基于太阳光模拟的AR-HUD聚焦光斑检测

车载AR-HUD (增强现实抬头显示系统)通过将驾驶状态、导航与实时路况 信息投射至驾驶员视野前方,显著提升了行车安全性与驾驶体验。然而,其光学设计中存在的"太阳 回流聚焦 "现象可能导致PGU(图像生成单元)温度过高 ,进而影响显示效果甚至损坏设备。本实验基于紫创测控luminbox 太阳光模拟器 ,提出一种用于AR-HUD的太阳聚焦光斑检测方法,实现光斑温度监测与定位,为AR-HUD的热管理提供可靠技术支持。

一、 检测系统设计

1. 硬件架构

检测系统采用红外温度阵列传感器 ,其具备32×24像素的温度测量分辨率,支持-40℃至300℃ 的宽温范围,且功耗较低。传感器通过I²C接口与微控制器通信,实现温度数据的实时采集与处理。系统电源模块兼容AR-HUD的12V供电,经稳压芯片转换为5V与3.3V,为传感器与MCU供电。

2. 软件流程

系统持续采集PGU区域的温度数据 ,实时计算温度最大值 Tmax 、最小值 Tmin 及其差值 Td。当 Td超过设定阈值(如25℃)Tmax高于PGU额定温度上限 时,系统判定发生太阳逆流 ,并启动光斑定位程序。检测时间间隔设置为1秒,兼顾实时性与系统负载。

二、 实验设置

AR-HUD对太阳光线的聚焦示意图

采用太阳光模拟器 模拟不同光照条件,确保实验环境的可控性与重复性。将传感器 安装于远离PGU的位置,避免遮挡投影光路,设置三组实验场景:

HUD 未运行且无太阳光回;

HUD 正常运行但无太阳光回流;

HUD 正常运行且发生太阳光回流。

同步使用直接接触式热电偶传感器采集 PGU 光斑中心实际温度,作为数据校准基准。

三、实验 关键数据处理

光线使红外温度图像发生反转(a)HUD 未运行且无阳光回流 (b)HUD 正运行且无阳光回流 (c)HUD 正运行且有阳光回流

红外图像处理将温度数据 映射为伪彩色图像 ,回流发生时,PGU 光斑区域 与非显示区域温差显著,可直观识别热点位置。通过二维高斯曲面 拟合方法定位光斑中心 :基于光斑能量的高斯分布特征,经对数变换与矩阵求解得到拟合系数,结合PGU 实际尺寸(7.1cm×5.3cm) 完成坐标映射。针对红外传感器测量值低于真实值的问题,采用最小二乘法建立修正模型(Tpredict = a・Tmeasure + b),模型皮尔逊相关系数达 0.997,平均绝对误差仅 0.641℃,确保温度数据准确性。

四、实验 结果

PGU 温度曲线(左)与三维红外温度图像(右)

实验验证表明,该检测系统可精准判定太阳光回流 (温差阈值 25℃),并实现光斑位置的实时定位 ,温度检测间隔 1 秒,满足实时性要求。与现有方案相比,本系统无需牺牲PGU 显示区域 ,同时具备温度监测与光斑定位双重功能,适配多数车载 AR-HUD。虽红外传感器成本相对较高,但可通过选用 8×8 像素传感器结合插值算法降低成本,兼顾经济性与实用性。

综上,本实验提出了基于太阳光模拟器 与红外温度阵列传感器的AR-HUD太阳聚焦光斑检测方法 ,能够实时监测PGU温度定位光斑位置 ,为预防太阳逆流 引起的设备损坏提供了有效手段。实验数据验证了系统的准确性与可靠性,该方法不占用显示面积、响应迅速,具备良好的实用性与扩展性。

Luminbox全光谱准直型太阳光模拟器

紫创测控Luminbox 全光谱准直太阳光模拟光源是专为车载AR-HUD测试 而设计的专业光源设备,能精准模拟自然光环境,支持光谱/ 亮度 / 色温调控 ,帮助在实验室内进行太阳直射、光学干涉与动态光适应性等 HUD光学性能测试与验证。

全光谱覆盖:350nm-1100nm 光谱,贴近自然光权重

高动态亮度:2 米处 20,000-150,000Lux,满足HUD 亮度响应测试

强光抗扰验证:直射模拟复现图像模糊/ 重影问题场景

多场景适应:支持日间/ 夜间 / 隧道等光照动态切换测试

紫创测控Luminbox全光谱准直型太阳光模拟器 以精密光学的工程化应用,可有效缩短从基础研究到工业验证的周期,为车载AR-HUD测试提供可靠的"人工太阳",助力汽车领域的技术革新。

相关推荐
jacky25712 小时前
衍射光波导与阵列光波导技术方案研究
aigc·ar·xr·ai编程·仿真·混合现实·光学设计
ar01231 天前
精密制造行业应用AR装配技术
人工智能·ar
yurenxinhong1 天前
2026年全新的AR远程协助系统产品都有哪些
ar·ar远程协助·ar远程协助系统·ar远程协助产品·ar远程协助服务
ar01232 天前
AR技术如何改变传统的通信运维系统
人工智能·ar
玖疯子5 天前
技术文章大纲:Bug悬案侦破大会
开发语言·ar
Luminbox紫创测控5 天前
不同光照模拟下的车载 AR-HUD 颜色可见性评估
ar
haiyu_y5 天前
Day 58 经典时序模型 2(ARIMA / 季节性 / 残差诊断)
人工智能·深度学习·ar
haiyu_y5 天前
Day 57 经典时序模型(1)——差分、ACF/PACF 与 AR/MA/ARMA
人工智能·深度学习·ar
ar01237 天前
水务应用AR技术:推动智慧水务的创新实践
人工智能·ar