用于RGB氛围灯颜色预测校准方法及系统

技术领域

本发明涉及RGB颜色标定机，具体地，涉及一种用于RGB氛围灯颜色预测校准方法及系统。

背景技术

RGB灯由于受制造工艺和电流输出精度的影响，根据PWM占空比驱动RGB灯时实际点亮的颜色与标准颜色会有一定的误差，一般用颜色来衡量实际点亮的颜色与标准色之间的偏差，颜色较大时会影响灯光的点亮效果。通常汽车氛围灯要求点亮的颜色需要控制在0.01以内。

颜色标定机是一种用于检测并校准颜色误差是否大于0.01的机器，通过控制PWM的R、G、B占空比可以使RGB灯点亮色域内的任何颜色，然而由于工艺制造的误差使得每个RGB灯都会有不同程度的偏差，不同的RGB灯点亮同一种颜色产生的误差也不同，当颜色误差超过0.01时需要使用颜色标定机对其进行校准。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种用于RGB氛围灯颜色预测校准方法，可以有效的预测可能出现误差的RGB灯光颜色种类，有效的提高颜色标定机对于RGB灯的检测精度。

根据本发明提供的用于RGB氛围灯颜色预测校准方法，包括如下步骤：

步骤S1：采集RGB氛围灯点亮标准颜色库中每一标准颜色的特征参数生成训练数据集，所述特征参数包括R、G、B占空比、颜色离RGB色域边界的距离以及颜色占空比相对值；

步骤S2：通过训练数据集进行模型训练生成颜色差值预测模型，通过所述颜色差值预测模型对一RGB氛围灯的点亮颜色进行预测生成颜色差值的分类结果，所述分类结果包括在预设置的颜色差值阈值内和大于所述颜色差值阈值；

步骤S3：通过颜色标定机复检预测颜色差值大于预设置的颜色差值阈值的RGB氛围灯的颜色值，确定所述颜色值与标准色之间的实际颜色差值；

步骤S4：当所述实际颜色差值大于预设置的颜色阈值差值时，则对该颜色进行校准，使用校准后的占空比来重新驱动RGB氛围灯；

步骤S5：通过颜色标定机对校准后的颜色再次复检，当该RGB氛围灯的颜色差值在颜色阈值差值内则标定完成，重新执行步骤S4进行校准。

优选地，所述颜色库包括至少30种灯光标准颜色。

优选地，所述颜色差值预测模型的输入为每一标准颜色的特征参数，输出为所述颜色值与标准色之间的颜色差值是否小于0.01。

优选地，所述颜色差值预测模型通过采用逻辑回归模型LR作为基分类器，然后结合集成算法AdaBoost，再引入代价敏感函数CS生成。

优选地，通过调整点亮颜色的坐标值补偿所述颜色差值，根据调整后点亮颜色的坐标值确定该RGB气氛灯的RGB占空比，进而根据RGB占空比再次点亮RGB气氛光；

优选地，采用用CIE色度图确定实际点亮的颜色与标准色的x，y坐标差值。

优选地，在步骤S5中，采用Cor-Calibration算法对RGB气氛灯进行校准。

优选地，在步骤S4中，采用标准色的色度坐标与实际点亮RGB氛围灯的色度坐标之间的差值作为所述颜色差值，根据所述颜色差值补偿所述标准色。

优选地，根据标准色的色度坐标与RGB占空比对应的关系，计算出一组颜色差值补偿后的RGB占空比大小，通过RGB氛围灯的PWM占空比大小重新点亮RGB灯，再次确定颜色差值。

根据本发明提供的用于RGB氛围灯颜色预测校准系统，包括如下模块：

数据采集模块，用于采集RGB氛围灯点亮颜色库中每一标准颜色的特征参数生成训练数据集，所述特征参数包括R、G、B占空比、颜色离RGB色域边界的距离以及占空比相对值；

颜色差值预测模块，用于通过训练数据集进行模型训练生成颜色差值预测模型，通过所述颜色差值预测模型对一RGB氛围灯单刀点亮颜色进行预测生成颜色差值的分类结果；

颜色复检模块，用于通过颜色标定机复检预测颜色差值大于预设置的颜色差值阈值的RGB氛围灯的颜色值，确定所述颜色值与标准色之间的实际颜色差值；

颜色校准模块，用于当所述颜色差值大于预设置的颜色阈值差值时，则对该颜色进行校准，使用校准后的占空比来重新驱动RGB氛围灯。

与现有技术相比，本发明具有如下的有益效果：

本发明首先通过颜色差值预测模型对RGB氛围灯点亮颜色进行差值预测，并对超过颜色差值阈值的RGB氛围灯点再次复核校准，能够有效的提高标定机对每个RGB灯的检测效率，提高了校准的精度和效率，具有较好的预测精度等特点，能够使得对RGB灯的检测效率大大提高。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明实施例中用于RGB氛围灯颜色预测校准方法的步骤流程图；

图2为本发明实施例中用于RGB氛围灯颜色预测校准方法的具体实施流程图；

图3为本发明实施例中颜色差值预测模型的建立流程图；

图4为本发明实施例中对RGB氛围灯复检校准的流程图；

图5为本发明实施例中用于RGB氛围灯颜色预测校准系统的模块示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

图1为本发明实施例中用于RGB氛围灯颜色预测校准方法的步骤流程图，图2为本发明实施例中用于RGB氛围灯颜色预测校准方法的具体实施流程图，如图1、图2所示，本发明提供的用于RGB氛围灯颜色预测校准方法，包括如下步骤：

步骤S1：采集RGB氛围灯点亮标准颜色库中每一标准颜色的特征参数生成训练数据集，所述特征参数包括R、G、B占空比、颜色离RGB色域边界的距离以及颜色占空比相对值；

步骤S2：通过训练数据集进行模型训练生成颜色差值预测模型，通过所述颜色差值预测模型对一RGB氛围灯的点亮颜色进行预测生成颜色差值的分类结果，所述分类结果包括在预设置的颜色差值阈值内和大于所述颜色差值阈值；

步骤S3：通过颜色标定机复检预测颜色差值大于预设置的颜色差值阈值的RGB氛围灯的颜色值，确定所述颜色值与标准色之间的实际颜色差值；

步骤S4：当所述实际颜色差值大于预设置的颜色阈值差值时，则对该颜色进行校准，使用校准后的占空比来重新驱动RGB氛围灯；

步骤S5：通过颜色标定机对校准后的颜色再次复检，当该RGB氛围灯的颜色差值在颜色阈值差值内则标定完成，重新执行步骤S4进行校准。

在本发明实施例中，所述颜色库包括至少30种灯光颜色。

所述颜色差值预测模型的输入为每一标准颜色的特征参数，输出为所述颜色值与标准色之间的颜色差值是否小于0.01。

图3为本发明实施例中颜色差值预测模型的建立流程图，如图3所示，所述颜色差值预测模型通过采用逻辑回归模型LR作为基分类器，然后结合集成算法AdaBoost，再引入代价敏感函数CS生成。

通过采集的标准颜色的特征参数不断的优化所述颜色差值预测模型，最后得到一个较优良的分类预测模型。

在本发明实施例中，采用CS-AdaBoost-LR结合的颜色差值预测模型预测出点亮的RGB氛围灯的颜色差值是否大于0.01，如表颜色差值超出0.01，则对该灯光RGB氛围灯进行复检，检测颜色的实际大小。运用此颜色差值预测模型可以精准的找出需要检测的灯光颜色，减少大量不必要的检测。标定机只对预测结果超出误差0.01的进行检测，预测结果在误差范围内的将不进行检测，实现精准检测的目的。实现智能检测的目的。

在本发明实施例中，采用CIE色度图确定实际点亮的颜色与标准色的x，y坐标差值。

图4为本发明实施例中对RGB氛围灯复检校准的流程图，如图4所示，在步骤S5中，比较点亮的颜色与标准色的坐标差值确定所述颜色差值，通过调整点亮颜色的坐标值补偿所述颜色差值，根据调整后点亮颜色的坐标值确定该RGB气氛灯的RGB占空比，进而根据RGB占空比再次点亮RGB气氛光；

在步骤S4中，采用Cor-Calibration算法对RGB气氛灯进行校准，可以采用标准色的色度坐标与实际点亮RGB氛围灯的色度坐标之间的差值，补偿到标准色中。因此根据标准色的色度坐标与RGB占空比对应的关系，计算出一组误差补偿后的RGB占空比大小，用此RGB氛围灯的PWM占空比大小重新点亮RGB灯，再次检测颜色。

对于校准后点亮的RGB氛围等灯进一步检测，用颜色标定机根据颜色的计算公式检测此时的颜色是否超出0.01，如果在阈值范围内，则标定完成。如果检测结果仍然超过阈值0.01，则更新标准色，然后再次使用Cor-Calibration算法拟合标准色，计算一组新的RGB占空比。即如果颜色超出阈值，则不停的进行误差拟合，循环标定直至满足误差范围为止。

图5为本发明实施例中用于RGB氛围灯颜色预测校准系统的模块示意图，如图5所示，本发明提供的用于RGB氛围灯颜色预测校准系统，包括如下模块：

数据采集模块，用于采集RGB氛围灯点亮颜色库中每一标准颜色的特征参数生成训练数据集，所述特征参数包括R、G、B占空比、颜色离RGB色域边界的距离以及占空比相对值；

颜色差值预测模块，用于通过训练数据集进行模型训练生成颜色差值预测模型，通过所述颜色差值预测模型对一RGB氛围灯单刀点亮颜色进行预测生成颜色差值的分类结果；

颜色复检模块，用于通过颜色标定机复检预测颜色差值大于预设置的颜色差值阈值的RGB氛围灯的颜色值，确定所述颜色值与标准色之间的实际颜色差值；

颜色校准模块，用于当所述颜色差值大于预设置的颜色阈值差值时，则对该颜色进行校准，使用校准后的占空比来重新驱动RGB氛围灯。

本发明实施例中，首先通过颜色差值预测模型对RGB氛围灯点亮颜色进行差值预测，并对超过颜色差值阈值的RGB氛围灯点再次复核校准，能够有效的提高标定机对每个RGB灯的检测效率，提高了校准的精度和效率，具有较好的预测精度等特点，能够使得对RGB灯的检测效率大大提高。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。