选择语言

隐形光开关:基于RGBD图像的人本照明控制系统

本研究论文提出了一种系统,可根据人员存在与视线动态调节室内照明,在维持感知光照水平的同时实现节能。
rgbcw.cn | PDF Size: 2.7 MB
评分: 4.5/5
★ ★ ★ ★ ★
您的评分
您已经为此文档评过分
PDF文档封面 - 隐形光开关:基于RGBD图像的人本照明控制系统

1. 引言

室内照明设计对于人体舒适度和能源效率都至关重要。在办公室等环境中,照明通常保持在最高水平,导致大量不必要的能源消耗,这可能占建筑物总用电量的15%以上。本文介绍了隐形光开关 (ILS),这是一种新颖的系统,通过根据室内人员的实际需求和感知动态调节照明来解决此问题,从而在不影响用户舒适度的情况下实现显著的节能。

2. 隐形光开关 (ILS) 系统

2.1 核心理念与动机

ILS 基于人本原则运行:它会调暗不在室内人员视野(视锥体)范围内的灯具,因为这些光源发出的光不会对其感知的照度做出贡献。这在大型开放式办公室中尤其有效,因为可能只为一个人而开着多盏灯。其目标是通过维持恒定的感知光照水平,使用户“察觉不到”节能过程。

2.2 系统流程概述

整体流程(如PDF中图2所示)包含以下几个关键步骤:

  1. 输入获取:从相机系统捕获RGBD(彩色和深度)数据。
  2. 场景分析:系统重建场景的3D几何结构并估计材料的光度特性。
  3. 人本分析:检测人员存在并估计头部姿态(视线方向)。
  4. 灯光控制:输出驱动一个节能框架,智能地控制单个灯具。

3. 技术方法

3.1 基于RGBD输入的场景分析

系统利用RGBD图像构建室内环境的3D模型。这包括识别表面、其方向以及材料属性(例如,反射率),这些对于精确的光线传输模拟至关重要。

3.2 人体检测与头部姿态估计

采用计算机视觉技术来检测场景中的人员并估计其头部姿态。计算视锥体——从人的视点可见的空间体积。位于此视锥体之外的灯具是调暗的候选对象。

3.3 基于辐射度的光照水平估计

ILS 的核心是一个辐射度模型。辐射度是一种全局光照算法,模拟光线在漫反射表面之间相互反射的方式。该模型估计到达空间中特定点(此处为人眼的大致位置)的光量(以勒克斯为单位),同时考虑来自灯具和表面的所有直接和间接光贡献。

能耗(基线)

18585 W

未使用 ILS 时的日耗电量

能耗(使用 ILS)

6206 W

使用 ILS 控制后的日耗电量

系统开销

1560 W

ILS 运行所需功率

感知光照下降

~200 Lux

对用户而言可忽略不计的下降

4. 实验设置与结果

4.1 使用照度计的数据集收集

为了验证系统,作者收集了一个新颖的数据集,其中办公室环境中的参与者佩戴了照度计设备。这些设备测量了人视线处的实际照度(勒克斯),作为“感知”光照水平的真实基准。

4.2 节能性能

在一个配备8个LED灯具的测试房间中,ILS展示了显著的节能效果。日能耗从18,585瓦(灯常亮)降至6,206瓦,而系统本身运行(传感器、计算)消耗了1,560瓦。这相当于每天净节省超过10,000瓦。

4.3 感知光照水平分析

关键的是,这种显著的节能是在感知光照水平仅轻微降低的情况下实现的——大约下降了200勒克斯。作者认为,当基准办公室照度高于1200勒克斯时,这种下降可以忽略不计,因为它不会影响视觉舒适度或任务表现。

5. 核心见解与讨论

  • 人本控制 vs. 仅存在检测: ILS 超越了简单的存在传感器,它考虑的是人看到了什么,而不仅仅是人是否在场。
  • 权衡管理: 该系统成功管理了节能与用户舒适度之间的权衡,这是智能建筑设计中的一个核心挑战。
  • 开放式办公室的可扩展性: 在传统分区效率低下的大型开放空间中,其优势被放大。
  • 通过新颖数据验证: 使用可穿戴照度计提供了一个稳健的、以用户为中心的验证指标,这在类似工作中常常缺乏。

6. 技术细节与数学公式

针对漫反射环境的辐射度方法,可以用控制表面面片之间光交换的核心方程来概括:

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

其中:

  • $B_i$ 是面片 $i$ 的辐射度(离开的总光量)。
  • $E_i$ 是面片 $i$ 的发射率(直接发射的光量)(对于灯具非零)。
  • $\rho_i$ 是面片 $i$ 的反射率。
  • $F_{ji}$ 是形状因子,一个几何项,表示离开面片 $j$ 并到达面片 $i$ 的光的比例。这是根据3D场景几何计算的,是确定灯具与用户视点之间可见性的关键。
系统求解这组线性方程来计算光分布。用户眼睛位置的照度随后从可见表面的辐射度推导得出。

7. 分析框架:核心洞察与评述

核心洞察: 本文的精妙之处在于将照明控制问题从“房间是否有人?”重新定义为“使用者实际感知到的光是什么?”。这种感知视角的转变,借助经典的辐射度模型和现代RGBD传感技术,解锁了那些简单的存在传感器或时间表无法触及的节能潜力。这是将计算机视觉应用于一个平凡但成本高昂的现实世界问题的杰出范例。

逻辑流程: 论证是坚实的:1) 照明是主要的能源消耗点。2) 当前的控制方式很粗糙。3) 人类感知是衡量“足够光照”的真正基准。4) 我们可以通过几何和视线来模拟感知。5) 因此,我们可以调暗看不见的灯。关于能耗和照度下降的实验数据清晰地完成了这个逻辑闭环。

优势与不足: 其优势毋庸置疑——照明能耗降低66%是一个足以在董事会会议上展示的数字。使用物理光线传输模型(辐射度)比黑盒深度学习方法更有原则性,提供了可解释性。然而,不足之处在于细节。系统开销(1560W)高得可疑——几乎占节省功率的四分之一。这是原型机的产物,还是根本性的成本?在动态变化的办公室(有移动的椅子、海报等)中依赖精确的3D重建和材料估计,是可扩展性的一个警示信号。正如关于CycleGAN(Zhu 等人,2017)的开创性工作所示,非配对图像到图像的转换可以处理风格变化,但用于光线模拟的精确几何是一个更困难、更具结构性的问题。

可操作的见解: 对于建筑管理者来说,试点结果足以令人信服,值得在受控区域进行试验。对于研究人员来说,下一步很明确:大幅降低系统的运行功耗。用学习到的轻量级代理模型取代重量级的辐射度求解器——可以考虑一种在合成数据上训练的、专门的、高效的神经网络,类似于神经辐射场(NeRF)的趋势。与灯具制造商合作,将最少的传感和计算功能直接嵌入灯具中,创建一个分布式的、低开销的网状网络。未来不是一个分析RGBD流的中枢大脑,而是一群智能的、可通信的灯泡。

8. 未来应用与研究方向

  • 与物联网及数字孪生集成: ILS 可以成为建筑数字孪生的关键组成部分,提供与BIM(建筑信息模型)数据关联的细粒度、实时控制。
  • 个性化照明环境: 扩展系统以考虑个人用户偏好或健康福祉相关的昼夜节律照明需求。
  • 高级传感: 超越RGBD,纳入光谱传感器,以更好地模拟光质量及显色性对感知的影响。
  • 机器学习优化: 用深度学习模型替代或增强辐射度求解器,以在高度动态的环境中实现更快、自适应的控制。
  • 标准化与互操作性: 为类似 ILS 的系统开发开放协议,以便与楼宇管理系统(BMS)及其他智能设备通信。

9. 参考文献

  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. 国际照明设计师协会 (IALD). (n.d.). 什么是照明设计? 取自 IALD 网站。
  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.