【技术实现步骤摘要】
本专利技术涉及大数据分析，具体是基于人工智能的光场数据采集处理方法。
技术介绍
1、在计算机建模领域，获取建模对象在实际空间中的表面法向量对于模型的渲染具有重要意义。现有技术通过分析物体在不同光照条件下的图像数据来推算表面法向量，然而现有方法存在以下问题：一是现有方法未对数据采集条件进行标准化，导致表面法向量的求解缺乏统一的数据处理标准；二是现有方法的数据处理过程复杂，计算效率低；三是现有方法对输入数据的噪声极为敏感，导致表面法向量计算不准确。
2、近年来，随着大数据技术的快速发展，海量真实场景数据的获取和处理已成为可能。这为表面法向量计算提供了新的思路，即利用大数据的统计规律和先验知识，提升法向量计算的准确性和计算效率。可以借鉴的大数据分析思路包括基于人工智能的数据驱动学习方法，即通过对不同光照条件下的数据和表面法向量样本进行学习，从中提取出数据特征与表面法向量之间的关联关系，并将实际测量得到的数据输入该关联关系得到表面法向量的计算值。这种方法能够有效降低数据噪声的干扰，提高计算效率，并为表面法向量的计算提供标准化数据处理方法。
3、因此，亟需通过引入大数据分析技术，将表面法向量计算方法从传统的基于模型的方法转向数据驱动的方法，从而更好地适应高效、精准的计算需求，为建模提供更精确的表面几何信息。
技术实现思路
1、（1）要解决的技术问题
2、本专利技术的目的在于提供基于人工智能的光场数据采集处理方法，以实现物体表面法向量的精确、高效计算。>
3、（2）技术方案
4、为实现上述目的，本专利技术提供了基于人工智能的光场数据采集处理方法，所述方法包括以下步骤：
5、s1，将预先构建的球形光源阵列系统放置于预先设定的三维坐标空间；所述三维坐标空间包括相互垂直的x轴、y轴和z轴；所述x轴、y轴和z轴相交于原点；所述球形光源阵列系统几何中心与所述三维坐标空间的原点重合；所述球形光源阵列系统包括球形支架和安装于球形支架上的光源组，所述光源组包括第一光源、第二光源、第三光源、第四光源；第四光源安装于球形支架顶点，第一光源、第二光源、第三光源安装于球形支架的正交位置。
6、s2，将待测物体放置于原点，并使环境光照度为0勒克斯，分别启动第一光源、第二光源、第三光源、第四光源进行照射，得到第一光照条件至第四光照条件；利用刚性固定于待测物体表面的摄像机分别捕获第一光照条件至第四光照条件下待测物品的二维图像，得到第一光照图像至第四光照图像。
7、s3，对第一光照图像至第四光照图像进行数值化预处理，得到第一光照数值阵列至第四光照数值阵列；根据所述第一光照数值阵列至第四光照数值阵列通过向量转换公式计算得到第一向量。
8、s4，对第一向量进行空间映射，得到表面法向量。
9、进一步地，所述第四光源安装于球形支架顶点，第一光源、第二光源、第三光源安装于球形支架的正交位置的方法包括：
10、所述第四光源安装于球形支架顶点；所述第一光源安装于球形支架与x轴的交点；所述第二光源安装于球形支架与y轴的交点；所述第三光源安装于球形支架与z轴的交点。
11、所述第一光源在x轴方向的发光强度为预先设定的第一发光强度；所述第一光源在y轴方向的发光强度为预先设定的第二发光强度；所述第一光源在z轴方向的发光强度为预先设定的第二发光强度；所述第二光源在x轴方向的发光强度为预先设定的第二发光强度；所述第二光源在y轴方向的发光强度为预先设定的第一发光强度；所述第二光源在z轴方向的发光强度为预先设定的第二发光强度；所述第三光源在x轴方向的发光强度为预先设定的第二发光强度；所述第三光源在y轴方向的发光强度为预先设定的第二发光强度；所述第三光源在z轴方向的发光强度为预先设定的第一发光强度；所述第四光源在x轴方向的发光强度为预先设定的第一发光强度；所述第四光源在y轴方向的发光强度为预先设定的第一发光强度；所述第四光源在z轴方向的发光强度为预先设定的第一发光强度。
12、所述第一发光强度和第二发光强度满足光照汇聚条件；所述光照汇聚条件为：
13、；
14、其中，表示第一发光强度，单位为坎德拉；表示第二发光强度，单位为坎德拉；为预先设定的比例系数，的取值大于1。
15、进一步地，所述将待测物体放置于原点，并使环境光照度为0勒克斯，分别启动第一光源、第二光源、第三光源、第四光源进行照射，得到第一光照条件至第四光照条件的方法包括：
16、将球形支架放置在环境光照度为0勒克斯的环境下；将待测物体放置于球形支架内部，使待测物体中心与原点重合。
17、启动第一光源，并使第二光源、第三光源、第四光源处于关闭状态，得到第一光照条件；启动第二光源，并使第一光源、第三光源、第四光源处于关闭状态，得到第二光照条件；启动第三光源，并使第一光源、第二光源、第四光源处于关闭状态，得到第三光照条件；启动第四光源，并使第一光源、第二光源、第三光源处于关闭状态，得到第四光照条件。
18、进一步地，所述对第一光照图像至第四光照图像进行数值化预处理，得到第一光照数值阵列至第四光照数值阵列的方法包括：
19、分别将第一光照图像至第四光照图像按照预先设定的横向分割数量和纵向分割数量等分为个图像栅格，得到第一图像栅格组至第四图像栅格组；计算第一图像栅格组至第四图像栅格组内的像素点色值，并进行聚合得到第一色值阵列至第四色值阵列。
20、采用灰度转化算法将所述第一色值阵列至第四色值阵列转化为第一光照数值阵列至第四光照数值阵列。
21、进一步地，所述计算第一图像栅格组至第四图像栅格组内的像素点色值，并进行聚合得到第一色值阵列至第四色值阵列的方法包括：
22、获取第一光照图像至第四光照图像的像素高度和像素宽度；分别对第一光照图像至第四光照图像的个像素进行编号；将第一光照图像至第四光照图像进行像素分解得到个像素点；其中的计算公式为：
23、；
24、利用图像处理算法计算个像素点的rgb色值得到个像素点的r值、g值和b值；对落入第一图像栅格组至第四图像栅格组中每个图像栅格的像素点的r值、g值和b值分别求平均值，得到第一色值阵列至第四色值阵列；其中第色值阵列表示为：
25、；
26、其中，表示第色值阵列；表示第图像栅格组中第行第列的图像栅格中的像素点的r值的平均值；表示第图像栅格组中第排第列的图像栅格中的像素点的g值的平均值；表示第图像栅格组中第排第列的图像栅格中的像素点的b值的平均值；为取值1到4的整数变量；为取值1到的整数变量；为取值1到的整数变量。
27、进一步地，所述采用灰度转化算法将所述第一色值阵列至第四色值阵列转化为第一光照数值阵列至第四光照数值阵列的方法包括：
28、根据第一色值阵列至第四色值阵列，采用加权平均亮度公式计算得到第一光照数值阵列至第四光照数值阵列；其中第光照数值阵列表示为：...
【技术保护点】
1.基于人工智能的光场数据采集处理方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的基于人工智能的光场数据采集处理方法，其特征在于，所述第四光源安装于球形支架顶点，第一光源、第二光源、第三光源安装于球形支架的正交位置的方法包括：
3.如权利要求2所述的基于人工智能的光场数据采集处理方法，其特征在于，所述将待测物体放置于原点，并使环境光照度为0勒克斯，分别启动第一光源、第二光源、第三光源、第四光源进行照射，得到第一光照条件至第四光照条件的方法包括：
4.如权利要求3所述的基于人工智能的光场数据采集处理方法，其特征在于，所述对第一光照图像至第四光照图像进行数值化预处理，得到第一光照数值阵列至第四光照数值阵列的方法包括：
5.如权利要求4所述的基于人工智能的光场数据采集处理方法，其特征在于，所述计算第一图像栅格组至第四图像栅格组内的像素点色值，并进行聚合得到第一色值阵列至第四色值阵列的方法包括：
6.如权利要求5所述的基于人工智能的光场数据采集处理方法，其特征在于，所述采用灰度转化算法将所述第一色值阵列至第四色值
7.如权利要求6所述的基于人工智能的光场数据采集处理方法，其特征在于，所述根据所述第一光照数值阵列至第四光照数值阵列通过向量转换公式计算得到第一向量的方法包括：
8.如权利要求7所述的基于人工智能的光场数据采集处理方法，其特征在于，所述对第一向量进行空间映射，得到表面法向量的方法包括：
9.如权利要求8所述的基于人工智能的光场数据采集处理方法，其特征在于，所述根据预先设定的样本库，采用非线性拟合算法拟合得到表面法向量与第二向量的映射关系，记为第一函数的方法包括：
...【技术特征摘要】
1.基于人工智能的光场数据采集处理方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的基于人工智能的光场数据采集处理方法，其特征在于，所述第四光源安装于球形支架顶点，第一光源、第二光源、第三光源安装于球形支架的正交位置的方法包括：
3.如权利要求2所述的基于人工智能的光场数据采集处理方法，其特征在于，所述将待测物体放置于原点，并使环境光照度为0勒克斯，分别启动第一光源、第二光源、第三光源、第四光源进行照射，得到第一光照条件至第四光照条件的方法包括：
4.如权利要求3所述的基于人工智能的光场数据采集处理方法，其特征在于，所述对第一光照图像至第四光照图像进行数值化预处理，得到第一光照数值阵列至第四光照数值阵列的方法包括：
5.如权利要求4所述的基于人工智能的光场数据采集处理方法，其特征在于，所述计算第一图像栅格组...
【专利技术属性】
技术研发人员：王仁杰，
申请(专利权)人：北京正通亿和文化艺术交流有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。