基于光線傳感器的光照一致性算法

彭先玲， 陳一民， 黃晨

(上海大學(xué) 計(jì)算機(jī)工程與科學(xué)學(xué)院,上海 200444)

基于光線傳感器的光照一致性算法

彭先玲， 陳一民， 黃晨

(上海大學(xué) 計(jì)算機(jī)工程與科學(xué)學(xué)院,上海 200444)

為了實(shí)現(xiàn)虛實(shí)的無(wú)縫融合，光照一致性至關(guān)重要。解決光照一致性的關(guān)鍵是獲取真實(shí)場(chǎng)景的光照信息以及有效的場(chǎng)景光源估計(jì)算法，準(zhǔn)確的光照信息和有效的光源估計(jì)算法才能保證逼真的增強(qiáng)現(xiàn)實(shí)效果。提出了一種適用于移動(dòng)端的實(shí)時(shí)場(chǎng)景光源估計(jì)算法。通過(guò)移動(dòng)端光線傳感器獲取的數(shù)據(jù)來(lái)進(jìn)行光強(qiáng)函數(shù)擬合，進(jìn)而用合適的光強(qiáng)函數(shù)推算出真實(shí)點(diǎn)光源的光照信息，然后利用計(jì)算機(jī)圖形學(xué)的光照算法計(jì)算真實(shí)場(chǎng)景光照對(duì)虛擬對(duì)象的影響，從而達(dá)到虛實(shí)融合的目的。實(shí)驗(yàn)結(jié)果表明，由算法推算出的光源位置與真實(shí)光源位置誤差很小，算法效率高，適應(yīng)性強(qiáng)。

增強(qiáng)現(xiàn)實(shí); 光照一致性; 光源方向函數(shù)

0 引言

增強(qiáng)現(xiàn)實(shí)(augmented reality, AR)技術(shù)是在虛擬現(xiàn)實(shí)(virtual reality, VR)技術(shù)基礎(chǔ)上發(fā)展起來(lái),是通過(guò)計(jì)算機(jī)系統(tǒng)提供的信息來(lái)增加用戶對(duì)現(xiàn)實(shí)世界感知的技術(shù)。增強(qiáng)現(xiàn)實(shí)有巨大的應(yīng)用潛力和發(fā)展前景,因此正越來(lái)越引起人們的關(guān)注。隨著移動(dòng)端性能的不斷提高，基于移動(dòng)端的增強(qiáng)現(xiàn)實(shí)應(yīng)用也得到越來(lái)越多的重視。

增強(qiáng)現(xiàn)實(shí)的關(guān)鍵問(wèn)題是解決虛擬物體在光照、幾何、運(yùn)動(dòng)三個(gè)方面符合真實(shí)環(huán)境場(chǎng)景。光照一致性是指虛擬物體表面的光照效果的真實(shí)感，必須符合真實(shí)光源的情況，在虛擬物體上制作出明暗、陰影等光照效果，使其能和真實(shí)環(huán)境很好地融合；幾何一致性是指虛擬物體與真實(shí)物體在空間位置上的一致性；運(yùn)動(dòng)一致性是指當(dāng)虛擬環(huán)境中的實(shí)體模型產(chǎn)生運(yùn)動(dòng)時(shí),如: 平動(dòng)或旋轉(zhuǎn),虛擬環(huán)境中的實(shí)體模型的尺寸和視角都應(yīng)與靜止的圖像建立的虛擬環(huán)境保持一致[1]。本文主要研究光照一致性中，光源的確定。傳統(tǒng)的陰影繪制算法主要集中在PC端[2]，常用的有Franklin C. Crow 提出的Shadow Volumes[3]和Lance Williams提出的Shadow Map[4]以及這些算法的變種，如Depth Shadow Maps[5]，Perspective Shadow Maps[6]等。這些算法或因算法復(fù)雜度高，或因依賴專業(yè)設(shè)備，在移動(dòng)終端都不能直接使用。

另外，由于在增強(qiáng)現(xiàn)實(shí)環(huán)境中進(jìn)行真實(shí)感渲染時(shí)，都需要一些預(yù)先設(shè)定的場(chǎng)景和設(shè)備，計(jì)算比較復(fù)雜，對(duì)硬件資源的要求較高，故當(dāng)繪制設(shè)備為移動(dòng)終端時(shí)，表現(xiàn)力欠佳。對(duì)此，本文提出了基于注冊(cè)標(biāo)記和光線傳感器的實(shí)時(shí)場(chǎng)景光線檢測(cè)方法，直接利用移動(dòng)端光線傳感器對(duì)光線的強(qiáng)度建立光照模型，并利用該模型對(duì)真實(shí)環(huán)境光位置和光源方向進(jìn)行求解。

2 基于函數(shù)擬合的光源方向推定

光照一致性涉及陰影繪制，繪制陰影前，需要指定光源的方向及光強(qiáng)強(qiáng)弱，本文利用移動(dòng)設(shè)備的光線傳感器回傳的樣本數(shù)據(jù)幫助推定光源方向。

2.1 基于傳感器的移動(dòng)AR光照估計(jì)

(1)

2.2 基于傳感器的移動(dòng)AR光照估計(jì)改進(jìn)

上述方法在確定光源方向時(shí)，把光源的方向設(shè)定為方向空間中光照強(qiáng)度最大的方向，也即假定移動(dòng)終端的光線傳感器在轉(zhuǎn)動(dòng)過(guò)程中，一定會(huì)轉(zhuǎn)動(dòng)到對(duì)準(zhǔn)光源方向的位置。實(shí)際應(yīng)用中，如若移動(dòng)終端活動(dòng)范圍較小，導(dǎo)致移動(dòng)終端并不會(huì)轉(zhuǎn)動(dòng)到與光源方向?qū)?zhǔn)的位置上，這種情況下，運(yùn)用上述算法估計(jì)光源位置，則會(huì)導(dǎo)致估計(jì)的光源位置與實(shí)時(shí)場(chǎng)景的光源位置存在很大偏差。改進(jìn)后的算法，則會(huì)對(duì)光線傳感器的位置與光源的位置建立模型關(guān)系。即使光源處于移動(dòng)終端光線傳感器轉(zhuǎn)動(dòng)范圍之外，也能準(zhǔn)確地推測(cè)出實(shí)時(shí)場(chǎng)景的光源位置。

2.3 基于移動(dòng)端的光照一致性改進(jìn)的算法

本系統(tǒng)是使用NyARToolkit 的基于標(biāo)記頂?shù)墓ぞ甙M(jìn)行開發(fā)的。當(dāng)系統(tǒng)識(shí)別標(biāo)志物后，即可以通過(guò)相機(jī)標(biāo)定過(guò)程中，所取得的世界坐標(biāo)與圖像坐標(biāo)的變換矩陣，獲得移動(dòng)端設(shè)備相對(duì)于標(biāo)記坐標(biāo)系的位置坐標(biāo)，同時(shí)移動(dòng)端設(shè)備移動(dòng)時(shí)，該坐標(biāo)會(huì)隨著移動(dòng)端設(shè)備的移動(dòng)而更新，并且由于移動(dòng)端設(shè)備移動(dòng)時(shí)，設(shè)備上的光線傳感器相對(duì)于光源的位置也在變化，光線照射到移動(dòng)端設(shè)備的光線傳感器上的角度同時(shí)也是變化的。獲取到的光強(qiáng)值也隨之變化。

因此，提出通過(guò)移動(dòng)端坐標(biāo)值與光強(qiáng)值建立關(guān)系來(lái)推測(cè)環(huán)境光源方向的算法。設(shè)定注冊(cè)標(biāo)記的坐標(biāo)系為全局坐標(biāo)系，坐標(biāo)原點(diǎn)為注冊(cè)標(biāo)記中點(diǎn)，這也就意味著，移動(dòng)端設(shè)備的位置的坐標(biāo)與方向向量坐標(biāo)的數(shù)值在表示上是相同的。移動(dòng)端設(shè)備的位置我們可以通過(guò)AR三維注冊(cè)過(guò)程中，相機(jī)標(biāo)定過(guò)程的取得的旋轉(zhuǎn)平移矩陣取得設(shè)備當(dāng)前位置坐標(biāo)，根據(jù)已知坐標(biāo)可以計(jì)算出設(shè)備與遠(yuǎn)點(diǎn)的距離。在空間中移動(dòng)中，假設(shè)移動(dòng)端設(shè)備移動(dòng)到了三個(gè)不同的位置，其坐標(biāo)分別(x1,y1,z1)、(x2,y2,z2)和(x3,y3,z3)，在這三個(gè)位置，光源照射到光線傳感器上的強(qiáng)度不同，移動(dòng)端設(shè)備所測(cè)量得到的光強(qiáng)值也是不同的，記這三個(gè)位置的光強(qiáng)分別為I(x1,y1,z1)、I(x2,y2,z2)和I(x3,y3,z3)，隨著移動(dòng)端設(shè)備的移動(dòng)及時(shí)間的推移，將可以采集到大量的移動(dòng)端設(shè)備位置以及該位置上的光強(qiáng)的數(shù)據(jù)，本文將利用采集到的數(shù)據(jù)擬合出光強(qiáng)函數(shù)，求解出函數(shù)求光強(qiáng)取最大值時(shí)的位置作為真實(shí)環(huán)境中光源的位置。

由于實(shí)際使用時(shí)，移動(dòng)端設(shè)備相對(duì)于標(biāo)記物的位置可能存在較大的變化，從而采集到分散程度較大的數(shù)據(jù)點(diǎn)，如果用這些分散程度較大的數(shù)據(jù)擬合出一個(gè)單一的模型，則需要模型的非線性程度很高才能擬合出一個(gè)理想的光強(qiáng)函數(shù)，為了解決這個(gè)問(wèn)題，我們將采集到的數(shù)據(jù)點(diǎn)，按其與標(biāo)記物的距離分段，再分別利用每段中的數(shù)據(jù)擬合出該段對(duì)應(yīng)的光強(qiáng)函數(shù)，即將一個(gè)大而全的模型拆分成多個(gè)小而精的模型，如圖1所示。

圖1a 空間運(yùn)動(dòng)圖

圖1b 算法模型圖

當(dāng)移動(dòng)端設(shè)備處于某個(gè)模型中時(shí)，可以通過(guò)該位置對(duì)應(yīng)的模型來(lái)推測(cè)光源方向，但如果單純只用該位置對(duì)應(yīng)的模型，會(huì)有可能因?yàn)樵撐恢貌杉臄?shù)據(jù)不夠而導(dǎo)致模型準(zhǔn)確性較差，因此我們通過(guò)將該模型與鄰近的兩個(gè)模型綜合預(yù)測(cè)來(lái)得到光源的方向。令fm(i,x,y,z)表示當(dāng)移動(dòng)端設(shè)備位置坐標(biāo)(x,y,z)時(shí)通過(guò)模型i所推測(cè)出的光源方向向量，則如圖2.2b所示，當(dāng)該設(shè)備處于模型modeli中時(shí)，最終推測(cè)的光源方向向量為式(2)。

v=w1fm(i-1,x,y,z)+w2fm(i,x,y,z)+

w3fm(i+1,x,y,z)

(2)

其中w1、w2和w3分別表示模型i-1、模型i和模型i+1的權(quán)重。

由于實(shí)際使用時(shí)，移動(dòng)端設(shè)備相對(duì)于標(biāo)記物的位置可能存在較大的變化，從而采集到分散程度較大的數(shù)據(jù)點(diǎn)。本文中將計(jì)算光源位置的模型劃分為多個(gè)小模型，假設(shè)為model1、model2、……、modeln，其中本文將距離原點(diǎn)等距r的位置光想傳感器數(shù)據(jù)作為一個(gè)子模型的一組樣本數(shù)據(jù)，主要用于在我們?cè)O(shè)定步長(zhǎng)為3 cm，每隔3 cm建立一個(gè)模型，如若模型中數(shù)量少于一定個(gè)數(shù)，則放棄在該層子模型進(jìn)行建模。由各個(gè)子模型，最后綜合各個(gè)子模型結(jié)果推測(cè)出真實(shí)環(huán)境中光源的位置。算法流程如圖2所示。

圖2 算法流程圖

2.3.1 光源方向函數(shù)擬合

隨著移動(dòng)端設(shè)備的移動(dòng)，將可以收集到大量如下形式的坐標(biāo)與光強(qiáng)對(duì)應(yīng)的樣本數(shù)據(jù)：

如果移動(dòng)端設(shè)備恰好移動(dòng)到了光源和坐標(biāo)原點(diǎn)的連線上，則這些數(shù)據(jù)中光強(qiáng)最大值所對(duì)應(yīng)的坐標(biāo)就是移動(dòng)端設(shè)備在光源和坐標(biāo)原點(diǎn)的連線上的坐標(biāo)，此時(shí)光源的方向也自然易于得到，但是絕大部分情況下不會(huì)恰好移動(dòng)到了光源和坐標(biāo)原點(diǎn)的連線上，也無(wú)法得知采集到的數(shù)據(jù)中光強(qiáng)最大時(shí)的坐標(biāo)是否就是這種情形。本文將利用采集到的數(shù)據(jù)對(duì)移動(dòng)端設(shè)備坐標(biāo)和光強(qiáng)進(jìn)行函數(shù)擬合，以得到坐標(biāo)和光強(qiáng)的函數(shù)關(guān)系，令f(x,y,z)表示該設(shè)備處于坐標(biāo)(x,y,z)時(shí)的光強(qiáng)值，下面將對(duì)f(x,y,z)進(jìn)行擬合，首先要確定f(x,y,z)的形式，由于采集到的光強(qiáng)數(shù)據(jù)是四維數(shù)據(jù)，無(wú)法通過(guò)預(yù)測(cè)圖像確定f(x,y,z)的恰當(dāng)形式，但是由于點(diǎn)光源的特性，我們可以假定點(diǎn)光源是輻射函數(shù)是球狀體的函數(shù)方程模型。本研究中選取了三種f(x,y,z)形式在實(shí)驗(yàn)部分進(jìn)行對(duì)比。下面選取其中一種f(x,y,z)形式用于闡述本文所提的光源位置推定算法，選取f(x,y,z)形式如下：

擬合就是求解出參數(shù)αi(i=1,2,...,6)，使得f(x,y,z)在采集到的數(shù)據(jù)中的誤差最小，定義f(x,y,z)在采集到的數(shù)據(jù)中的總誤差，為式(3)。

(3)

其中D是移動(dòng)端采集得到的數(shù)據(jù)集，[f(x,y,z)-e]2是D中坐標(biāo)是(x,y,z)時(shí)光強(qiáng)函數(shù)f(x,y,z)計(jì)算出的光強(qiáng)與采取到的光強(qiáng)e的誤差，因?yàn)閒(x,y,z)大于或者小于e均視為誤差，因此采用平方的形式使誤差在f(x,y,z)大于或者小于e時(shí)均為正值。

下面用梯度下降法(Gradient Descent)來(lái)求解參數(shù)αi(i=1,2,…,6)，并將總誤差對(duì)參數(shù)αi(i=1,2,…,6)求偏導(dǎo)得式(4)。

(4)

其中：

迭代更新規(guī)則如式(5)。

(5)

其中η是學(xué)習(xí)率(Learning Rate)。

經(jīng)過(guò)迭代后，即求得參數(shù)αi(i=1,2,…,6)的值，將這些參數(shù)值代入光強(qiáng)函數(shù)f(x,y,z)中，可使得f(x,y,z)在采集到的數(shù)據(jù)中的誤差最小，即擬合了光強(qiáng)函數(shù)f(x,y,z)。

2.3.2 光源位置推定

國(guó)務(wù)院于1994年頒布的《種畜禽管理?xiàng)l例》第15、16條規(guī)定，生產(chǎn)經(jīng)營(yíng)種畜禽的單位和個(gè)人，必須向縣級(jí)以上人民政府畜牧獸醫(yī)行政主管部門申領(lǐng)《種畜禽生產(chǎn)經(jīng)營(yíng)許可證》、申領(lǐng)《種畜禽生產(chǎn)經(jīng)營(yíng)許可證》必須具備符合良種繁育體系規(guī)劃布局要求，所用種禽合格、優(yōu)良，來(lái)源符合技術(shù)要求，并達(dá)到一定數(shù)量，要相應(yīng)的畜牧獸醫(yī)技術(shù)人員，有相應(yīng)的防疫措施，有相應(yīng)的育種資料和記錄。因此各級(jí)畜牧業(yè)獸醫(yī)行政管理部門只有嚴(yán)格按照《種畜禽管理?xiàng)l例》的規(guī)定加強(qiáng)管理，才能及時(shí)掌握和了解本地區(qū)種畜禽來(lái)源、品系情況。從而保證種畜禽品種質(zhì)量，促進(jìn)養(yǎng)殖業(yè)的健康發(fā)展。

在2.2.1中完成了光強(qiáng)函數(shù)f(x,y,z)的擬合，得到了坐標(biāo)和光強(qiáng)的函數(shù)關(guān)系，有了函數(shù)關(guān)系，即可求光強(qiáng)最得最大值時(shí)的坐標(biāo)(x,y,z)，前面提到由于坐標(biāo)相當(dāng)于原點(diǎn)至移動(dòng)端設(shè)備連線的向量，因此將該向量取反方向即得到推定的光源方向，設(shè)向量(x0,y0,z0)表示推定的光源方向，則有式(6)。

(6)

下面用梯度上升法求arg maxf(x,y,z)，將f(x,y,z)對(duì)x、y和z分別求偏導(dǎo)得式(7)。

(7)

迭代更新規(guī)則如式(8)

(8)

其中η是學(xué)習(xí)率(Learning Rate)。

經(jīng)過(guò)迭代后的x、y和z即是f(x,y,z)取最大值時(shí)的坐標(biāo)(x,y,z)，再取反方向即可得到推定的光源方向(x0,y0,z0)。

3 實(shí)驗(yàn)結(jié)果

3.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)是在Eclipse平臺(tái)下進(jìn)行開發(fā)的，其中使用NyARToolkit for Android工具包，由ARToolkit衍生而來(lái)的輕量級(jí)、可視增強(qiáng)現(xiàn)實(shí)類庫(kù)。實(shí)驗(yàn)機(jī)器為華為Mate 7(MT7-TL00)，其操作系統(tǒng)為Android4.4、后置攝像頭像素為1300萬(wàn)。實(shí)驗(yàn)開始后，打開實(shí)現(xiàn)本文算法的應(yīng)用，并將手機(jī)在空間中進(jìn)行大范圍內(nèi)轉(zhuǎn)動(dòng)和移動(dòng)。手機(jī)獲取到的光強(qiáng)信息，通過(guò)本算法，會(huì)將陰影繪制在虛擬物體旁邊的對(duì)應(yīng)位置，實(shí)驗(yàn)效果如圖3所示。

1)光源方向推定準(zhǔn)確度

隨著時(shí)間的推移，傳感器采集到的數(shù)據(jù)越來(lái)越多，一般來(lái)說(shuō)，有了更多數(shù)據(jù)，光照函數(shù)的擬合就能更加準(zhǔn)確，本文用擬合出的光照函數(shù)所求解出的光源方向與真實(shí)光源方向的夾角作用誤差，評(píng)估光照函數(shù)所求解出的光源方向的準(zhǔn)確高，夾角越小即誤差越小，也即準(zhǔn)確度越高。但數(shù)據(jù)量過(guò)多會(huì)有時(shí)會(huì)造成過(guò)擬合，使得擬合出來(lái)的函數(shù)效果不佳，并且耗時(shí)也有所增加，因此本文實(shí)驗(yàn)中只保留最新采集到的100條樣本數(shù)據(jù)用作擬合。本實(shí)驗(yàn)中共選取了3種f(x,y,z)形式作對(duì)比：

f(x,y,z)=α1x2+α2y2+α3z2+α4xy+α5xz+α6yz

f(x,y,z)=α1x2+α2y2+α3z2

f(x,y,z)=α1xy+α2xz+α3yz

實(shí)驗(yàn)結(jié)果示如圖3—圖6所示。

圖3 實(shí)驗(yàn)效果圖

圖4 形式①推定的光源方向與實(shí)際光源方向夾角 誤差隨采集到數(shù)據(jù)總量變化趨勢(shì)圖

圖5 形式②推定的光源方向與實(shí)際光源方向夾角誤差 隨采集到數(shù)據(jù)總量變化趨勢(shì)圖

圖6 形式③推定的光源方向與實(shí)際光源方向夾角誤差 隨采集到數(shù)據(jù)總量變化趨勢(shì)圖

從圖3—圖6中可以看到，隨著采集到的數(shù)據(jù)條數(shù)越來(lái)越多，擬合出來(lái)的光照函數(shù)所推定的光源方向也越來(lái)越準(zhǔn)確，當(dāng)數(shù)據(jù)量超過(guò)100條后，因?yàn)橹槐Ａ糇钚虏杉降?00條數(shù)據(jù)用作擬合，因此用來(lái)擬合的數(shù)據(jù)總量不再變化，所以第100條數(shù)據(jù)之后的誤差趨于穩(wěn)定并保持在較低的誤差，并且f(x,y,z)為形式①時(shí)的誤差最低，效果最好，本文中選取形式①為f(x,y,z)的最終形式，后文實(shí)驗(yàn)均基于形式①。

2)擬合過(guò)程

本文采用梯度下降法對(duì)光照函數(shù)進(jìn)行擬合，隨著迭代過(guò)程的進(jìn)行，每次迭代都會(huì)比上次的誤差減少，并且減少地的程度越來(lái)越小，直至收斂，用100條數(shù)據(jù)作擬合時(shí)，100次迭代過(guò)程中光照函數(shù)在這些數(shù)據(jù)上的總誤差變化情況，如圖7所示。

圖7 擬合誤差隨迭代次數(shù)變化趨勢(shì)圖

3) 算法性能實(shí)驗(yàn)

為了使陰影繪制能達(dá)到令人滿意的效果，要保證陰影繪制的速度，而陰影的繪制又依賴于光源方向的計(jì)算，因此光源方向的計(jì)算耗時(shí)成為影響陰影繪制的一個(gè)關(guān)鍵因素，下面評(píng)估本文所提算法推定光源方向的耗時(shí)，耗時(shí)包括兩部分，一部分是擬合光照函數(shù)的耗時(shí)，一部分是計(jì)算光源方向的耗時(shí)。本實(shí)驗(yàn)中，將擬合光照函數(shù)和計(jì)算光源方向的算法中的采集的樣本數(shù)量均設(shè)置為200次來(lái)測(cè)量它們的耗時(shí)，為了盡量減少偶然因素對(duì)耗時(shí)測(cè)量帶來(lái)的影響，本文對(duì)耗時(shí)進(jìn)行10次測(cè)量然后取平均值。

本文所提算法推定光源方向的3.3.耗時(shí)如圖8所示。

圖8 推定光源方向的耗時(shí)隨數(shù)據(jù)條數(shù)變化趨勢(shì)圖

從圖8中可以看到，隨著采取到的數(shù)據(jù)條數(shù)的增多，利用這些數(shù)據(jù)來(lái)進(jìn)行光源方向推定的耗時(shí)也逐漸增加，同時(shí)也能看到，數(shù)據(jù)量達(dá)到200條時(shí)所耗時(shí)也僅僅為10多毫秒，這在實(shí)際應(yīng)用時(shí)完全能夠滿足性能要求。

4 總結(jié)

本文在推測(cè)真實(shí)世界光源的位置上提出了一種充分利用移動(dòng)設(shè)備光線傳感器數(shù)據(jù)推測(cè)光源的算法。實(shí)驗(yàn)表明，通過(guò)擬合出的光強(qiáng)函數(shù)來(lái)推測(cè)真實(shí)光源位置達(dá)到了較高的準(zhǔn)確性，同時(shí)具有較好的時(shí)間性能，使得陰影繪制的實(shí)時(shí)性達(dá)到了實(shí)用的水平。該算法在光源位置估計(jì)過(guò)程中，也具有實(shí)時(shí)更新效果。不夠，由于實(shí)驗(yàn)過(guò)程中去除了光源十分復(fù)雜以及光線遮擋不復(fù)雜的情況，只在相對(duì)簡(jiǎn)單的實(shí)用場(chǎng)景下進(jìn)行相關(guān)實(shí)驗(yàn)，針對(duì)復(fù)雜的光照環(huán)境和應(yīng)用場(chǎng)景還需做更為深入的研究。

[1] 李琳琳. 增強(qiáng)現(xiàn)實(shí)中光照一致性的研究[D]. 沈陽(yáng)：沈陽(yáng)航空航天大學(xué), 2011.

[2] 李紅波，吳亮亮，吳渝．自適應(yīng)采樣與融合的增強(qiáng)現(xiàn)實(shí)陰影生成算法[J]. 計(jì)算機(jī)應(yīng)用，2012，32(7):1860-1863．

[3] Crow，F(xiàn)ranklin C．Shadow Algorithms for Computer Graphic[J]．ACM Siggraph Computer Graphics，1977，11(2): 242-248．

[4] Williams, Lance．Casting Curved Shadows on Curved Surfaces[J]．ACM Siggraph Computer Graphics，1978，12(3):270-274．

[5] Weiskopf D，Ertl T．Shadow Mapping Based on Dual Depth Layers[C]．Proceedings of Eurographics，2003(3):53-60.

[6] Stamminger M，Drettakis G．Perspective shadow maps[J]． ACM Transactions on Graphics，2002，21(3): 557-562．

Light Consistency Algorithm Based on Light Sensor

Peng Xianling, Chen Yimin, Huang Chen

(School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China)

In order to realize the seamless fusion of virtual information in real environment, the illumination consistency is very important. The key to solve the illumination consistency is to obtain the real scene illumination information, effective scene light source and estimation algorithm, which can ensure augmented reality(AR). This paper presents a real-time scene light source estimation algorithm for mobile terminals. The light intensity information of the real point light source is calculated by using the appropriate light intensity function. Then, the influence of the real scene light on the virtual object is calculated by using the computer graphics illumination algorithm so as to achieve the purpose of the actual situation of integration. The experimental results show that the proposed algorithm has a small error in the position of the light source and the real light source, and the algorithm has high efficiency and strong adaptability.

Augmented reality(AR); Light consistency; Light direction function

彭先玲(1991-)，上海大學(xué)，碩士研究生，研究方向：增強(qiáng)現(xiàn)實(shí)技術(shù)。 陳一民(1961-)，上海大學(xué)，教授，研究方向：增強(qiáng)現(xiàn)實(shí)技術(shù)。 黃晨(1985-)，博士研究生，研究方向：增強(qiáng)現(xiàn)實(shí)技術(shù)。

1007-757X(2017)04-0069-05

TG409

A

2016.11.14)