Выбрать язык

Невидимый выключатель света: Управление освещением, ориентированное на человека, на основе RGBD-изображений

Исследовательская работа, представляющая систему, которая динамически регулирует освещение в помещении на основе присутствия и направления взгляда человека для экономии энергии при сохранении воспринимаемого уровня освещённости.
rgbcw.cn | PDF Size: 2.7 MB
Оценка: 4.5/5
★ ★ ★ ★ ★
Ваша оценка
Вы уже оценили этот документ
Обложка PDF-документа - Невидимый выключатель света: Управление освещением, ориентированное на человека, на основе RGBD-изображений

1. Введение

Дизайн внутреннего освещения критически важен как для комфорта человека, так и для энергоэффективности. В таких средах, как офисы, освещение часто поддерживается на максимальном уровне, что приводит к значительному и неоправданному потреблению энергии, которое может составлять более 15% от общего электропотребления здания. В данной статье представлена система «Невидимый выключатель света» (Invisible Light Switch, ILS) — новая система, решающая эту проблему путём динамической регулировки освещения на основе реальных потребностей и восприятия находящихся в помещении людей, что позволяет достичь существенной экономии энергии без ущерба для комфорта пользователей.

2. Система «Невидимый выключатель света» (ILS)

2.1 Основная концепция и мотивация

ILS работает по принципу, ориентированному на человека: она приглушает светильники, находящиеся вне поля зрения (видимого объёма) человека, поскольку свет от этих источников не влияет на воспринимаемую им освещённость. Это особенно эффективно в больших офисах открытой планировки, где свет может быть включён для одного человека. Цель состоит в том, чтобы сделать экономию энергии «невидимой» для пользователя, поддерживая постоянный воспринимаемый уровень освещённости.

2.2 Обзор архитектуры системы

Общая архитектура системы, как показано на Рисунке 2 в PDF-файле, включает несколько ключевых этапов:

  1. Получение входных данных: RGBD-данные (цвет и глубина) захватываются системой камер.
  2. Анализ сцены: Система восстанавливает 3D-геометрию сцены и оценивает фотометрические свойства материалов.
  3. Анализ, ориентированный на человека: Обнаруживает присутствие человека и оценивает позу головы (направление взгляда).
  4. Управление освещением: Выходные данные управляют фреймворком энергосбережения, который интеллектуально контролирует отдельные светильники.

3. Техническая методология

3.1 Анализ сцены по RGBD-данным

Используя RGBD-изображения, система строит 3D-модель внутренней среды. Это включает идентификацию поверхностей, их ориентации и свойств материалов (например, отражательной способности), что крайне важно для точного моделирования распространения света.

3.2 Детектирование человека и оценка позы головы

Применяются методы компьютерного зрения для обнаружения людей в сцене и оценки позы их головы. Рассчитывается видимый объём (viewing frustum) — пространство, видимое с точки зрения человека. Светильники за пределами этого объёма являются кандидатами на приглушение.

3.3 Оценка уровня освещённости на основе радиосити

Основой ILS является модель радиосити. Радиосити — это алгоритм глобального освещения, моделирующий взаимное отражение света между диффузными поверхностями. Модель оценивает количество света (в Люксах), достигающего определённой точки в пространстве — в данном случае, приблизительного расположения глаз человека — с учётом всех прямых и непрямых вкладов света от светильников и поверхностей.

Потребление энергии (Базовый уровень)

18585 Вт

Суточное потребление без ILS

Потребление энергии (с ILS)

6206 Вт

Суточное потребление при управлении ILS

Накладные расходы системы

1560 Вт

Мощность, необходимая для работы ILS

Падение воспринимаемого света

~200 Люкс

Незначительное снижение для пользователя

4. Экспериментальная установка и результаты

4.1 Сбор данных с использованием люксметров

Для валидации системы авторы собрали новый набор данных, в котором участники в офисных условиях носили устройства-люксметры. Эти устройства измеряли фактическую освещённость (в Люксах) в точке взгляда человека, служа эталоном для «воспринимаемого» уровня света.

4.2 Эффективность энергосбережения

В тестовой комнате, оборудованной 8 светодиодными светильниками, ILS продемонстрировала впечатляющую экономию энергии. Суточное потребление энергии было снижено с 18 585 ватт (свет всегда включён) до 6 206 ватт, в то время как сама система потребляла 1 560 ватт на свою работу (датчики, вычисления). Это представляет собой чистую экономию более 10 000 ватт в день.

4.3 Анализ воспринимаемого уровня освещённости

Критически важно, что эта значительная экономия энергии была достигнута при лишь незначительном снижении воспринимаемого уровня освещённости — падении примерно на 200 Люкс. Авторы утверждают, что это пренебрежимо мало, когда базовое офисное освещение превышает 1200 Люкс, так как это не влияет на зрительный комфорт или производительность труда.

5. Ключевые выводы и обсуждение

  • Ориентированность на человека vs. только на присутствие: ILS выходит за рамки простых датчиков присутствия, учитывая то, что человек видит, а не просто факт его нахождения в помещении.
  • Управление компромиссом: Система успешно управляет компромиссом между экономией энергии и комфортом пользователя, что является центральной задачей в проектировании умных зданий.
  • Масштабируемость для открытых офисов: Преимущество усиливается в больших открытых пространствах, где традиционное зонирование неэффективно.
  • Валидация через новые данные: Использование носимых люксметров обеспечивает надёжную, ориентированную на пользователя метрику для валидации, чего часто не хватает в аналогичных работах.

6. Технические детали и математическая формулировка

Метод радиосити для диффузной среды можно обобщить основным уравнением, описывающим обмен светом между участками поверхностей:

$$B_i = E_i + \rho_i \sum_{j=1}^{n} B_j F_{ji}$$

Где:

  • $B_i$ — радиосити (весь исходящий свет) участка $i$.
  • $E_i$ — излучательная способность (свет, излучаемый напрямую) участка $i$ (не равна нулю для светильников).
  • $\rho_i$ — отражательная способность участка $i$.
  • $F_{ji}$ — форм-фактор, геометрический член, представляющий долю света, покидающего участок $j$, которая достигает участка $i$. Он вычисляется на основе 3D-геометрии сцены и является ключевым для определения видимости между светильником и точкой зрения пользователя.
Система решает эту систему линейных уравнений для вычисления распределения света. Освещённость в позиции глаз пользователя затем выводится из радиосити видимых поверхностей.

7. Аналитическая структура: Основная идея и критика

Основная идея: Гениальность статьи заключается в переосмыслении проблемы управления освещением с вопроса «занята ли комната?» на вопрос «какой свет фактически воспринимает находящийся в ней человек?». Этот перцептивный поворот, реализованный с помощью классической модели радиосити и современных RGBD-сенсоров, открывает возможности для экономии, недоступные для простых датчиков присутствия или расписаний. Это блестящее применение компьютерного зрения к обыденной, но дорогостоящей практической проблеме.

Логическая последовательность: Аргументация убедительна: 1) Освещение — это основной потребитель энергии. 2) Текущие системы управления примитивны. 3) Восприятие человека — истинный критерий «достаточности света». 4) Мы можем смоделировать восприятие через геометрию и взгляд. 5) Следовательно, мы можем приглушать невидимый свет. Экспериментальные данные об энергии и падении освещённости чисто замыкают эту логическую цепь.

Сильные стороны и недостатки: Сильная сторона неоспорима — сокращение энергии на освещение на 66% — это цифра, готовая для презентации совету директоров. Использование физической модели переноса света (радиосити) более принципиально, чем подход «чёрного ящика» на основе глубокого обучения, и обеспечивает интерпретируемость. Однако недостатки кроются в деталях. Накладные расходы системы (1560 Вт) подозрительно высоки — почти четверть сэкономленной мощности. Это артефакт прототипа или фундаментальная стоимость? Зависимость от точного 3D-реконструирования и оценки материалов в динамичных офисах (с движущимися стульями, постерами и т.д.) является красным флагом для масштабируемости. Как показала основополагающая работа по CycleGAN (Zhu et al., 2017), непарный перевод изображение-в-изображение может справляться со сменой стилей, но точная геометрия для симуляции света — более сложная, структурированная проблема.

Практические выводы: Для управляющих зданиями пилотные результаты достаточно убедительны, чтобы провести испытания в контролируемой зоне. Для исследователей следующий шаг очевиден: резко сократить операционную мощность системы. Заменить тяжёлый решатель радиосити на обученную, лёгкую прокси-модель — например, специализированную, эффективную нейронную сеть, обученную на синтетических данных, аналогично трендам в нейронных полях излучения (NeRF). Сотрудничать с производителями светильников для встраивания минимального сенсорного и вычислительного оборудования непосредственно в светильники, создавая распределённую, низконакладную mesh-сеть. Будущее не за центральным «мозгом», анализирующим RGBD-потоки, а за роем интеллектуальных, взаимодействующих лампочек.

8. Будущие применения и направления исследований

  • Интеграция с IoT и цифровыми двойниками: ILS может стать ключевым компонентом цифровых двойников зданий, обеспечивая детализированное, реальное время управление, связанное с данными BIM (Информационное моделирование зданий).
  • Персонализированные световые среды: Расширение системы для учёта индивидуальных предпочтений пользователей или потребностей в циркадном освещении для здоровья и благополучия.
  • Продвинутое сенсирование: Выход за рамки RGBD для включения спектральных сенсоров с целью лучшего моделирования качества света и влияния цветопередачи на восприятие.
  • Оптимизация с помощью машинного обучения: Замена или дополнение решателя радиосити моделями глубокого обучения для более быстрого, адаптивного управления в высокодинамичных средах.
  • Стандартизация и интероперабельность: Разработка открытых протоколов для систем, подобных ILS, для взаимодействия с системами управления зданием (BMS) и другими умными устройствами.

9. Список литературы

  1. Tsesmelis, T., Hasan, I., Cristani, M., Del Bue, A., & Galasso, F. (2019). Human-centric light sensing and estimation from RGBD images: The invisible light switch. arXiv preprint arXiv:1901.10772.
  2. International Association of Lighting Designers (IALD). (n.d.). What is Lighting Design? Retrieved from IALD website.
  3. Kralikova, R., & Wessely, E. (2012). Energy efficiency in buildings. Applied Mechanics and Materials.
  4. Zhou, X., et al. (2018). A review on lighting energy consumption in commercial buildings. Energy and Buildings.
  5. Zhu, J., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (pp. 2223-2232).
  6. Mildenhall, B., Srinivasan, P. P., Tancik, M., Barron, J. T., Ramamoorthi, R., & Ng, R. (2020). NeRF: Representing scenes as neural radiance fields for view synthesis. Communications of the ACM.