JP6903458B2 - 印象量推定方法、印象量推定装置、及び建物設計方法 - Google Patents
印象量推定方法、印象量推定装置、及び建物設計方法 Download PDFInfo
- Publication number
- JP6903458B2 JP6903458B2 JP2017059365A JP2017059365A JP6903458B2 JP 6903458 B2 JP6903458 B2 JP 6903458B2 JP 2017059365 A JP2017059365 A JP 2017059365A JP 2017059365 A JP2017059365 A JP 2017059365A JP 6903458 B2 JP6903458 B2 JP 6903458B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- image
- brightness
- room
- window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Generation (AREA)
Description
また近年、光環境評価において輝度の重要性が高まり、輝度による空間評価方法が提案されている。
人が感じる「明るさ」をより正確に予測して設計に活かす手法が提案されるようになったが、照度の取り扱いの簡便さから依然として、照度による空間設計が行われることが多く、また、デザイナーの経験やセンスに依るところも大きい。
このように、入力情報に基づいて生成した輝度画像が、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
このように構成することによって、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値を演算し、天井情報の最大値、壁情報の最大値、床情報の最大値、及び窓情報の最大値にさらに基づいて、印象量を示す値を演算できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の眩しさによる不快感を構成面毎に評価できるため、視線が向きやすい面でグレアが問題になるか容易に判断することができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
本発明の一実施形態に係る印象量推定装置によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
本発明の一実施形態に係る建物設計方法によれば、印象量推定方法とカテゴリが異なるだけで、実質的に同一の発明であり、同様の作用及び効果を奏する。
また、本発明によれば、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
本発明の実施形態に係る印象量推定装置100は、建物の室内空間の印象量を評価するコンピュータ装置である。具体的には、印象量推定装置100は、部屋の形状と内装物性を示す室内空間を表す部屋情報(以下、「室内空間情報」という)を含む入力情報を取得し、取得した室内空間情報に基づいて、輝度画像を生成する。印象量推定装置100は、生成した輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する。ここで、部屋の部位とは、部屋の中で、ある位置を占める部分をいう。そして、印象量推定装置100は、部位毎の情報の各々と、部位毎の情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置100は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
図1は、建物の室内空間の構成の一例を示す図である。室内空間の形状の一例は四角柱であり、図1はその内部を示す。図1において、20は視点を示す。ここでは、一例として、紙面の手前側の視点20から紙面の奥側の方向を見た場合に認識される室内空間ついて説明する。なお、紙面の手前側から見て、紙面の奥側の方位を北とする。
室内空間は、天井1と左側面壁2と右側面壁3と正面壁4と床5と窓11と照明13とを含む。左側面壁2は、紙面の手前側の視点20から紙面の奥側の方向を見た場合に、左側に見える壁である。また、右側面壁3は、紙面の手前側の視点20から紙面の奥側の方向を見た場合に、右側に見える壁である。正面壁4は紙面の手前側の視点20から紙面の奥側の方向を見た場合に、正面に見える壁である。窓11は右側面壁3に取り付けられた窓である。
印象量推定装置100には、図1に示される室内空間を識別する室内空間識別情報と室内空間情報とを含む入力情報が入力される。以下、印象量推定装置100について説明を続ける。
図2は、実施形態に係る印象量推定装置100のハードウェア構成の一例を示す図である。印象量推定装置100は、CPU(Central Processing Unit)102とROM(Read Only Memory)104とRAM(Random Access Memory)106と入出力装置108と通信モジュール110と補助記憶装置112とバス120とを備えている。
入出力装置108は、室内空間情報の入力画面、部屋の印象量の評価結果などを表示する。また、入出力装置108は、ユーザの操作を受け付ける。入出力装置108は、タッチパネル、ポインティングデバイス、タッチパッド、ディスプレイなどによって構成される。
通信モジュール110は、NFCモジュール、無線LANモジュールなどによって構成される。また、通信モジュール110がUSB(Universal Serial Bus)によって構成されてもよい。通信モジュール110は、NFC、無線LAN、有線によって外部の機器との間で通信を行う。
補助記憶装置112は、フラッシュメモリ、HDD(Hard Disc Drive)、SSD(Solid State Drive)、SD(Secure Digital)カードなどによって構成される。補助記憶装置112には、CPU102によって実行されるプログラムが格納される。
図3は、実施形態に係る印象量推定装置の機能ブロック図である。
印象量推定装置100は、補助記憶装置112からRAM106上に展開されたプログラムをCPU102が実行することによって、取得部152と画像生成部154と分割部156と演算部158と印象量推定部160と記憶部162と出力部164として機能する。
図2及び図3を用いて、印象量推定装置100の各機能構成について詳細に説明する。なお、以下では、印象量推定装置100の各機能を説明するにあたって、図3に示されている印象量推定装置100の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
取得部152は、CPU102からの命令、及び入出力装置108によって実現される。取得部152は、入出力装置108から、ユーザが入力した入力情報を取得する。入力情報は、室内空間識別情報と室内空間情報とを含む。室内空間識別情報は、複数の室内空間がある場合に、室内空間を一意に識別するための情報であり、文字、記号などによって表される。室内空間情報は、部屋に設置された照明などの光源の出力情報、配光に関する情報などの照明情報を含む。また、室内空間情報は、部屋に設置された窓から差し込む光を示す情報である昼光情報を含む。昼光情報は、部屋が設置される地域、日時、方位などに基づいて求められる。
印象量推定装置100が起動すると、入出力装置108に室内空間識別情報を入力する画面が表示される。ユーザが室内空間識別情報を入力する画面に、印象量を推定する室内空間の室内空間識別情報を入力すると、室内空間情報の入力画面が表示される。
また、室内空間情報には、窓種208、窓の配置210、窓の個数212などの窓情報が含まれる。窓種208は、掃出し窓、腰高窓、高窓、地窓、フルハイト縦長窓などの窓の種類を示す。窓の配置210は、東西南北などの窓が配置される方位を示す。窓の個数212は、室内空間に含まれる窓の個数を示す。さらに、室内空間情報には、窓ガラス種214、窓かけの有無216が含まれる。窓ガラス種214は、透明ガラス、かすみガラスなどの窓ガラスの種類を示す。窓かけは、レースのカーテンなどを示す。
また、室内空間情報には、図4に示された情報以外に、照明器具の種類、出力、位置、個数、配光パターンなどの照明情報が含まれる。照明器具の種類は、ダウンライト、スポットライトなどの照明13の種類を示す。出力は、照明13から出力される全光束を示す。位置は、照明13が取り付けられている位置を示す。個数は、室内空間に含まれる照明13の個数を示す。配光パターンは、全般拡散配光、直接配光、半直接配光、半間接配光、間接配光などの照明13からの光の広がりを示す。
さらに、室内空間情報には、部屋が設置される地域、部屋の方位などの部屋設置情報が含まれる。
取得部152は、室内空間識別情報と室内空間情報と日時情報とを取得すると、取得した室内空間識別情報と室内空間情報と日時情報とを、画像生成部154へ出力する。
さらに、室内空間情報の入力画面には、評価値表示ボタン224が含まれる。評価値表示ボタン224は、入出力装置108に印象量の推定結果を表示させるときに押すボタンである。
分割部156は、天井輝度画像1aの画像情報と左側面壁輝度画像2aの画像情報と右側面壁輝度画像3aの画像情報と正面壁輝度画像4aの画像情報と床輝度画像5aの画像情報と窓輝度画像11aとを、演算部158へ出力する。
演算部158は、CPU102からの命令によって実現される。演算部158は、分割部156が出力した、天井輝度画像1aの画像情報と左側面壁輝度画像2aの画像情報と右側面壁輝度画像3aの画像情報と正面壁輝度画像4aの画像情報と床輝度画像5aの画像情報と窓輝度画像11aとを取得する。演算部158は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数を演算する。演算部158は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
以下、天井輝度画像1aから得られた輝度の幾何平均の演算結果を天井輝度情報、左側面壁輝度画像2aから得られた輝度の幾何平均の演算結果を左側面壁輝度情報、右側面壁輝度画像3aから得られた輝度の幾何平均の演算結果を右側面壁輝度情報、正面壁輝度画像4aから得られた輝度の幾何平均の演算結果を正面壁輝度情報、床輝度画像5aから得られた輝度の幾何平均の演算結果を床輝度情報、窓輝度画像11aから得られた輝度の幾何平均の演算結果を窓輝度情報という。
演算部158は、天井輝度画像1aに含まれるピクセル数を、全画像のピクセル数で除算することによって、天井輝度画像1aの全画像に対するピクセル比率を求める。以下、天井輝度画像1aの全画像に対するピクセル比率を天井ピクセル比率という。
また、演算部158は、左側面壁輝度画像2aに含まれるピクセル数を、全画像のピクセル数で除算することによって、左側面壁輝度画像2aの全画像に対するピクセル比率を求める。以下、左側面壁輝度画像2aの全画像に対するピクセル比率を左側面壁ピクセル比率という。
また、演算部158は、正面壁輝度画像4aに含まれるピクセル数を、全画像のピクセル数で除算することによって、正面壁輝度画像4aの全画像に対するピクセル比率を求める。以下、正面壁輝度画像4aの全画像に対するピクセル比率を正面壁ピクセル比率という。
また、演算部158は、床輝度画像5aに含まれるピクセル数を、全画像のピクセル数で除算することによって、床輝度画像5aの全画像に対するピクセル比率を求める。以下、床輝度画像5aの全画像に対するピクセル比率を床ピクセル比率という。
また、演算部158は、窓輝度画像11aに含まれるピクセル数を、全画像のピクセル数で除算することによって、窓輝度画像11aの全画像に対するピクセル比率を求める。以下、窓輝度画像11aの全画像に対するピクセル比率を窓ピクセル比率という。
なお、A、B、C、D、E、F、及びGは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
印象量推定部160は、CPU102からの命令によって実現される。印象量推定部160は、演算部158が出力した印象量を示す値に基づいて、部屋に対する印象量を推定する。具体的には、印象量推定部160は、印象量を示す値が印象量閾値以上である場合には印象がよいと推定し、印象量を示す値が印象量閾値未満である場合には印象が悪いと推定する。印象量推定部160は、印象量の推定結果を示す情報を、出力部164へ出力する。
記憶部162は、補助記憶装置112によって実現される。記憶部162は、印象量の推定式を記憶する。
出力部164は、入出力装置108によって実現される。出力部164は、印象量推定部160から取得した印象量の推定結果を出力する。具体的には、出力部164は、印象量の推定結果を、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置108へ出力したり、通信モジュール110を介して他の装置へ出力したりする。
図6は、実施形態に係る印象量推定装置の動作の一例を示すフローチャートである。
(ステップS102)取得部152は、ユーザが入出力装置108を操作することによって入力される入力情報を取得する。取得部152は、取得した入力情報を、画像生成部154へ出力する。前述したように、入力情報には、室内空間識別情報と室内空間情報と日時情報とが含まれる。
(ステップS104)画像生成部154は、取得部152が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像LIを作成する。この輝度画像LIは、部屋の天井1と左側面壁2と右側面壁3と正面壁4と床5と窓11とに、輝度を示す画像が示されたものである。
(ステップS108)演算部158は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数を演算する。演算部158は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
(ステップS110)印象量推定部160は、印象量を示す値に基づいて、部屋に対する印象量を推定する。
印象量の推定式の導出例について説明する。
印象量の推定式を導出するために、LDKを想定した空間にさまざまなパターンで窓を配置して光環境のシミュレーションを行い、印象量の推定値を算定する。印象量の推定式の一例は、被験者実験の分析結果から得られた予測式を用いる。
図7は、シミュレーションを行う空間の概要を示す図である。
建物の立地は都市部の住宅地で、2階建ての隣家に囲われた、南北に長い総2階建ての住宅を想定した。建物及び隣家の高さはいずれもXmmとした。隣家との距離は、建物と北側隣家の南に庭を想定して、東西で約Ymm、南でZmm、北でWmmとした。建物の平面規模は、便宜上、シミュレーション空間の平面規模と同一にした。シミュレーション空間は、一般的なLDK空間を想定して、建物の1階部分とし、規模は東西方向Jmm、南北方向Kmm、天井高Lmmとした。1階床の高さは、地面からMmmとした。
シミュレーション空間に対し、さまざまなパターンで窓を配置した。窓種は、掃き出し窓、腰高窓(高さ3種類)、高窓、地窓(高さ2種類)、フルハイト縦長窓とし、位置や幅を変えてパターン展開を行った。パターン数は、東面配置と西面配置総計としては227パターンで、「印象量」の算定を行ったのは、東面配置の118パターンである。
(窓ガラス種、窓掛け)
南面掃き出し窓は、ガラス種を透明とし、窓掛けはレースのカーテンを設置した。南面以外の窓は、隣家からの視線の緩和を想定して、ガラス種をかすみガラスとし、掃き出窓を除き窓掛けは無とした。南面以外の掃き出し窓は、かすみガラスに加えレースカーテンを設置した。
視線方向は、図7に示すように東西南北の4方向とした。視点位置は、南北の視線方向では平面の中心とし、東西の視線方向では平面の中心から背後の壁際まで下がった位置とした。視高は床から一律1500mmとした。
(時刻)
シミュレーション時刻は、夏至(6月22日)と冬至(12月22日)の2日間の、いずれも7:00から16:00までの30分ごととした。
以上により、シミュレーション計算の実施数は、ひとつの窓配置パターンにつき、4方向×2日×19時刻=152ケースになり、東面配置118の窓パターンでの総数は17936である。
3Dモデルは主にシミュレーション空間の表面を再現することに特化し、光環境に影響しない部分は省略した。
レイトレーシング法の計算結果から得られたデータを分析し、印象量の推定値演算用のデータに変換した。推定値の演算用のデータは、レイトレーシング法の計算結果を、それぞれ天井・両側壁・床・正面壁・窓の5つの構成面に分割した上で、それらのピクセル毎の輝度(対数値)の幾何平均を算出したものとした。構成面に分割することによって、壁や床の明るさで印象が変わるという既往研究を発展させて検討することができる。構成面の分割は、各画像の構成面にあたるピクセル位置以外の部分を黒くマスキングした画像を別途作成し、幾何平均の算出の際にこの情報を掛け合わせる方法により行った。また、相加平均では一部が際立った輝度の場合に数値が偏り実際上の印象と異なる値を評価してしまう場合があるが、幾何平均を用いることによって、このようなことを低減できる。
窓パターンシミュレーションの実行と並行して、被験者実験の結果から印象量の推定式を作成した。推定式は、重回帰分析を行うことにより作成する。推定式を作成する際、目的変数には被験者実験の印象量の点数を、説明変数には、天井、両側壁、床、正面壁、窓の5つの構成面の輝度の幾何平均の各々に、当該面の全画像に占めるピクセル比率をかけ合わせた数値を用いた。
以上により、前述した式(1)に示される印象量の推定式が得られる。
また、前述した実施形態では、室内空間が、天井1、左側面壁2、右側面壁3、正面壁4、床5、窓11、及び照明13を含む場合について説明したが、この例に限られない。例えば、室内空間が、窓11を除いて、天井1、左側面壁2、右側面壁3、正面壁4、床5、及び照明13を含むようにしてもよい。
また、前述した実施形態では、画像生成部154が、取得部152から、室内空間識別情報と室内空間情報と日時情報とを取得し、取得した室内空間情報と日時情報とを用いて、日時情報に含まれる日時において、部屋の天井1、左側面壁2、右側面壁3、正面壁4、床5、及び窓11に、輝度を示す画像が示された輝度画像LIを生成する場合について説明したが、この例に限られない。例えば、取得部152は、ユーザが入力した部屋の撮像画像を取得し、取得した部屋の撮像画像を、画像生成部154へ出力する。画像生成部154は、取得部152が出力した撮像画像から、輝度画像LIを生成するようにしてもよい。
また、前述した実施形態では、出力部164から、印象量の推定値が出力される場合について説明したが、この例に限られない。例えば、出力部164は、演算部158及び印象量推定部160のいずれか一方又は両方から所定の情報を取得するように構成し、取得した所定の情報に基づいて、レンダリング画像、グレア画像、明るさ画像、輝度画像を表示するようにしてもよい。
また、前述した実施形態では、輝度画像を部屋の各部位に分割して、各部位から特定の視点に入る部屋の部位毎の情報を演算する場合に、一例として、部屋の各部位に、天井、左側面壁、右側面壁、正面壁、床、窓などの部屋の構成面を適用した場合について説明したが、この例に限られない。例えば、式(1)に示される印象量の推定値において、B、C、D、E、F、及びGで示される重み付けのうち、値が大きいものの部位を含んでいればよい。具体的には、正面壁輝度情報に対する重み付けである「E」と、床輝度情報に対する重み付けである「F」と、窓輝度情報に対する重み付けである「G」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。また、天井輝度情報に対する重み付けである「B」と、正面壁輝度情報に対する重み付けである「E」と、窓輝度情報に対する重み付けである「G」の値が大きい場合には、部屋の各部位として、正面壁、床、窓を適用してもよい。
図8は、室内空間の他の例を示す図である。図8は、図1に示した室内空間の右側面壁3に、天井10(図示なし)(図9に図示)、側面壁6、側面壁7、側面壁8、及び床9からなる他の室内空間をつなげた室内空間を上から見た図である。
図9は、建物の室内空間の構成の他の例を示す図である。図9は、図8に示した室内空間を、紙面の手前側の視点20から紙面の奥側の方向を見た図である。図9によれば、図8に示した室内空間を、紙面の手前側の視点20から紙面の奥側の方向を見た場合、右側面壁3の奥側に窓ではない開放部3bが存在する。この開放部3bを介して他の室内空間とつながっている。他の室内空間に取り付けられた照明(図示なし)から、開放部3bへ光が差し込むことが想定される。また、他の室内空間に窓がある場合、その窓から、開放部3bへ光が差し込むことが想定される。この場合、開放部3bを側面壁や窓とみなして、前述した演算を行う。このように構成することによって、室内空間の形状が四角柱である場合に限らず、室内空間の形状がL字型の形状であっても適用できる。
本実施形態に係る印象量推定装置100によれば、部屋の照明情報と昼光情報とを含む入力情報を取得し、取得した入力情報に基づいて、輝度画像を生成し、生成した輝度画像を、部屋の各部位から特定の視点に入る部屋の部位毎の情報に分割する。そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定する。
そして、部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
このように、入力情報に基づいて生成した輝度画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎に生活における輝度の程度を容易に把握することができるため、空間デザインに応用することができる。
そして、天井情報及び該天井情報に対する重み付けと、壁情報及び該壁情報に対する重み付けと、床情報及び該床情報に対する重み付けと、窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間デザインへの応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。ユーザは、数値化された印象量を示す値を把握できるため、インテリアアドバイザーの経験やセンスによらず、一定のレベルで印象量を評価できる。
変形例に係る印象量推定装置100は、輝度画像LIを生成すると、生成した輝度画像LIを処理することによって、明るさ画像を生成する。印象量推定装置100は、生成した明るさ画像を、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置100は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置100は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置100の機能ブロック図は、図3を適用できる。ただし、画像生成部154は、輝度画像LIを生成し、生成した輝度画像LIに対して離散ウェーブレット分解を行い、各分解レベルで計算された細部に対して、その空間変化の粗さに対応した重みづけを掛け、その結果を基にウェーブレット合成をすることによって、明るさ画像BIを生成する。画像生成部154は、生成した明るさ画像BIの画像情報を、分割部156へ出力する。
演算部158は、分割部156が出力した、天井明るさ画像1abの画像情報と左側面壁明るさ画像2abの画像情報と右側面壁明るさ画像3abの画像情報と正面壁明るさ画像4abの画像情報と床明るさ画像5abの画像情報と窓明るさ画像11abとを取得する。演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数を演算する。演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
なお、AA、BA、CA、DA、EA、FA、及びGAは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部158は、印象量を示す値を、印象量推定部160へ出力する。
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図6を適用できる。ただし、ステップS104では、画像生成部154は、取得部152が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像LIを作成する。さらに、画像生成部154は、作成した輝度画像LIに基づいて、明るさ画像BIを作成する。
ステップS106では、分割部156は、明るさ画像BIを、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abに分割する。
ステップS108では、演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数を演算する。演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
演算部158は、天井明るさ画像1ab、左側面壁明るさ画像2ab、右側面壁明るさ画像3ab、正面壁明るさ画像4ab、床明るさ画像5ab、及び窓明るさ画像11abの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部158は、各ピクセル比率、天井明るさ情報、側面壁明るさ情報、正面壁明るさ情報、床明るさ情報、及び窓明るさ情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
変形例に係る印象量推定装置100によれば、輝度画像から生成した明るさ画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置100によれば、輝度画像から生成した明るさ画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成した明るさ画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置100によれば、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均を演算し、天井情報の幾何平均、壁情報の幾何平均、床情報の幾何平均、及び窓情報の幾何平均にさらに基づいて、印象量を示す値を演算し、演算することによって得られた印象量を示す値に基づいて、部屋に対する印象量を推定できる。つまり、輝度情報などの物理量から人が感じる主観的な印象量を推定できる。室内空間の明るさ感が、着目した空間の平均値として算出される場合よりも、構成面毎に、材質の選択、色の選択、窓の選択などを行うことができるため、空間設計への応用が容易であるとともに、室内空間を構成する構成面毎にデザインを変更する場合であっても、室内空間の印象量を容易に推定できる。
変形例に係る印象量推定装置100は、輝度画像LIを生成すると、生成した輝度画像LIを処理することによって、グレア画像GIを生成する。印象量推定装置100は、生成したグレア画像GIを、天井、壁、床、窓などの構成面に分割して、各構成面から特定の視点に入る情報を演算する。前述したように、部屋の天井から特定の視点に入る情報を「天井情報」といい、部屋の壁から特定の視点に入る情報を「壁情報」といい、部屋の床から特定の視点に入る情報を「床情報」といい、窓から特定の視点に入る情報を「窓情報」という。そして、印象量推定装置100は、天井情報、壁情報、床情報及び窓情報の各々と、天井情報、壁情報、床情報及び窓情報の各々に対する重み付けとに基づいて、部屋の印象量を示す値を演算する。印象量推定装置100は、演算することによって、得られた印象量を示す値に基づいて、部屋に対する印象量の推定結果を出力する。
変形例に係る印象量推定装置100の機能ブロック図は、図3を適用できる。ただし、画像生成部154は、輝度画像LIを生成し、生成した輝度画像LIに対してウェーブレット解析することで導かれた画像に、実験より得られた眩しさに関する人間の知覚特性を掛け合わせることによって、グレア画像GIを生成する。画像生成部154は、生成したグレア画像GIの画像情報を、分割部156へ出力する。
分割部156は、画像生成部154から、グレア画像GIの画像情報を取得する。分割部156は、取得したグレア画像B1を画像処理することによって、天井1の部分、左側面壁2の部分、右側面壁3の部分、正面壁4の部分、床5の部分、及び窓11の部分に分割する。つまり、分割部156は、グレア画像GIを、天井1の部分に分割することによって、部屋の天井から特定の視点に入る天井グレア画像1acを取得する。また、分割部156は、グレア画像GIを、左側面壁2の部分に分割することによって、部屋の左側面壁2から特定の視点に入る左側面壁グレア画像2acを取得する。また、分割部156は、グレア画像GIを、右側面壁3の部分に分割することによって、部屋の右側面壁3から特定の視点に入る右側面壁グレア画像3acを取得する。また、分割部156は、グレア画像GIを、正面壁4の部分に分割することによって、部屋の正面壁4から特定の視点に入る正面壁グレア画像4acを取得する。また、分割部156は、グレア画像GIを、床5の部分に分割することによって、部屋の床5から特定の視点に入る床グレア画像5acを取得する。また、分割部156は、グレア画像GIを、窓11の部分に分割することによって、部屋の窓11から特定の視点に入る窓グレア画像11acを取得する。グレア画像の表示例は、図5を適用できる。
演算部158は、分割部156が出力した、天井グレア画像1acの画像情報と左側面壁グレア画像2acの画像情報と右側面壁グレア画像3acの画像情報と正面壁グレア画像4acの画像情報と床グレア画像5acの画像情報と窓グレア画像11acとを取得する。演算部158は、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acの各々に含まれるピクセル数を演算する。演算部158は、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acの各々に含まれるピクセル数の演算結果を、室内空間識別情報と関連付ける。
以下、天井グレア画像1acから得られたグレアの最大値を天井グレア情報、左側面壁グレア画像2acから得られたグレアの最大値を左側面壁グレア情報、右側面壁グレア画像3acから得られたグレアの最大値を右側面壁グレア情報、正面壁グレア画像4acから得られたグレアの最大値を正面壁グレア情報、床グレア画像5acから得られたグレアの最大値を床グレア情報、窓グレア画像11acから得られたグレアの最大値を窓グレア情報という。
なお、AC、BC、CC、DC、EC、FC、及びGCは、推定する印象量が、開放感、居心地感、好き嫌い、眩しさ、落ち着き、明るさ、陽気な、安らぎ、活気、又は暖かさであるかによって異なる値をとる。
演算部158は、印象量を示す値を、印象量推定部160へ出力する。
変形例に係る印象量推定装置の動作の一例を示すフローチャートは、図6を適用できる。ただし、ステップS104では、画像生成部154は、取得部152が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報と日時情報とを用いて、輝度画像LIを作成する。さらに、画像生成部154は、作成した輝度画像LIに基づいて、グレア画像GIを作成する。
ステップS106では、分割部156は、グレア画像GIを、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acに分割する。
ステップS108では、演算部158は、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acの各々の最大値を演算する。演算部158は、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acの各々に含まれる最大値を、室内空間識別情報と関連付ける。
演算部158は、天井グレア画像1ac、左側面壁グレア画像2ac、右側面壁グレア画像3ac、正面壁グレア画像4ac、床グレア画像5ac、及び窓グレア画像11acの各々に含まれる最大値を演算する。演算部158は、天井グレア情報、側面壁グレア情報、正面壁グレア情報、床グレア情報、及び窓グレア情報を、印象量の推定式に代入することによって、印象量を示す値を演算する。
前述した変形例では、演算部158が、天井グレア画像1acから得られたグレアの最大値と、左側面壁グレア画像2acから得られたグレアの最大値と、右側面壁グレア画像3acから得られたグレアの最大値と、正面壁グレア画像4acから得られたグレアの最大値と、床グレア画像5acから得られたグレアの最大値と、窓グレア画像11acから得られたグレアの最大値とを、室内空間識別情報と関連付ける場合について説明したが、この例に限られない。例えば、グレアの最大値を用いる代わりに、問題となるグレアの閾値(評価点)を室内空間識別情報と関連付けるようにしてもよい。ここで、閾値は、使用した評価方法で提案されている値を用いた場合、例えばUGRに換算した値では不快であると感じ始める値「22」を閾値としてもよい。他の評価方法を用いた場合には、各々の不快であると感じ始める値を閾値とすればよい。
変形例に係る印象量推定装置100によれば、輝度画像から生成したグレア画像を、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割できる。
このように、輝度画像から生成したグレア画像が、部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割されるため、部屋の各部位などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置100によれば、輝度画像から生成したグレア画像を、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から特定の視点に入る窓情報とに分割できる。
このように、輝度画像から生成したグレア画像が、部屋の天井から特定の視点に入る天井情報と、部屋の壁から特定の視点に入る壁情報と、部屋の床から特定の視点に入る床情報と、部屋の窓から前記特定の視点に入る窓情報とに分割されるため、天井、壁、床、窓などの構成面毎にデザインを行うことができる。
変形例に係る印象量推定装置200は、前述した実施形態において、室内空間識別情報と関連付けて、前述した輝度画像LIを記憶している。例えば、輝度画像LIはラジオシティ法やレイトレーシング法等を用いることによって生成されたものであり、管理者によって、印象量推定装置200に記憶されている。
変形例に係る印象量推定装置200は、印象量推定装置200のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像LIを取得する。印象量推定装置200は、取得した輝度画像LIを、天井1の部分、左側面壁2の部分、右側面壁3の部分、正面壁4の部分、床5の部分、及び窓11の部分に分割することによって、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aを取得する。
(印象量推定装置の機能構成)
図10は、変形例に係る印象量推定装置の機能ブロック図である。
印象量推定装置200は、補助記憶装置112からRAM106上に展開されたプログラムをCPU102が実行することによって、取得部252と分割部256と演算部258と印象量推定部260と記憶部262と出力部264として機能する。
図2及び図10を用いて、印象量推定装置200の各機能構成について詳細に説明する。なお、以下では、印象量推定装置200の各機能を説明するにあたって、図10に示されている印象量推定装置200の各機能ブロックを実現させるための主なハードウェアとの関係も説明する。
分割部256は、取得した輝度画像LIを画像処理することによって、天井1の部分、左側面壁2の部分、右側面壁3の部分、正面壁4の部分、床5の部分、及び窓11の部分に分割することによって、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aを取得する。
演算部258は、前述した演算部158を適用できる。ただし、演算部258は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数を演算する。さらに、演算部258は、各輝度画像の各々に含まれるピクセル数の演算結果を合計することによって、全画像のピクセル数を求める。
演算部258は、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率と、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を、記憶部262に記憶されている印象量の推定式である式(1)に代入することによって、印象量を示す値を演算する。
記憶部262は、前述した記憶部162を適用できる。記憶部262は、印象量の推定式を記憶する。また、記憶部262は、室内空間識別情報と関連付けて、輝度画像LIを記憶する。
出力部264は、前述した出力部164を適用できる。出力部264は、印象量推定部260から取得した印象量の推定結果を出力する。具体的には、出力部264は、印象量の推定結果、開放感の評価値、居心地感の評価値、又は好き嫌いの評価値として、ディスプレイなどの入出力装置108へ出力したり、通信モジュール110を介して他の装置へ出力したりする。
図11は、変形例に係る印象量推定装置の動作の一例を示すフローチャートである。
(ステップS202)取得部252は、ユーザが入出力装置108を操作することによって入力される入力情報を取得する。取得部252は、取得した入力情報を、分割部256へ出力する。前述したように、入力情報には、室内空間識別情報が含まれる。
(ステップS204)分割部256は、取得部252が出力した入力情報を取得すると、取得した入力情報に含まれる室内空間情報を用いて、記憶部262から、その室内空間情報に関連付けられている輝度画像LIを取得する。
(ステップS208)演算部258は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数を演算する。
また、演算部258は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル毎に輝度を読取り、読み取った輝度の幾何平均を演算することによって、天井輝度情報、左側面壁輝度情報、右側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報を求める。
演算部258は、天井輝度画像1a、左側面壁輝度画像2a、右側面壁輝度画像3a、正面壁輝度画像4a、床輝度画像5a、及び窓輝度画像11aの各々に含まれるピクセル数の演算結果から、天井ピクセル比率、左側面壁ピクセル比率、右側面壁ピクセル比率、正面壁ピクセル比率、床ピクセル比率、及び窓ピクセル比率を演算する。演算部258は、各ピクセル比率と、天井輝度情報、左側面壁輝度情報、左側面壁輝度情報、正面壁輝度情報、床輝度情報、及び窓輝度情報とを、印象量の推定式である式(1)に代入することによって、印象量を示す値を演算する。演算部258は、印象量を示す値を、印象量推定部260へ出力する。
(ステップS210)印象量推定部160は、演算部158が出力した印象量を示す値に基づいて、印象量を推定する。
変形例に係る印象量推定装置200によれば、室内空間識別情報と関連付けて、輝度画像LIを記憶しておく。これによって、変形例に係る印象量推定装置200は、印象量推定装置200のユーザが入力した室内空間識別情報を取得すると、取得した室内空間識別情報に関連付けて記憶している輝度画像LIに基づいて、印象量を推定することができる。つまり、変形例に係る印象量推定装置200によれば、室内空間識別情報と関連付けて、輝度画像LIを記憶しておくことによって、印象量の推定結果を参照したいときに、参照することができる。
例えば、実施形態及びその変形例では、視点20から、建物の室内空間を見た場合に、正面壁が見える場合について説明したが、この例に限られない。例えば、建物の室内空間を見た場合に、正面壁が見えない場合にも適用できる。
図12は、建物の室内空間の構成の一例を示す図である。図12に示される例では、視点20から、建物の室内空間を見た場合に、正面壁が見えない場合を示す。このような場合でも、前述した実施形態及びその変形例と同様に、天井、床、両側壁、窓などの構成面を設定することによって、印象量を推定できる。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体のことをいう。また、「コンピュータ読み取り可能な記録媒体」は、コンピュータシステムに内蔵されるハードディスク等の記憶装置を含む。
また、「コンピュータ読み取り可能な記録媒体」には、サーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでもよい。
また上記プログラムは、前述した機能の一部を実現するためのものであってもよい。また、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
また、上記プログラムは、プログラマブルロジックデバイスを用いて実現されるものであってもよい。プログラマブルロジックデバイスは、例えば、FPGA(Field Programmable Gate Array)である。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。
さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル(差分プログラム)であってもよい。
Claims (10)
- コンピュータ装置が、特定の視点から認識される部屋に対する印象量を推定する印象量推定方法であって、
前記コンピュータ装置が、部屋の照明情報と昼光情報とを含む入力情報を取得するステップと、
前記コンピュータ装置が、前記入力情報に基づいて、輝度画像を生成するステップと、
前記コンピュータ装置が、前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割するステップと、
前記コンピュータ装置が、前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算するステップと
を有する印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記輝度画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、
前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算する、請求項1に記載の印象量推定方法。 - 前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、明るさ画像を生成するステップ
を有し、
前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する、請求項1に記載の印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記明るさ画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割し、
前記演算するステップでは、前記コンピュータ装置が、前記天井情報及び該天井情報に対する重み付けと、前記壁情報及び該壁情報に対する重み付けと、前記床情報及び該床情報に対する重み付けと、前記窓情報及び該窓情報に対する重み付けとに基づいて、印象量を示す値を演算する、請求項3に記載の印象量推定方法。 - 前記演算するステップでは、前記コンピュータ装置が、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均を演算し、前記天井情報の幾何平均、前記壁情報の幾何平均、前記床情報の幾何平均、及び前記窓情報の幾何平均にさらに基づいて、演算する、請求項2又は請求項4に記載の印象量推定方法。
- 前記コンピュータ装置が、前記輝度画像を生成するステップで生成した前記輝度画像から、グレア画像を生成するステップ
を有し、
前記分割するステップでは、前記グレア画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する、請求項1に記載の印象量推定方法。 - 前記分割するステップでは、前記コンピュータ装置が、前記グレア画像を、前記部屋の天井から特定の前記視点に入る天井情報と、前記部屋の壁から前記特定の視点に入る壁情報と、前記部屋の床から前記特定の視点に入る床情報と、前記部屋の窓から前記特定の視点に入る窓情報とに分割する、請求項6に記載の印象量推定方法。
- 前記演算するステップでは、前記コンピュータ装置が、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値を演算し、前記天井情報の最大値、前記壁情報の最大値、前記床情報の最大値、及び前記窓情報の最大値にさらに基づいて、演算する、請求項7に記載の印象量推定方法。
- 特定の視点から認識される部屋に対する印象量を推定する印象量推定装置であって、
部屋の照明情報と昼光情報とを含む入力情報を取得する取得部と、
前記入力情報に基づいて、輝度画像を生成する生成部と、
前記輝度画像を、前記部屋の各部位から特定の前記視点に入る部屋の部位毎の情報に分割する分割部と、
前記部屋の各部位毎の情報及び該部屋の各部位毎の情報に対する重み付けに基づいて、印象量を示す値を演算する演算部と
を備える印象量推定装置。 - 請求項1から請求項8のいずれか一項に記載の印象量推定方法を有する、コンピュータ装置が実行する建物設計方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017059365A JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017059365A JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018163453A JP2018163453A (ja) | 2018-10-18 |
JP6903458B2 true JP6903458B2 (ja) | 2021-07-14 |
Family
ID=63859299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017059365A Active JP6903458B2 (ja) | 2017-03-24 | 2017-03-24 | 印象量推定方法、印象量推定装置、及び建物設計方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6903458B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7280149B2 (ja) | 2019-08-26 | 2023-05-23 | 旭化成ホームズ株式会社 | 住環境シミュレーションシステム、住環境シミュレーション方法およびプログラム |
JP6906161B1 (ja) * | 2020-08-28 | 2021-07-21 | 株式会社ラムサ | 観覧施設評価装置、観覧施設評価方法、観覧施設評価プログラム及び観覧施設評価プログラムを記録した記録媒体 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273359A (ja) * | 2000-03-28 | 2001-10-05 | Matsushita Electric Works Ltd | 照明プラン選定支援システム |
JP2004005513A (ja) * | 2002-03-27 | 2004-01-08 | Matsushita Electric Works Ltd | インターネットを用いたcgパース図作成方法とそのためのシステム |
JP2005243306A (ja) * | 2004-02-24 | 2005-09-08 | Matsushita Electric Works Ltd | 照明器具販売システム |
JP4333448B2 (ja) * | 2004-03-31 | 2009-09-16 | パナソニック電工株式会社 | 空間の明るさ感評価方法並びに評価システム |
US8319956B2 (en) * | 2006-06-14 | 2012-11-27 | Mechoshade Systems, Inc. | System and method for shade selection using a fabric brightness factor |
JP5579649B2 (ja) * | 2011-04-22 | 2014-08-27 | 株式会社ビジュアル・テクノロジー研究所 | 環境制御システムおよび環境制御プログラム |
WO2016194320A1 (ja) * | 2015-06-04 | 2016-12-08 | パナソニックIpマネジメント株式会社 | 照明演出システム及びプログラム |
-
2017
- 2017-03-24 JP JP2017059365A patent/JP6903458B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018163453A (ja) | 2018-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Natephra et al. | Integrating building information modeling and virtual reality development engines for building indoor lighting design | |
Hellinga et al. | The D&V analysis method: A method for the analysis of daylight access and view quality | |
Lee et al. | The effects of visual realism on search tasks in mixed reality simulation | |
Fakhari et al. | A study on the factors simultaneously affecting visual comfort in classrooms: A structural equation modeling approach | |
Hegazy et al. | Comparing daylight brightness perception in real and immersive virtual environments using perceptual light maps | |
Vittori et al. | Subjective thermal response driving indoor comfort perception: A novel experimental analysis coupling building information modelling and virtual reality | |
Hegazy et al. | An interactive approach to investigate brightness perception of daylighting in Immersive Virtual Environments: Comparing subjective responses and quantitative metrics | |
JP6903458B2 (ja) | 印象量推定方法、印象量推定装置、及び建物設計方法 | |
Tsangrassoulis et al. | Comparison of radiosity and ray-tracing techniques with a practical design procedure for the prediction of daylight levels in atria | |
Mohapatra et al. | Analysis of daylighting using daylight factor and luminance for different room scenarios | |
Omidfar et al. | The use of environmental aesthetics in subjective evaluation of daylight quality in office buildings | |
Cutler et al. | Interactive selection of optimal fenestration materials for schematic architectural daylighting design | |
Amorim et al. | Lighting conditions in home office and occupant’s perception: An international study | |
Rockcastle et al. | Annual dynamics of daylight variability and contrast: a simulation-based approach to quantifying visual effects in architecture | |
Hegazy et al. | Evaluating and visualizing perceptual impressions of daylighting in immersive virtual environments | |
Mirzabeigi et al. | Tailored WBGT as a heat stress index to assess the direct solar radiation effect on indoor thermal comfort | |
Santos et al. | Optimized indoor daylight for tropical dense urban environments | |
Tai et al. | Luminance contrast as depth cue: Investigation and design applications | |
CN110188390B (zh) | 一种建筑室内光环境的测算方法及装置 | |
KR102529176B1 (ko) | 건물에 해당하는 가상 객체의 디테일 베리에이션을 수행하는 전자 장치의 제어 방법 | |
Zaikina et al. | Luminance-based measures of shape and detail distinctness of 3D objects as important predictors of light modeling concept. Results of a full-scale study pairing proposed measures with subjective responses | |
Tai et al. | Space perception and luminance contrast: investigation and design applications through perceptually based computer simulations | |
US11557101B2 (en) | Estimation system, space design support system, estimation method, and program | |
Kontadakis et al. | Defining the Boundaries of Daylight Penetration. The use of dynamic and static daylight methods to predict the daylit zone within sidelit spaces, a comparison | |
Wänström Lindh | Distribution of light and atmosphere in an urban environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200124 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210316 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210412 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210601 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210623 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6903458 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |