Особенности реализации алгоритмов и представления данных в системе оптического моделирования Lumicept в рамках верификации по тестовым сценариям CIE 171:2006

Статья описывает функциональные особенности системы оптического моделирования Lumicept, которые являются значимыми для моделирования освещенности и верифицированы с использованием тестовых сценариев, разработанных Международной комиссией по освещению (CIE) в рамках стандарта CIE 171:2006. Вкратце описываются методы оптического моделирования, используемые в других программных комплексах, в частности, методы конечных элементов и обратной трассировки лучей. К числу особенностей системы Lumicept, влияющих на прохождение тестов, относятся как конкретные вычислительные алгоритмы оптического моделирования, используемые в тестовых сценариях, так и особенности представления данных сцены, которые влияют на работу вычислительных алгоритмов. В качестве вычислительных алгоритмов используется прямая Монте-Карло трассировка лучей, включая методы трассировки путей (Path Tracing), и специализированные методы, например, метод расчета годовой динамики освещенности (Daylight Autonomy). Особенности представления сцен включают способы задания оптических свойств поверхностей, моделирование точечных и протяженных источников света. Также отдельно затронута тема использования различных способов генерации случайных чисел, применяемых в стохастических методах трассировки лучей. Результаты тестирования системы Lumicept продемонстрировали корректное моделирование распространения света данной системой, при этом точность результатов сравнима с точностью результатов других популярных систем.

1. Maamari F. et al. Reliable datasets for lighting programs validation – benchmark results. Solar Energy, 2005, vol. 79, no. 2, pp. 213-215. DOI: 10.1016/j.solener.2004.12.003.

2. Бирюков Е.Д. и др. Верификация системы оптического моделирования Lumicept по тестовым сценариям CIE 171: 2006. DOI: 10.25686/978-5-8158-2474-4-2025-305-318.

3. Lumicept – Hybrid Light Simulation Software. Available at: http://www.integra.jp/en, accessed 15.01.2026.

4. Cohen M.F., Wallace J.R. Radiosity and realistic image synthesis. Morgan Kaufmann, 1993.

5. Rushmeier H.E., Torrance K.E. Extending the radiosity method to include specularly reflecting and translucent materials. ACM Transactions on Graphics (TOG), 1990, vol. 9, no. 1, pp. 1-27. DOI: 10.1145/77635.77636.

6. Frolov V.A. et al. Light transport in realistic rendering: state-of-the-art simulation methods // Programming and Computer Software, 2021, vol. 47, no. 4, pp. 298–326. DOI: 10.1134/S0361768821040034.

7. Veach E. Robust Monte Carlo methods for light transport simulation. Stanford University, 1998.

8. Pharr M., Jakob W., Humphreys G. Physically based rendering: From theory to implementation. MIT Press, 2023.

9. Geisler-Moroder D., Dür A. Validation of radiance against CIE171: 2006 and improved adaptive subdivision of circular light sources. Proceedings 7th International RADIANCE workshop, Fribourg, 2008.

10. Reinhart C., Breton P. F. Experimental validation of Autodesk® 3ds Max® Design 2009 and DAYSIM 3.0. Leukos, 2009, vol. 6, no. 1, pp. 7-35. DOI: 10.1582/LEUKOS.2009.06.01001.

11. Pierson C., Wienold J., Bodart M. Daylight discomfort glare evaluation with Evalglare: influence of parameters and methods on the accuracy of discomfort glare prediction. Buildings, 2018, vol. 8, no. 8, pp. 94. DOI: 10.3390/buildings8080094.

12. Mangkuto R.A. Validation of DIALux 4.12 and DIALux evo 4.1 against the Analytical Test Cases of CIE 171: 2006. Leukos, 2016, vol. 12, no. 3, pp. 139-150. DOI: 10.1080/15502724.2015.1061438.

13. Kralikova R. et al. Design of Illumination and Lighting Visualization by Simulation Methods // Dynamical Systems Theory and Applications. Cham: Springer International Publishing, 2017, pp. 229-239. DOI: 10.1007/978-3-319-96601-4_21.

14. Davoodi A., Johansson P., Enger J. Comparison of lighting simulation tools with focus on lighting quality. Improving Energy Efficiency in Commercial Building Conference (IEECB’14), 2014, p. 15.

15. Thaung J. et al. Visualization tool for increased quality of vision. Proc. of ARCH12. 2012.

16. Барладян Б.Х., Волобой А.Г., Галактионов В.А., Шапиро Л.З. Двухуровневая трассировка лучей и ее применение для интерактивной визуализации и оптического моделирования. Информационные технологии в проектировании и производстве, 2008, № 4, с. 81-88.

17. Wichmann B.A., Hill I.D. Generating good pseudo-random numbers. Computational Statistics & Data Analysis, 2006, vol. 51, no. 3, pp. 1614-1622. DOI: 10.1016/j.csda.2006.05.019.

18. Сесин И.Ю., Нечаев В.В. Сравнительный анализ генераторов псевдослучайных чисел для решения задач рендеринга методом Монте-Карло. International Journal of Open Information Technologies, 2018, vol. 6, no. 10, pp. 34-40 (in Russian).

19. Hamburg M., Kocher P., Marson M. E. Analysis of Intel’s Ivy Bridge digital random number generator. 2012. Available at: https://cdn.atraining.ru/docs/Intel_TRNG_Report_20120312.pdf, accessed 25.03.2026.

20. Barladian B.K., Voloboy A.G., Galaktionov V.A., Shapiro L.Z., Integration of realistic computer graphics into computer-aided design and product lifecycle management systems. Programming and Computer Software, 2018, vol. 44, no. 4, pp. 225-232. DOI: 10.1134/s0361768818040047.

21. U.S. Green Building Council (USGBC). LEED v4.1 Building Design + Construction Guide, EQ Credit: Daylight. Available at: https://www.usgbc.org/leed/v41, accessed on 15.01.2026.

22. Ershov S. et al. Virtual Light Sensing Technology for Fast Calculation of Daylight Autonomy Metrics. Sensors, 2023, vol. 23, no. 4, p. 2255. DOI: 10.3390/s23042255.