Feb 12, 2026

硕士论文准备

资料准备

题目

《用于建筑照明的虚幻引擎:用于建筑设计的真实光线与模拟光之间的方法、局限性与验证》

今天下载了相关论文和书籍，准备开始阅读和整理资料。很多相关论文都是以建筑学的视角进行研究，并不是从工程学的视角出发。

感触

这个课题应该是对于可持续建筑方向的人的选题，但是对于我的未来职业规划和学习是很符合的。这题目不就是sim2real的gap问题吗？ gemini:虚拟仿真与实地测量的相关性验证

照明软件

特性	Radiance	DIALux (Evo)	Relux (Desktop)
底层算法	蒙特卡洛反向射线追踪	放射度 (Radiosity) + 射线追踪	放射度 (Radiosity) + 射线追踪
物理精确度	极高（学术界公认的 Gold Standard）	高（工程级精确）	高（工程级精确）
计算效率	较慢，依赖参数设置和硬件	较快，针对实时渲染优化	较快，适合大规模项目
操作界面	主要是命令行（或基于 Honeybee 插件）	友好、直观的 3D 图形界面	模块化、商务化的图形界面
核心用途	采光分析、复杂建筑几何、学术研究	室内外通用照明设计、灯具选型	专业照明方案、隧道/运动场/道路照明

在建筑照明的 Sim2Real 工作流中，它们通常处于不同的环节：
- DIALux/Relux：用于初步选型和合规性验证（比如确保桌面照度达到 300lx）。
- Radiance：用于深度验证。例如，当你需要分析某个异形幕墙在一年四季中对室内的光热影响时，Radiance 是唯一能给出严谨物理报告的工具。
- Unreal Engine：用于交互体验和动态感知。它解决了 DIALux 无法提供的“沉浸感”和“实时光影流动”，但它需要参考前三者的数值来校准其物理参数。

算法

通用渲染方程 (Rendering Equation)

$$L_o(x, \omega_o) = L_e(x, \omega_o) + \int_{\Omega} f_r(x, \omega_i, \omega_o) L_i(x, \omega_i) (\omega_i \cdot \mathbf{n}) d\omega_i$$

$L_o$：出射辐射率 (Outgoing Radiance),观察者在 x 点看到的表面亮度。
$x$：表面上的特定点,建筑构件（如墙面、桌面）上的计算点。
$ω_o$：出射方向,眼睛或相机观察该点的视线方向。
$L_e$：自发光 (Emitted Radiance),灯具、发光槽或 LED 屏幕产生的原生光。
$∫_Ω$：半球积分,对该点上方整个半球空间内所有入射光的总和。
$f_r$：BRDF (双向反射分布函数),材质属性。决定了光是漫反射（哑光）还是镜面反射（高光）。
$L_i$：入射辐射率 (Incoming Radiance),来自天空、其他墙面或灯具反弹过来的光。
$n$：法向量,表面的垂直方向。
$ω_i⋅n$：朗伯余弦定律,光线越倾斜，表面的照度越低（cosθ 效应）。

放射度离散方程 (Radiosity Equation)

DIALux/Relux 计算的核心逻辑，基于网格划分。

$$B_i = E_i + \rho_i \sum_{j=1}^{N} F_{ij} B_j$$

蒙特卡洛估计式 (Monte Carlo Estimator)

Radiance/UE5 Path Tracer 使用的统计学逼近方法。

$$L_o \approx L_e + \frac{1}{N} \sum_{k=1}^{N} \frac{f_r(x, \omega_{i,k}, \omega_o) L_i(x, \omega_{i,k}) \cos \theta_{i,k}}{p(\omega_{i,k})}$$

UE

UE的物理引擎是迭代的。之前想着是PhyX会对学习isaacsim有帮助，但是看看具身智能需要考虑光环境么～

版本	引擎
UE1-UE2	Karma Physics
UE3-4	PhyX
UE5	Chaos

研究逻辑

相当于要给出一个测试标准（Radiance），然后看UE和Radiance的差距（GAP）在哪里，本质上就是看算法的差距，需要一个工具作为尺子来比较两者的差距（控制变量法）。

人工光（Artificial Lighting）

人工光的核心在于**“灯具物理属性的还原”**。

测试重点： $L_e$（光源强度）与 $f_r$（灯具遮光罩材质）。
关键验证方式：
- IES 曲线配光对齐：验证灯具的非均匀出光。在 UE 中，IES 决定了灯具的光强分布（光子向哪个方向射多少）。
- 平方反比定律检测：验证距离增加时照度（Lux）的衰减。
- 眩光测试 (UGR)：人工光源通常是高亮度小面积点位，验证其在人眼视野中产生的心理不舒适感。
Sim2Real Gap 来源
- 通常在于灯具厂商提供的 IES 文件是否包含灯具表面的反射信息，以及 UE 对 IES 文件增益（Intensity）的解析偏差。

自然采光（Daylighting）

自然采光的核心在于**“天空模型与大气散射”**。

测试重点： $∫_Ω$（半球积分）与 $L_i$（来自天空的入射光）。
关键验证方式：
- 采光系数 (Daylight Factor, DF)：在全阴天（Overcast Sky）环境下，室内某点的照度与室外无遮挡照度的比值。
- 日光自律性 (DA) 与空间采光自律性 (sDA)：验证一年中多长时间内仅靠自然光即可满足照明需求。
- 阴影轨迹验证：验证直射阳光（Direct Sun）在不同经纬度、不同时刻的投射角度。
Sim2Real Gap 来源：
- 主要在于天空盒模型（Sky Model）。专业软件（如 Radiance）使用的是 CIE 标准天空模型，而 UE 默认的大气系统（Atmosphere Sun & Sky）是基于实时视觉效果优化的，其光谱分布和天光亮度分布可能存在偏差。

Coupled Simulation

在真实建筑中，人工光通常与自然光互补（如光感控制系统）。

耦合测试方式：模拟下午 4 点（阳光斜射）且室内灯具开启的混合光环境。
验证点：观察色温 (CCT) 的混合效果。自然光（5000K-6500K）与人工光（3000K-4000K）在墙面交汇处的演变，是验证引擎 PBR 色彩科学最严苛的场景。