[发明专利]数字资产材质表面双向反射分布函数测量方法与系统

权利要求书

1.一种数字资产材质表面双向反射分布函数测量方法，其特征在于，包括以下步骤：

步骤1、使用偏振光源向待测材质表面发射偏振光；

步骤2、使用偏振相机对被照射的待测材质表面进行成像采集，采集待测材质表面对光线的反射情况，获得多幅材质照片，所述多幅材质照片中具有重复区域；

步骤3、提取多幅材质照片中的重复区域；

步骤4、基于多幅材质照片，估算出重复区域中每个位置的双向反射分布函数，获得p*q个双向反射分布函数，p与q分别表示重复区域的位置点数量以及材质照片的数量；

步骤5、将重复区域中每个位置的q个双向反射分布函数作为输入，通过预先训练的神经网络预测模型，输出q个双向反射分布函数的最优估计值；

步骤6、获取待测材质与神经网络预测模型处理过的历史材质的相似度：如果相似度大于等于预设的阈值，则输出前述步骤5获得的最优估计值最为该待测材质的双向反射分布函数测量结果；如果相似度低于预设的阈值，则进入步骤7进行二次检测过程；

步骤7、计算所获得的q个双向反射分布函数的最优估计值之间的方差，如果方差小于等于预设阈值σ_sd，则输出前述步骤5获得的最优估计值最为该待测材质的双向反射分布函数测量结果；如果方差大于预设阈值σ_sd，则控制对所述对被照射的待测材质表面重新进行第二次成像采集并通过所述神经网络预测模型进行估计输出，重新计算和判断双向反射分布函数的最优估计值之间的方差是否小于等于预设阈值σ_sd，如果方差小于等于预设阈值σ_sd，则输出重新估计输出的最优估计值最为该待测材质的双向反射分布函数测量结果，否则进入步骤8进行红外波测量设备进行校正；

步骤8、采用红外波测量设备对待测材质表面进行测量，计算待测材质的双向反射分布函数，并以此作为校正值，以第一次或者第二次获得的p*q个双向反射分布函数作为可选值，微调训练所述神经网络预测模型，其中在微调训练过程中，通过联立所有已处理的材质的总损失函数进行综合学习。

2.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，所使用的偏振光源与偏振相机被配置具有相同的偏振态。

3.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，所使用的偏振光源与偏振相机均配置相同的偏振镜。

4.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，所述偏振相机安装在被步进驱动的机械臂上，在对待测材质表面成像采集过程中，偏振相机每次拍照的位置由预设程序控制，由此获得每次拍照的测量区域的覆盖范围坐标；

基于每次拍照的测量区域的覆盖范围坐标，确定多幅材质照片中的重复区域。

5.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，在所述步骤4中，重复区域中每个位置的双向反射分布函数的估算包括：

基于每个位置的反射入偏振相机镜头方向的反射率，以及偏振光源照射到每个位置的辐照度，计算双向反射分布函数：反射入偏振相机镜头方向的反射率/偏振光源照射到每个位置的辐照度。

6.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，所述预先训练的神经网络预测模型，其训练过程包括：

初始化具有多个卷积层以及全连接层的神经网络；

利用样本数据库中已经采集校正的标准材质数据对神经网络进行训练，所述标准材质数据包括多种不同的材质对象的双向反射分布函数可选值以及经过校正的标准值；

通过多次训练获得所述的神经网络预测模型，其中训练过程的损失函数为：

式中，e_n为第n种材质的总估计损失误差，b为经过校正的标准值，为神经网络估计输出的双向反射分布函数测量值，m为单个材质中需要估计的待测位置点。

7.根据权利要求1所述的数字资产材质表面双向反射分布函数测量方法，其特征在于，所述总损失函数为：

其中，N表示N种不同材质。