coloured towers · パート2/2
色彩、テクノロジー、光の喜び
パート2 — 技術的課題と実験
この記事では、英国の芸術家Dave Bramstonのために4メートルの高さのLEDタワーを制作する際の技術的側面に深く掘り下げます。このコラボレーションの創造的な背景や、パンデミック期間中に英国のThe Bowes MuseumでColoured Towersを制作した経緯について知りたい方は、パート1: アートワークの背景ストーリーをご覧ください。
このアートインスタレーションの実現にあたり、TechxArtisanではいくつかの技術的障壁を克服する必要がありました。使用した主要なハードウェアは、NvidiaのJetson Nano—AIアルゴリズムの実行に最適な低消費電力GPU搭載マイクロコンピューター—and ESP32、広く使用されているマイクロコントローラーユニット（MCU）で、FastLEDライブラリを使用してホストコンピューターとLED照明ユニット間の通信を効果的に管理します。
プロセスの概要は以下の通りです：
- Jetson Nano上のAIアルゴリズムがカメラを通じて人々の服装を検出します。
- K-meansクラスタリングを使用して服装の支配的な色を抽出します。
- 抽出されたRGB値がESP32に送信され、アートワークに取り付けられたLEDストリップを制御します。
それでは、遭遇した最も興味深い技術的課題をいくつか詳しく見ていきましょう。
Nvidia Jetson Nanoによる服装検出
Jetson Nanoにより、人間の服装を検出するよう訓練されたオープンソースのAIモデルを実行できました。このプロセスでは、カメラから各画像フレームをキャプチャし、10×16のグリッドのマトリックスに分割し、ターゲット—この場合は服装—に一致するグリッドを特定するモデルを実行します。このモデルはMHP Class listに含まれる様々なオブジェクトを検出するよう設計されていますが、私たちは特に服装検出に使用しました。
現実とデジタル間の色変換
人間の視覚は反射光を通じて色を認識しますが、機械は画像をキャプチャし、それをデジタルコードに変換することで色を「見ます」。ここに難しい部分があります—カメラは照明、フォーカス、ホワイトバランス、露出設定などの要因により、常に正確に色をキャプチャするわけではありません。私たちはこのギャップを埋め、現実にできるだけ近い色をキャプチャすることを目指しました。
機械が色を検出すると、k-meansクラスタリングを適用して服装から支配的な色を抽出します。これらのRGB値は平均化され、LEDコントローラーに送信されます。
LEDの色とRGB問題
使用したLEDライトストリップ（ws281xシリーズ）は、赤、緑、青（RGB）のチャンネルを混合して幅広い色を作成できます。しかし、いくつかの制限があります：
- LEDライトは、来場者の服装が暗い場合、グレーや黒を表現するのに苦労します。LEDは単に全体的な明るさを下げるだけです。
- 私たちのws281xストリップはわずかに青寄りになる傾向があり、ソフトウェアで色バランスを微調整して正確な色合いを得る必要がありました。
また、興味深いフィードバックループも存在します：機械が誰かの服装の色を検出すると、対応するLEDライトの色を投影し、それが元の服装の色合いを強化します。これにより、複数の参加者が異なる色の服装を着ている場合に特に楽しくなる、動的で反復的なプロセスが生まれます。
すべてのLEDストリップの給電
あれだけ多くのLEDストリップを安全かつ効率的に点灯させるのは容易なことではありませんでした。4本の柱それぞれで、システムが問題なく負荷を処理できるよう、慎重な電力計算が必要でした。簡単な内訳は以下の通りです：
各柱あたり：
- 24本のLEDストリップ × 1本あたり4メートル = 96メートルのLED
- 96メートル × 1メートルあたり60個のLED = 5,760個のLED
- 各ストリップはフルパワー（白色光）で4アンペアを使用
- したがって、24本のストリップ × 4アンペア = 1本の柱に96アンペアが必要
- 96アンペア × 12V = 1本の柱あたり1,152W
これにより、4本の柱がフル強度で点灯した場合、合計約4,600Wになります。ただし、私たちが作成した光のアニメーションのほとんどは、フル白色光を使用することはほとんどないため、大幅に消費電力を抑えています。それでも、冗長性を組み込むことでシステムの安全性と安定性を確保しています。
技術的に興味のある方のために、FastLEDコードのスニペットを以下に示します：
const uint8_t kMatrixWidth = 12;
const uint8_t kMatrixHeight = 80;これにより、各柱あたり12 × 80 = 960ピクセルを制御できました。
最後に
より詳細な技術的洞察については、RedditのFastLEDコミュニティでの私の投稿をご覧ください。QuindorとCharles Goodwinのサポートとアップボットに感謝の意を表します。Dave BramstonおよびThe Bowes Museumとのコラボレーションは非常に充実した経験であり、芸術とテクノロジーの境界をさらに押し広げていきたいと考えています。
類似のプロジェクトに取り組んでいる方や、この種のインスタレーションに興味がある方は、お気軽にご連絡ください—私たちは常に知識を共有し、コミュニティの他の方々から学ぶことを喜んでいます。
ご覧いただきありがとうございました！
概要： 4本の柱、各約5 m · 1本の柱あたり5,760個のLED · Nvidia Jetson Nano + ESP32 · Journey in Colour、The Bowes Museum、2022年6月18日 – 10月30日