技術(shù)特征：

1.一種基于平面表面高動態(tài)范圍圖像的真實(shí)點(diǎn)光源位置測算方法，其特征在于：采用彩色數(shù)碼相機(jī)與三角架相連，彩色數(shù)碼相機(jī)與計(jì)算機(jī)相連，計(jì)算機(jī)中存有若干即62個(gè)圓，并將其編號dt記為1,2,3,...,62的半徑為10mm大正圓隨機(jī)分布，做為隨機(jī)點(diǎn)云標(biāo)定模板，將隨機(jī)點(diǎn)云標(biāo)定模板印刷于210mm*297mm純白色表面光滑不透光pvc板上，記作隨機(jī)點(diǎn)云標(biāo)記板；

具體的測算步驟如下：

步驟1、將三角架調(diào)至適當(dāng)高度，并調(diào)整三腳架的云臺部分，使得通過彩色數(shù)碼相機(jī)具體步驟如下的取景器目鏡能夠看到隨機(jī)點(diǎn)云標(biāo)記板的全部，將彩色數(shù)碼相機(jī)調(diào)至M檔，拍攝五張僅曝光時(shí)間不同的標(biāo)記板照片，分別記為Pic0、Pic1、Pic2、Pic3、Pic4，對應(yīng)的曝光時(shí)間依次記為Ev0、Ev1、Ev2、Ev3、Ev4，五張標(biāo)記板照片的圖像分辨率均為pix1*pix2；

步驟2、使用MALAB R2012b中的makehdr函數(shù)和Ev0、Ev1、Ev2、Ev3、Ev4，將Pic0、Pic1、Pic2、Pic3、Pic4合成為一張隨機(jī)點(diǎn)云標(biāo)記板高動態(tài)范圍圖像，記為HDRI，存儲于計(jì)算機(jī)4中；

步驟3、在隨機(jī)點(diǎn)云標(biāo)記板上建立以隨機(jī)點(diǎn)云標(biāo)記板的幾何中心為原點(diǎn)O、沿紙面向上為Z軸正方向的右手坐標(biāo)系，記為世界坐標(biāo)系；

步驟4、使用MALAB R2012b將HDRI上所有像素點(diǎn)的luminance值存儲到pix1*pix2的數(shù)組中，記為lum，其中l(wèi)um（i,j）表示HDRI上坐標(biāo)為(i,j)像素點(diǎn)的luminance值，在HDRI中隨機(jī)點(diǎn)云標(biāo)記板區(qū)域內(nèi)的白色部分任意選取五個(gè)像素點(diǎn)，依次分別記為point0、point1、point2、point3、point4，并記它們在HDRI中的像素坐標(biāo)依次分別為

，

同時(shí)，易獲取point0、point1、point2、point3、point4所對應(yīng)的luminance值，依次分別記為

；

步驟5、使用OpenCV1.0中的cvThreshold函數(shù)，對隨機(jī)點(diǎn)云標(biāo)定模板進(jìn)行二值化；使用OpenCV1.0中的cvFindContours函數(shù)，在二值化后的HDRI中找出各圖形的輪廓的點(diǎn)集；使用OpenCV1.0中的cvCvtSeqToArray函數(shù)，依次將每一個(gè)圖形的輪廓的點(diǎn)集轉(zhuǎn)換為一維數(shù)組，一維數(shù)組中元素的類型都為CvPoint；最后，使用OpenCV1.0中的cvFindContours函數(shù)，對每個(gè)一維數(shù)組進(jìn)行圓擬合，得到每個(gè)圓的圓心坐標(biāo)，記為

，

并從rotatedrect數(shù)據(jù)結(jié)構(gòu)中提取出每個(gè)圓的二次曲線方程記為：

其中分別為編號為dt的圓二次曲線方程的多項(xiàng)式系數(shù)，令

，

并將歸一化記為；

步驟6、將隨機(jī)點(diǎn)云標(biāo)定模板中的每一個(gè)圓的 (后文稱做“中心圓”)與其最近的4個(gè)圓的（后文稱做“鄰近圓”）構(gòu)成一個(gè)按照中心圓編號為次序的PN*5矩陣，記為YU，其中YU[dt][0]記錄中心圓的，YU[dt][ii]記錄其最近4個(gè)圓的，ii=0,1,2,3，如圖4所示為一組，計(jì)算出每個(gè)中心圓曲線與其鄰近圓曲線間的做為邊長，其中

；

根據(jù)余弦定理計(jì)算方法如下：

將每個(gè)中心圓的四個(gè)余弦值存儲為62*4的數(shù)組，記為YXJ1，其中YXJ1(dt,0)、YXJ1(dt,1)、YXJ1(dt,2)、YXJ1(dt,3)表示隨機(jī)點(diǎn)云標(biāo)定模板中編號為dt的圓的4個(gè)相關(guān)余弦值，記為

；

步驟7、使用OpenCV1.0中的cvThreshold函數(shù)，對HDRI進(jìn)行二值化；使用OpenCV1.0中的cvFindContours函數(shù)，找出每一個(gè)可見橢圓的輪廓點(diǎn)集；隨后，需使用OpenCV1.0中的cvCvtSeqToArray函數(shù)，依次將每一個(gè)可見橢圓的輪廓的點(diǎn)集轉(zhuǎn)換為一維數(shù)組，一維數(shù)組中元素的類型都為CvPoint；最后，使用OpenCV1.0中的cvFitEllipse函數(shù)，對每個(gè)一維數(shù)組進(jìn)行橢圓擬合，得到每個(gè)橢圓的圓心在世界坐標(biāo)系下的坐標(biāo)，記為

，

并從rotatedrect數(shù)據(jù)結(jié)構(gòu)中提取出每個(gè)可見橢圓的二次曲線方程記為：

其中分別為編號為的橢圓二次曲線方程的多項(xiàng)式系數(shù)，令

，

并將歸一化記為，其中表示HDRI中可見橢圓的編號；

步驟8、將HDRI中的每一個(gè)可見的橢圓的 (后文稱做“中心橢圓”)與其最近的4個(gè)橢圓的（后文稱做“鄰近橢圓”）構(gòu)成一個(gè)按照中心橢圓編號為次序的TN*5矩陣，記為TU，其中TU（dt’,0）記錄中心橢圓的，TU（dt’, ii）記錄其最近4橢圓的，ii=0,1,2,3，如圖5所示為一組，計(jì)算出每個(gè)中心橢圓與其鄰近橢圓間的做為邊長，其中

；

根據(jù)余弦定理計(jì)算方法如下：

將每個(gè)中心橢圓處的四個(gè)余弦值存儲為TN*4的數(shù)組，記為YXJ2[TN][4]，其中YXJ2[dt’]表示攝影球圖片中可見的編號為dt’的橢圓的4個(gè)相關(guān)余弦值可記為

，

TN表示在HDRI中觀察到的橢圓圓點(diǎn)的總數(shù)；

步驟9、將數(shù)組YXJ2與YXJ1進(jìn)行比較，找出其中相匹配的點(diǎn)，其滿足：

；

按照YXJ1中各點(diǎn)順序?qū)XJ2中與YXJ1中相匹配的點(diǎn)存儲于TN*4的數(shù)組中，記為YXJ3；

步驟10、將YXJ1中每個(gè)圓形的圓心的坐標(biāo)和YXJ3中對應(yīng)的橢圓圓心的坐標(biāo)傳遞給OpenCV1.0中的攝像機(jī)標(biāo)定函數(shù)CalibrateCamera2，便可得彩色數(shù)碼相機(jī)的3*3旋轉(zhuǎn)矩陣R和3*1平移矩陣T，從而可以計(jì)算得到point0、point1、point2、point3、point4在世界坐標(biāo)系中的坐標(biāo)，N=0,1,2,3,4：

令

，

,

由解出采樣點(diǎn)point0、point1、point2、point3、point4在世界坐標(biāo)系中的坐標(biāo)；

步驟11、將point0、point1、point2、point3、point4中的任意四個(gè)點(diǎn)為一組，分為不重復(fù)的五組，并將這五組采樣點(diǎn)所對應(yīng)的在世界坐標(biāo)系中的坐標(biāo)和luminance值存儲到一個(gè)5*4*4數(shù)組中，記為g_pi，其中g(shù)_pi[n][p][q](q=0,1,2)表示第n組采樣點(diǎn)中第p個(gè)采樣點(diǎn)在世界坐標(biāo)系中的坐標(biāo)，g_pi[n][p][3]表示第n組采樣點(diǎn)中第p個(gè)采樣點(diǎn)的luminance值；

步驟12、分別假設(shè)n=0、1、2、3、4，對g_pi[n][p][3]執(zhí)行步驟13、14、15操作；

步驟13、根據(jù)對實(shí)際點(diǎn)光源的位置，估計(jì)出大致測算范圍M，使得欲測算的點(diǎn)光源能夠位于以隨機(jī)點(diǎn)云標(biāo)記板所在平面為底面的M*M*M的立方體內(nèi)，該立方體記為C，設(shè)該場景下環(huán)境光的luminance值為lum_amb，則可針對每組采樣點(diǎn)利用牛頓迭代法解如下方程組：

設(shè)最終待求點(diǎn)光源在圖2所示坐標(biāo)系中的坐標(biāo)為,

，

該方程組記為“三球方程組”；

步驟14、每組采樣點(diǎn)在解步驟13中涉及的方程組時(shí)所選取的初始值可采用如下方法確定：

由M*M*M立方體的各邊中點(diǎn)，將M*M*M的待分割立方體分割為等大的八個(gè)較小的立方體，按照方位順序?qū)⑦@八個(gè)較小立方體編號，并記為C_f，其中f=0,1,2,…,7，此八個(gè)較小立方體的體中心點(diǎn)在世界系中的空間坐標(biāo)記為，并計(jì)算如下式子：

，

該式記為“最小距離式”，其中為步驟13中牛頓迭代法解方程組時(shí)以為初始值的估算結(jié)果；

步驟15、選取使得最小距離式成立的體中心點(diǎn)所在較小立方體作為新的待分割立方體，重復(fù)操作步驟14，直到最小距離式的結(jié)果值小于0.001或者待分割立方體的邊長不大于0.01，重復(fù)步驟14終止，至此，求得每組采樣點(diǎn)所估算出的關(guān)于lum_amb的點(diǎn)光源坐標(biāo)，記為

；

步驟16、以步驟13中涉及的lum_amb為自變量，求解出滿足下式的lum_amb值：

；

步驟17、根據(jù)步驟16中所得的lum_amb值，依照步驟14、15所述操作求解三球方程組，并將五個(gè)三球方程組的結(jié)果坐標(biāo)取平均值；

通過以上步驟便可快速、高精度地估計(jì)實(shí)際空間中點(diǎn)光源的位置并且為后期在三維建模軟件中將其虛擬化做準(zhǔn)備。