本發(fā)明涉及光柵設(shè)計(jì)與制造，尤其是一種裸眼3d光柵的模擬方法及系統(tǒng)。

背景技術(shù)：

1、隨著數(shù)字視聽技術(shù)的不斷發(fā)展，裸眼3d技術(shù)作為一種能夠?yàn)橛脩魩沓两揭曈X體驗(yàn)的技術(shù)，受到了廣泛關(guān)注并取得了顯著的發(fā)展與進(jìn)步。然而，現(xiàn)有的透鏡光柵式裸眼3d技術(shù)在實(shí)際應(yīng)用過程中仍存在諸多關(guān)鍵缺陷，限制了其進(jìn)一步的發(fā)展和推廣。

2、首先，透鏡光柵的制作過程涉及復(fù)雜的制造工藝和高精度的材料要求。這不僅需要高精度的加工設(shè)備和嚴(yán)格的質(zhì)量控制，還導(dǎo)致了整體制作成本居高不下，增加了產(chǎn)品的生產(chǎn)成本和市場推廣難度。

3、其次，在透鏡光柵的制作過程中，模具尺寸的精確估算至關(guān)重要。然而，現(xiàn)有技術(shù)往往難以準(zhǔn)確預(yù)估模具尺寸，這直接導(dǎo)致最終產(chǎn)品的圖像清晰度受到影響。具體表現(xiàn)為圖像模糊、重影等現(xiàn)象，嚴(yán)重影響了用戶的觀看體驗(yàn)，降低了技術(shù)的實(shí)用性和市場競爭力。

4、此外，透鏡光柵的制作需要經(jīng)歷多次開模、驗(yàn)證和調(diào)整過程。這一過程不僅耗時(shí)費(fèi)力，還導(dǎo)致整個開發(fā)周期相對較長。這不僅增加了研發(fā)成本，還延緩了新技術(shù)的市場推廣速度，限制了裸眼3d技術(shù)的快速迭代和發(fā)展。

5、綜上所述，現(xiàn)有的透鏡光柵式裸眼3d技術(shù)在制作成本、模具尺寸估算、開發(fā)周期以及靈活性等方面均存在不同程度的缺陷。因此，迫切需要一種更為高效、準(zhǔn)確的裸眼3d光柵模擬方法，以降低開發(fā)成本、縮短開發(fā)周期，并提升技術(shù)的靈活性和適應(yīng)性，從而推動裸眼3d技術(shù)的進(jìn)一步發(fā)展和廣泛應(yīng)用。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明為了解決上述存在的技術(shù)問題，提供一種裸眼3d光柵的模擬方法及系統(tǒng)。

2、本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

3、一種裸眼3d光柵的模擬方法，包括以下步驟：

4、通過儀器測量獲取led顯示屏子像素排列與光柵形成莫爾條紋較小時(shí)的角度數(shù)據(jù)，記錄子像素排列參數(shù)與莫爾條紋變化趨勢；

5、根據(jù)子像素排列參數(shù)、預(yù)設(shè)視距、像素長寬及光柵與彩色濾光片之間的初始距離，計(jì)算菲林光柵的光柵周期和水平柵距，得到初步設(shè)計(jì)參數(shù)；

6、采用計(jì)算得到的初步設(shè)計(jì)參數(shù)，結(jié)合人工智能輔助設(shè)計(jì)算法，生成黑白菲林光柵的高精度數(shù)字模型；

7、通過該數(shù)字模型，利用機(jī)器學(xué)習(xí)算法對光柵周期與水平柵距的分布特征進(jìn)行智能提取與分析，同時(shí)引入多維度參數(shù)優(yōu)化，預(yù)測不同視距和視角下的莫爾條紋表現(xiàn)；

8、通過模擬顯示屏預(yù)設(shè)視距下光柵周期與水平柵距的分布特征，判斷莫爾條紋是否小于預(yù)設(shè)閾值，獲取驗(yàn)證結(jié)果數(shù)據(jù)；

9、根據(jù)驗(yàn)證結(jié)果數(shù)據(jù)調(diào)整設(shè)計(jì)參數(shù)，得到柱透鏡設(shè)計(jì)方案。

10、進(jìn)一步地，所述記錄子像素排列參數(shù)與莫爾條紋變化趨勢的過程包括：

11、通過儀器采集子像素排列與光柵結(jié)構(gòu)交互形成莫爾條紋時(shí)的角度數(shù)據(jù)，得到初始測量值；

12、從初始測量值中提取排列參數(shù)與光柵結(jié)構(gòu)的特征數(shù)據(jù)，確定條紋形成的條件；

13、若條紋形成條件滿足預(yù)設(shè)閾值，則通過算法分析角度數(shù)據(jù)與排列參數(shù)的關(guān)系，判斷變化趨勢方向；

14、采用支持向量機(jī)算法針對變化趨勢方向進(jìn)行分類，獲取趨勢的穩(wěn)定特征；

15、通過趨勢的穩(wěn)定特征對比莫爾條紋的形態(tài)數(shù)據(jù)，確定條紋與子像素排列的對應(yīng)關(guān)系；

16、根據(jù)對應(yīng)關(guān)系處理測量結(jié)果，得到子像素排列參數(shù)與條紋變化趨勢的映射數(shù)據(jù)；

17、從映射數(shù)據(jù)中提取關(guān)鍵特征，判斷顯示屏特性對莫爾條紋的影響程度。

18、進(jìn)一步地，所述計(jì)算菲林光柵的光柵周期和水平柵距，得到初步設(shè)計(jì)參數(shù)的過程包括：

19、通過子像素排列與像素長寬的對應(yīng)關(guān)系，獲取光柵結(jié)構(gòu)的初始分布數(shù)據(jù)，得到光柵周期的初步計(jì)算結(jié)果；

20、根據(jù)預(yù)設(shè)視距與初始距離的交互數(shù)據(jù)，調(diào)整光柵周期的變化范圍，確定水平柵距的邊界值；

21、采用柵距特征分析水平柵距的分布規(guī)律，獲取分布規(guī)律的穩(wěn)定特征數(shù)據(jù)；

22、通過支持向量機(jī)算法針對穩(wěn)定特征數(shù)據(jù)進(jìn)行分類，判斷光柵周期與柵距特征的匹配程度；

23、若匹配程度超過預(yù)設(shè)閾值，則從分類結(jié)果中提取光柵結(jié)構(gòu)的優(yōu)化參數(shù)，得到調(diào)整后的設(shè)計(jì)參數(shù)；

24、根據(jù)調(diào)整后的設(shè)計(jì)參數(shù)與分布規(guī)律的對應(yīng)關(guān)系，獲取光柵周期的最終計(jì)算值；

25、通過最終計(jì)算值與初始分布數(shù)據(jù)的對比，判斷光柵結(jié)構(gòu)對子像素排列的適應(yīng)性，獲得優(yōu)化后的柵距分布。

26、進(jìn)一步地，所述生成黑白菲林光柵的高精度數(shù)字模型的過程包括：

27、通過初步參數(shù)與參數(shù)結(jié)合的對應(yīng)關(guān)系，獲取黑白光柵的初始數(shù)字生成數(shù)據(jù)，得到光柵結(jié)構(gòu)的初步分布；

28、根據(jù)光柵結(jié)構(gòu)與設(shè)計(jì)算法的交互數(shù)據(jù)，采用輔助設(shè)計(jì)調(diào)整數(shù)字生成的變化范圍，確定高精度模型的邊界值；

29、通過算法生成分析數(shù)字模型的分布規(guī)律，獲取模型精度的穩(wěn)定特征數(shù)據(jù)，判斷結(jié)構(gòu)參數(shù)的適應(yīng)性；

30、若模型精度超過預(yù)設(shè)閾值，則從穩(wěn)定特征數(shù)據(jù)中提取光柵結(jié)構(gòu)的優(yōu)化參數(shù)，得到調(diào)整后的數(shù)字模型；

31、根據(jù)調(diào)整后的數(shù)字模型與黑白光柵的對應(yīng)關(guān)系，獲取高精度模型的最終分布數(shù)據(jù)，確定參數(shù)結(jié)合的優(yōu)化值；

32、通過最終分布數(shù)據(jù)與初始數(shù)字生成數(shù)據(jù)的對比，判斷光柵結(jié)構(gòu)對輔助設(shè)計(jì)的匹配程度，獲得優(yōu)化后的模型精度；

33、采用優(yōu)化后的模型精度與結(jié)構(gòu)參數(shù)的交互數(shù)據(jù)，生成黑白菲林光柵的完整數(shù)字模型，確定最終設(shè)計(jì)結(jié)果。

34、進(jìn)一步地，所述預(yù)測不同視距和視角下的莫爾條紋表現(xiàn)的過程包括：

35、通過數(shù)字模型獲取光柵周期與水平柵距的初始分布特征數(shù)據(jù)，確定特征提取的范圍；

36、采用機(jī)器學(xué)習(xí)算法分析初始分布特征數(shù)據(jù)，得到特征提取后的結(jié)構(gòu)規(guī)律數(shù)據(jù)；

37、根據(jù)結(jié)構(gòu)規(guī)律數(shù)據(jù)，結(jié)合多維度參數(shù)優(yōu)化，判斷視距變化與視角變化的分布影響；

38、通過分布影響數(shù)據(jù)，預(yù)測莫爾條紋在不同視距下的初步表現(xiàn)數(shù)據(jù)；

39、采用初步表現(xiàn)數(shù)據(jù)，結(jié)合視角變化的特征，獲取莫爾條紋的完整預(yù)測分布；

40、通過完整預(yù)測分布與初始分布特征數(shù)據(jù)對比，確定參數(shù)優(yōu)化的調(diào)整值；

41、根據(jù)調(diào)整值更新數(shù)字模型，得到優(yōu)化后的分布特征數(shù)據(jù)。

42、進(jìn)一步地，所述獲取驗(yàn)證結(jié)果數(shù)據(jù)的過程包括：

43、通過模擬顯示屏生成光柵周期與水平柵距的分布特征數(shù)據(jù)，得到初始分布數(shù)據(jù)；

44、根據(jù)初始分布數(shù)據(jù)，采用支持向量機(jī)算法分析分布特征，獲取特征提取后的結(jié)構(gòu)數(shù)據(jù)；

45、通過結(jié)構(gòu)數(shù)據(jù)結(jié)合預(yù)設(shè)視距，判斷莫爾條紋的變化趨勢，得到變化趨勢數(shù)據(jù)；

46、若變化趨勢數(shù)據(jù)超出預(yù)設(shè)閾值，則通過調(diào)整光柵周期生成新的分布特征數(shù)據(jù)，獲取調(diào)整后的分布數(shù)據(jù)；

47、根據(jù)調(diào)整后的分布數(shù)據(jù)，采用聚類算法分析莫爾條紋與預(yù)設(shè)閾值的匹配程度，得到匹配結(jié)果數(shù)據(jù)；

48、通過匹配結(jié)果數(shù)據(jù)結(jié)合顯示屏參數(shù)，判斷驗(yàn)證結(jié)果是否滿足條件，獲取最終驗(yàn)證數(shù)據(jù)；

49、根據(jù)最終驗(yàn)證數(shù)據(jù)，采用統(tǒng)計(jì)工具分析特征分布的穩(wěn)定性，得到優(yōu)化后的分布數(shù)據(jù)。

50、進(jìn)一步地，所述得到柱透鏡設(shè)計(jì)方案的過程包括：

51、若驗(yàn)證結(jié)果數(shù)據(jù)表明莫爾條紋小于預(yù)設(shè)閾值，則根據(jù)光柵周期與水平柵距的分布特征計(jì)算柱透鏡的曲率參數(shù)和間距參數(shù)，得到第一設(shè)計(jì)方案數(shù)據(jù)；

52、通過第一設(shè)計(jì)方案數(shù)據(jù)結(jié)合彩色濾光片的初始位置，獲取柱透鏡與彩色濾光片之間的相對位置數(shù)據(jù)；

53、根據(jù)相對位置數(shù)據(jù)，采用聚類算法分析柱透鏡與光柵周期的匹配程度，得到第一匹配結(jié)果數(shù)據(jù)；

54、其中，若第一匹配結(jié)果數(shù)據(jù)超出預(yù)設(shè)范圍，則調(diào)整彩色濾光片與光柵之間的距離，重新計(jì)算分布特征，得到第二設(shè)計(jì)方案數(shù)據(jù)；

55、通過第二設(shè)計(jì)方案數(shù)據(jù)，獲取調(diào)整后的曲率參數(shù)與間距參數(shù)的分布數(shù)據(jù)；

56、根據(jù)分布數(shù)據(jù)，采用統(tǒng)計(jì)工具分析柱透鏡設(shè)計(jì)方案的穩(wěn)定性，得到優(yōu)化后的設(shè)計(jì)參數(shù)數(shù)據(jù)；

57、通過優(yōu)化后的設(shè)計(jì)參數(shù)數(shù)據(jù)，判斷柱透鏡與光柵周期的適配性，得到最終適配數(shù)據(jù)。

58、進(jìn)一步地，所述得到柱透鏡設(shè)計(jì)方案的過程還包括：

59、若驗(yàn)證結(jié)果數(shù)據(jù)表明莫爾條紋大于預(yù)設(shè)閾值，則調(diào)整光柵與彩色濾光片之間的距離，重新計(jì)算光柵周期與水平柵距，獲取調(diào)整后的設(shè)計(jì)參數(shù)；

60、具體的，s100、調(diào)整光柵與彩色濾光片之間的距離，具體調(diào)整量根據(jù)莫爾條紋的超標(biāo)程度進(jìn)行量化計(jì)算；

61、s200、根據(jù)調(diào)整后的距離，重新計(jì)算光柵周期與水平柵距，獲取調(diào)整后的設(shè)計(jì)參數(shù)。計(jì)算過程中引入誤差分析模型，評估調(diào)整對莫爾條紋的影響；

62、s300、在調(diào)整后的設(shè)計(jì)參數(shù)基礎(chǔ)上，利用多維度參數(shù)優(yōu)化算法，綜合考慮視距、視角、像素排列等因素，進(jìn)一步優(yōu)化光柵周期與水平柵距，以減少莫爾條紋；

63、s400、通過模擬顯示屏預(yù)設(shè)視距下光柵周期與水平柵距的分布特征，再次判斷莫爾條紋是否小于預(yù)設(shè)閾值，獲取新的驗(yàn)證結(jié)果數(shù)據(jù)；

64、若莫爾條紋仍大于預(yù)設(shè)閾值，則根據(jù)新的驗(yàn)證結(jié)果數(shù)據(jù)，進(jìn)一步調(diào)整光柵與彩色濾光片之間的距離，重復(fù)上述步驟s100~s400，直至莫爾條紋滿足要求；

65、還包括，建立動態(tài)調(diào)整機(jī)制，實(shí)時(shí)監(jiān)測莫爾條紋的變化趨勢，根據(jù)實(shí)時(shí)數(shù)據(jù)動態(tài)調(diào)整光柵與彩色濾光片之間的距離，確保莫爾條紋始終處于可控范圍內(nèi)；

66、記錄每次調(diào)整的距離、計(jì)算的設(shè)計(jì)參數(shù)以及莫爾條紋的變化趨勢，利用數(shù)據(jù)分析工具分析調(diào)整過程中的規(guī)律。

67、進(jìn)一步地，本方法所述獲取驗(yàn)證結(jié)果數(shù)據(jù)步驟之后還包括：

68、基于調(diào)整后的設(shè)計(jì)參數(shù)、子像素排列、預(yù)設(shè)視距及像素長寬，建立光柵周期與微透鏡單元排布的動態(tài)匹配算法，得到匹配參數(shù)集合；

69、通過匹配參數(shù)集合優(yōu)化光柵與微透鏡單元的排布特征，判斷圖像模糊程度是否低于預(yù)設(shè)閾值，獲取優(yōu)化后的排布數(shù)據(jù)；

70、根據(jù)優(yōu)化后的排布數(shù)據(jù)生成最終的柱透鏡光柵數(shù)字模型，從數(shù)字模型中提取曲率、間距及排布參數(shù)，確定最終設(shè)計(jì)方案。

71、一種裸眼3d光柵的模擬系統(tǒng)，包括：

72、測量模塊，用于通過儀器測量獲取led顯示屏子像素排列與光柵形成莫爾條紋較小時(shí)的角度數(shù)據(jù)，記錄子像素排列參數(shù)與莫爾條紋變化趨勢；

73、計(jì)算模塊，用于根據(jù)子像素排列參數(shù)、預(yù)設(shè)視距、像素長寬及光柵與彩色濾光片之間的初始距離，計(jì)算菲林光柵的光柵周期和水平柵距，得到初步設(shè)計(jì)參數(shù)；

74、設(shè)計(jì)模塊，用于采用計(jì)算得到的初步設(shè)計(jì)參數(shù)，結(jié)合人工智能輔助設(shè)計(jì)算法，生成黑白菲林光柵的高精度數(shù)字模型；

75、分析模塊，用于通過該數(shù)字模型，利用機(jī)器學(xué)習(xí)算法對光柵周期與水平柵距的分布特征進(jìn)行智能提取與分析，同時(shí)引入多維度參數(shù)優(yōu)化，預(yù)測不同視距和視角下的莫爾條紋表現(xiàn)；

76、驗(yàn)證模塊，用于通過模擬顯示屏預(yù)設(shè)視距下光柵周期與水平柵距的分布特征，判斷莫爾條紋是否小于預(yù)設(shè)閾值，獲取驗(yàn)證結(jié)果數(shù)據(jù)；

77、調(diào)整模塊，用于若驗(yàn)證結(jié)果數(shù)據(jù)表明莫爾條紋大于預(yù)設(shè)閾值，則調(diào)整光柵與彩色濾光片之間的距離，重新計(jì)算光柵周期與水平柵距，獲取調(diào)整后的設(shè)計(jì)參數(shù)；

78、匹配模塊，用于基于調(diào)整后的設(shè)計(jì)參數(shù)、子像素排列、預(yù)設(shè)視距及像素長寬，建立光柵周期與微透鏡單元排布的動態(tài)匹配算法，得到匹配參數(shù)集合；

79、優(yōu)化模塊，用于通過匹配參數(shù)集合優(yōu)化光柵與微透鏡單元的排布特征，判斷圖像模糊程度是否低于預(yù)設(shè)閾值，獲取優(yōu)化后的排布數(shù)據(jù)；

80、生成模塊，用于根據(jù)優(yōu)化后的排布數(shù)據(jù)生成最終的柱透鏡光柵數(shù)字模型，從數(shù)字模型中提取曲率、間距及排布參數(shù)，確定最終設(shè)計(jì)方案。

81、本發(fā)明相比現(xiàn)有技術(shù)而言，具有以下有益效果：

82、1、本發(fā)明通過儀器測量獲取led顯示屏子像素排列與光柵形成莫爾條紋較小時(shí)的角度數(shù)據(jù)，并記錄相關(guān)參數(shù)與變化趨勢，為后續(xù)設(shè)計(jì)提供了精確的數(shù)據(jù)基礎(chǔ)，避免了傳統(tǒng)方法中因估算不準(zhǔn)確而導(dǎo)致的圖像質(zhì)量問題，從而有效解決了現(xiàn)有技術(shù)中模具尺寸估算不準(zhǔn)確的問題；

83、2、本發(fā)明根據(jù)測量得到的子像素排列參數(shù)、預(yù)設(shè)視距、像素長寬以及光柵與彩色濾光片之間的初始距離，計(jì)算菲林光柵的光柵周期和水平柵距，得到初步設(shè)計(jì)參數(shù)，在此基礎(chǔ)上，結(jié)合人工智能輔助設(shè)計(jì)算法，生成黑白菲林光柵的高精度數(shù)字模型，并利用機(jī)器學(xué)習(xí)算法對光柵周期與水平柵距的分布特征進(jìn)行智能提取與分析，同時(shí)，引入多維度參數(shù)優(yōu)化，預(yù)測不同視距和視角下的莫爾條紋表現(xiàn)，提高了設(shè)計(jì)的精度和效率，減少了對高精度物理制造設(shè)備的依賴，從而有效降低了制作成本；

84、3、本發(fā)明通過模擬顯示屏預(yù)設(shè)視距下光柵周期與水平柵距的分布特征，判斷莫爾條紋是否小于預(yù)設(shè)閾值，獲取驗(yàn)證結(jié)果數(shù)據(jù)，根據(jù)驗(yàn)證結(jié)果調(diào)整設(shè)計(jì)參數(shù)，最終得到柱透鏡設(shè)計(jì)方案，若驗(yàn)證結(jié)果表明莫爾條紋小于預(yù)設(shè)閾值，則繼續(xù)優(yōu)化設(shè)計(jì)；若大于預(yù)設(shè)閾值，則調(diào)整光柵與彩色濾光片之間的距離，重新計(jì)算設(shè)計(jì)參數(shù)，這種動態(tài)調(diào)整機(jī)制大大縮短了開發(fā)周期，提高了技術(shù)的靈活性和適應(yīng)性，解決了現(xiàn)有技術(shù)中開發(fā)周期長、靈活性不足的問題；

85、4、本發(fā)明還建立了光柵周期與微透鏡單元排布的動態(tài)匹配算法，優(yōu)化光柵與微透鏡單元的排布特征，進(jìn)一步提升了圖像質(zhì)量，通過這一算法，能夠根據(jù)不同應(yīng)用場景的需求，靈活調(diào)整光柵的設(shè)計(jì)參數(shù)，確保技術(shù)在不同條件下的穩(wěn)定性和可靠性，最終，根據(jù)優(yōu)化后的排布數(shù)據(jù)生成柱透鏡光柵的數(shù)字模型，確定最終設(shè)計(jì)方案，提高了設(shè)計(jì)的自動化程度和效率，為裸眼3d技術(shù)的快速迭代和發(fā)展提供了有力支持。