多目视觉三维人体运动

上海交通大学

硕士学位论文

多目视觉三维人体运动

姓名：郑恩亮

申请学位级别：硕士

专业：模式识别与智能系统指导教师：刘允才

20081223

多目视觉三维人体运动

摘 要

本论文围绕机器视觉的重要课题——多目视觉三维人体运动——展开研究，他不仅涉及到机器视觉的底层问题，而且做了许多高层的视觉处理。多目视觉三维人体运动分析就是对多目图像或视频进行处理，获取人体姿态和运动参数。它在智能监控，虚拟现实，人机交互，人体运动分析，视频编解码等领域有广泛而潜在的应用价值。最近几年，国际上学术界和企业界对这个领域作出了广泛而深入的研究，并取得了长足的进步与发展。

在大量阅读国内外期刊文献的基础上，我们对三维重建，人体初始化和跟踪，以及运动参数分析等方面做了细致的分析和研究，提出了一些创新性的算法，并取得了一些有价值的实验结论：

(1)前景背景分割是一个传统的难题。本论文在基于贝叶斯分割的方法基础上，提出了新的基于超像素的分割方法。与传统的单像素分割方法不同，本方法直接把有前景的图像与背景图像的超像素进行比较，并取得了显著的效果。

(2)在三维重建部分，提出了一种新的基于贝叶斯理论的信息融合的方法。传统的三维重建算法Shape From Silhouette对于前景轮廓提取中的噪声非常敏感。本论文的方法把三维重建过程视作一个信息融合的过程，实验证明这种方法非常鲁棒。

(3)提出了一种新的解决骨架模型初始化的问题。由于单帧数据的初始化没有前后帧数据的信息，所以这是一个非常困难的问题。本论文提出的新方法可以在人体姿势简单的情况下（比如站立，行走等），自动地

估计人体姿态。

(4)提出了一种新的人体跟踪算法。这种方法以人体三维数据与骨架的匹配程度作为匹配函数，使用概率进化算法求取匹配函数的最优值。该方法能很好地完成人体跟踪。

(5)提出了一种新的运动数据定量分析方法。在实验中，商业用的基于标志的运动捕获系统获得的数据作为真值。我们把该系统获得的位置参数转换为角度参数，与人体跟踪中获得的运动参数进行比较。

关键词：多目视觉，人体运动，超像素，三维重建，贝叶斯，骨架模型，跟踪

Multi-view 3D Human Motion Capture

ABSTRACT

This thesis focuses on one of the most important topics in computer vision, i.e., multi-view 3D human motion capture, which not only involves many issues of low-level vision but also provides motion data for high-level visual analysis. Multi-view 3D human motion capture is to calculate human motion parameters based on calibrated multi-view cameras. It has a wide scope of promising applications in many areas such as smart surveillance, virtual reality, advanced perceptual interfaces, motion analysis, and model-based coding. In recent years, the area of human motion capture based on multi-view cameras received increasing attention from both academia and industry, and many achievements have been obtained.

In this thesis, we analyze the 3D reconstruction, skeletal model initialization & human motion tracking, motion parameters evaluation, and so on. We presented several novel methods and achieve some valuable results. Our contributions are summarized as follows.

(1)The foreground and background classification is a classic difficult problem. Unlike the traditional way of classification by labeling each pixel as foreground and background, we provide a new classification based on superpixels. The experimental results show large improvement.

(2)In the part of 3D reconstruction, a Bayesian framework is used to fuse the information each time a new image is observed. The experiments show this new method is more robust compared to traditional method of Shape From Silhouette, which is sensitive to classification errors.

(3)A new method is proposed to solve the problem of skeletal model

initialization based on single frame of voxel data. As no former information can be referred to, it is a very difficult problem. This thesis proposes a new algorithm for skeletal model initialization under the condition that the gesture is general(such as standing, walking, etc.).

(4)A new algorithm of human body tracking is presented. This method defines the match level between the voxel data and skeletal model as the fitness function. The Probability Evolution Algorithm (PEA)is used to find the minimal solution to the fitness function. The experiments prove the effectiveness of this method.

(5)A method for quantitative evaluation is presented. In the experiment, the motion data captured by the commercial marker-based motion capture systems is defined as ground truth. The position parameters are converted to angle parameters, which is used to compare with the motion parameters calculated from human body tracking.

keywords：Multi-view，human tracking，superpixel，3D reconstruction，Bayes，skeletal model，tracking

上海交通大学

学位论文原创性声明

本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：

日期：年月日

上海交通大学

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

保密□，在 年解密后适用本授权书。

本学位论文属于

不保密□。

(请在以上方框内打“√”)

学位论文作者签名： 指导教师签名：

日期： 年 月 日 日期： 年 月 日

第一章绪论

1.1背景和发展状况

人运动的视觉分析是计算机视觉领域一个重要的研究方向，它旨在对图像或视频进行分析，从而获得人体姿态和运动参数，并进一步进行姿态识别、语义分析及行为理解。它覆盖了脸像识别、手势识别、人体跟踪、语义分析等研究领域[1]，需要使用运动分割、跟踪、识别、语义表示与推理等技术，涉及到模式识别、图像处理、计算机视觉、人工智能、图形学等学科领域。这是一个具有挑战性的、跨学科的研究方向。本论文将对人运动的视觉分析中的人体建模与跟踪进行研究。

目前，随着计算机硬件系统的不断升级和人工智能理论的继续完善，对于人的视觉分析研究也逐渐从研究单人运动向多人，从人体运动姿势估计到人体行为分析方向发展。目前在人体运动方面有着深入研究的机构主要有法国INRIA实验室Bill Triggs 研究组、瑞士 EPFL 实验室Pascal Fua 研究组、美国 Brown大学计算机系 Michael J Black 研究组、加拿大多伦多大学计算机系C. Sminchisescu研究组。

此外，美国和欧洲一些国家已经开展了大量有关人体运动分析的研究项目。1997年美国国防高级研究项目署设立了以卡内基梅隆大学为首、麻省理工学院等参与的视觉监控重大项目，主要研究用于战场及普通民用的场景监控与自动视频理解技术。英国的雷丁大学已开展了对车辆和行人的跟踪及其交互作用识别的相关研究.浙江大学计算机学院人工智能所也在人体运动分析和三维动画方面有雄厚的硬件基础，本论文的运动捕获实验就是与该所合作完成的。

1.2典型应用

计算机视觉领域对人运动的视觉分析的浓厚兴趣主要源于三个方面：一是计算机视觉理论和算法的发展；二是廉价且高品质的视频采集设备的出现；三是人运动的视觉分析本身有着广泛的应用前景和潜在的经济价值。其中第三点又是最本质、最重要的原因。下面借鉴同行的分类[1,2,3]，将人运动的视觉分析的典型应用总结如下。

1) 虚拟现实（Virtual Reality）

为了在虚拟空间中产生生动逼真的人物动作，最好的办法就是先用视觉方法对物

理世界中的人体运动进行分析，获取人体模型、人体姿态以及运动参数，再利用这些数据用图形学的方法生成动画。另外，以往网络上的虚拟空间（如聊天室）主要通过文本来实现，有时也增加一些二维的图标来导航用户，更加逼真、丰富多彩的虚拟空间应该是交互式的，它可以利用虚拟现实技术增加手势、头部姿态以及脸部表情，为参与者提供更加自然便捷的交互方式。近年来的电影和游戏也非常得益于虚拟现实技术，如电影《最终幻想》和《怪物史莱克》中的人物动作（行走和打斗等）基本上是由电脑制作的。

2) 智能监控（Smart Surveillance）

这里强调的是“智能”。传统的视觉监控系统往往是将摄像机与显示器连接，工作人员24 小时在显示器前监视，这种做法耗费大量人力物力，而且由于工作人员的疲劳容易失误。一个真正智能的监控系统除了能够检测受控区域的人的运动之外，还能够实时识别异常行为（如非法闯入、偷窃等）并及时报警，而且这个过程基本是自动化的。因此，智能监控系统[4,5]在安全监控场所很有应用前景，如银行、超市、停车场等，它不仅提高安全性、减少犯罪，而且还节省大量人力物力。在访问控制（Access Control）场合，也可以利用人脸或者步态的跟踪识别技术[6]以便确定来人是否有进入该安全领域的权利。

3) 高级用户接口（Advanced Perceptual Interfaces）

要使计算机能够被更加普遍化的使用，必须为计算机提供比鼠标和键盘更加自然、快捷、智能的接口。语音接口大大简化了人机对话，而视觉信息（如手势、头部姿态、表情等）又可以作为语音识别和自然语言理解的有效补充。通过运动检测和脸像识别，计算机可以感知用户的存在，并识别用户的身份；手势可以方便地给计算机下命令；而表情分析使计算机能够提前预测用户的目的，从而使用户接口真正智能化。

4) 运动分析（Motion Analysis）

这种应用需求来源于体育比赛录像的检索、运动员的训练和医学矫正。有时候需要从大量的比赛录像中检索某个运动员进球的镜头，而人运动的视觉分析可以使人免除浏览大量的视频数据。在训练运动员的过程中，可以用视觉技术分析运动员的视频序列，恢复运动过程中的人体姿态和运动参数，再对这些数据进行科学分析，找出动作的缺陷，从而为运动员的下次训练提供建议。另外，人的运动分析在医学矫正有着重要应用，传统的步态分析是肌电图学、关节动力学的研究范畴，而目前的医学步态分析[7,8]是一个旨在提供诊断和治疗支持的研究领域，它可以提供人体正常步态建模的线索，有助于开发生物反馈系统来分析病人的步态，判断其腿步受伤情况或者畸形程度，从而做出积极的整形补偿或有效的治疗。

5) 基于模型的编码（Model-based Coding）

随着MPEG-4 标准的推广，这个应用需求越来越迫切，尤其是在可视电话和远程会议中。由于带宽的限制，一般的视频压缩技术无法满足可视电话和远程会议数据顺畅的传输。这个应用，背景一般变化非常小，变化的主要是脸部表情和头部姿态，如果能首先对脸像和头部建模，在后续过程中则仅仅只要对表情和姿态进行编码传输即可。基于参数编码的压缩是目前视频计算的热点之一。

1.3论文内容和结果

1.3.1 课题来源

本文的研究工作是在国家973项目“可视媒体的表示分析和运用”、国家自然科学基金项目“变形连接体模型的人体三维运动分析”和国际合作项目的支持下展开的。

1.3.2 论文内容

图 1-1 多摄像头运动捕捉系统框架

Fig 1-1 Framework of multi-camera based motion capture systems 本论文主要研究基于多目视觉的三维人体运动分析，并对捕获的运动数据做定量分析。实验数据是在浙江大学的运动分析实验室拍摄的。有2套设备拍摄数据。一套是基于标志的商业用运动捕捉系统，这种系统的特点是需要在人身上佩戴反光用的标志。这种系统已经非常流行。我们把基于标志的商业用运动捕捉系统获得的运动数据定义为真值。另外一套设备是16个普通摄像头。通过这16个摄像头的数据进行三维重建，获得三维的voxel数据。然后由voxel数据进行骨架模型初始化和跟踪。跟踪

可以获得一组人体运动数据。最后把这套运动数据与商业用运动捕捉系统获得的真实数据进行比较。本实验的目的是想证明基于多摄像头运动捕捉系统的可靠性。系统框架如图1-1所示。

1.3.3 文章结构安排

全文共分七章，具体结构安排如下：

第一章简要介绍了国际国内三维人体运动的发展现状和趋势，以及人体运动第二章主要介绍了复杂背景中的人体轮廓提取。首先介绍了传统的基于单像素的前景背景分割，然后提出了新的基于超像素的前景背景分割方法，最后给出了对比的实验结果

第三章主要介绍了摄像机的内外参数标定。这一步是三维重建中的极其重要的一步，因为在计算三维空间在图像上的投影时需要摄像机的内外参数。最后给出了实验用图以及一组实验结果。

第四章主要阐述了基于视频的三维人体体数据计算，包括人体图像轮廓检测，图像的三维雕刻算法，人体外壳体数据计算与处理以及实验结果。

第五章阐述了运动捕获器系统下的三维人体运动分析，主要内容有：基于运动捕获器数据的骨架提取方法、人体骨架关节点位置和参数分析以及实验结果。

第六章主要是基于视频数据的三维人体运动姿态分析，主要内容有：三维人体初始姿态估计，三维人体运动参数分析。其中，三维人体初始姿态估计的内容包括人体数据的三维特征点提取、基于k进制概率进化算法的骨架特征匹配、基于体数据的细化算法；三维人体运动参数分析主要包括人体骨架模型设计，概率进化算法以及实验结果。

第七章概括和总结了本论文的研究工作，并对下一步的工作进行了展望。

第二章复杂背景中的人体轮廓提取

轮廓提取是基于轮廓信息进行三维重建中的极其重要的一步，这是因为前景和背景分割的错误会给后续三维重建造成很大影响（具体三维重建的细节请参见第三章）。现在一般使用背景减除然后取阈值的方法获得前景轮廓。本章先介绍一下现有的背景建模方法，然后提出了一种新的基于超像素和单像素相融合的分割方法。

2.1背景减除（Background Subtraction）

背景减除[9，10，11]方法是目前运动分割中最常用的一种方法，它是利用当前图像与背景图像的差分来检测运动区域的一种技术。它一般能够提供最基于模型的行人跟踪完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，大部分的研究人员目前都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。例如Stauffer与Grimson [12]利用自适应的混合高斯背景模型（即对每个像素利用混合高斯分布建模），并且利用在线估计来更新模型，从而可靠地处理了光照变化、背景混乱运动的干扰等影响现在一般使用背景减除然后取阈值的方法获得前景轮廓。但是因为有许多干扰因素影响轮廓提取：摄像机传感器的噪声，前景和背景颜色相似，背景光照的变化（包括前景物体的阴影）。在这样的情况下，简单地靠背景减除法都无法提取理想的轮廓模型。

注意本问中使用的前景背景分割方法与传统的背景减除然后取阈值方法的不同之处。在第四章中，将会介绍传统的三维重建方法都是采用先取得前景物体轮廓，再进行三维重建2步。而这样的方法有一个严重的缺点。这是因为在取阈值求轮廓这一过程中会引入很多噪声，从而会严重影响下一步的三维重建结果。

在本节中使用了相似概率图。也就是说只计算每一个像素是前景或背景的概率，并不取阈值求取前景轮廓，然后再用这个概率图进行三维重建。这样可以避免过早地引入噪声，从而提高重建的效果。

2.2基于超像素的目标轮廓提取算法

前面提到，背景减除然后去阈值的方法，在遇到前景和背景颜色完全一样或则相近的时候会把前景区域误认为是背景区域。事实上，传统的背景减除方法是一个比较单像素的过程。基于这个想法，我们自然而然地提出了一种基于超像素的比较方法。所谓超像素，就是一整块区域。这种区域有一种特点，就是他不会超过前景的边界。也就是说，整个超像素或属于前景，或属于背景。近年来超像素的使用越来越广泛[13,14]，主要原因是他可以大幅度的减少计算量。特别是在一些需要搜索最优值的算法中[13]，使用超像素大大提高了算法的效率。

2.2.1 均值飘逸算法的图像分割

(a) (b)

图 2-1 (a)原图,(b)用均值漂移方法得到的超像素

Fig 2-1 (a) Original Image, (b) Superpixels got through mean shift.

现有的求超像素的算法很多[15-16]，常用的求超像素的图像分割方法有三种：Normalized cut[17,18]，均值漂移[19]和Pb检测器[20]。其中Normalized Cut是比较经典的图像分割方法，但是对于大图像的处理速度较慢。当图像的分辨率达到500*500

左右时，会因为矩阵过大而无法计算或则计算效率很低。因为对于每一时刻的图像，需要处理不同摄像机的多帧数据，所以分割算法的速度非常重要。对于[20]中的算法，速度不是很快，而且需要训练。对已经训练好的分类器，作用在现有的实验数据上效果不是很好。最后实验采用了均值漂移算法。主要原因有两个。第一，它速度很快，处理一副704*508像素的图像只需要0.5s 。其次，均值漂移算法的分割效果非常好。图2-1是采用均值漂移算法的分割结果。

2.2.2 超像素比较算法

这一节介绍如何比较有前景图像的超像素与背景的超像素从而实现前景和背景的分割。记有前景的图像为I r ， 没有前景的图像为B r 。记（R 1，R 2）表示在图像I r 和B r 中相对应的超像素，也就是说相对应的区域。首先需要计算每个区域的直方图。定义f (x, i )为区域x 中值为i 的像素的个数。则定义R1和R2的相似度为：

1212122212(,)(,)(,)(,)(,)i i

i f R i f R i sim R R f R i f R i α

???????=??

???????

??????∑∑∑ (2-1) 参数α的意义将会在2.5节中讨论。 sim 的值表示区域R 1和R 2的相似度，且数值在0，1之间。如果区域R 1和R 2非常相识，那么sim 就接近1，否则sim 就接近0. 在这里我们不使用经典的Chi-Square 算法进行直方图比较是因为在下一步的重建中需要取值在[0, 1]的相似度。而用Chi-Square 方法做不到这一点。超像素的比较算法优于单像素的比较算法，这是因为前景物体和背景的2个超像素完全相同的概率非常小，而相对来说前景物体和背景三通道值相同的概率很大。

2.2.3 改进的超像素比较算法 在实验中，如果图像质量较差，会影响分割的效果。比如说前景物体的快速运动会使图像变得模糊。低质量的摄像机或镜头会使图像有很多噪声。这使得图像的边缘部分偶尔会出现分割错误。我们使用基于单像素分割和超像素分割融合的方法进行前景和背景的分割，并取得了很好的效果。

设I r p 表示第r 个图像中的p 像素。定义B r p =1表示I r p 代表背景，则B r p =0表示I r p 代表前景。在已知观察量I r p 的前提下，I r p 代表背景的后验概率可以贝叶斯方法算

得：

P (|1)(1)P (1|)P (|)()

p r p p p p p r r r r r p p p r r r b I b P b b I I b P b ====∑ (2-2)

在算法中不假设先验概率，设P(b r p =1)= P(b r p =0)=1/2。P(I r p | b r p =1)表示r 图像中p 像素代表背景时I r p 的概率。背景建模使用传统的高斯模型，所以有

P(|1)(|,)p p p p p r r r r r I b N I μσ== (2-3)

其中μr p , σr p 是高斯函数的均值和方差。P(I r p | b r p =1)表示r 图像中p 像素代表前景物体时I r p 的概率。算法中并不对前景物体的颜色做假设，则有

P(|1)()p p p r r r I b U I ==

(2-4) 其中U(?)代表均值分布。

需要计算的相似概率图就是每个像素代表背景的概率。也就是说一个像素的相似概率接近0，那么这个像素更可能表示前景物体。则可以定义图像r 中第p 个像素的相似概率：

121m in(P (0|),(,)) (p R )p p p r r r SP M b I sim R R ==∈ (2-5) 定义(2-5)有2个原因。第一，因为这种单像素的前景背景的高斯分割方法容易把前景物体视作为背景，而不容易把背景物体视作为前景。即使因为噪声原因，把背景分类为前景，这些少数的分类错误也不会影响下一步的三维重建。其次，这种方法可以有效地降低前景物体边缘处的分割错误。

2.5 实验结果及分析

注意本论文的方法与传统的背景减除然后取阈值方法的不同之处。在第四章中，将会介绍传统的三维重建方法都是采用先取得前景物体轮廓，然后进行三维重建2步。而这样的方法有一个严重的缺点。这是因为在取阈值求轮廓这一过程中会引入很多噪声，从而会严重影响下一步的三维重建结果。

在本节中使用了相似概率图，也就是说只计算每一个像素是前景或背景的概率，然后再用这个概率图进行三维重建。这样可以避免过早地引入噪声，从而提高重建的效果。

2.5.1 α的意义

α的取值与图像质量有很大的关系。为了说明这个结论我们假设2幅简单的图像。图像II1只有颜色color1，被视作前景图像。图像II2表示背景，并模拟一个动态的过程：首先图像II2只有颜色color1，然后图像II2中部分变为color2。取不同的α，按照公式(2-1)计算sim。从图2-2中可以看出当α值增加时，图像II1和图像II2更小的差异就获得相同的sim值。如果α接近正无穷的话，图像II1和图像II2中一个像素的差异可以使sim为0，这意味着2个比较的图片完全不同。在实际比较2个超像素的过程中，因为噪声的存在，α取值过大会使得背景部分被错误分类为前景物体。在我们的实验中，a取值可以在1到3之间。

图 2-2 α的取值与sim的关系

Fig 2-2 Relationship betweenαand sim.

2.5.2 基于超像素的分割结果

本实验选取了有代表性的图片来验证本算法的有效性，如图2-3(a)所示。这个实验图像有四个特点。首先，因为摄像头和镜头的原因，这个图像质量较差，而且人体的快速运动使得图像比较模糊。第二，这个人的黑色衣服和背景的颜色非常相似，如果使用单像素的分割方法，前景轮廓会较差。第三，从这个角度看，图片中背景的黑色显示器背面和前景的黑色衣服颜色相融合，这给图像分割造成了很大的难度。最后，背景中的物体微微移动。图2-3(c)是用2-2式算得。通过取阈值0.5获得2-3(d)。图2-3(e)是用2-5式算得的概率相似图，仔细观察结果提高了很多。虽然图2-3(e)前景轮

廓任然有小洞，但是仔细观察发现这些洞的相似概率接近0.5，在三维重建中这比图2-3(e)中接近1更有意义(在第四章中会具体说明)。

(a) (b) (c)

(d) (e)

图 2-3. (a)从一个摄像头中获得的第42幅图像，(b)用均值飘移算法得到超像素，(c)通过单像素贝叶斯分割方法的结果，(d)对(c)中取阈值0.5得到的人体轮廓，注意有很多小洞 (e)想似概率图

Figure 2-3. (a) The image of frame 42 from one view. (b) Super-pixels obtained by mean shift. (c) Pixel level Bayesian classification of background and foreground. (d) The silhouette achieved by thresholding (c) with 0.5. (e) is the similarity probability map.

第三章多摄像机参数标定

计算机视觉的基本任务之一是从摄像机获取的图像信息出发计算三维空间中物体的几何信息，并由此重建和识别物体，而空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。在大多数条件下，这些参数必须通过实验与计算才能得到，这个过程被称为摄像机定标(或称为标定)。标定过程就是确定摄像机的几何和光学参数，摄像机相对于世界坐标系的方位。标定精度的大小，直接影响着计算机视觉（机器视觉）的精度，在本文中会影响三维重建的精度。迄今为止，对于摄像机标定问题已提出了很多方法，摄像机标定的理论问题已得到较好的解决，对摄像机标定的研究来说，当前的研究工作应该集中在如何针对具体的实际应用问题，采用特定的简便、实用、快速、准确的标定方法。

3.1 摄像机内参数标定

3.1.1三个层次的坐标系统

图 3-1 世界坐标系，摄像机坐标系和图像坐标系的关系(摘自[32])

Fig 3-1 Relationship among world coordinate, camera coordinate and image coordinate 计算机视觉常用坐标系采用右手准则来定义，图 1 表示了三个不同层次的坐标系统：世界坐标系、摄像机坐标系和图像坐标系（图像像素坐标系和图像物理坐标系）。

1）世界坐标系（x w,y w,z w）：也称真实或现实世界坐标系，或全局坐标系。它是

客观世界的绝对坐标，由用户任意定义的三维空间坐标系。一般的 3Ｄ场景都用这个坐标系来表示。

2）摄像机坐标系(xoy)：以小孔摄像机模型的聚焦中心为原点，以摄像机光轴为zc 轴建立的三维直角坐标系。x ，y 一般与图像物理坐标系的 xf,yf 平行，且采取前 投影模型。

3）图像坐标系，分为图像像素坐标系和图像物理坐标系两种:图像物理坐标系：其原点为透镜光轴与成像平面的交点，X 与 Y 轴分别平行于摄像机坐标系的 x 与 y 轴，是平面直角坐标系，单位为毫米。图像像素坐标系(计算机图像（帧存）坐标系)：固定在图像上的以像素为单位 的平面直角坐标系，其原点位于图像左上角, xf,yf 平行于图像物理坐标系的 X 和 Y 轴。对于数字图像，分别为行列方向。

3.1.2 坐标系变换关系

1）世界坐标系与摄像机坐标系变换关系

定义了上述各种空间坐标系后，就可以建立两两不同坐标变换之间的关系。（1） 世界坐标系与摄像机坐标系变换关系 世界坐标系中的点到摄像机坐标系的变换可由一个正交变换矩阵 R 和一个平移变换矩阵T 表示为：

1112132122

23313233w w w w w w x x r r r x y R y T r r r y T z z r r r z ????????????????=+=+????????????????????????

(3-1) 其中[,,]T x y z

T t t t =是世界坐标系原点在摄像机坐标系中的坐标，矩阵R 是正交旋转矩阵。正交旋转矩阵实际上只含有3个独立变量，再加上t x , t y ,和t z ，总工有 6个参数决定了摄像机光轴在世界坐标系中空间位置，因此这六个参数称为摄像机外部参数。

2）图像坐标系与摄像机坐标系变换关系

如图1所示，摄像机坐标系中的物点P 在图像物理坐标系中像点P u 坐标为：

/{/X fx z Y fy z ==

（3-2） 将上式的图像坐标系进一步转化为图像坐标系：

00/{/x x x y u u X d s X v v Y d s Y ?==?==

（3-3） 其中，u 0 , v 0是图像中心（光轴与图像平面的交点）坐标， d x , d y 分别为一个像素

在X 与

Y 方向上的物理尺寸，s x = 1 / d x , s y = 1 / d y ，分别为X 与 Y 方向上的采样频率，即单位长度的像素个数。

由此可得物点P 与图像像素坐标系中像点P 的变换关系：

00//{//x x y y u u fs x z f x z v v fs y z f y z ?==?== （3-4）

其中，f x ，fs x , f y ，fs y 分别定义为 X 和 Y 方向的等效焦距。 f x , f y , u 0, v 0等4个参数只与摄像机内部结构有关，因此称为摄像机内部参数。

3）世界坐标系与图像坐标系变换关系（共线方程）

世界坐标系与图像坐标系变换关系：

01112133132332122230313233{w w w x x w w w z

w w w y y w w w z u u r x r y r z t X f f r x r y r z t r x r y r z t v v X f f r x r y r z t ?+++==++++++?==+++ （3-5）

上式就是摄影测量学中最基本的共线方程。说明物点、光心和像点这三点必须在同意条直线上。这是针孔模型或者中心投影的数学表达式。根据共线方程，在摄像机内部参数确定的条件下，利用若干个已知的物点和相应的像点坐标，就可以求解出摄像机的六个外部参数，即摄像机的光心坐标和光轴方位的信息。

3.1.3摄像机镜头的畸变

由于摄像机光学系统并不是精确地按理想化的小孔成像原理工作，存在有透镜畸变，物体点在摄像机成像面上实际所成的像与理想成像之间存在有光学畸变误差。主要的畸变误差分为三类：径向畸变、偏心畸变和薄棱镜畸变。这些畸变需要矫正。

3.1.4 经典标定方法

张正友在2000年提出了一种新的标定方法[32]，一种新的灵活容易的的摄像机标定技术。即使毫无计算机视3D 几何知识，他也能够使用。该技术仅需要摄像机从不同角度拍摄同一个平面模板。摄像机或平面模板都可自由移动。这些运动无需了解。现在已为径向透镜变形建立模型。该文提出的方法包括一个完整的解决方法，基于最

三维全景全景环视360全景的概述

https://www.wendangku.net/doc/7418442247.html, 三维全景全景环视360全景的概述 三维全景也称为全景环视或360度全景。它是一种运用数码相机对现有场景进行多角度环视拍摄然后进行后期缝合并加载播放程序来完成的一种三维虚拟展示技术。从实现的虚拟效果专业程度来分，有柱状全景与球形360全景两种。柱状全景实现起来比较简单，它仅仅是对场景沿着水平方向进行环绕拍摄，然后拼合起来的全景，因此它只能够左右水平移动浏览，无法展现天空和地面的实际景象。球形360全景在拍摄与后期制作上要求较高，在拍摄时，需要沿着水平与垂直两个方向进行多角度环视拍摄，经过拼接缝合后可以实现上下与左右方向的360度的全视角展示，可以让观看者获得身临其境的感受。球型360全景在浏览中可以由观赏者对图像进行放大、缩小、移动观看角度后等操作。经过深入的编程，还可实现场景中的热点连接、多场景之间虚拟漫游、雷达方位导航等功能。三维全景技术广泛应用于宾馆酒店、旅游景点、房产家居、休闲会所、汽车展示、城市建筑规划等网络虚拟展示。 一、宾馆酒店全景虚拟展示高清晰三维全景展示，就像来到现场一样的参观，发挥酒店电子商务最大效益为您免费投放至酒店订房联盟网站平台，是您酒店超越竞争对手的有力武器！酒店三维全景虚拟导览，把的酒店的真实场景数字化，全方位搬到网络上。观众轻松点击鼠标，可以上下左右，走近，退远的观看酒店的客房，套房，会议室，商务空间，餐饮空间，娱乐休闲空间，360度观看，就像来到现场一样。结合酒店导航示意图，可以在酒店实现边走边看。充分展现酒店的设施环境。整合音乐，导游解说，多媒体手法为一体的高清晰度三维全景虚拟导览把酒店轻松“搬”到了客户面前，是酒店展示推广的最新有力武器.

立体视觉知识补充

现在我们有一架平衡双目摄像机，和一个棋盘和一个待重构的物体或者要拍摄的画面，我们的目的就是利用两个摄像机捕捉同一个画面或者物体图像，然后根据在两幅图像上遍历同一个世界三维点映射到两个图像平面的响应匹配点，然后利用匹配点视差和摄像机相关参数，以及图像二维点的信息就可以得到世界物体的三维坐标。 1、立体标定 cvStereoCalibrate()，利用两个摄像机同时捕获的不同视场来实现标定，同时获得本征矩阵E,基础矩阵F,两摄像机坐标系的旋转矩阵R和平移矩阵T或者摄像机内参数M和畸变系数distCoeffs。 立体标定和单摄像机标定是有区别的。立体标定除了可以计算出摄像机的内参数和畸变系数，还可以计算出本征矩阵E,基础矩阵F,两个摄像机的旋转矩阵R和平移向量T. 立体标定函数参数中需要两个着相机的内参数和畸变系数，它们即可以作为输入，也可以作为输出，这里我们让它们作为输出，由立体标定函数计算它们。 因此，我们就可以手持棋盘，然后用两个摄像机同时捕捉棋盘的不同视场，对于每一个视场，我们两个摄像机都有拍摄的同一棋盘的图像对，对于两个摄像机旋转矩阵R和平移向量T，我们通过一个视场就可以求解出来，然而为了计算结果的稳定，则需要多个视场来优化结果。对于两个摄像机的内参数矩阵和畸变系数，我们至少需要10个视场。因此，我们可以通过手持棋盘，旋转和平移棋盘以获得10个视场，从而获得10幅图像对，来进行立体标定。 在这一步，我们利用极线约束来检查标定的结果。（有了本征矩阵我们就可以得到基础矩阵，有了基础矩阵，我们就可以计算极线） 2、立体校正 cvStereoRetify()，利用相机内参数以及上一步得到R,T，得到两个摄像机极线水平对准的旋转矩阵Rl和Rr，投影矩阵P，重投影矩阵Q，为实现两幅图像水平对准准备数据。

人体工程学对展示设计的影响

人体工程学对展示设计的影响 过大的密度，也容易造成参观人群堵塞，会使人感觉疲劳，影响展示整体效果；陈列密度过低，则会显得展示空间空旷、缺乏内容。陈列的密度大小还与展厅的空间跨度、净高有直接的关系，同时也受展示物的视距、展品的陈列高度、展品的大小、展示形式以及不同观众类型等因素影响。展示空间较宽敞时，可使陈列密度稍大，也不显得拥挤；如果展示空间低矮，同样的陈列密度也会显得拥挤。展示对象的尺寸较大，展示视距又近，也会使人觉得空间拥挤。 1视觉的传达是人体工程学在展示设计中最重要的应用 在展示设计中，除了人的尺度和活动中的相关尺度以外，还有一个最重要的因素就是人的视觉活动。眼睛是人类获取信息的主要器官，信息获得有８０％依赖于视觉。人的视距，视角以及视觉习惯是合理组织陈列高度的依据。陈列高度是指展品或版面与参观者视线的相对位置。从人机工程学的角度分析；人对陈列高度的适应受人体有效视角的限制，一般陈列高度不宜超过３５０厘米；经常运用的展示高度是８０～２５０厘米之间的区域。人体工程学的研究表明：人体的最佳视觉区域是在水平视线高度以上２０厘米，以下４０厘米之间这个６０厘米宽的水平区域，如果以亚洲人一般标准高度１６５厘米左右，最佳的陈列高度应在１２５～１８５厘米之间，重点展示的对象陈列在此区域内，较易获得良好的效果。在接受信息之前往往人们有一个选择的过程，经过选择之后，往往注意力会集中到那些准备接受的信号上面。因此，引起注意是展示设计的重要手段和成功的基础，只有引起注意才能产生以后的理解，确信，记忆行为并导致最终的行为。 展示效果最终需要面对的是人，如何吸引和维持住他们的注意力，达到信息传递的目的，根据人体工程学中视觉心理和人的心理规律，可采用以下方法。 2增大展示效果的强度

双目视觉成像原理

双目视觉成像原理 1.引言 双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity)图。 双目立体视觉测量方法具有效率高、精度合适、系统结构简单、成本低等优点，非常适合于制造现场的在线、非接触产品检测和质量控制。对运动物体（包括动物和人体形体）测量中，由于图像获取是在瞬间完成的，因此立体视觉方法是一种更有效的测量方法。双目立体视觉系统是计算机视觉的关键技术之一，获取空间三维场景的距离信息也是计算机视觉研究中最基础的内容。 2.双目立体视觉系统 立体视觉系统由左右两部摄像机组成。如图一所示，图中分别以下标L和r标注左、右摄像机的相应参数。世界空间中一点A(X，Y，Z)在左右摄像机的成像面C L和C R上的像点分别为al(ul，vl)和ar(ur，vr)。这两个像点是世界空间中同一个对象点A的像，称为“共轭点”。知道了这两个共轭像点，分别作它们与各自相机的光心Ol和Or的连线，即投影线alOl和arOr，它们的交点即为世界空间中的对象点A(X，Y，Z)。这就是立体视觉的基本原理。 图1：立体视觉系统 3.双目立体视觉相关基本理论说明 3．1 双目立体视觉原理 双目立体视觉三维测量是基于视差原理，图2所示为简单的平视双目立体成像原理图，两摄像机的投影中心的连线的距离，即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处，坐标系如图2所示。事实上摄像机的成像平面在镜头的光心后，图2中将左右成像平面绘制在镜头的光心前f处，这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致，这样可以简化计算过程。左右图像坐

三维全景介绍

三维全景简介 一、什么就是三维全景 数字化实景展示其本质就是三维全景与多媒体技术相融合的高科技数媒产物。三维全景技术就是目前全球范围内迅速发展并逐步流行的一种视觉新技术。它给人们带来全新的真实现场感与交互式的感受。 三维全景也称为全景环视或360度全景,它就是一种运用数码相机对现有场景进行多角度环视拍摄然后进行后期缝合并加载播放程序来完成的一种三维实景展示技术。它提供了一种在互联网上直观展示物体的新方法,可以对一个现实物体进行360度观瞧,增加对产品的直观认识,此技术可广泛应用于各种产品在互联网上最全面、最直观的立体展示。 三维全景图在拍摄与后期制作上要求较高,在拍摄时,需要沿着水平与垂直两个方向进行多角度环视拍摄,经过拼接缝合后可以实现上下与左右方向的360度的全视角展示可以让观瞧者获得身临其境的感受。 三维全景在浏览中可以由观赏者对图像进行放大、缩小、移动观瞧角度后等操作。经过深入的编程,还可实现场景中的热点连接、多场景之间数字化漫游、雷达方位导航、语言解说、视频介绍、添加背景音乐、场景中具体的人或物等细节介绍、文字说明、高清图片细节展示、在线联系客服、电话客服、邮件支持、分享给微博或好友等特色实用功能。 二、三维全景特点 1、极具真实感 三维全景属于就是实地取景后对照片进行的技术处理,它的取材完全来自于现实场景。再加上它本身的三维特点,故三维全景极具真实感。让人有身临其境的感觉。 2、人机交互性强 三维全景可以随着观瞧者的操作而作出前后、远近、上下等动作,观瞧者可以根据自己的意愿随意浏览,人机互动性很强。 3、画面高清 三维全景在取景时所使用的单反相机像素极高,拍摄的效果属于就是高清效果。同时使用flash播放,而flash就是矢量的,故三维全景图像在播放时,不会因为图像的扩大、缩小、旋转等操作而出现失真的情况。 4、播放流畅 三维全景在互联网上的应用十分方便,可以很灵活的嵌入到网页。基于flash的播放使用的就是流媒体播放技术,对于网络带宽的要求较低,可以很顺畅的实现三维全景图像的播放。 5、可塑性强 三维全景以flash动画技术做为扩展平台,具有较强的可塑性,可以根据不同的需要实现众多功能扩展。如:添加背景音乐、解说、添加天空云朵等。 6、保密性强 主要针对网络应用而设计。根据三维全景特点,设计有域名定点加密(全景仅仅只能够在指定的域名下播放,下载后无法显示)、图片分割式加密等多种手段,以上加密全景仍可正常浏览,但无法下载,从而有效的保护了图片的版权。

人体工程学与室内设计

一、人体尺度 人体尺度，即人体在室内完成各种动作时的活动范围。设计人员要根据人体尺度来确定门的高宽度、踏步的高宽度、窗台阳台的高度、家具的尺寸及间距、楼梯平台、家内净高等室内心尺寸。常用的室内尺寸如下： 支撑墙体：厚度0.24m 室内隔墙断墙体：厚度0.12m 大门：门高2.0~2.4m，门宽0.90~0.95m 室内门：高1.9~2.0m左右、宽0.8~0.9m门套厚度0.1m 厕所、厨房门：宽0.8~0.9m、高1.9~2.0m 室内窗：高1.0m 左右窗台距地面高度0.9~1.0m 室外窗：高1.5m 窗台距地面高度1.0m 玄关：宽1.0m、墙厚0.24m 阳台：宽1.4~1.6m、长3.0~4.0m（一般与客厅的长度相同） 踏步：高0.15~0.16m、长0.99~1.15m、宽0.25m；扶手宽0.01m、扶手间距0.02m、中间的休息平台宽1.0m。 二、常用家具尺寸； 卧室： 单人床：宽0.9m、1.05m、1.2m；长1.8m、1.86m、2.0m、2.1m；高0.35m~0.45m。双人床：宽1.35m、1.5m、1.8m，长、高同上。 圆床：直径1.86m、2.125m 、2.424m。 矮柜：厚度0.35~0.45m、柜门宽度0.3~0.6m、高度0.6m。 衣柜：厚度0.6~0.65m、柜门宽度0.4~0.65m、高度2.0~2.2m。 客厅： 沙发：厚度0.8~0.9m、坐位高0.35~0.42m、背高0.7~0.9m。 单人式：长0.8~0.9m

双人式：长1.26~1.50m 三人式：长1.75~1.96m 四人式：长2.32~2.52m 茶几： 小型长方：长0.6~0.75m、宽0.45~0.6m、高度0.33~0.42m 大型长方：长1.5~1.8m、宽0.6~0.8m、高度0.33~0.42m 圆型：直径0.75/0.9/1.05/1.2m,高度0.33~0.42m 正方型：宽0.75/0.9/1.05/1.20/1.35/1.50m，高度0.33~0.42,但边角茶几有时稍高一些，为0.43~0.5m 书房： 书桌：厚度0.45~0.7m（0.6m最佳）、高度0.75m。 书架：厚度0.25~0.4m、长度0.6~1.2m、高度1.8~2.0m，下柜高度0.8~0.9m 餐厅： 椅凳：座面高0.42~0.44m、扶手椅内宽于0.46m 餐桌：中式一般高0.75~0.78m、西式一般高0.68~0.72m 方桌：宽1.20/0.9/0.75m 长方桌：宽0.8/0.9/1.05/1.20m、长1.50/1.65/1.80/2.1/2.4m 圆桌：直径0.9/1.2/1.35/1.50/18m 厨房： 橱柜*作台：高度0.89~0.92m 平面*作区：厚度0.4~0.6m 抽油烟机与灶的距离：0.6~0.8m *作台上方的吊柜：距地面最小距离>1.45m、厚度0.25~0.35m、吊柜与*作台之间的距离>0.55m 卫生间： 盥洗台：宽度为0.55~0.65m、高度为0.85m、盥洗台与浴缸之间应留约0.76m宽的通

360度全景立体成像实验

实验报告 课程名称： 《视觉信息应用技术》 指导老师： 章海军 张冬仙 成绩：__________________ 实验名称： 实验二 360度全景立体成像实验 实验类型： 设计型 同组学生姓名：___________ 一、实验目的和要求（必填） 二、实验内容和原理（必填） 三、主要仪器设备（必填） 四、操作方法和实验步骤 五、实验数据记录和处理 六、实验结果与分析（必填） 七、讨论、心得 一、实验目的和要求 本实验的目的是综合运用立体视觉的原理，实现一种360度全景立体成像的技术方法，为立体视觉在大地测量、军事侦察及星际探测等诸多领域的实际应用提供新的途径。要求实验者学习掌握两组序列数码照片（具有双眼视差）的拍摄方法，学习和熟练运用序列照片的拼接方法及拼接软件，自行编制或学习掌握360度全景立体图像的制作软件及制作方法等。 二、实验内容和原理 实验内容：利用双眼成像与立体视觉的知识，构建用一架双镜头数码相机拍摄两组序列照片（含双眼视差）的实验装置；采用这一拍摄装置，一次性或分次拍摄两组序列照片；运用序列照片的拼接软件，将这两组序列照片分别拼接成两张360度全景图像；再用补色立体图像的制作软件，将它们合成为360度全 景立体图像（也可用软件先制成多幅补色立体图像序列，再拼接成360度全景立体图像）。 实验原理：360度全景立体成像的原理如图1所示。通过360度旋转一架双镜头数码相机的方法，拍摄得到两组序列照片[图1(a)]；用软件拼接方法，分别将这两组序列照片拼接成两张360度全景照片[图1(b)]；由于这两张全景照片互相存在横向视差，利用补色法立体图像制作软件，即可制作合成一张360度全景立体图像。 图1 实现360度全景立体成像的序列图像拍摄原理图 (a) (b)

人体工程学与室内设计教案

《人体工程学》教案

目录 概述 第一章人体工程学概述(人体工学与室内设计,人体学简介及发展) 第二章人体与室内 第一节人体尺寸 第二节人体活动 第三章人体与家具(人体工程学在家具中的运用) 第一节工作面的高度 第二节座位的设计 第三节卧具的设计 第四章人的知觉与空间环境的关系,人的感觉与空间环境 第五章人的行为心理与空间环境 作业设计

课程总体安排 课程性质：专业基础课 学分：2 学时：32（其中实训14学时） 内容简介：本课程是艺术设计专业（环境艺术设计方向）的基础课程，内容包括：人体工程学的概念、应用范围、研究方法；人体在室内的尺度、活动范围、作业效率，人体与家具、环境的关系，人的行为心理与室内环境的关系；通过本课程的学习，加深对“人”与“室内环境”等研究对象科学、全面的了解。掌握人体工程学的基本理论和技术科学知识，了解本专业学习、工作与人体工程学的关系及相互作用，培养正确、科学的人体工程学观念和实测、统计、分析的研究方法，学会运用基本理论、原理与解决室内设计具体问题的综合能力。 适用专业：环境艺术设计方向

概述 本课程是环境艺术设计专业的基础课程，与今后的设计课程联系紧密。课程的内容包括：人体工程学的概念、应用范围、研究方法；人体在室内的尺度、活动范围、作业效率，人体与家具、环境的关系，人的行为心理与室内环境的关系；通过本课程的学习，加深对“人” 与“室内环境”等研究对象科学、全面的了解。掌握人体工程学的基本理论和技术科学知识，了解本专业学习、工作与人体工程学的关系及相互作用，培养正确、科学的人体工程学观念和实测、统计、分析的研究方法，学会运用基本理论、原理与解决室内设计具体问题的综合能力。

人体工程学与室内设计教案

《人体工程学》教案 目录 概述 第一章人体工程学概述(人体工学与室内设计,人体学简介及发展) 第二章人体与室内 第一节人体尺寸 第二节人体活动 第三章人体与家具(人体工程学在家具中的运用) 第一节工作面的高度 第二节座位的设计 第三节卧具的设计 第四章人的知觉与空间环境的关系,人的感觉与空间环境 第五章人的行为心理与空间环境 作业设计 课程总体安排 课程性质:专业基础课 学分:2 学时:32(其中实训14学时) 内容简介:本课程就是艺术设计专业(环境艺术设计方向)的基础课程,内容包括:人体工程学的概念、应用范围、研究方法;人体在室内的尺度、活动范围、作业效率,人体与家具、环境的关系,人的行为心理与室内环境的关系;通过本课程的学习,加深对“人”与“室内环境”等研究对象科学、全面的了解。掌握人体工程学的基本理论与技术科学知识,

了解本专业学习、工作与人体工程学的关系及相互作用,培养正确、科学的人体工程学观念与实测、统计、分析的研究方法,学会运用基本理论、原理与解决室内设计具体问题的综合能力。 适用专业:环境艺术设计方向 概述 本课程就是环境艺术设计专业的基础课程,与今后的设计课程联系紧密。课程的内容包括:人体工程学的概念、应用范围、研究方法;人体在室内的尺度、活动范围、作业效率,人体与家具、环境的关系,人的行为心理与室内环境的关系;通过本课程的学习,加深对“人”与“室内环境”等研究对象科学、全面的了解。掌握人体工程学的基本理论与技术科学知识,了解本专业学习、工作与人体工程学的关系及相互作用,培养正确、科学的人体工程学观念与实测、统计、分析的研究方法,学会运用基本理论、原理与解决室内设计具体问题的综合能力。 第一章人体工程学概述 (人体工学与室内设计,人体工学简介及发展) [课时] 2课时 [教学重点] 要求学生理解人体工程学就是研究人与物,人与环境关系的学科。在日常生活中运用人体工程学主动地、高效率地支配生活环境,从而达到我们生活的要求。同时要让学生了解工程学发展的历史。 [教学难点] 对人体工程学的定义的理解,人体工程学与人的关系,人体工程

双目立体视觉

双目立体视觉 双目立体视觉的研究一直是机器视觉中的热点和难点。使用双目立体视觉系统可以确定任意物体的三维轮廓，并且可以得到轮廓上任意点的三维坐标。因此双目立体视觉系统可以应用在多个领域。现说明介绍如何基于HALCON实现双目立体视觉系统，以及立体视觉的基本理论、方法和相关技术，为搭建双目立体视觉系统和提高算法效率。 双目立体视觉是机器视觉的一种重要形式，它是基于视差原理并由多幅图像获取物体三维几何信息的方法。双目立体视觉系统一般由双摄像机从不同角度同时获得被测物的两幅数字图像，或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，重建物体三维轮廓及位置。双目立体视觉系统在机器视觉领域有着广泛的应用前景。 HALCON是在世界范围内广泛使用的机器视觉软件。它拥有满足您各类机器视觉应用需求的完善的开发库。HALCON也包含Blob分析、形态学、模式识别、测量、三维摄像机定标、双目立体视觉等杰出的高级算法。HALCON支持Linux和Windows，并且可以通过C、C++、C#、Visual Basic和Delphi 语言访问。另外HALCON与硬件无关，支持大多数图像采集卡及带有DirectShow和IEEE 1394驱动的采集设备，用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件。 一．双目立体视觉相关基本理论说明 1．1 双目立体视觉原理 双目立体视觉三维测量是基于视差原理，图1所示为简单的平视双目立体成像原理图，两摄像机的投影中心的连线的距离，即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处，坐标系如图1所示。事实上摄像机的成像平面在镜头的光心后，图1中将左右成像平面绘制在镜头的光心前f处，这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致，这样可以简化计算过程。左右图像坐标系的原点在摄像机光轴与平面的交点O1和O2。空间中某点P在左图像和右图像中相应的坐标分别为P1(u1,v1)和P2(u2,v2)。假定两摄像机的图像在同一个平面上，则点P图像坐标的Y坐标相同，即v1=v2。由三角几何关系得到: 上式中（xc，yc，zc）为点P在左摄像机坐标系中的坐标，b为基线距，f为两个摄像机的焦距，（u1，v1）和（u2，v2）分别为点P在左图像和右图像中的坐标。 视差定义为某一点在两幅图像中相应点的位置差: 图1 双目立体成像原理图图3 一般双目立体视觉系统原理图

三维全景技术——360°虚拟现实

龙源期刊网 https://www.wendangku.net/doc/7418442247.html, 三维全景技术——３６０°虚拟现实 作者：马如宇肖京 来源：《信息技术教育》2008年第07期 三维全景技术是目前迅速发展并逐步流行的一个虚拟现实分支，可广泛应用于网络三维业务，也适用于网络虚拟教学领域。传统三维技术及以VRML为代表的网络三维技术都采用计算机生成图像的方式来建立三维模型，而三维全景技术则是利用实景照片建立虚拟环境，按照照片拍摄→数字化→图像拼接→生成场景的模式来完成虚拟现实的创建，更为简单实用。 三维全景技术及其应用 全景也称为全景摄影或虚拟实景，是基于静态图像的虚拟现实技术。是把相机环360°拍 摄的一组照片拼接成一个全景图像，用一个专用的播放软件在互联网上显示，让使用者能用鼠标控制环视的方向，可左可右、可近可远观看物体或场景。 三维全景技术是一种桌面虚拟现实技术，并不是真正意义上的3D图形技术。三维全景技术具有以下几个特点:一是实地拍摄，有照片级的真实感，是真实场景的三维展现。二是有一定的交互性，用户可以通过鼠标选择自己的视角，任意放大和缩小，如亲临现场般环视、俯瞰和仰视。三是不需要单独下载插件，一个小小的JAVA程序，自动下载后就可以在网上观看全景照片，或者使用Quick Time播放器直接观看。并且，全景图片文件采用先进的图像压缩与 还原算法，文件较小，一般只有100～150K，利于网络传输。四是素材的准备工作简单，制作容易，适于普通用户。 三维全景技术主要用于展示。例如，采用三维全景技术建立虚拟艺术馆，让学生还可通过计算机参观各个展馆，每一个参观点都可以在空间360°范围内观察，对于感兴趣的艺术品， 还可以将它拿起来仔细观看。在教育教学领域，主要有以下两方面的应用： （1）校园风光、校园文化、数字博物馆、重点实验室(如历史、考古、医学、生物等)等 的对外展示。例如，郑州轻工业学院将三维全景虚拟校园展示制作系统软件的效果先一步应用于数字校园建设，将校园的特色做成一个美轮美奂的虚拟漫游，使每一位浏览者都能身临其境地感受到学校的各种特色和教学环境。 （2）构建文物、生物标本、地貌、教学模型、产品、模具等的360°造型，用于教学等。例如，复旦大学上海医学院将宝贵的人体基础标本资源用三维全景技术来保存，用于教学和展示。

3D全景立体影像技术运用及前景

一、3D全景立体影像技术运用及前景 １、3D全景立体影像应用范围：摄影行业：3D全景立体动漫 摄影、婚纱影像、儿童摄影、3D全景立体人物写真摄影等；广 告行业：全景奇画立体广告灯箱、户内外广告; 全景奇画立体 招帖画等；展览展示：会场设计、企业形象设计、展板、展台、标牌等；装饰行业：酒店、宾馆、公共场所、居家装饰画；旅 游行业：旅游纪念画、旅游工艺品、门票等；印刷行业：全景 奇画立体挂历、台历、立体贺卡、明信片；产品包装：烟类、酒类等高档产品或礼品的包装、防伪标识等。3D全景立体影像 应用范围极其广阔，可以毫不夸张的说：只要有图像运用的地 方，就会有全景奇画立体技术的用武之地。 ２、全景奇画立体技术的发展前景：全景奇画立体技术在上世 纪九十年代趋于成熟，但该项技术一直处于少数人的垄断之下，而学习该技术需要昂贵的投资，人为地抬高了立体产品的身价，所以3D全景立体影像市场发展缓慢。最近几年，一些具有超 前意识的人开始将3D全景立体影像技术推向市场，使3D全景 立体影像产品才有了突飞猛进的发展，专家预言，在３－５年 之内，图像市场将是立体的天下。谁有前瞻意识，谁首先拥有 全景奇画立体技术，谁就拿到了开启市场的金钥匙，谁就拥有 了财富。 全景奇画立体作为一门前沿科技产品，具有巨大的市场潜力和发展空间。影楼、画廊广告公司，有利于摆脱长期以来平

面画给人们造成的视觉疲惫的束缚，使自己拍摄、设计的作品脱颖而出，从而摆脱激烈的市场竞争，另辟一片新的天地。 如果是现有的影楼、画廊、平面设计公司、广告公司，利用现有设备就能上3D全景立体影像既增加了业务种类，又避开了激烈的市场竞争，一举两得。 影像行业从黑白到彩色到现在的数码影像，已经历了一百多年的发展历程，每一次变革，都为整个行业带来了空前的发展，同时造就了一大批捷足先登的富翁。“3D全景立体影像”是高科技时代的又一新生产物，它是高科技数字化处理，结合专用材料，将普通的平面图像转化为层次分明、重重迭迭、具有强烈视觉冲击力的“3D全景立体影像。”人物、景物生动逼真、呼之欲出，仿佛进入一个多维的梦幻空间。无论是自己的照片，还是花草动物，或是风景奇观，也可是广告画面，均可制成令人叫绝的神奇“神画”。3D全景立体影像的出现，将彻底颠覆了目前平面图像一统天下的市场格局，是图像领域彩色替代黑白后又一次技术革命，也是图像行业发展的未来趋势。 影像行业：婚纱影像、人像写真、风影摄影、儿童艺术 人人都渴望留下一生中最美好的瞬间，人人都乐于陶醉在超越自己“原形”的艺术梦幻里。而这种充满生命感和鲜活感的神奇画中画，为影像业打开了一个新奇的世界。 3D全景立体影像是图像行业最新、最前沿的高新技术，它的出现改变了传统平面图像给人们的视觉疲惫。也是图像领域的一场革命，是

室内设计人体工程学

室内设计人体工程学(网上搜集资料汇总) 人体工程学与常用室内尺寸 人体工程学就是室内设计中必不可少的一门专业知识,了解人体工程学可以使装修设计尺寸更符合人们的曰常行为与需要。 人体工程学内容主要包括以下几点: *人体尺度 *人体行为区域 *常用家具设备尺寸 *建筑尺度规范 *视觉心理与空间 一、人体尺度 人体尺度,即人体在室内完成各种动作时的活动范围。设计人员要根据人体尺度来确定门的高宽度、踏步的高宽度、窗台阳台的高度、家具的尺寸及间距、楼梯平台、家内净高等室内心尺寸。常用的室内尺寸如下: 支撑墙体:厚度0、24m 室内隔墙断墙体:厚度0、12m 大门:门高2、0~2、4m,门宽0、90~0、95m 室内门:高1、9~2、0m左右、宽0、8~0、9m门套厚度0、1m 厕所、厨房门:宽0、8~0、9m、高1、9~2、0m 室内窗:高1、0m 左右窗台距地面高度0、9~1、0m 室外窗:高1、5m 窗台距地面高度1、0m 玄关:宽1、0m、墙厚0、24m 阳台:宽1、4~1、6m、长3、0~4、0m(一般与客厅的长度相同) 踏步:高0、15~0、16m、长0、99~1、15m、宽0、25m;扶手宽0、01m、扶手间距0、02m、中间的休息平台宽1、0m。 二、常用家具尺寸; 卧室: 单人床:宽0、9m、1、05m、1、2m;长1、8m、1、86m、2、0m、2、1m;高0、35m~0、45m。 双人床:宽1、35m、1、5m、1、8m,长、高同上。 圆床:直径1、86m、2、125m 、2、424m。 矮柜:厚度0、35~0、45m、柜门宽度0、3~0、6m、高度0、6m。 衣柜:厚度0、6~0、65m、柜门宽度0、4~0、65m、高度2、0~2、2m。 客厅: 沙发:厚度0、8~0、9m、坐位高0、35~0、42m、背高0、7~0、9m。 单人式:长0、8~0、9m 双人式:长1、26~1、50m 三人式:长1、75~1、96m 四人式:长2、32~2、52m 茶几: 小型长方:长0、6~0、75m、宽0、45~0、6m、高度0、33~0、42m 大型长方:长1、5~1、8m、宽0、6~0、8m、高度0、33~0、42m

双目立体视觉

计算机双目立体视觉 双目立体视觉技术是仿照人类利用双目线索感知深度信息的方法，实现对三维信息的感知。为解决智能机器人抓取物体、视觉导航、目标跟踪等奠定基础。 双目立体视觉（Binocular Stereo Vision ）是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点之间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获取的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作为视差（Disparity ）图像。 双目立体视觉系统 立体视觉系统由左右两部摄像机组成，如图，世界空间中的一点A(X,Y ,Z)在左右摄像机的成像面1C 和r C 上的像点分别为）（111,v u a 和） （r r r v u a ,。这两个像点是世界空间中同一个对象点A 的像，称为“共轭点”。知道了这两个共轭像点，分别作它们与各自相机的光心1O 和r O 的连线，即投影线11O a 和r r O a ，它们的交点即为世界空间中的对象点A 。这就是立体视觉的基本原理。 双目立体视觉智能视频分析技术 恢复场景的3D 信息是立体视觉研究中最基本的目标，为实现这一目标，一个完整的立体视觉系统通常包含六个模块：图像获取、摄像机标定、特征提取、立体匹配、三维恢复和视频

分析（运动检测、运动跟踪、规则判断、报警处理）。 图像获取（Image Acquisition ） 数字图像的获取是立体视觉的信息来源。常用的立体视觉图像一般为双目图像，有的采用夺目图像。图像的获取方式有很多种，主要有具体运用的场合和目的决定。立体图像的获取不仅要满足应用要求，而且考虑视点差异、光照条件、摄像机的性能和场景特点等方面的影像。 摄像机标定（Camera Calibration ） 图像上每一点的亮度反映了空间物体表面某点反射光的强度，而该点在图像上的位置则与空 间物体表面相应点的几何位置有关。这些位置的相互关系由摄像机成像几何模型来决定。该几何模型的参数称为摄像机参数，这些参数必须由实验与计算来确定，实验与计算的过程称为摄像机定标。 立体视觉系统摄像机标定是指对三维场景中对象点在左右摄像机图像平面上的坐标位置 ）（111,v u a 和） （r r r v u a ,与其世界空间坐标A （X, Y , Z ）之间的映射关系的确立，是实现立体视觉三维模型重构中基本且关键的一步。 特征提取（Feature Acquisition ） 特征提取的目的是获取匹配得以进行的图像特征，图像特征的性质与图像匹配的方法选择有着密切的联系。目前，还没有建立起一种普遍适用的获取图像特征的理论，因此导致了立体视觉研究领域中匹配特征的多样化。像素相位匹配是近二十年才发展起来的一类匹配算法。相位作为匹配基元，本身反映着信号的结构信息，对图像的高频噪声有很好的一直作用，适于并行处理，能获得亚像素级精度的致密视差。但存在相位奇点和相位卷绕的问题，需加入自适应滤波器解决。或者是像素的集合，也可以是它们的抽象表达，如图像的结构、图像的目标和关系结构等。常用的匹配特征主要有点状特征、线装特征和区特征等几种情形。 一般而言，尺度较大的图像特征蕴含较多的图片信息，且特征本身的数目较少，匹配效率高；但特征提取和描述过程存在较大的困难，定位精度也较差。而对于尺度较小的图像特征来说，对其进行表达和描述相对简单，定位的精度高；但由于特征本身数码较多，所包含的图像信息少，在匹配时需要采用较为严格的约束条件和匹配策略，一尽可能的减少匹配歧义和提高匹配效率。总的来说，好的匹配特征应该具有要可区分性、不变性、唯一性以及有效解决匹配歧义的能力。 图像匹配（Image Matching ） 在立体视觉中，图像匹配是指将三维空间中一点A （X, Y , Z ）在左右摄像机的成像面1C 和r C 上的像点）（111,v u a 和） （r r r v u a ,对应起来。图像匹配是立体视觉中最重要也是最困难的问题，一直是立体视觉研究的焦点。当空间三维场景经过透视投影（Perspective Projection ）变换为二维图像时，同一场景在不同视点的摄像机图像平面上成像会发生不同程度的扭曲和变形，而且场景中的光照条件、被测对象的几何形状和表面特性、噪声干扰和畸变、摄像机特性等诸多因素的影响都被集中体现在单一的图像灰度值中。显然，要包含了如此之多不利因素的图像进行精准的匹配是很不容易的。

双目立体视觉技术简介

双目立体视觉技术简介 1. 什么是视觉 视觉是一个古老的研究课题，同时又是人类观察世界、认知世界的重要功能和手段。人类从外界获得的信息约有75%来自视觉系统，用机器模拟人类的视觉功能是人们多年的梦想。视觉神经生理学，视觉心里学，特别是计算机技术、数字图像处理、计算机图形学、人工智能等学科的发展，为利用计算机实现模拟人类的视觉成为可能。在现代工业自动化生产过程中，计算机视觉正成为一种提高生产效率和检验产品质量的关键技术之一，如机器零件的自动检测、智能机器人控制、生产线的自动监控等;在国防和航天等领域，计算机视觉也具有较重要的意义，如运动目标的自动跟踪与识别、自主车导航及空间机器人的视觉控制等。人类视觉过程可以看作是一个从感觉到知觉的复杂过程，从狭义上来说视觉的最终目的是要对场景作出对观察者有意义的解释和描述；从广义上说，是根据周围的环境和观察者的意愿，在解释和描述的基础上做出行为规划或行为决策。计算机视觉研究的目的使计算机具有通过二维图像信息来认知三维环境信息的能力，这种能力不仅使机器能感知三维环境中物体的几何信息(如形状、位置、姿态运动等)，而且能进一步对它们进行描述、存储、识别与理解，计算机视觉己经发展起一套独立的计算理论与算法。 2. 什么是计算机双目立体视觉 双目立体视觉(Binocular Stereo Vision)是机器视觉的一种重要形式，它是基于视差原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置偏差，来获取物体三维几何信息的方法。融合两只眼睛获得的图像并观察它们之间的差别，使我们可以获得明显的深度感，建立特征间的对应关系，将同一空间物理点在不同图像中的映像点对应起来，这个差别，我们称作视差(Disparity)图像，如图一。 图一、视差（Disparity）图像 双目立体视觉测量方法具有效率高、精度合适、系统结构简单、成本低等优点，非常适合于制造现场的在线、非接触产品检测和质量控制。对运动物体（包括动物和人体形体）测量中，由于图像获取是在瞬间完成的，因此立体视觉方法是一种更有效的测量方法。 双目立体视觉系统是计算机视觉的关键技术之一，获取空间三维场景的距离信息也是计算机视觉研究中最基础的内容。 双目立体视觉的开创性工作始于上世纪的60年代中期。美国MIT的Roberts通过从数字图像中提取立方体、楔形体和棱柱体等简单规则多面体的三维结构，并对物体的形状和空间关系

人体工程学与室内设计调查报告 - 副本

关于人体工程学在室内设计中 具体应用的调研 ——寝室空间设计的应用 About human body engineering in interior design the specific application and research —Bedroom spatial design application 课程名称：人体工程学与室内设计 指导教师：李安 姓名：李小茜李洁 学号：2010101424 2010101310 日期：2010年3月29日 长沙学院艺术系

摘要： 近来人们研究探讨室内环境问题，抛弃了以往把人和物、人和环境割裂开来，孤立地对待，或者是单纯地以人去适应物和环境对人们提出要求的方向。开始重视生活于人工环境中人们的心理倾向和人的行为习惯，把选择环境与创建环境相结合。实地调研寝室空间各设施对人的行为、心理尺度（生理及心理两方面）的影响，分析并得出调研结果。 研究对象： ★宿舍空间布局、门窗以及生活环境行为空间的分配★宿舍桌椅、书柜、衣柜的尺寸、材质、色彩 ★宿舍床铺高低布局设计 ★宿舍阳台、洗漱台、晒衣架 ★宿舍卫生间 ★人的行为习惯的设施、装饰 ★宿舍尺寸、色彩、材质、光线的分析 研究分析 一、空间环境与人的心理、行为 在环境意识日益充斥着生活每一个角落的今天，人们开始越来越密切的关注自己周围生存空间的环境

31003100浴霸储物柜储物柜床铺(模板）床铺床铺床铺水泥地水泥地防滑砖品质，环境心理作为一个与人们生活、个性密不可分的设计准则也获得了大家的广泛关注。由于年龄、性别、职业、道德、伦理、文化、修养、气爱好等不同，每个人的心理活动也千差万别。而人的行为是人的心理活动外在表现。所以空间生活环境的舒适度关系着人的心理的满足感。研究人体结构功能，心理、力学等方面与室内环境之间的合理协调关系适合人的身心活动要求，取的最佳的使用效能，其目标是安全、健康、高效能和舒适。 我们所调查的宿舍空间是学校弘昱一栋的四人 寝室。空间布局大致如下图: 宿舍平面图

3D全景技术的特点

目录 一、三维全景的优点 二、客户的问题点 三、伙伴软件公司的基本信息 四、报价 五、客户开票资料含有的信息

三维全景的优点 一、真实并生动，增加互动效果，强烈的感觉到真实性和现场感， 每一个物体都是经过每60度一个角进行拍摄，再经过后台技 术人员通过缝补的技术合成，合成后的效果因为是真实影像的 拍摄组成的，所以真实感非常强烈。而且可以上下左右的点击，并且配以音乐、解说（中央电视台的专业人士配音效果）， FLASH点缀效果增加了画面的完美感，且不失真。 二、信息传播面广 单反相机拍摄，无死角性的拍摄，对目标进行360×360度的全方位展示，立体空间感强烈，分辨率高，可以放大，看细节性物体，追求更好的亲临现场的感觉。 三、图象下载速度快 万网的传输平台，一般网络公司都是放在普通的平台上，通过网站空间管理费就能看出， 万网的空间管理费：1850元/年 普通的空间管理费：650元/年

客户的问题点 1、我已有网站，不需要再建立 方案：可以以打包的形式嵌入到客户的官方网址中，但必须要 请客户和已有的网络公司沟通确认好，这样不但增加了客户企 业的形象，更能诠释所需要展示的产品的画面感，同时客户也 大大削减了成本，因为只做包的形式，其报价在2000元左右。 2、我觉得和视频差不多，你们就是多了个上下左右旋转的功能而 已 方案：上下左右旋转只是其展现出来的基本功能键，关建是前 期后台技术人员在物体合成缝补的技术上和拍摄取点时每60 度就要进行一个拍摄之后的合成效果，呈现出来的画面才真实 感、现场感强烈，进一步增加客户对产品的了解，让客户有一 种身临其境的感觉，再通过在线预订的形式吸引客户前来。并 且360全景生成文件小，这种基于图像的虚拟现实技术制 作，更适合网络应用，而且还可以安插说明细节的图片（相 当于导览或空间布局图）、文字、动画、或跳转到其它网 页的连接以帮助观众更全面地了解所展示的对象。 视频只能按照他们的形式，以时间轴为形式，是一种灌输性的 传播方式，而三维全景技术具有信息价值、直观的、可信的、

双目立体视觉问题

双目立体视觉问题 2008-10-30 20:24 双目立体视觉的研究一直是机器视觉中的热点和难点。使用双目立体视觉系统可以确定任意物体的三维轮廓，并且可以得到轮廓上任意点的三维坐标。因此双目立体视觉系统可以应用在多个领域。现说明介绍如何基于HALCON实现双目立体视觉系统，以及立体视觉的基本理论、方法和相关技术，为搭建双目立体视觉系统和提高算法效率。 双目立体视觉是机器视觉的一种重要形式，它是基于视差原理并由多幅图像获取物体三维几何信息的方法。双目立体视觉系统一般由双摄像机从不同角度同时获得被测物的两幅数字图像，或由单摄像机在不同时刻从不同角度获得被测物的两幅数字图像，并基于视差原理恢复出物体的三维几何信息，重建物体三维轮廓及位置。双目立体视觉系统在机器视觉领域有着广泛的应用前景。 HALCON是在世界范围内广泛使用的机器视觉软件。它拥有满足您各类机器视觉应用需求的完善的开发库。HALCON也包含Blob分析、形态学、模式识别、测量、三维摄像机定标、双目立体视觉等杰出的高级算法。HALCON支持Linux和Windows，并且可以通过C、C++、C#、Visual Basic和Delphi语言访问。另外HALCON与硬件无关，支持大多数图像采集卡及带有DirectShow和IEEE 1394驱动的采集设备，用户可以利用其开放式结构快速开发图像处理和机器视觉应用软件。 一．双目立体视觉相关基本理论说明 1．1 双目立体视觉原理 双目立体视觉三维测量是基于视差原理，图1所示为简单的平视双目立体成像原理图，两摄像机的投影中心的连线的距离，即基线距为b。摄像机坐标系的原点在摄像机镜头的光心处，坐标系如图1所示。事实上摄像机的成像平面在镜头的光心后，图1中将左右成像平面绘制在镜头的光心前f处，这个虚拟的图像平面坐标系O1uv的u轴和v轴与和摄像机坐标系的x轴和y轴方向一致，这样可以简化计算过程。左右图像坐标系的原点在摄像机光轴与平面的交点O1和O2。空间中某点P在左图像和右图像中相应的坐标分别为 P1(u1,v1)和P2(u2,v2)。假定两摄像机的图像在同一个平面上，则点P图像坐标的Y坐标相同，即v1=v2。由三角几何关系得到: 上式中（x c，y c，z c）为点P在左摄像机坐标系中的坐标，b为基线距，f为两个摄像机的焦距，（u1,v1）和（u2,v2）分别为点P在左图像和右图像中的坐标。 视差定义为某一点在两幅图像中相应点的位置差:

(完整版)人体工程学室内设计尺寸(全)

人体工程学室内设计尺寸单位： mm 一、家居空间人体尺寸 卧室家具： 床：单人床：宽度：900，1050，1200；长度：1800，1860，2000，2100 双人床：宽度：1350，1500，1800；长度1800，1860，2000，2100 圆床：直径：1860，2125，2424 常用床尺寸：1200× 2000；1500× 2000；1800×2000；2000×2300 床高：400-500 （一般床高300 ，加上床垫高度在460 最佳，等于膝盖高度）床靠高：850-950 床头柜：宽400-600，深350-450 ，高500-700（标准范围，不同风格尺寸不同） 一般规格：500×500×550；400× 600×550。 现代风格床头柜：580× 415× 490 、600×400×600、600×400×400； 欧式风格床头柜：560×390×58，4 590×455×50，0 600×495×55，8 680× 450×748 衣柜：衣柜门宽300-550 （单扇），衣柜宽800，900，1000（基本单元），推拉门宽700 深550-600，高1800-2400 ；标准深度600. 矮柜：深度：350~450 ，柜门宽度：300-600，高度根据实际环境，常用600 客厅家具： 沙发：长度：单人式800-1100 ，双人式1300-1700，三人式1800-2200 ；四人式2300-2600 深度：800-1000 ；总高：800-1200，其中座高350-450mm 茶几：茶几高度在450~600mm 范围内，茶几的平面形状及长、宽尺寸可任意确定，其中：小型，长方形：长度600-750 ，宽度450-600，高度380-500（380 最佳）中型，长方形：长度 1200-1350 ；宽度380-500 或者600-750 正方形：长度750-900 ，高度430-500 大型，长方形：长度1500-1800 ，宽度600-800，高度330-420 （330 最佳）圆形：直径750，900，1050，1200；高度：330-420 方形：宽度900，1050，1200，1350，1500；高度330-420 电视柜：电视柜的长度可根据电视尺寸或背景墙形式来确定，宽度约450-600 ，高度： 400~600 人眼至电视屏幕距离：通常应电视机屏幕尺寸（对角线）6 倍的距离，最小不小于2.5 米。 餐厅家具： 餐桌：方桌：750× 750；800×800；850×850；900×900；1200×1200 长桌：长方桌宽度80，90，105，120；长度150，165，180，210，240 常用尺寸：二人 700×850，四人1350×850，八人2250×850 高度：高度750-780 （一般），西式高度680-720 酒柜：高：1800-2400 ；深：350-500 ；餐桌高：750-790 餐椅高；450-500 餐桌间距：（其中座椅占500mm）应大于500mm 椅凳：座面高420-440、扶手椅内宽不小于460 餐桌离墙一般800（含把椅子拉出来，以及能使就餐的人便利活动的最小距离） 书房家具： 博古柜：常见高度：2000、2200、2400；深度：400、450 ；长度自定书柜：高1800、1900、2000-2400 ；深度：300、350、400 标准书柜深度（350）下柜高度800-900 为宜；长度：600-1200 书桌：高750、760、不得超过780 ；宽500、550、600、650、700、750 ；长度1200-2000 ，常用1400、1500、1600、1700、1800 固定式：深度450-700 （600 最佳），高度750 活动式：深度650-800 ，高度750-780 书桌下缘离地至少580；长度：最少900（1500-1800 最佳）书架及书柜内部分隔高度：250、260、320、330、400、450、500 内部分隔跨度：18板：200-500 ；25板：200-800 ；36 板：250-1000