單目多視角全景視覺感知三維重構技術研究

郭偉青,吳小剛,湯一平

1(浙江工業大學 之江學院,浙江 紹興 312030) 2(浙江工業大學 信息工程學院,杭州 310023)

1 引 言

基于機器視覺的三維測量和三維重構技術,是一門新興而實用的技術,可廣泛應用于工農業檢測、地理勘測、醫學診斷、文物復制、模具快速成型、刑偵取證、保安識別、機器人視覺、虛擬現實、動漫游戲、動畫制作等領域[1].

基于單目視覺(Monocular Vision)的三維重構是指利用單臺攝像機拍攝成像進行三維重構.圖像可以使用單視點的單幅或多幅圖像,也可以使用多視點的多幅圖像[2].單視點成像可通過分析圖像二維特征來獲取物體深度信息,即X 恢復形狀法.該類方法具有簡單的設備結構,采用單幅圖像或者少量幾幅圖像即可實現三維幾何模型重構,但要求成像及重構的條件比較理想化.多視點成像則在不同圖像中根據相關約束條件匹配特征點,根據匹配約束推導出三維空間坐標,實現三維模型重構.該類方法可實現重構過程攝像機自標定,適用于大型三維場景重構,當圖像信息較充分時重構效果較好,但運算復雜,且重構時間較長.

Shum等依據用戶提供的被測物體約束信息,通過全景成像系統重構出被測物體的三維模型[3],該系統首先為每張圖片恢復出攝像機的位置,然后使用有效的幾何限定來重構三維幾何模型,重構問題通過解線性限定的最小二乘問題來解決.Devevec等將基本幾何形體進行參數化,從而實現建筑場景等幾何形體的交互式三維建模[3],文獻使用單張或少量照片,采用與視點相關的紋理映射來產生渲染效果,模擬出基本模型的幾何細節.上述方法僅適用于由平面或基本幾何形狀構成的物體或場景.

Lipson等采用手工繪制圖像進行三維實體重構[4].文獻通過識別和計算幾何規律來得到相關的三維外形結構,適合于線框型物體重構幾何模型.由于輪廓內部的不確定性,算法無法識別一些重要特征,易產生一定程度的變形,且該方法在處理曲線曲面型物體時會產生較大的誤差.

基于單目視覺的三維重建,一般采用以下幾種方法:

基于知識庫數據三維重建方法.Blanz等使用人頭模型數據庫,從單幅圖像中恢復出人臉模型[5,6],文獻[5]通過轉換示例的形狀和紋理成為一個向量空間表示,導出一個形變的臉部模型,新的臉部及表情通過原型的線性組合來重構.文獻通過計算與數據庫中某一臉部模型的密集點的對應來識別新模型,但是該方法依賴于模型數據庫.

基于深度估計的三維重建方法.研究者采用傳統圖像編輯方法設定圖像中各像素點的深度值[7,8].Chen Y[8]等在圖像編輯系統中,采用參數優化、深度賦值使圖片作自由形狀復制,但是其深度值依賴于操作者的經驗.Saxena等對單張場景圖片的深度估計及模型重建做了系列的研究[9,10],文獻[9]使用一種具有圖像深度線索和不同區塊之間關系模型的MRF方法表示系列參數,用于獲取不同區塊的三維位置和方向,算法優點是單圖像線索可提供大量幾何信息進行深度和形狀檢測,而不需要多幅圖像的線索去推出深度值,但該方法在物體或場景識別中會出錯.

基于表面法向量局部約束條件的三維重建方法.文獻通過用戶交互方式,給出圖像中特征點的對應法向,得到物體曲面的幾何形狀估計[11,12].文獻[11]根據用戶給出的一些局部場景的約束,如曲面位置、法向、輪廓等,得到平滑且符合約束的三維曲面.通過交互操作,對添加的約束條件實時修改模型.該方法可重構出自由形狀的曲面,曲面法向相對于深度估計更易交互指定,但只能重構圖片中可見的曲面,在邊界附近會產生失真.

基于圖像幾何分類的三維模型重構.通過對圖像進行幾何分類、分割、區域標識來進行三維模型重構[13,14].文獻[14]按幾何分類對圖像做標記,用于描述圖像區域的三維場景定位,通過顏色、紋理、透視等線索確認幾何標記.不同線索提供區域不同類型的信息,識別能力強.但由于陰影反射等因素會混淆算法的執行效果.文獻[15,16]使用單目全景成像一次獲取物體表面多視圖,對多視圖區域進行切割,依據多視圖的幾何約束、紋理顏色約束等得到物體表面輪廓信息,因為鏡面數的限制,該方法存在遮擋和失真現象,在處理較復雜物體時易出現形狀的變形.文獻[17,18]提出了基于雙曲鏡面單目全景成像的管道內壁三維檢測及重構方法.對管道橫斷面進行全景掃描,獲取管道切面全景掃描圖像,根據標定結果解析出管道內壁的三維信息.該方法在處理非均勻截面采樣點數據時易出現形狀的失真和不穩定.

本文提出了一種基于單目多視角視圖的輪廓體素極坐標遍歷算法用于真實腳型的三維重構.使用一種以物為中心的單目全景視覺傳感器獲取多個不同視角的被測物體全景圖像,單目多視角成像克服了系統中相機的顏色系統和內外參數很難保持一致的問題,減少了硬件使用成本,同時降低了被測物體立體圖像匹配復雜度,增加了實時性;采用Otsu算法對圖像進行分割,圖像數據的取值范圍只有前景和背景區分,降低了運算復雜度;通過輪廓體素極坐標遍歷得到物體的三維點云數據是一種明確、不含二義性的信息,具有較好的魯棒性,在實際系統應用中驗證了本文方法的有效性.

2 以物為中心的單目多視角全景視覺傳感器

為同步、實時、全方位得到被測對象整體表面信息,我們設計了由平面鏡、折反射鏡、光源及高清CMOS相機組成的單目全景立體成像裝置,采用攝像機在成像孔處拍攝,實時同步獲取7個不同方位攝取的被測物體表面成像,實現以被測物體為觀察中心的全方位成像用于三維重構,其原理如圖1所示.

圖1 單目多視角全景成像裝置Fig.1 Monocular multi-view panoramic imaging equipment

其實現方法為:在相機成像范圍區域內配置6枚平面鏡構成一個斗型鏡腔,反射面朝向鏡腔內部,被測物體表面光線通過6枚平面鏡反射,再經反射鏡兩次改變光路方向,最終投影于相機成像平面上的不同區域,物體在相機成像平面上的多個影像,構成單目多視角全景立體成像.該裝置一次成像即能獲取7個不同方位攝取的物體多視圖,且該7張多視圖具有相同的相機參數和統一的顏色系統.

單目多視角全景視覺系統主要由攝像機、反射鏡和斗型鏡腔組成.斗型鏡腔由6面等腰梯形鏡面構成,鏡腔各組成鏡面呈上小下大朝向腔體內側放置;攝像機光軸與成像裝置反射鏡I夾角為45°,反射鏡I與反射鏡II互成90°放置,反射鏡II與斗型鏡腔的軸心成45°放置.

成像鏡頭入射光線由腔內直射光線和腔內鏡面反射光線經反射鏡II->反射鏡I折反射構成.通過腔內的直射光線依次經反射鏡II->反射鏡I反射投影于成像平面中心區域;腔內鏡面反射光線經反射鏡II->反射鏡I反射投影于成像平面周邊區域.利用鏡面折反射成像原理得到被測物體多個視角成像.因此,斗型鏡腔可視為存在7個透視投影點,即:1個真實相機投影點及6個虛擬相機投影點,對應的成像分別為俯、主、左、后、右、輔助1和輔助2等7個視圖.

單目全景視覺裝置從成像效果上,等同于配備了7臺內外參數統一,且顏色系統保持一致的攝像機,各攝像機坐標之間位置固定且成一定的角度.為減少來自成像系統的外部干擾及環境多義性對成像的影響,該單目立體視覺裝置還設計了一個外殼及內部光源,與外界相對屏蔽.

3 基于輪廓體素極坐標遍歷的三維重構算法

利用上述以物為中心的視覺傳感器一次成像可以得到被測物體多個視角的圖像.根據獲得的多個不同視圖之間的空間幾何關系,設計了一種輪廓體素極坐標遍歷算法獲取物體表面三維型值點數據.

3.1 三維型值點獲取的原理

對帶有顏色信息的被測物體表面點云數據,我們用高斯極坐標表示為(α,β,r,R,G,B),將被測物體中心點作為高斯極坐標的原點,記為O,拍攝主視圖與左右視圖的攝像機的光軸分別與世界坐標系的X軸和Y軸重合;拍攝俯視圖的相機光軸與世界坐標系Z軸重合.被測物體表面任一點A的世界坐標為(x,y,z),A點到O的距離為r,OA連線投影于XOY平面,X軸與該投影線的夾角稱為方位角α,Z軸與OA連線的夾角稱為入射角β[15],如圖2所示,R,G,B為A點的顏色分量值.

圖2 被重構物體在世界坐標系中的位置示意圖Fig.2 Location image of reconstructed object in the world coordinate system

根據以上定義的變量,以第一象限為例,設物體表面任一型值點A,其世界坐標記為 (x,y,z),則A在XOY平面、XOZ平面、YOZ平面上的投影點分別對應俯視圖中的坐標點(x,y)、主視圖中的坐標點(x,z)及左右視圖中的坐標點(y,z);輔助鏡面位于第一、第二象限,與X軸夾角分別為-θ和θ.根據以上約束關系,以方位角α、入射角β及距離r為變量,本文采用遍歷高斯極坐標的方式,遍歷整個被測物體表面,獲取被測物體表面型值點數據.

遍歷整個被測物體表面時,XOZ平面沿著OZ軸對被測物體進行遍歷切分,XOY平面沿著OY軸對其進行遍歷切分,分別按照方位角α從 0度到90度、90度到180度、180度到270度、270度到360度的順序,以及入射角β從-90度到90度順序,依次遍歷.不同的方位角對應不同的約束條件,各方位角范圍和各視圖間的約束關系如表1所示.

表1α的范圍與各視圖間的約束關系
Table 1 Constraints between theαscope and the views

α的范圍0°～90°90°～180°180°～270°270°～360°變量α與各視圖間的約束關系主視圖右半部分與左視圖左半部分以及輔助視圖1(參照俯視圖第一象限)主視圖左半部分與右視圖右半部分以及輔助視圖2(參照俯視圖第二象限)右視圖左半部分與后視圖右半部分(參照俯視圖第三象限)后視圖左半部分與左視圖右半部分(參照俯視圖第四象限)

各視圖中物體表面輪廓信息可采用邊緣檢測算法獲得,當α=0°、90°、180°、270°時,可直接計算獲取物體的輪廓體素,其余角度則無法直接獲取,需要通過遍歷算法查找物體表面體素.

本文對物體表面輪廓信息用離散體素來表示,物體經入射角和方位角的遍歷,被均勻切分成一個個獨立的小立方體空間,依據長、寬、高幾何約束關系限定被測物體表面離散體素的幾何范圍,對方位角α從 0度到360度,入射角β從-90度到90度,依次遍歷,計算出在各方位角α和各入射角β時的最長估算極半徑Re-out與最短估算極半徑Re-in,形成系列可視化幾何立方體,定義為最小包圍體,其外形大小為Δβ×Δα×(Re-out-Re-in).采用空間雕刻算法在Re-out與Re-in之間查找被測物體表面體素,該方法基于光一致性約束原則,如果一個體素屬于被測物體表面體素,則在所有可見該體素的視圖上投影像素的亮度值應相同.

本文采用比較體素投影的亮度值方差和閾值設定來判定光一致性,用Pro(v)表示物體表面體素v投影在K幅相關約束視圖上的像素集,Con(v)表示像素集Pro(v)的光一致性函數,設定閾值為λ,Lm(m∈{1,2,…,K})為像素集v在相關約束視圖m上的投影亮度值,計算亮度值方差用公式(1):

(1)

計算物體表面體素v的光一致性用公式(2):

Con(v)=σ-λ

(2)

若Con(v)<0,判定該像素滿足光一致性條件,則該體素為被測物體表面體素.

3.2 圖像預處理及三維型值點獲取的算法流程

3.2.1 圖像預處理

Step 1.單目多視角全景視覺傳感器獲取被測物體的一次成像(包括俯視圖、主、后、左、右視圖及輔助視圖);

Step 2.對原始成像進行圖像分割,以鏡腔的邊緣作為切割基準,按照一定的比例對原始圖像進行以各個鏡面為基準的切割,獲得以每個鏡面為切割單位的各個視圖;

Step 3.采用閾值分割將各個視圖的前景從背景中分離出來,獲得二值化圖;

Step 4.對二值化圖進行歸一化處理,通過等比例的旋轉和縮放將主視圖與俯視圖進行寬相等的歸一化,以這兩個視圖為基準,再對其他視圖進行歸一化操作,兩個輔助視圖根據固定的鏡面角度參數與側視圖進行歸一化,得到不同視角的七張視圖.

3.2.2 三維型值點獲取流程

Step 1.根據表1對不同的方位角α進行劃分,將被測物體劃分成四個部分;

Step 2.初始設定入射角β和方位角α,使得初始方位角∠α=0°,初始入射角∠β=-90°,設置每次增量為1°;

Step 3.根據表1確定在α范圍內與之相應的視圖遍歷區域;

Step 4.用公式(3)、公式(4)計算出在當前方位角α和當前入射角β時的最長估算極半徑Re-out和最短估算極半徑Re-in,從而獲得被測物體表面點的一個包圍體Δβ×Δα×(Re-out-Re-in);

(3)

(4)

xe、ye、ze是當方位角為α入射角為β時所遍歷視圖的邊緣點坐標值,遍歷視圖范圍由表1確定;

Step 5.若方位角α處于第一、第二象限,將第一、第二象限劃分為四個區域,分別為(0°,90°-θ),(90°-θ,90°),(90°,180°-θ),(180°-θ,180°).從最長估算極半徑Re-out開始遍歷查找被測物體表面體素ve,利用公式(5)計算出遍歷點在輔助鏡面中的坐標值.

(5)

式中,θ為輔助鏡面與x軸的夾角.由公式(2)進行光一致性檢測,在(0°,90°-θ)區間采用左視圖與輔助鏡面1中的視圖進行光一致性判斷;依此類推,在(90°-θ,90°)區間采用輔助鏡面1中的視圖與主視圖,在(90°,180°-θ)區間采用主視圖與輔助鏡面2中的視圖,在(180°-θ,180°)區間采用輔助鏡面2中的視圖與右視圖進行判斷,對于匹配成功的點則跳轉到Step7,否則繼續遍歷;

Step 6.若方位角α處于第三、第四象限,以最長估算極半徑Re-out為起始位置向內遍歷查找被測物體表面點ve,若某點在表1對應的視圖中可見,且符合光一致性約束,則記錄該點信息為(α,β,r);若遍歷的最小包圍體內所有點均不滿足條件,則按公式(4)計算最小值,將其作為候選體素點ve,記為(α,β,r);

Step 7.Step 5和Step 6中所獲取的點(α,β,r),采用公式(6)計算出對應的三維點坐標(x,y,z),保存于文件用于后續測試;

(6)

Step 8.計算β←β+Δβ,判斷是否滿足β≤ 90°,若滿足,則跳轉到Step 4執行;

Step 9.計算α←α+Δα,判斷是否滿足α<360°,若滿足,令β=-90°,跳轉到Step 3執行;

Step 10.三維點云獲取完成.

4 實驗測試

為了驗證上述輪廓體素極坐標遍歷算法,本文采用真人腳型進行實驗測試.

采用單目全景成像裝置一次性同步獲取7個視角被測腳部全景視圖,圖3為鏡腔實物及被測腳部在鏡腔中的成像.

4.1 腳型圖像的預處理

腳型圖像的預處理主要包括多視角全景圖像分割、圖像的灰度化、二值化以及圖像的歸一化處理.

4.1.1 圖像的分割

通過圖像分割將圖5切分成7個不同視角的圖片,用于獲取腳型的7個輪廓的信息.圖像分割調用JDK的圖像分割函數,為了避免過分割,將腳圖中鏡腔的邊緣作為分割的依據,在切割左輔助視圖與右輔助視圖時,需將全景圖分別旋轉-θ與θ角度,實際系統中θ取值根據需要設定.

圖3 鏡腔及鏡腔全景成像Fig.3 Image of the mirror cavity and panoramic imaging

4.1.2 圖像的灰度化處理

圖片任何一個像素點具有RGB三個顏色屬性,而灰度化處理通過參數轉換使得R=G=B,將原來的彩色表示成一種灰度顏色.圖像像素由三個字節處理成一個字節表示,可提高圖像的處理速度.圖像中各像素點灰度值由加權平均法計算獲取,其計算公式如公式(7)所示:

f(x,y)=0.30*R(x,y)+0.59*G(x,y)+0.11*B(x,y)

(7)

運算后獲得灰度圖,該灰度圖中各像素的灰度值作為亮度值參與物體表面光一致性判斷.

4.1.3 圖像的二值化處理

在初始分割中得到的7張視圖中,圖像背景會干擾各個視圖的后續操作,需要做前景的提取.由于在拍攝裝置中將背景設置為黑色,所以被測物體成像顏色與裝置中背景的顏色有較大差異,本文使用閾值法進行分割,當像素灰度值>閾值時設為白色,當像素灰度值<=閾值時設為黑色,經過遍歷處理獲得被測物體初始二值化圖.

4.1.4 圖像的降噪

初始二值化圖不可避免地存在噪聲,圖像前景有許多黑點,即丟失的前景部分,背景有許多白點,即多余的背景部分.因此需進一步消除背景中多余信息,修復前景丟失的信息,排除噪聲對后續的干擾.

由于前景主要為白色,而噪聲區域普遍較小,通過深度優先遍歷,計算各個白色連通塊的面積,消除較小的白色連通塊,留下最大白色連通塊,初步消除背景區域的噪聲.然后用同樣方式消除較小的黑色連通塊,留下最大黑色連通塊,初步修復前景區域丟失的信息.采用膨脹和腐蝕算法,對二值化圖進行后續降噪.

4.1.5 圖像的歸一化處理

以俯視圖為基準,將7張視圖進行旋轉和等比例縮放,使之符合約束關系:左、右視圖的長與俯視圖的長保持一致,主、后視圖的寬與俯視圖的寬保持一致,左、右輔助視圖的長與俯視圖上的投影部分相對應.

根據裝置鏡腔的幾何關系,確定腳部重心在各個視圖中的位置,可獲得統一的多視角圖像重心.將得到的二值化圖統一轉化為500*500像素的圖像,便于三維型值點的提取.圖4(a)-圖4(g)為經過預處理獲取的7視圖的二值化圖,圖4(h)-圖4(n)為經過預處理獲取的7視圖的灰度圖.

4.2 型值點數據的獲取及三維重構

在三維型值點數據的獲取過程中,為了便于點匹配數據處理,首先將二值化圖像轉化為布爾類型的二維數組.點匹配過程采用了高斯極坐標遍歷,需要確定腳型表面體素的極半徑R的值,算法中通過各視圖的邊界檢測來獲取R的取值范圍,通過對入射角β和方位角α的遍歷,在R取值范圍內從最短估算距離到最長估算距離依次進行點匹配,獲取腳型各個表面體素.

圖4 預處理獲取的7視圖的二值化圖(a-g)和灰度圖(h-n)Fig.4 Binary images(a-g)and grey images(h-n)of the 7 views obtained by preprocessing

圖5為采用本文所述輪廓體素極坐標遍歷法得到的腳型三維點云重構圖.

圖5 被重構腳型的三維點云顯示Fig.5 Three-dimensional point cloud displays of the reconstructed foot

4.3 誤差測試

為了對重構誤差進行分析,本文通過對被測物體的投影與原始分割進行比較,得出誤差數據.

首先計算點云數據的投影,其過程如下:

點云數據中每個點(x,y,z),通過計算實現點云數據在高斯坐標系內的旋轉.

如某點以Z軸為中心旋轉k度:

Step 1.用t=arctan(y/x)求得該點在XOY平面上的角度;

Step 2.使t=t+k,得出旋轉后的角度;

Step 3.令R= sqrt(x*x+y*y),求得該點在平面XOY上的投影與原點O的距離;

Step 4.用x′=R*cos(t)求得新的x坐標,y′ =R*sin(t)求得新的y坐標;

Step 5.計算完成.旋轉后的坐標為(x′,y′,z).

同理,同樣方法可完成以Y軸為中心以及以X軸為中心的旋轉.

要獲得相應視圖的投影,則可將對應的面旋轉至Z軸正方向,然后根據點的x,y坐標映射到投影緩沖區.表2 為不同視圖的原始分割和投影圖.

表2 不同視圖的原始分割和投影
Table 2 Original segmentation and projection of different views

序號視圖原始分割投影1俯視圖2主視圖3左視圖4后視圖5右視圖6輔助視圖17輔助視圖2

誤差測試方法1為通過膨脹腐蝕進行閉運算,將投影圖中的空洞填充,然后利用得到的圖與原始分割圖按照同一中心點重疊,分別統計其共同區域、僅原圖存在區域、僅投影存在區域,重疊圖為表3中所示.統計各區域像素點,按照Max{僅原圖存在區域像素點,僅投影存在區域像素點}/共同區域像素點,計算誤差率,數據見表3.

誤差測試方法2為比較投影和原視圖各方向上的截線長度.利用表2中列出的原始分割和投影,以中心點為基準,計算投影各個角度上通過中心點的截線長,同時也計算原始分割各個角度上通過中心點的截線長.對每個視圖方向的投影和原始分割的每個角度,計算誤差率|Ws-Wo|/Wo,Ws為當前投影在當前角度下的截線長,Wo為當前原始分割在當前角度下的截線長.對180個方向上的誤差求平均值作為最后該視圖方向上的平均誤差.

計算通過中心點每個方向上的截線長.遍歷像素點,根據像素點相對于中心點的(x,y)值計算角度t= arctan(y/x).按照t的整數部分k分別計算dist[k]k=0,1,2,…,359,表示360個方向的邊緣點到中心點的最大距離.

遍歷角度[0,180),令length[k] =dist[k] +dist[k+180] 得到角度k上的截線長.按照以上方法計算得到各視圖各方向通過中心點的截線長,可求得誤差.

表3 原始分割和投影疊加圖及數據分析
Table 3 Overlay image of original segmentation and projection with data analysis

序號視圖重疊圖僅原圖存在區域像素點 僅投影存在區域像素點 共同區域像素點 誤差率1俯視圖47736358061.31%2主視圖357337132892.62%3左視圖532736257282.81%4后視圖772361132655.50%5右視圖903255262123.33%6輔助視圖171123184880.66%7輔助視圖2134145187090.77%

誤差數據如表4所示.

表4 方法2在不同視圖上的誤差數據
Table 4 Error data of method 2 on different views

整理各角度誤差,得到各視圖各角度誤差數據,如圖6(a)所示,其中俯視圖與輔助視圖1各角度誤差率數據圖如圖6(b)、圖6(c)所示.

從上述實驗所得的數據進行分析,用兩種方法測試誤差均顯示后視圖誤差相對較大.理想狀態的主后視圖輪廓應按鏡面垂直對稱,因此該誤差可通過調整被測物體擺放角度、相機拍攝位置及鏡頭角度等方法以減少拍攝誤差,從而得到較好的成像效果.實驗過程中還發現由于物體表面對光線的反射作用,有時在對初始圖像二值化處理中產生噪聲較大,針對這一影響因素,我們通過調整光源及閾值,獲得較好的重構效果.后續需進一步提高裝置精度,同時減少環境干擾,以提高前景提取的準確度,降低重構誤差.文獻[15]和文獻[16]提出用單目多視角全景視覺傳感器進行腳型測量及重構,采用的方法是基于5視圖全景成像,因為鏡面數的限制,該方法在重構過程中存在遮擋和失真現象.本文采用單目多視角7視圖實現被測物體的三維重構,增加了鏡面數,即增加虛擬視點,獲取了更多的物體表面信息,實驗結果顯示較好的重構效果.

5 結束語

針對基于機器視覺的物體三維建模,本文研究了單目折反射成像機理,利用由多個折反射鏡面組成的矩形狀斗型腔所形成的多視角立體視覺特性,探索以物為中心的全景立體感知理論與方法,實現了一種基于單目多視角成像的輪廓體素極坐標遍歷重構方法.通過單目全景立體視覺傳感器獲取幾何物體的全景視圖,采用Otsu算法對圖像進行分割,提取前景信息,用輪廓體素極坐標遍歷得到物體的表面采樣點數據.克服了通用多視角成像在三維重構中存在的攝像機的顏色系統和內外參數很難保持一致;在圖像特征提取及立體匹配過程中實時性不足且所花計算資源較多;軟件系統復雜度過高等問題.該方法計算過程簡單,易于軟件編程實現,并用真人腳型三維重構實驗驗證了該方法的有效性.