4.1. Simulation toolsAs discussed i

4.1. Simulation tools
As discussed in Section 2.1, the software tools Maya, 3ds Max Design, and Unity Pro all play a role in our simulation framework. We chose Maya for its ability to realistically simulate lighting panels with area lights that evenly emit photons from the panel using the mental ray plugin. 3ds Max Design has a superior daylight system that allows the specification of weather data, geographical location, date, and time. It also uses portal lights for global illumination, which allow the sun and sky light from windows to stream into the room. Unity Pro is well-suited to changing environments, importing external data, and measuring and controlling objects’ properties in real time with scripting, making it an ideal lighting controller simulation platform.
First, we built detailed, accurately scaled room models in Maya for each of the experimental environments, including both the geometry and varying material properties (e.g., color, reflectivity and transparency) of surfaces such as walls, tables, chairs, floors and ceilings. Next, we created highly accurate off-line renders for the lighting due to the panel lights (using Maya) and daylight (using 3ds Max), using their sophisticated algorithms for creating and visualizing global illumination. Fig. 2a and b, c shows respective examples, using the correct geographical location and orientation of the conference room (and default sunny weather).
It can take a substantial amount of time to render a nearphotorealistic image using global illumination for a single frame. For example, creating the image in Maya illustrated in Fig. 2a took about 2 h, while creating the images in 3ds Max Design illustrated in Fig. 2b and c each took about 2 min, all on a modest desktop computer (3.6 GHz, 8 GB RAM). However, since our interest is in exploring different control algorithms for the same external lighting conditions, we save the rendered lighting in texture files and reuse them. These textures are called “lightmaps”, each of which is a 1024 × 1024 image containing all the geometric faces in the environment and indicating the brightness on each surface. The lightmap is independent of a particular camera perspective. Fig. 3a shows the lightmap resulting from the daylight render in Fig. 2c. We can then import each stored lightmap into a room model in Unity, as illustrated in Fig. 3b.
Fig. 4 summarizes our overall procedure for pre-computing the necessary materials to simulate a room with given environment model and light configuration. While this procedure may be time-consuming, it only happens once, prior to interactive user exploration of lighting controller behavior.
We must also place and model the color sensors in the environments used for feedback in the lighting controllers. For the conference room testbed under construction (Experiments 1 –3), we simulate color sensor readings by placing a single downwardlooking orthographic camera on the simulated ceiling, and calculate virtual color sensor responses by averaging RGB values in circles with specified radii as illustrated in Fig. 5a. The color sensor readings are used as inputs to the lighting control algorithm, just as if they came from physical sensor readings. Thus, the feedback control loop is virtually simulated.
In the Smart Space Testbed, our research in advanced lighting controllers uses repositionable Seachanger wireless “Color Bug” sensors to measure local RGB intensity and illuminance. Our goal in Experiment 4 is to approximate the true responses from these sensors as closely as possible in the simulation, which we refer to as calibration. To build an accurate model, we measured the angular sensitivity of a Color Bug using a spectroradiometer from −90◦ to

ผลลัพธ์ (ไทย) 1:

4.1. การจำลองเครื่องมือตามที่อธิบายไว้ในส่วน 2.1 ซอฟต์แวร์เครื่องมือมายา 3ds Max ออกแบบ และ Pro สามัคคีทั้งหมดบทบาทในกรอบของการจำลอง เราเลือกมายาสำหรับความสามารถในการจำลองแสงสว่างติดตั้งไฟที่สม่ำเสมอส่ง photons จากแผงที่ใช้ปลั๊กอินเรย์จิต จริง 3ds Max ออกแบบมีระบบผ่อนตามฤดูกาลที่ช่วยให้ข้อมูลจำเพาะเกี่ยวกับข้อมูลสภาพอากาศ ที่ตั้งทางภูมิศาสตร์ วัน และเวลา มันยังใช้ไฟที่พอร์ทัลสำหรับรัศมีโลก ซึ่งทำให้แสงแดดและท้องฟ้าจากการส่งกระแสข้อมูลลงในห้อง สามัคคีเป็น Pro ดีเหมาะกับสภาพแวดล้อมเปลี่ยน นำเข้าข้อมูลภายนอก การวัด และการควบคุมคุณสมบัติของวัตถุในเวลาจริงกับสคริปต์ ทำแพลตฟอร์มจำลองควบคุมไฟเหมาะครั้งแรก เราสร้างโมเดลห้องรายละเอียด ปรับสัดส่วนได้อย่างถูกต้องในมายาสำหรับแต่ละสภาพแวดล้อมที่ทดลอง รวมทั้งในเรื่องเรขาคณิต และคุณสมบัติวัสดุ (เช่น สี แสงสะท้อน และความโปร่งใส) พื้นผิวผนัง ตาราง เก้าอี้ พื้น และเพดานที่แตกต่างกัน ถัดไป เราสร้างปัตย์ออฟไลน์ความถูกต้องสูงสำหรับไฟแผงไฟ (ใช้มายา) และตามฤดูกาล (ใช้ 3ds Max), ใช้ของอัลกอริทึมที่ซับซ้อนในการสร้าง และแสดงผลแสงสว่างส่วนกลาง Fig. 2a และ b, c แสดงอย่างนั้น ๆ การใช้ที่ตั้งทางภูมิศาสตร์ที่ถูกต้องและการวางแนวของห้องประชุม (และเริ่มมัว)มันสามารถใช้เป็นจำนวนมากเวลาแสดงรูป nearphotorealistic ที่ใช้ไฟส่องสว่างส่วนกลางสำหรับเฟรมเดียว ตัวอย่าง สร้างภาพมายาที่แสดงใน Fig. 2a เอาประมาณ 2 h สร้างภาพใน 3ds Max ออกแบบใข Fig. 2b และ c แต่ละใช้เวลาประมาณ 2 นาที ทั้งหมดบนคอมพิวเตอร์เดสก์ท็อปเจียมเนื้อเจียมตัว (3.6 GHz, 8 GB RAM) อย่างไรก็ตาม เนื่องจากดอกเบี้ยของเราหย่อนอัลกอริทึมควบคุมแตกต่างกันสำหรับสภาพแสงภายนอกเดียวกัน เราบันทึกแสง rendered ในแฟ้มเนื้อ และใช้พวกเขา พื้นผิวเหล่านี้เรียกว่า "lightmaps" ซึ่งเป็น 1024 × 1024 รูปที่ประกอบด้วยใบหน้ารูปทรงเรขาคณิตทั้งหมดในสภาพแวดล้อม และแสดงถึงความสว่างบนพื้นผิวแต่ละ Lightmap ไม่ขึ้นอยู่กับมุมกล้องโดยเฉพาะ Fig. 3a แสดง lightmap ที่เกิดจากการสร้างภาพตามฤดูกาลใน Fig. 2 c เราแล้วสามารถนำ lightmap ละเก็บเข้าแบบห้องในสามัคคี ดังที่แสดงใน Fig. 3bFig. 4 สรุปขั้นตอนของเราโดยรวมสำหรับการคำนวณวัสดุจำเป็นในการจำลองห้องก่อนให้กำหนดค่าแสงและแบบจำลองสภาพแวดล้อม ในขณะที่กระบวนการนี้อาจใช้เวลานาน เฉพาะเกิดครั้ง ก่อนสำรวจแสงลักษณะการทำงานของตัวควบคุมผู้ใช้แบบโต้ตอบนอกจากนี้เรายังต้องทำ และรุ่นเซนเซอร์สีในสภาพแวดล้อมที่ใช้สำหรับข้อเสนอแนะในการควบคุมแสงสว่าง สำหรับ testbed ห้องประชุมกำลังก่อสร้าง (ทดลอง 1 –3), เราจำลองสีเซ็นเซอร์อ่าน ด้วยกล้อง orthographic downwardlooking เดียวบนเพดานจำลอง และคำนวณเสมือนสีเซ็นเซอร์ตอบสนอง โดยการหาค่าเฉลี่ยค่า RGB ในวงกลมรัศมีระบุดังที่แสดงใน Fig. ของ 5a อ่านเซ็นเซอร์สีจะใช้เป็นอินพุตให้อัลกอริธึมที่ควบคุมแสงสว่าง ราวกับว่าพวกเขามาจากเซ็นเซอร์จริงอ่าน ดังนั้น ผลป้อนกลับการควบคุมลูปแทบจำลองใน Testbed พื้นที่สมาร์ท วิจัยของเราในตัวควบคุมขั้นสูงแสงใช้ repositionable Seachanger เซ็นเซอร์ไร้สาย "บักสี" เพื่อวัดความเข้มสีแบบ RGB ในท้องถิ่นและ illuminance คือเป้าหมายของเราในการทดลอง 4 การประมาณคำตอบจริงจากเซนเซอร์เหล่านี้อย่างใกล้ชิดที่สุดในการจำลองสถานการณ์ ซึ่งเราอ้างอิงถึงเป็นการปรับเทียบ การสร้างแบบจำลองที่ถูกต้อง เราวัดความไวแองกูลาร์ของสีจุดบกพร่องโดยใช้ spectroradiometer จาก −90◦ ไป

ผลลัพธ์ (ไทย) 2:

4.1 เครื่องมือการจำลองตามที่กล่าวไว้ในข้อ 2.1 ที่เครื่องมือซอฟต์แวร์ Maya, 3ds Max การออกแบบและความสามัคคีโปรบทบาทในกรอบจำลองของเรา
เราเลือกมายาสำหรับความสามารถในการจำลองแนบเนียนแผงแสงที่มีไฟในพื้นที่ที่เท่ากันปล่อยโฟตอนจากแผงโดยใช้ปลั๊กอินจิตเรย์ 3ds Max Design มีระบบกลางวันที่เหนือกว่าสเปคที่ช่วยให้ข้อมูลสภาพอากาศที่ตั้งทางภูมิศาสตร์, วันที่และเวลา นอกจากนี้ยังใช้ไฟพอร์ทัลเพื่อให้ความสว่างระดับโลกซึ่งจะช่วยให้ดวงอาทิตย์บนท้องฟ้าและแสงจากหน้าต่างที่จะสตรีมเข้ามาในห้อง โปรสามัคคีเป็นอย่างดีเหมาะกับสภาพแวดล้อมที่เปลี่ยนแปลงการนำเข้าข้อมูลภายนอกและการวัดและการควบคุมคุณสมบัติวัตถุในเวลาจริงกับสคริปต์ทำให้มันเป็นตัวควบคุมแสงที่เหมาะสำหรับแพลตฟอร์มจำลอง.
ครั้งแรกที่เราสร้างขึ้นรายละเอียดอย่างถูกต้องปรับรูปแบบห้องพักในยาแต่ละ ของสภาพแวดล้อมที่มีการทดลองรวมทั้งรูปทรงเรขาคณิตที่แตกต่างกันและคุณสมบัติของวัสดุ (เช่นสีสะท้อนแสงและความโปร่งใส) ของพื้นผิวเช่นผนัง, โต๊ะ, เก้าอี้พื้นและเพดาน ต่อไปเราจะสร้างแบบออฟไลน์ได้อย่างแม่นยำวาทกรรมที่ใช้สำหรับให้แสงสว่างเนื่องจากไฟแผง (ใช้มายา) และเวลา (ใช้ 3ds Max) โดยใช้อัลกอริทึมของพวกเขาสำหรับการสร้างและการแสดงระดับโลกที่ส่องสว่าง มะเดื่อ. 2a และ B, C แสดงให้เห็นตัวอย่างที่เกี่ยวข้องโดยใช้ที่ตั้งทางภูมิศาสตร์ที่ถูกต้องและการวางแนวของห้องประชุม (และเริ่มต้นสภาพอากาศแดด).
มันสามารถใช้เวลาจำนวนมากของเวลาที่จะทำให้ภาพ nearphotorealistic ใช้ไฟส่องสว่างทั่วโลกสำหรับกรอบเดียว ยกตัวอย่างเช่นการสร้างภาพมายาที่แสดงในรูป 2a ใช้เวลาประมาณ 2 ชั่วโมงขณะที่การสร้างภาพใน 3ds Max การออกแบบที่แสดงในรูป 2b และคแต่ละครั้งใช้เวลาประมาณ 2 นาทีทั้งหมดบนคอมพิวเตอร์เดสก์ทอปเจียมเนื้อเจียมตัว (3.6 GHz, 8 GB RAM) อย่างไรก็ตามเนื่องจากความสนใจของเราอยู่ในการสำรวจวิธีการควบคุมที่แตกต่างกันสำหรับเดียวกันสภาพแสงภายนอกเราประหยัดไฟแสดงผลในไฟล์พื้นผิวและนำมาใช้ใหม่ พื้นผิวเหล่านี้จะถูกเรียกว่า "lightmaps" แต่ละแห่งซึ่งเป็น 1024 × 1024 ภาพทั้งหมดที่มีใบหน้ารูปทรงเรขาคณิตในสภาพแวดล้อมและแสดงให้เห็นความสว่างบนพื้นผิวแต่ละคน Lightmap เป็นอิสระจากมุมมองที่กล้องโดยเฉพาะอย่างยิ่ง มะเดื่อ. 3a แสดง Lightmap ที่เกิดจากเวลากลางวันทำให้ในรูป 2c จากนั้นเราจะสามารถนำเข้า Lightmap เก็บไว้ในแต่ละรูปแบบห้องพักในความสามัคคีดังแสดงในรูปที่ 3b.
รูป 4 ขั้นตอนการสรุปโดยรวมของเราล่วงหน้าคำนวณวัสดุที่จำเป็นในการจำลองรูปแบบห้องที่มีสภาพแวดล้อมที่กำหนดและการกำหนดค่าแสง ในขณะที่ขั้นตอนนี้อาจจะใช้เวลานานก็จะเกิดขึ้นหนึ่งครั้งก่อนที่จะมีการสำรวจผู้ใช้แบบโต้ตอบของพฤติกรรมควบคุมแสง.
นอกจากนี้เรายังต้องวางรูปแบบและเซ็นเซอร์สีในสภาพแวดล้อมที่ใช้สำหรับข้อเสนอแนะในการควบคุมแสง สำหรับห้องประชุม testbed ภายใต้การก่อสร้าง (ทดลอง 1 -3) เราจำลองการอ่านเซ็นเซอร์สีโดยการวางกล้อง downwardlooking orthographic เดียวบนเพดานจำลองและคำนวณการตอบสนองเซ็นเซอร์สีเสมือนโดยเฉลี่ยค่า RGB ในวงการที่มีรัศมีที่กำหนดดังแสดงในรูปที่ . 5a อ่านเซ็นเซอร์สีที่ใช้เป็นปัจจัยการผลิตขั้นตอนวิธีการควบคุมแสงเช่นเดียวกับถ้าพวกเขามาจากการอ่านเซ็นเซอร์ทางกายภาพ ดังนั้นการควบคุมวงความคิดเห็นเป็นเสมือนจำลอง.
ในพื้นที่สมาร์ท Testbed การวิจัยของเราในการควบคุมแสงขั้นสูงใช้ repositionable Seachanger ไร้สาย "Bug ​​สี" เซ็นเซอร์ในการวัดความเข้มของสี RGB ท้องถิ่นและสว่าง เป้าหมายของเราในการทดลองที่ 4 เป็นที่ใกล้เคียงกับการตอบสนองความจริงจากเซ็นเซอร์เหล่านี้อย่างใกล้ชิดที่เป็นไปได้ในการจำลองซึ่งเราจะเรียกว่าการสอบเทียบ เพื่อสร้างรูปแบบที่ถูกต้องเราวัดความไวเชิงมุมของแมลงสีโดยใช้ Spectroradiometer จาก-90◦ไป

ผลลัพธ์ (ไทย) 3:

4.1 . เครื่องมือจำลอง
ตามที่กล่าวไว้ในมาตรา 2.1 เครื่องมือซอฟต์แวร์มายา การออกแบบ 3ds Max , และความสามัคคี Pro ทั้งหมดมีบทบาทในกรอบจำลองของเรา เราเลือกมายาสำหรับความสามารถของมันแนบเนียนจำลองแผ่นแสงกับไฟพื้นที่ทั่วถึงปล่อยโฟตอนจากแผงใช้ปลั๊กอินเรย์จิตการออกแบบ 3ds Max ได้เหนือกว่ากลางวัน ระบบที่ช่วยให้รายละเอียดของสภาพอากาศ ข้อมูลทางภูมิศาสตร์ สถานที่ วันที่ และเวลา นอกจากนี้ยังใช้พอร์ทัลสำหรับไฟแสงสว่างของโลก , ซึ่งช่วยให้ดวงอาทิตย์และท้องฟ้า แสงจากหน้าต่างไหลเข้าไปในห้อง ความสามัคคี Pro เหมาะกับการเปลี่ยนแปลงของสภาพแวดล้อม นำเข้าข้อมูลจากภายนอกการวัดและควบคุมคุณสมบัติของวัตถุในเวลาจริงกับการเขียนสคริปต์ให้เหมาะแสงควบคุมการจำลองแพลตฟอร์ม .
แรกเราสร้างรายละเอียดที่ถูกต้องปรับขนาดห้องแบบมายาสำหรับแต่ละสภาพแวดล้อมที่ทดลอง ทั้งทางเรขาคณิตและคุณสมบัติของวัสดุที่แตกต่างกัน ( เช่น สี การสะท้อนแสง และความโปร่งใส ) ของพื้นผิว เช่น ผนัง , โต๊ะเก้าอี้ ,พื้นและเพดาน ต่อไปเราสร้างความถูกต้องสูงแบบแสดงสำหรับแสงจากไฟแผง ( ใช้มายา ) และตะวัน ( โดยใช้ 3ds Max ) , การใช้ของพวกเขามีความซับซ้อนขั้นตอนวิธีสำหรับการสร้างและการส่องสว่างทั่วโลก รูปที่ 2A และ B , C แสดงให้เห็นตัวอย่างที่เกี่ยวข้อง การใช้ที่ถูกต้องทางภูมิศาสตร์ที่ตั้งและทิศทางของห้อง ( และเริ่มต้น
สภาพอากาศแดด )มันสามารถใช้เป็นจำนวนมากเวลาที่จะแสดงภาพ nearphotorealistic ใช้แสงสว่างของโลกในเฟรมเดียว ตัวอย่างเช่น การสร้างภาพมายาแสดงในรูปที่ 2A ใช้เวลาประมาณ 2 ชั่วโมง ในขณะที่การสร้างภาพใน 3ds Max การออกแบบภาพประกอบในรูปที่ 2B และ C แต่ละใช้เวลาประมาณ 2 นาที ทั้งหมดบนคอมพิวเตอร์เดสก์ทอปเจียมเนื้อเจียมตัว ( 3.6 GHz , RAM 8 GB ) อย่างไรก็ตามเนื่องจากความสนใจของเราในการสำรวจขั้นตอนวิธีการควบคุมที่แตกต่างกันสำหรับเดียวกัน สภาพแสงภายนอก เราช่วยให้แสงสว่างในไฟล์พื้นผิวและใช้พวกเขา พื้นผิวเหล่านี้จะถูกเรียกว่า " lightmaps " ซึ่งแต่ละเป็น 1024 × 1024 ภาพที่มีทั้งหมดของใบหน้าในสภาพแวดล้อมและแสดงความสว่างในแต่ละพื้นผิวการ lightmap เป็นอิสระจากมุมมองของกล้องโดยเฉพาะ รูปที่ 3 แสดง lightmap ที่เกิดจากแสงแสดงในรูปที่ 2 เราสามารถนำเข้าแต่ละเก็บไว้ lightmap เข้าไปในห้องแบบเอกภาพ ตามที่แสดงในรูปที่ 3B .
รูปที่ 4 สรุปขั้นตอนของเราโดยรวมก่อนคำนวณวัสดุที่จำเป็นในการใช้ห้องให้กับรูปแบบสภาพแวดล้อมและองค์ประกอบแสงในขณะที่ขั้นตอนนี้อาจจะใช้เวลานาน แต่มันเกิดขึ้นครั้งหนึ่ง ก่อนที่จะสำรวจพฤติกรรมผู้ใช้แบบโต้ตอบของตัวควบคุมแสงสว่าง
เรายังต้องสถานที่และรูปแบบสีเซ็นเซอร์ในสภาพแวดล้อมที่ใช้สำหรับความคิดเห็นในแสงควบคุม สำหรับห้องประชุม Name = ทดสอบ Comment ภายใต้การก่อสร้าง ( ทดลอง 1 – 3 )เราจำลองการอ่านเซ็นเซอร์สี โดยการวางกล้องในข้อเดียว downwardlooking จําลองเพดาน และคำนวณการเซนเซอร์สีเสมือนจริง โดยเฉลี่ยค่า RGB เป็นวงกลมที่มีรัศมีตามที่แสดงในรูปที่หลากหลาย สีเซ็นเซอร์อ่านใช้เป็นปัจจัยการผลิตให้แสงสว่างขั้นตอนวิธีการควบคุมเช่นเดียวกับถ้าพวกเขามาจากการอ่านเซ็นเซอร์ทางกายภาพ ดังนั้นลูปการควบคุมย้อนกลับเป็นเสมือนจำลอง
ใน Name = ทดสอบ Comment พื้นที่สมาร์ท การวิจัยของเราในการควบคุมแสงขั้นสูงใช้ repositionable seachanger ไร้สาย " แมลง " เซ็นเซอร์วัดความเข้มสี RGB ท้องถิ่นและการส่องสว่าง เป้าหมายของเราในการทดลองที่ 4 ประมาณคำตอบที่แท้จริงจากเซ็นเซอร์เหล่านี้มากที่สุดในการคำนวณ ซึ่งเราเรียกว่า การสอบเทียบเพื่อสร้างแบบจำลองที่ถูกต้อง เราวัดความไวเชิงมุมของสีแมลงโดยใช้ spectroradiometer จาก− 90 ◦