果、及び例えば互いに異なる色及び輝度値を備えた領域を有することができる。目標配光は、任意適当な表示、例えばカラービットマップ、数値のアレイ又はベクトルのアレイの形態をしているのが良い。目標配光は、適当な設計装置、例えば照明設計ソフトウェアを搭載したコンピュータによって設計されるのが良い。この場合、本発明のシステムは、目標配光に基づいて照明システムに適した１組の制御指令を自動的に発生させる。

光源は、任意適当な形式のものであって良く、例えば、市販のハロゲン照明ユニット、ＣＤＭ照明ユニット、ＨＩＤ照明ユニット、ＵＨＰ照明ユニット、ＯＬＥＤ照明ユニット又はＬＥＤ照明ユニットであって良い。各光源の少なくとも１つのパラメータは、制御可能である。これは、最も簡単な場合ではそれぞれ対応した光源のオン／オフ状態であるのが良い。光源は又、放出光の輝度について制御可能であり、即ち、調光可能であるのが好ましい。光源又は光源の群は、多色の光を発生させ、その結果、放出光の色も又制御可能になるのが最も好ましい。例えば、この場合、着色高出力ＬＥＤのアレイを用いることができる。さらに、可動ヘッド照明ユニットも又考慮することができる。

一般に、１組の制御指令は、制御可能な光源のパラメータを規定された値に設定する指令を含む。制御可能な光源の全てのパラメータをアドレス指定することができるが、１組の制御コマンドが全ての光源又は更には単一の光源の全てのパラメータをアドレス指定することは必要条件ではない。一例を挙げて説明すると、広い部屋の中、例えば百貨店内に設置された照明システムでは、ユーザは、百貨店の限られた領域について配光を設定したいと思うだけで良く、この結果、制御指令は、部屋のこの領域に設置された制御可能な照明ユニットをアドレス指定しさえすれば良い。

本発明の第１の態様に従って適当な１組の制御指令を決定するため、本方法は、多数のステップを備えた最適化手順を有する。

適当な１組の制御指令を決定する第１のステップでは、被照明環境の１又は２以上の区画の照明に対する光源の１又は２以上の影響を表わす影響データを得る。本発明の関連において、区画は、被照明環境の任意の空間的部分、例えば、周囲環境内の一点、光のスポット、狭い領域又は例えば百貨店内の特別セール領域であって良い。

影響データとの関連において光源の「影響」という用語は、被観察空間内の物体（例えば、反射壁）に対する光源の作用効果を説明する任意の測定可能な値を意味するのが良い。最も簡単な実施形態では、光源による或る特定の物体又は領域の照明の強度のみを説明する幾何学的輝度分布であるのが良い。また、好ましくは色に関連したスペクトル情報が挙げられるが、必ずしも可視範囲に限定される必要はない。一般に、影響をｐ（ｘ，ｙ，ｚ，ラムダ）として書き表わすことができ、この場合、ｐは、幾何学的場所で測定された出力分布であり、ｘ、ｙ、ｚ及びラムダは、波長である。好ましくは、色情報は、ＲＧＢ又はＲＧＢＥデータとして与えられる場合がある。

目標配光及び測定効果が同一のフォーマットの状態にあるべきである（即ち、好ましくは同一の場所で測定された同一のパラメータを有する）ことが好ましいが、必ずしもそうでなくても良い。
このように、影響データは、少なくとも１つの制御指令と照明システム及び被照明環境に対する制御指令の効果との間のマッピングを可能にする任意形式の情報によって形成できる。

目標照明計画を生じさせることができる適当な１組の制御コマンドを見いだすため、第１の組をなす制御指令を決定する。これは、所与の目標配光に従って照明システムを制御する「最初の当て推量」と考えることができる。第１の組をなす制御指令は、先の目標配光に基づいていても良く、或いは、一般に規定された値、例えば輝度に関しては５０％の輝度に設定されているだけであっても良い。第１の組をなす制御指令を決定する種々の好ましい方法について以下に説明する。

上述した影響データを用いると、所与の１組の制御指令、この場合、第１の組をなす制御指令について予測配光を決定することができる。次に、この予測配光を目標配光と比較する。

本発明によれば、予測配光と目標配光の比色差を求める。この結果、第１の組をなす制御指令に従って設定された予測配光が所望の目標配光にどれほど近いかが判定されるのが有利である。この判定結果に基づいて、新たな１組の制御指令を決定する。このような手順を反復操作と呼ぶことができる。

比色差は、予測配光が所望の又は目標としての配光にどれほど厳密にマッチしているかについての尺度を定める１又は２以上の値を意味している。この結果、用いられる比色差は、２つの色が人間の目にどのように異なって知覚されるかの尺度を提供するはずである。したがって、「比色差」という用語は、色差及び（又は）相関色温度の計算をあらかじめ想定している。

当業者には知られており、２つの点相互間の比色差を決定するのに適した標準方程式、例えばＣＩＥ９４、ＢＦＤ、ＡＰ、ＣＭＣ又はＣＩＥＤＥ２０００に従って２つの点相互間の色差を計算することができ、これらのうち、ＣＩＥＤＥ２０００方程式は、特に好ましい。配光を説明するために画像が用いられる場合にはいつでも、比色差の決定に先立って、更にフィルタ処理又は他の処理を配光に適用するのが良く、これについては以下に詳細に説明する。

複数の場所について行われた色差及び（又は）相関色温度の計算結果から、比色差に関する全体的な基準を計算することが可能であるのが好ましい。

予測配光と目標配光の差を説明するこの基準をいったん決定すると、この決定の結果に基づいて、１組の制御指令の一層の最適化が必要であるかどうかが判断される。１組の制御指令を更に一層最適化するため、比色差を最小限に抑えるために複数の調整ステップが実施される。調整ステップは各々、新たな１組の制御指令の決定、影響データを用いた、このような新たな１組の制御指令に関する結果としての予測配光の決定及び予測配光と目標配光の比色差の決定を含む。各ステップは、上述したステップと類似した仕方で行われる。予測配光と目標配光の差が十分でない場合、調整ステップが別途適用される場合がある。

本発明の反復法において色差を最適化するために幾つかのアルゴリズムを用いるのが良い。一般に、比色差を最小限に抑えるためには多次元多目的最適化法（ベクトル最適化）が必要である。このような方法は、それ自体当該技術分野において知られている。特に好ましい方法としては、グラジエント法（gradient-based methods：グラジエント（勾配）に基づく方法）及び遺伝的(genetic)アルゴリズムが挙げられる。グラジエント法の一例は、最適解を得るために利用できるＮＢＩ（normal-boundary intersection）である。本発明は、上述の最適化法には限定されない。最適化に関する基準は、例えば、最小二乗基準（即ち、予測配光と目標配光のコンピュータ計算された比色差を二乗して得られた値の和の平方根を極小化すること）又はコンピュータ計算された比色差の平均値及び９５パーセンタイル値よりも大きいこれらコンピュータ計算された比色差の中間値の平均値を（パレートの意味で）極小化にする。

影響データは、検出ステップ、適当なデータベース又は手動入力から得られる。影響データは、光源の各々を複数のパラメータ値に従って動作させ、被照明環境の１又は２以上の区画に対する各パラメータの影響度を検出する少なくとも１つの検出ステップから得られる。各検出ステップでは、１組の測光データが得られ、これら測光データは、それぞれの光源の１又は２以上のパラメータの影響度を表わす。

上述の検出ステップでは、照明システムの初期セットアップのために適当な検出器をもちいるのが良い。これら検出器は、次の操作では用いられない。

本発明の第２の態様によれば、照明システムを制御する１組の制御指令をニューロ回路網によって決定する。ニューロ回路網を例えば上述したように得られた影響データの使用によって訓練する。第２の態様では、上述したような反復手順は必要ではなく、それにより、１組の制御指令の非常に迅速な決定が可能になる。他方、決定された１組の制御指令の実証は行われない。

したがって、本発明の第１の態様と第２の態様の両方の利点を得るためには、本発明の第２の態様による方法も又、上述したような本発明の第１の態様による方法によって第１の組をなす制御指令を決定するために利用するのが良い。この最適化は、この場合、調整ステップにより著しく迅速である。というのは、本発明の第２の態様に従って決定された第１の組をなす制御指令は、所望の配光に非常に近い配光を既に提供できるからである。

ニューロ回路網は、例えば、人工的なニューロ回路網（ＡＮＮ）であるのが良く、この場合、影響データは、訓練セットとして用いられ、１組の制御指令は、ＡＮＮの出力を構成する。この場合、ＡＮＮは、１組の制御指令を予測配光に変換するよう訓練される。影響データは、入力ニューロンを発生させるために用いられる。

目標配光が照明システムの１又は２以上の照明ユニットのパラメータに関する境界条件を含むことが好ましい。境界条件は、最大許容電力消費量、輝度の最小平均値、最小の所要視感度効率、各パラメータについての１組の取り得る値（例えば、チャネル１つ当たりの離散化ステップの数、例えば８ビット又は単にオン−オフ）演色評価数（ＣＲＩ）の平均範囲、相関色温度（ＣＣＴ）の境界値又は最小色彩調和指数（ＨＲＩ）の少なくとも１又は２以上を含む。ただし、本発明は、これらには限定されない。目標配光に含まれるこれら境界条件は、適当な１組の制御指令を決定する際に考慮されるべきである。変形例として、本発明の第１の態様では、ベクトル最適化は、境界条件に代わって性能標準として電力消費量及び視感度効率を含んでも良い。

本発明の好ましい実施形態では、比色差を求めるステップは、予測配光及び（又は）目標配光を知覚的に一様な色空間に変換するステップを含む。この好ましい実施形態では、計算された比色差は、比較された点の絶対色とは無関係である。この知覚的に一様な色空間は、非線形であるのが良く、例えば、ＣＩＥＬＡＢ又は他の利用可能な色空間であるのが良い。別の好ましい実施形態では、線形色空間への変換が行われる。これにより、目標配光にマッチする１組の制御指令を得るために関連の光源の三刺激値の有利な直接的追加が可能になる。適当な色空間の例としては、線形ＲＧＢ、ＲＧＢＥ及びＣＩＥ ＸＹＺが挙げられる。線形色空間の使用は、上述のマトリックス反転によって予測配光を決定する際に特に有利である。非系統的光源による影響も又、線形色空間が用いられる場合には考慮されるのが良い。

比色差を求めるステップに先立って、予測配光及び目標配光を空間フィルタ機能でフィルタ処理することが好ましい。空間フィルタの使用により、有利には、予測配光と目標配光の比色差の決定が促進される。比色差は、人間の目によって知覚される配光の差にできるだけ近く決定されるはずなので、人間の目には見えない画像成分が除去され、これに対し、最も代表的な画像成分は、強調される。空間フィルタは、人間の目（視力）のコントラスト感度関数（ＣＳＦ）に似ていることが特に好ましい。ＣＳＦの詳細については、ジー・エム・ジョンソン（G.M. Johnson）、エム・ディー・フェアチャイルド（M.D. Fairchild）共著，「ア・トップ・ダウン・ディスクリプション・オブ・エス−シーアイイーエルエービー・アンド・シーアイイーディーイー２０００（A top down description of S-CIELAB and CIEDE2000）」，カラー・リサーチ・アンド・アプリケーション（Color Research and Application），２８（６）：ｐ．４２５〜４３５，２００３年１２月に見受けられる。

比色差の決定に先立って、上述したフィルタに別のフィルタ、例えば、イー・ダブリュ・ジン（E.W. Jin）、エックス・エフ・フェン（X.F. Feng）、ジェイ・ニューエル（J. Newell）共著，「ザ・ディベロップメント・オブ・ア・カラー・ビジュアル・ディファレンス・モデル（シーブイディーエム）（The development of a colour visual difference model (CVDM)）」，アイエス・アンド・ティーズ・１９９８・イメージ・プロセッシング・イメージ・クオリティ・イメージ・キャプチャ・システムズ・カンファレンス（IS&Ts 1998 Image Processing, Image Quality, Image Capture, Systems Conf），ｐ．１５４〜１５８，１９９８年で説明されている色視覚的差モデル（ＣＶＤＭ）に似た別のフィルタを追加しても良く、又はこのような別のフィルタが上述のフィルタに取って代わっても良い。

空間フィルタを利用するため、配光は、１つの輝度及び２つの比色差を特徴とする反対色空間に変換されるのが好ましい。

配光を測光データセットによって説明する際、配光の全てのデータ点を互いに比較することにより容易に決定することができる。このやり方は、長いコンピュータ処理時間を招き、この結果、非効率的な場合がある。

多大なコンピュータ処理労力を回避するため、比色差の決定に先立って、セグメント化処理ステップを利用することが有利な場合がある。したがって、比色差の決定に先立ってセグメント化を行うことが好ましい。セグメント化は、目標配光及び（又は）予測配光の代表値の決定を含み、このような代表値は、照明されるべき環境の関連の区画又はそれぞれの配光に特有である。この場合、予測配光と目標配光の比色差の決定は、代表値に限定され、この結果、コンピュータ処理時間が短くなる。

このセグメント化ステップと関連した明らかな利点は、色差を判定しなければならないデータ点の数が減少するということである。両方の配光、即ち、予測配光及び目標配光をセグメント化するのがよいが、配光の一方のみをセグメント化しても十分である。ただし、第１の配光の１つの画素値から他方の画素値への被定義マッピングが保証されることを条件とする。

セグメント化法の好ましい実施形態では、例えば規則的な長方形格子を用いて配光を小さな領域に分割する。格子の全ての小領域について測色的に特徴のある画素の数を突き止める。

セグメント化法の別の実施形態では、配光をそれぞれの配光内の色分布に基づいてセグメント化する。この場合、配光を、或る特定の色均一度を示す区分にセグメント化する。これら区分に関し、上述の或る特定の色を表わす１又は２以上の代表値を選択する。

セグメント化法の別の好ましい実施形態では、配光を、或る特定の光源の影響により特徴づけられる被照明環境の区画に基づいてセグメント化する。

上述のセグメント化法の組み合わせも又可能である。上述のセグメント化法は、それぞれの用途に応じて注意深く選択されるべきである。これは、どのセグメント化によっても、情報の減少がつきものであり、それにより、目標配光をトリガする１組の制御指令の品質が低下する場合があるからである。

制御手段に結合された１又は２以上の制御可能な照明ユニットを有する照明システムを制御するシステムでは、制御手段は、被照明領域の１又は２以上の区画の照明に対する光源の１又は２以上の効果を表わす照明システムの影響データを得るよう設計されている。制御手段は更に、第１の組をなす制御指令を決定するよう設計され、影響データから第１の組をなす制御指令に関する予測配光を更に求めるよう設計され、制御手段は更に、予測配光と目標配光の比色差を求めるよう設計され、制御手段は更に、比色差を最小限に抑えるために複数の調整ステップをこの１組の制御指令に適用するよう設計されている。各調整ステップにおいて、新たな１組の制御指令を決定し、新たな１組の制御指令に関する予測配光を影響データから求め、比色差を求める。

それぞれの照明ユニットの各パラメータを制御するため、照明ユニットは、制御手段に結合されている。本明細書との関連における「結合され」という用語は、それぞれの照明ユニットの制御可能なパラメータを設定することができるようにする全ての適当な種類の制御結合方式（ワイヤレスかワイヤードかのいずれか）を含むものと理解されたい。制御結合は、例えば簡単な制御可能なリレーによって達成できる。好ましくは、電気制御結合、例えばワイヤードＤＭＸ（ＵＳＩＴＴ ＤＭＸ５１２、ＵＳＩＴＴ ＤＭＸ５１２／１９９０）接続方式又はＬＡＮ接続方式が用いられる。最も好ましくは、ワイヤレス制御結合方式が用いられ、このようなワイヤレス制御結合方式は、設置時間を減少させる。例えば市販のZigBee（ＩＥＥＥ８０２．１５．４）、ＷＬＡＮ（ＩＥＥＥ８０２．１１ｂ／ｇ）、Bluetooth 又はＲＦＩＤ技術を用いてワイヤレス制御結合を確立することができる。

制御手段は、任意形式の適当な電気又は電子回路であって良い。例えば、制御手段は、論理回路、マイクロプロセッサユニット又はコンピュータであって良い。制御手段は、上述したように１組の制御指令を得る方法を実施する。

影響データをデータベース手段又は手動入力によって得ることができる。システムは、上述したように適当な結合方式によって制御手段に結合された検出器手段を更に有することが好ましい。検出器手段は、１又は２以上の検出ステップで複数のパラメータ値に従って各光源を動作させることにより影響データを照明システムから得る。被照明環境の１又は２以上の区画に対する各パラメータの影響を検出する。各検出ステップにおいて、それぞれの光源の１又は２以上のパラメータの影響を表わす１組の測光データを得る。

検出器手段は、適当なセンサ、例えばＣＣＤセンサを含むのが良い。検出器手段は、光源のその位置に対する効果を検出することができるべきである。この効果の上述のパラメータのどれもセンサによって測定することができる。例えば、ＣＣＤセンサは、強度を簡単に測定することができる。ＣＣＤ上に配置されたフィルタに応じて、センサは、ＲＧＢ、ＲＧＢＥ又は他の色を測定することができる。ＣＣＤが狭帯域フィルタを備えている場合、ＣＣＤは、疑似スペクトル測定を実施することも可能である。

このようなプログラミングシステムが利用される部屋のサイズに応じて、検出器手段は、好ましくは、全体として広いモニタリング領域を得るために２つ以上のセンサを有する。当然のことながら、それぞれの環境内における検出器手段の位置は、照明システムの動作中、一定に保たれるべきである。

以下において、図面を参照して本発明を詳細に説明する。

図１は、本発明に従って照明システムを制御するシステムの一実施形態を示している。このシステムは、部屋の区画５を照明するよう配置された数個の光源３ａ，３ｂを有する。部屋の天井に配置された光源３ａは、主として、部屋を照明するために用いられるが、光源３ｂは、特定の照明効果、即ち、建築照明のために配置されている。光源３ａ，３ｂは、ＤＭＸ５１２結合方式によって制御・インタフェースユニット（ＣＵＩ）１に結合されている。ＣＵＩ１は、ユーザと対話可能に設けられている。ＣＵＩ１は、グラフィカルインタフェースを備えたディスプレイを有し、このグラフィカルインタフェースにより、ユーザは、光源３ａ，３ｂによって部屋に適用されるべき所望の目標配光を入力することができる。ＣＵＩ１は、セットアップのために目標配光に対応した適当な制御指令を決定すると共に更にシステムを制御するプロセッサユニットを更に有している。

このシステムは、部屋の１又は２以上の区画５に対する各パラメータの作用効果又は影響を反映した影響データを得るためのＣＣＤカメラ２を有している。ＣＣＤカメラ２は、図１の破線で示すように部屋全体を観察する。特に大きな部屋の中で互いに異なる視点から影響データを得るために別のカメラ２を用いるのが良い。所望の目標照明に対する効果を補償するために他のセンサ４、例えば日光センサ、散乱光センサを用いるのが良い。

本発明の第１の態様に従って所望の目標配光を得るために、照明システムを制御する１組の制御指令が最適化に基づいて決定される。

図２は、本発明の第１の態様による第１の実施形態の動作順序を示している。最初に、ユーザは、例えば図１に示すＣＵＩ１のグラフィカルインタフェースを用いて所望の目標配光２１を特定する。変形例として、例えばデータベースから目標配光２１を得ることが可能である。

ステップ２２では、照明システムの影響データを得るが、この影響データは、被照明環境の１又は２以上の区画の照明に対する上述の光源の１又は２以上の効果を表わしている。影響データを得ると、照明システムのモデルを形成し、１組の制御指令の効果を求めることができる。

影響データを得るため、例示の方法では、全ての光源をオフに切り替えた状態で、部屋の画像を撮像する。上述したように、画像をＣＣＤセンサ２、フォトセンサ等で撮像するのが良い。次に、特定の照明ユニットを切り替えて規定された形態に従って駆動し、別の画像を撮像する。次に、特定の光源の影響を２つの画像相互間の比較（前／後）から求めるのが良く、１組の測光データを生じさせる。このような発見的方法を照明システムの全ての光源に且つ各光源のそれぞれの全てのパラメータ設定値について適用する必要があるであろう。この場合、測光データの各組は、１つの特定の設定値、即ち、各光源に関する制御可能なパラメータ、例えば色、調光レベル、光パターン等に関する１組の値を表わす。互いに異なる光源の光の追加を可能にするため、影響データを線形色空間、例えば線形ｓＲＧＢで決定しなければならない。変形例として、影響データをデータベース又はユーザによる手動入力から得ることが可能である。

ステップ２３では、目標配光に基づいて照明システムを制御する第１の組をなす制御指令を発生させる。第１の組をなす制御指令は、上述したように照明システムを制御するための「最初の当て推量」と考えることができる。第１の組をなす制御指令を例えば幾つかの標準配光がストレージされているデータベースから選択することができる。この場合、目標配光に近いデータベースの配光が選択される。以下に説明する本発明の第２の態様としての方法によって第１の組をなす制御指令を更に決定することができる。当然のことながら、本発明は、これには限定されない。

影響データが得られると、上述の第１の組をなす制御指令に関する予測配光を決定することが可能である。これは、ステップ２４で行われる。

一般に、大抵の目標配光は、多数の光源を備えた照明システムのそれぞれの光源の光の混合を意味している。

線形色空間に関するグラスマンの加法混色法則によって要約される人による色の知覚のほぼ直線性に従って、幾つかの着色光源を組み合わせた結果として得られる色は、次のように、別々に取られたそれぞれの光源の三刺激値の合計として予測できる。

上式において、Ｋ_mは、それぞれの線形色空間内におけるｍ番目の三刺激値を表わしており、ｘ，ｙは、データ点の座標であり、ｉは、照明システムのｉ番目の光源を意味している。

この結果、各光源の三刺激値を合計することにより被照明部屋の区画に対する多数の光源の影響を計算することが可能である。したがって、被照明部屋に対する光源の各パラメータの影響に関する情報を得ると、多数の照明ユニットを同時に動作させたときに該当する配光を求める（即ち、どのように見えるかを予測する）ことが可能である。

較正ステップでは、この較正ステップの結果として得られたｋ番目のベース画像／測光測定値を適用してベクトル又はマトリックスＩｋを求める。空間フィルタリング（ＣＶＤＭ又はＳ−ＣＩＥＬＡＢ）をＩｋに適用する。Ｉｋは、デバイス独立色空間で表わされる。このようなディジタル写真は、通常、Ｎｂビット値（この場合、Ｎｂは、色深さである）を保持したＸｒ×Ｙｒ×３マトリックスとしてストレージされる。

グラスマンの法則に従って予測配光を次式でコンピュータ処理できる。

次に、次式に従って、予測配光を線形光デバイス独立色空間からＣＩＥＬａｂ色空間に変換する。

同じことは、目標配光について行われる。

以下のステップ２５において、目標配光２１とステップ２４で決定された予測配光の比色差を計算する。ステップ２５の詳細について以下に説明する。

ステップ２５で計算した比色差が十分に小さい場合、この方法は、終了する。次に、ステップ２６において、予測配光を照明システムに適用するのが良い。

比色差が大きすぎる場合、別途最適化を実施する。次に、調整ステップ２７において、制御可能なパラメータの値を調整し、上述のステップを繰り返す。このようにして形成された「反復ループ」を、比色差が十分小さくなるまで又は比色差をそれ以上減少させることができなくなるまで続行する。

上述したように、多次元最適化法（ベクトル最適化）は、一般に、比色差を最小限に抑えるために実施される。第１の例では、最小二乗基準によるグラジエント法を利用して適当な１組の制御指令を得る。このような方法は、それ自体当業者に知られている。考えられる手法は、例えば、ローソン（Lawson）、シー・エル・ハンソン（CL. Hanson ）、アール・ジェイ・ハンソン（R.J. Hanson）共著，「ソービング・レイテスト・スクエアーズ・プロブレムズ（Solving Least Squares Problems）」，プレンティス−ホール（Prentice-Hall），１９７４年，第２３章，ｐ．１６１に記載されている。さらに説明するように、最適化は、更に、多目的であるのが良く、即ち、比色差を単一の基準として最適化するだけでなく、他の基準、例えば最小電力消費量、最大視感度効率等を最適化することを狙いとしている場合がある。

上述したように、配光は、数値ベクトルで表わすことができる。これらベクトルは、照明システムが設置されている部屋の中のそれぞれの点の三刺激値によって形成できる。例えば、図１に示すＣＣＤセンサ２は、画素画像を形成することができ、この場合、各画素は、それぞれの点を表わしている。

比色差を決定する場合、目標配光と予測配光を比較する。これは、色差の点において２つの配光のそれぞれのデータ点を比較することにより達成される。この目的のため、２つの配光は、互いにマッチすべきであり、即ち、目標配光及び予測配光中のデータ点は、部屋の中の同一の「実際の」点を指すことが必要である。例えば、両方の配光が画像によって形成される場合、画像は、同一の観察角から且つ同一の画素解像力で撮像されるべきである。２つの配光が互いにマッチしていない場合、マッピングが必要である。

例えば以下の方程式、即ち、ＣＩＥＤＥ２０００、ＣＩＥ９４、ＢＦＤ、ＡＰ又はＣＭＣの１つを用いて各データ点について色差を計算するのが良い。全体的な配光の比色差を決定するため、全てのデータ点の色差の平均値を計算する。Ｓ−ＣＩＥＬＡＢ及びＣＩＥＤＥ２０００方程式の技術的説明は、次の技術文献、即ち、ジー・エム・ジョンソン（G.M. Johnson）、エム・ディー・フェアチャイルド（M.D. Fairchild）共著，「ア・トップ・ダウン・ディスクリプション・オブ・エス−シーアイイーエルエービー・アンド・シーアイイーディーイー２０００（A top down description of S-CIELAB and CIEDE2000）」，カラー・リサーチ・アンド・アプリケーション（Color Research and Application），２８（６）：ｐ．４２５〜４３５，２００３年１２月；ジー・シャルマ（G. Sharma）、エム・ジェイ・バーヘル（M.J. Vrhel）、エイチ・ジェイ・トゥルッセル（H.J. Trussel）共著，「カラー・イメージング・フォー・マルチメディア（Color imaging for multimedia）」，プロシーディングス・オブ・ジ・アイイーイーイー（Proceedings of the IEEE），８６（６）：ｐ．１０８８〜１１０８，１９９８年６月；エム・シー・ストーン（M.C. Stone）著，「レプレゼンティング・カラーズ・アズ・スリー・ナンバーズ（Representing colors as three numbers）」，アイイーイーイー・コンピュータ・グラフィックス・アンド・アプリケーションズ（IEEE Computer Graphics and Applications），２５（４）：ｐ．７８〜８５，２００５年７月−８月に見受けられる。

比色差を計算する際に適当な結果を得るため、ステップ２５は、図３に示す幾つかの事前処理ステップを含むのが良い。この事前処理を両方の配光に適用する必要がある。最初に、ステップ３１において、配光をデバイス独立色空間に変換して２つの配光相互間の比較可能性を達成する。デバイス独立色空間をｓＲＧＢ、ＬＭＳ及びＣＩＥ ＸＹＺの中から選択するのが良い。

次に、ステップ３２において、２つの配光を、１つの輝度及び２つの色差寸法を備える反対の色空間に変換する。

これに先立って、ステップ３３において、配光を別々にフィルタ処理し、そのために、例えば、人の目のコントラスト感度関数（ＣＳＦ）に似た空間フィルタが用いられる。この場合、人の目には見えない配光の成分を除去し、最も代表的な成分を強調する。これら成分は、例えば、特定の色である場合がある。この空間事前処理により、次の比色差の決定が複雑な色の刺激及び人の空間及び色感度を考慮に入れることができる。

コントラスト感度関数を用いたフィルタ処理ステップの代わりに又はこれに加えて、色に関する視覚的差のモデル（color visual difference model ：ＣＶＤＭ）を用いて配光をフィルタ処理するのが良い。ＣＶＤＭは、エックス・エフ・フェン（X.F. Feng）、エス・ダリー（S. Daly ）共著，「ビジョン−ベースド・ストラテジー・トゥー・リデュース・ザ・パーシーブド・カラー・ミスレジストレーション・オブ・イメージ−キャプチャ・デバイシズ（Vision-based strategy to reduce the perceived colour misregistration of image-capturing devices）」，プロシーディングス・オブ・ジ・アイイーイーイー（Proceedings of the IEEE），９０（１）：ｐ．１８〜２７，２００２年１月に詳細に説明されている。

次に、ステップ３４において、フィルタ処理済みの配光をＣＩＥＬＡＢ色空間に変換する。この色空間は、先の色空間よりも一様な色空間であり、即ち、配光の外観の同様に知覚された差は、比色差の同様にコンピュータ処理された大きさを生じさせ、この結果、人の目を通して見た色差との良好な合致が得られる。

変換後、ステップ３５において、配光をセグメント化する。上述したように、セグメント化は、目標配光及び（又は）予測配光の代表値の決定を含む。代表値は、それぞれの配光の関連の区分に特有である。

例示のセグメント化法では、例えば規則正しい長方形の格子を用いて配光を小さな領域に分割する。例えば、図１を参照して説明したように、配光を区画５に分割する。次に、測色的に代表的なデータ点の数を格子の全ての小領域について突き止める。この目的のため、各区画のデータ点をクラスタの状態に組み合わせる。成分に関する選択は、データ点の三刺激値、例えば、ＲＧＢ値であるのが良く、或いは変形例として、任意他の測色トリプレット、例えばＣＩＥ ＸＹＺ色空間におけるＸ、Ｙ及びＺ座標値又は更に別の測色大きさ、例えば明度、彩度及び心理測定的飽和度等であって良い。

当該技術分野においては、上述したクラスタ化ステップを実施するために多くの別の方法が知られている。例えば、ロイドのアルゴリズム、ファジーｃ手段又はニューラルガスをクラスタ化ステップとして利用することができる。感覚的に少ない数のクラスタをいったん識別すると、全てのクラスタについて１つの代表的なデータ点、例えばユークリッドの距離の態様でデータ点が属するクラスタの中心に最も近い測色及び場所の成分に対して評価されたデータ点の１つを選択すべきである。変形例として、このような代表的なデータ点は、クラスタのランダムに選択された要素であっても良い。このセグメント化ステップと関連した明確な利点は、色差を決定しなければならない対象としてのデータ点の数が減少するということにある。

両方の配光、即ち、予測配光及び目標配光をセグメント化するのがよいが、配光の一方のみをセグメント化しても十分である。ただし、第１の配光の１つの画素値から他方の画素値への被定義マッピングが保証されることを条件とする。

セグメント化の後で、ステップ３６において、配光のそれぞれのデータ点相互間の色差を決定する。

予測配光と意図した配光の色差のマトリックス（ベクトル）をＣＭＣ、ＣＩＥ９４、ＣＩＥＤＥ２０００等に従ってコンピュータ処理する（画素単位で）。

次に、この色差ベクトルから、予測色配光が目標配光に関してどれほど近く位置するかが知覚される尺度として役立つ基準を計算する。

このような基準を計算するには幾つかの考えられる仕方が存在する。簡単な手法では、全てのデータ点に関する色差の平均値をステップ３７で決定するのが良い。次に、この単一の基準を多次元単一目的最適化法で最適化するのが良い。

しかしながら、重み関数を用いて基準を好適な仕方で計算することが好ましい。この重み関数ｗ_ijは、各場所ｉ，ｊについて重み係数を有し、その結果、幾つかの場所を強調することができ（大きなｗ）又は幾つかの場所の影響を制限することができ（小さなｗ）又は抑制することさえできる（ｗ＝０）。さらに、たった１つの基準を用いないで、２つ以上の基準を計算し、次に多次元多目的最適化法を用いることが好ましい。

解決されるべき数学的問題を対をなす目的関数で説明することができる。本実施例では、第１の基準（目的関数）は、２つの配光相互間の色差の平均値（場合によっては領域の関連性に依存した重みづけ測定点）である。第２の基準（目的関数）は、同一の値の平均値として定められ、これら値は、次式のように、マトリックス中の色差値の９５パーセンタイルよりも高く又はこれに等しい。

最適化の目的は、パレートの意味でこれら両方の基準を最小限に抑えるコンポジションをコンピュータ処理することにある。

多次元多目的最適化と多次元単一目的最適化は、両方とも、当業者に知られている遺伝的(genetic)アルゴリズム又はＮＢＩ（normal-boundary intersection）法により解決できる。

変形実施形態では、比色差の基準は、相関色温度を更に含むのが良い。以下の例では、相関色温度（ＣＣＴ）で表わされた目標配光は、次式のように、輝度及びクロミナンスの面で目標配光に加えて或る特定の作業面上に描画（レンダリング）／表示されるようになっている。

次式のように、ＣＣＴを所謂ロバートソンの方法（ロバートソン・エー・アール（Robertson A. R. ）著，ジャーナル・オン・オプティクス・ソサエティ・オブ・アメリカ（Journal on Optics Society of America），５８，ｐ．１５２８〜１５３５；ジー・ウィスゼッキ（G.Wyszecki）、ダブリュ・エス・スタイルス（W.S. Stiles）共著，「カラー・サイエンス・コンセプツ・アンド・メソッズ（Colour Science Concepts and Methods）」，クオンティティブ・データ・アンド・フォーミュラ（Quantitative Data and Formulae），第２版，ウィリー−インターサイエンス（Wiley-Interscience），１９８２年）又は他の別の公式（エー・ボルベリー（A. Borbely）、エー・サムソン（A. Samson）、ジェイ・シャンダ（J. Schanda）共著，「ザ・コンセプト・オブ・コリレイテッド・カラー・テンパチャー・リビジテッド（The concept of correlated colour temperature revisited）」，カラー・リサーチ・アンド・アプリケーション（Color Research & Application），第２６巻，第６号，ｐ．４５０〜４５７，２００１年；ケイ・ニュコビクズ（K. Wnukowicz）、ダブリュ・スカーベック（W. Skarbek）共著，「カラー・テンパチャー・エスティメーション・アルゴリズム・フォー・ディジタル・イメージズ−プロパティーズ・アンド・コンバージェンス（Colour temperature estimation algorithm for digital images - properties and convergence）」，オプト−エレクトロニクス・レビュー（Opto-Electronics Review），１１（３），ｐ．１９３〜１９６，２００３年）によって画像又は測光／測色測定値から容易に計算することができる。

ＣＣＴは、次式のように、比色差について上述した仕方と同様に画素単位で推定され、その結果、予測ＣＣＴ相互間のユークリッドの差のマトリックス（ベクトル）が画像／測光測定値の予測線形組み合わせから得られるようになっており、

そして、

により問題を近似的に解決することができる。

本発明の第２の態様に従って目標配光が得られるよう照明システムを制御する最適化を利用した１組の制御指令を決定する。

本発明の第２の態様は、１組の制御指令の反復最適化を行わないで適当な１組の制御指令をどのようにして見出すかに関している。これは、人工的ニューロ回路網（ＡＮＮ）を用いることにより達成される。

ここでは、影響データは、訓練セットとして用いられ、１組の制御指令は、ＡＮＮの出力である。この結果、ＡＮＮは、１組の制御指令を予測配光に変換するよう訓練される。影響データは、入力ニューロンを発生させるために用いられる。影響データは、数値マトリックスとして書き表わされる。上述した方法を用いて影響データを得ることにより、１組の制御指令又は数学的に言えば、制御ベクトルｃと１組の制御指令で照明システムを動作させたときに得られる関連の予測配光の関係は、次式のように書き表わせる。

上式において、Ｊは、影響マトリックスである。上述の方程式は、一般に、正確な方程式よりも推定の度合いが高く、それ故、「ほぼ等しい」記号で表されている。上述した例示としての検出方法を用いると、例示の制御ベクトルＣを［１００．．．０］^T，［０１０．．．０］^T，．．．，［０００．．．１］^Tと書き表わすことができる。影響マトリックスの疑似反転Ｊ⁺を１組の制御指令相互間の影響及び被照明環境に対する影響の考えられるモデルと見なすことができる。行列を反転させると、方程式を次のように書き表わすことができる。

このように、上述の方程式において、目標配光をベクトルｉとして代入することができ、制御ベクトルｃ、即ち所望の目標配光に従って照明システムを制御する１組の制御指令をＡＮＮで決定することができる。

上述の手法は、数学的に正確な解を得ることができるようにするわけではないが、ＡＮＮは、影響データに基づいて予測される目標配光を決定する手法を用いることができる。

本実施例では、光制御とこれらの効果との間の関係は、実質的に線形であると仮定される。簡単なマルチ・アダプティブ・リニア・ニューロン（ＭＡＤＡＬＩＮＥ）アーキテクチャをそれに応じて仮定することができる。次に、このアーキテクチャに従って構成されたＡＮＮを教師あり学習の概念の使用により訓練する。この概念に必要な訓練データは、システムの既知の入力−出力のカップルである。これは、上述の影響データを構成する。

図４は、訓練データをどのようにして収集するかを示しており、制御可能な光源３ａ，３ｂ、反射壁及びセンサ装置２（ＣＣＤカメラ）を備えたシステム（例えば、図１からの部屋）が所与である場合、１組の制御ベクトル（Ｃ_i）をシステムに適用するのが良く、そして効果を測定する（Ｅ_i）。次に、効果（Ｅ_i）及び制御ベクトル（Ｃ_i）をＡＮＮの訓練データとして用い、この訓練データは、制御システムを実行する。制御システムをいったん良好に訓練すると、制御システムは、入力Ｅ_iが与えられると、制御ベクトルＣ_iを発生させる。Ｅ_iは、Ｃ_iを適用することにより得られた目標効果として理解できる。任意所望の効果Ｄが入力として与えられた場合、制御システムは、迅速に制御ベクトルを発生させることになる。

このベクトルは、上述の最適化のための第１の当て推量として利用するのが良い。変形例として、ＡＮＮ手法を既知の形態を記憶したメモリとして又は所望の目標と測定した目標の差に基づいて制御ベクトルに対する調整を生じさせる差動制御システムとして用いても良い。

本発明に従って決定された１組の制御指令は又、図２を参照して説明した本発明の第１の態様による実施形態における第１の１組の制御指令と見なしうる。

部屋内に設置された照明システムを制御するシステムの一実施形態を示す図である。 本発明の第１の態様による方法の第１の実施形態の略図である。 図２に示す実施形態に従って比色差を決定するステップの詳細図である。 ニューロ回路網を用いた本発明の実施形態としての方法のステップの略図である。

Claims (10)

1. 多数の制御可能な光源を備えた照明システムを制御する制御指令の自動的生成方法であって、
   照明システムの影響データを求め、該影響データは、被照明環境の１又は２以上の区画の照明に対する１又は２以上の光源の照明の影響を表し、前記影響データは、前記照明システムの初期セットアップの間、光検出ステップから得られ、
   前記１又は２以上の光源を制御するための、第１の組をなす制御指令を決定するステップを有し、
   前記第１の組をなす制御指令に関する予測配光を前記影響データから求め、
   前記予測配光と目標配光の間の色差及び／又は相関色温度の差の尺度を提供する比色差を求め、
   複数の調整ステップを実施して前記比色差を最小限に抑え、各前記調整ステップでは、
   新たな組をなす制御指令を決定し、前記新たな組をなす制御指令に関する新たな予測配光を前記影響データから求め、新たな比色差を求める、
   ことを特徴とする制御指令の自動的生成方法。
2. 前記影響データを少なくとも１つの検出ステップで求め、該検出ステップでは、前記光源の各々を複数のパラメータ値に従って動作させ、前記被照明環境の前記１又は２以上の区画に対する各前記パラメータの影響を検出する、
   請求項１記載の制御指令の自動的生成方法。
3. グラジエントに基づいた反復的最適化を前記調整ステップで実施する、
   請求項１又は２記載の制御指令の自動的生成方法。
4. 遺伝的アルゴリズムを用いた反復的最適化を前記調整ステップで実施する、
   請求項１又は２記載の制御指令の自動的生成方法。
5. 前記目標配光は、前記照明システムの前記１又は２以上の照明ユニットのパラメータに関する境界条件を含み、前記境界条件は、最大許容電力消費量、輝度の最小平均値、最小所要視感度効率、各パラメータについて取り得る１組の値、演色評価数（ＣＲＩ）の平均範囲、又は最小色彩調和評価数（ＨＲＩ）の１又は２以上を含む、
   請求項１ないし４のいずれか１項に記載の制御指令の自動的生成方法。
6. 前記比色差を求める前記ステップは、前記予測配光及び（又は）前記目標配光を知覚的に一様な色空間に変換するステップを含む、
   請求項１ないし５のいずれか１項に記載の制御指令の自動的生成方法。
7. 前記比色差を求める前記ステップに先立って、前記予測配光及び前記目標配光を空間フィルタ機能でフィルタ処理する、
   請求項１ないし６のいずれか１項に記載の制御指令の自動的生成方法。
8. 前記比色差を求める前記ステップは、事前セグメント化を含み、該事前セグメント化は、照明されるべき前記環境の関連区画に特有である前記目標配光及び（又は）前記予測配光の代表的な有限値の決定を含み、前記予測配光と前記目標配光の比色差の前記決定は、前記有限値に制限される、
   請求項１ないし７のいずれか１項に記載の制御指令の自動的生成方法。
9. 前記１組の制御指令を前記目標配光に関連した情報と一緒にデータベース手段にストレージする、
   請求項１ないし８のいずれか１項に記載の制御指令の自動的生成方法。
10. 制御手段に結合された１又は２以上の制御可能な照明ユニットを有する照明システムを制御する制御指令の自動的生成のためのシステムであって、前記制御手段は、
    照明システムの影響データを求めるよう設計され、該影響データは、被照明領域の１又は２以上の区画の照明に対する１又は２以上の光源の照明の影響を表わし、前記影響データは、前記照明システムの初期セットアップの間、光検出ステップから得られ、
    前記１又は２以上の光源を制御するための、第１の組をなす制御指令を決定するよう設計され、
    前記影響データから前記第１の組をなす制御指令に関する予測配光を更に求めるよう設計され、
    前記予測配光と目標配光の間の色差及び／又は相関色温度の差の尺度を提供する比色差を求め、前記比色差を最小限に抑えるために前記１組の制御指令に対する複数の調整ステップを実施するよう設計され、各前記ステップにおいて、新たな１組の制御指令を決定し、前記新たな１組の制御指令に関する新たな予測配光を前記影響データから求め、新たな比色差を求める、
    ことを特徴とするシステム。

Images