一種基于Leap Motion的直觀體交互技術

徐崇斌 周明全 沈俊辰 駱巖林 武仲科

1 引言

體可視化已經成為醫(yī)學影像、生物可視化、地質探測和科學計算可視化等領域的一個重要工具，與傳統(tǒng)可視化技術相比，體可視化更有助于用戶直觀、可靠地理解被測數據中包含的內部幾何結構和特征信息[1]。目前，大部分針對體可視化的研究集中在線下和實時繪制算法，而且隨著 GPU的推陳出新，這些算法發(fā)展尤為迅速。然而，單單靠提高繪制性能本身并不能使用戶對體數據有更為直觀的理解[2]。如何提供有效的體數據交互手段，使用戶更方便地探索和分析數據，已成為當前體可視化的一個研究熱點[3]。

文獻[4]采用一種基于專家?guī)斓尼t(yī)學可視化用戶界面，一旦用戶選擇了一個感興趣區(qū)域(Region-Of-Interest, ROI)，系統(tǒng)會根據模糊邏輯對不同的繪制函數進行排序，并自動給出用戶最可能想要的可視化結果，不需要用戶去操作復雜的菜單或工具欄。文獻[5]設計了一種虛擬魔術燈(virtual magic lantern)的交互隱喻，采用Wanda作為空間輸入設備，將虛擬燈光照射到的區(qū)域(通常為感興趣區(qū)域)用另一種傳遞函數進行繪制，通過改變光照區(qū)域的傳遞函數參數可以改變顯示的體數據類別和繪制風格，從而實現(xiàn)簡潔易用的體探測功能。文獻[6]設計了一種手柄隱喻用于實現(xiàn)虛擬環(huán)境的基本操作，先用虛擬手柄穿過并綁定虛擬現(xiàn)實環(huán)境下的 3維物體，然后通過Kinect傳感器識別用戶雙手在3D空間的手勢和移動，從而驅動虛擬手柄帶動3維物體進行旋轉、平移和縮放操作。文獻[7]通過手勢事件模擬鼠標/筆對 GUI的控制和操作，并在 Buxton狀態(tài)模型[8]的基礎上提出基于視覺手勢交互的狀態(tài)轉移模型。

本文給出一種基于Leap Motion傳感器的3維用戶界面-LeVisall，借助Leap Motion, LeVisall交互技術適用于在大屏幕空間體數據的直觀操作，如6DOF 交互操作(3DOF Rotation, 3DOF Translation)及體切割和層探視等數據分析。首先在沒有預先告知任何指定手勢的情況下，通過形成性實驗(formative study)觀察用戶如何使用手勢遠距離操控現(xiàn)實環(huán)境中的物體，在其基礎上設計出一套易于理解的體交互手勢。然后，建立 Leap Motion傳感器工作區(qū)域和體數據計算空間之間的映射，將實時解算的手運動數據和矢量數據相結合，完成一個連續(xù)數據流的體交互原型系統(tǒng)。最后通過用戶實驗對原型系統(tǒng)進行評估。實驗結果表明，和傳統(tǒng)2D交互手段相比，LeVisall的用戶體驗和表現(xiàn)更為自然、直觀和高效。

2 交互技術

2.1 交互機制

2.1.1 交互模式 為了獲得用戶表達3D體交互最自然的方式，在最開始階段進行簡單的形成性實驗。由實驗設計者指定若干個體交互任務，讓用戶以自己認為最直觀的方式用單手或者雙手完成交互任務。根據形成性實驗的觀察，為和潛在用戶的操作行為保持一致，將LeVisall的交互模式大致分為導航、編輯和探測。導航指平移、旋轉和縮放體數據模型到指定姿態(tài)；編輯包括剖切體數據，瀏覽各剖切斷面信息；探測指用虛擬濾鏡或體探測工具對感興趣區(qū)域進行層探視。

LeVisall默認是導航模式，用戶在Leap Motion傳感器的工作區(qū)域自由地轉動手腕，驅動模型做 6個自由度運動。當模型達到用戶滿意姿態(tài)時，可以通過停止手勢鎖定當前姿態(tài)并通過切換手勢進入其他模式。編輯模式，用戶將手勢映射成不同的切割工具，對體數據進行操作，包括平面切割和超二次曲面切割。在此階段可通過簡單手勢切換回導航模式，或者用 RESET手勢對編輯操作清零，恢復到剛進入編輯模式時的狀態(tài)。用切割方法獲得感興趣區(qū)域后，用戶往往需要對該區(qū)域內部進一步探索。如醫(yī)學體數據在繪制時出現(xiàn)遮擋問題，可用濾鏡等工具對不同組織進行分層剝離以達到最符合用戶需求的可視化效果。探測模式，允許用戶通過本文設計的手勢進行層探視和基于超二次曲面的體探測。

2.1.2 手勢設計 LeVisall可以識別3種基本的手形(hand pose)，分別命名為指向(point)、張開(open)和握拳(fist)，如圖1所示。為了獲得上述基本手勢的與視點無關的穩(wěn)定識別，本文先將實時得到的手部運動數據進行姿態(tài)歸一化，利用掌心點坐標和掌心法矢改變作為坐標軸的平移偏量和旋轉偏量，將歸一化后的手勢空間分布信息和已知的3種基本手形進行模式匹配和分類，從而確定當前哪個手形處于激活狀態(tài)。

結合前面關于形成性試驗的一系列結論，本文給出LeVisall在不同交互模式的手勢(hand gesture)設計。如圖2所示，每一種手勢都由基本手形或基本手形的組合加上手部運動觸發(fā)，而且在這些手勢操作過程中，交互響應是連續(xù)實時地繪制在大屏幕上，給用戶提供有效的視覺反饋。

LeVisall中手勢包括以下幾種：

(1)通用3維交互手勢 對體數據的基本3維交互包括3DOF旋轉、3DOF平移以及縮放。在導航模式，屏幕上的體數據和用戶手掌的姿態(tài)、位置是直接鏡像的，在探測模式交互工具和用戶手掌之間也有同樣的映射關系。進入導航狀態(tài)后，采用張開手勢，結合手腕和手肘的自由度在物理空間改變手掌的姿態(tài)和位置信息，經過姿態(tài)解算后映射到體數據；體數據的縮放主要是通過5個手指指尖向量和手掌向量之間的關系來實現(xiàn)，用戶彎曲5個手指則觸發(fā)縮小操作，反之則觸發(fā)放大操作。

(2)層探視手勢 為了實現(xiàn)體數據內部分層探視，設計直觀換層手勢，同時可應用于2維濾鏡和3維體探測的局部分層顯示。在基于層控制的濾鏡交互中，用戶使用指向手勢，直接將食指指向屏幕，對體數據進行任意區(qū)域的分層顯示，用魔術燈錐形光線隱喻，手指在垂直于屏幕的方向移動可以控制探視窗口大小。用戶在進行濾鏡操作時，食指對著屏幕順時針旋轉一圈則切換到下一層，如圖 2(c)所示。

圖1 LeVisall識別的3種基本手形及其在Leap Motion信息空間的可視化表達

圖2 LeVisall中主要操作的手勢設計

(3)平面切割手勢 使手指和手掌基本在一個平面上，保持手指指尖向量和手掌法向的垂直，從而用手掌模擬3維空間的切平面，將手掌的位置和法向映射到虛擬空間中確定一張切平面。通過連續(xù)旋轉手掌以及移動手掌的位置，使得虛擬空間中的切平面穿越體數據的任意部分，用戶可以對體數據進行非常直觀、自然的切割操作，如圖2(d)所示。

(4)超二次曲面切割手勢 LeVisall中用超二次曲面的圓角實體交互工具共有3種，分別是球體、立方體和圓柱體柱體。用戶采用指向手勢，在空中簡單比劃出逆時針的圓圈，如圖 2(f)所示，系統(tǒng)識別后在不同的超二次曲面實體中切換，并實時在屏幕上繪制出來，最后通過握拳手勢完成交互工具的選擇，如圖 2(e)所示。確認交互工具形狀后，超二次曲面的交互手勢和基本3維交互中體數據的手勢設計是一樣的。

2.1.3 狀態(tài)轉移模型 在人機交互領域，由于交互技術對交互設備依賴程度相當高，如何對交互設備進行抽象成為用戶界面設計的重要需求[8]。一般普遍采用的方法是設計輸入設備的狀態(tài)模型，雖然輸入設備譜系駁雜，但可以歸類成極少數幾個類別，利用狀態(tài)轉換模型可以從這些輸入設備的行為中抽象出簡單而重要的元素[9]。

本文利用Leap Motion傳感器作為輸入設備，通過手形變換、手掌移動和手掌形狀變換對體數據和交互工具進行控制。LeVisall輸入方式有別于鼠標和多點觸控的 2D輸入，也有別于基于靜止手形識別的離散輸入，是基于手掌隱喻的物理空間中的連續(xù)3維交互，本文參照文獻[7]提出的狀態(tài)轉移模型，設計適用于3維空間體交互的狀態(tài)轉移模型，如圖3所示。

在體交互過程中，根據不同探索需求，用戶需要在不同狀態(tài)間進行實時切換。本文設計基于體交互流程的切換手勢，按照交互流程正反兩個方向進行狀態(tài)切換，如圖2(h)所示。另外，為了更好地觀察體數據內部切面信息，讓用戶以最簡便的方式切換至導航模式，LeVisall將指向和握拳手形到五指分開的變換過程識別為切換到導航模式的快捷手勢。本文還將Leap Motion的倒金字塔工作區(qū)域劃分成近場區(qū)域(near field region)和遠場區(qū)域(far field region)，以實現(xiàn)用戶在交互過程中的空間映射和快捷編輯。定義Leap Motion識別范圍內嵌最大立方體結構的區(qū)域為遠場區(qū)域，如圖4所示，用于方便地和 3D虛擬應用進行位置坐標映射。定義遠場區(qū)域底面以下的識別區(qū)域為近場區(qū)域，如圖4所示的倒金字塔區(qū)域，用于進行RESET, REDO等快捷編輯操作。

2.2 關鍵算法

傳統(tǒng)圖形界面或者命令行界面主要采用的是鍵盤和鼠標輸入的離散信息，而基于Leap Motion傳感器的用戶界面輸入的是連續(xù)跟蹤數據流，本小節(jié)將對支持2.1節(jié)所述交互機制的關鍵算法進行討論。

2.2.1 噪聲抑制技術 LeVisall處理的數據流是Leap Motion傳感器實時返回的動作捕捉數據，包括手部各關鍵節(jié)點的空間軌跡、運動速度和指向矢量。除了基本手勢識別外，這些信息還主要用于對體數據進行切割、探測操作。盡管理論上 Leap Motion傳感器的軌跡跟蹤精度達到亞毫米級，但由于是通過軟件算法實現(xiàn)其高精度跟蹤，從硬件角度來講，Leap Motion僅采用兩只分辨率為640×240的高幀率攝像頭，在實際使用時仍會產生識別不穩(wěn)定的現(xiàn)象。器件分辨率、熱磁噪聲、人手抖動[10]、視覺遮擋及數值解算的奇異值都可能引入噪聲信號。本文采用文獻[11]提出的自適應截止頻率低通濾波方法，通過檢測用戶手掌掌心點速度實時改變低通濾波器的截止頻率。式(1)給出上述自適應濾波的參數表達和演算。

圖3 LeVisall的狀態(tài)轉移模型圖

圖4 基于識別區(qū)域劃分的空間映射方法和快捷狀態(tài)切換

其中 Di是從Leap Motion傳感器返回坐標和向量值組成的高維向量，是經過自適應濾波后的向量，αi是[0,1]之間的平滑因子，可以由傳感器數據更新間隔Ti和時間常數τi計算：

其中截止頻率cif由式(4)確定，式中是的導數，代表手掌運動的線速度和角速度，本文取經驗值mincf =1 Hz, β=0.5。

2.2.2 姿態(tài)解算和映射 LeVisall的交互隱喻是“雙手就是交互工具”，用戶手部姿態(tài)的變化將映射到體數據，從而驅動體數據在虛擬空間做6個自由度運動?？臻g姿態(tài)和位置解算是3維交互中非常重要的部分，準確的姿態(tài)解算能為下一個交互階段提供可靠輸入。LeVisall利用用戶手部運動數據對體數據進行6個自由度交互映射，位置信息由掌心點歸一化坐標可以得到，而手掌姿態(tài)則需要通過計算旋轉矩陣獲得。為了獲得穩(wěn)定的手掌姿態(tài)信息，本文采用基于四元數的姿態(tài)算法[12]。從手外科學關節(jié)活動度來看，用戶手掌旋轉角度非常有限，本文采用非同構的旋轉控制大角度旋轉。

以交互過程中 Leap Motion捕獲到的第i幀數據為例(如圖5所示)，下面說明本文的空間姿態(tài)算法：

圖5 手指、手掌矢量定義和空間姿態(tài)旋轉示意圖

步驟1 通過Leap Motion傳感器獲得當前跟蹤的指尖向量 di1, di2, di3, di4, di5以及手掌法向量Ni，并計算指尖向量的和在向量 Ni的垂面上的投影分量，記為 Di；

步驟 2 通過向量 Ni和上一幀的手掌法向量Ni-1計算相應的旋轉四元數 QNi；

步驟 3 按照 QNi計算相應的旋轉矩陣 CNi,并通過 C 將上一幀向量 D 旋轉至向量，若

Nii-1與 D 不重合則計算它們之間的旋轉四元數 Q ；iDi

步驟4 將四元數 QDi左乘 QNi得到第 i - 1幀和第i幀的幀間四元數ΔQi，并通過式(6)更新當前四元數 Qi。在式(6)中，引入控制比例因子k，通過調節(jié)因子k改變幀間四元數iQΔ在計算iQ時的計算權重，從而實現(xiàn)非同構的3D旋轉，本文根據LeVisall的操控需求取經驗值 2.5k= ；

步驟 5 根據當前四元數 Qi= (q0, q1, q2, q3)來確定手掌姿態(tài)矩陣其中 q0為四元素 Qi的實部，q1,

3 實驗設計與評估

基于上述設計的LeVisall交互技術實現(xiàn)了交互實例，采取的硬件系統(tǒng)包括一臺DELL的T5400系列圖形工作站，主要配置為雙四核Xeon CPU 2.33 GHz, 8 G內存，NVIDIA 1.5 GB GeForce GTX570顯卡，操作系統(tǒng)為Win7旗艦版；一臺Leap Motion傳感器；一臺三菱GX-6400投影儀以及一塊超寬金屬銀幕。采用 Leap公司提供的 SDK V1.0.9 for Windows獲取 Leap Motion傳感器返回的報文數據。通過對用戶空間交互意圖的理解，利用CUDA并行架構進行加速繪制，實現(xiàn)體數據交互式實時繪制。

為了驗證LeVisall的交互效率和易用性，本文設計相應的用戶試驗，讓被試者先后采用 Leap Motion交互與 2D鼠標交互兩種方式完成交互任務。共計15個被試人員(6名女性)參與該次試驗，年齡范圍22~40歲。其中醫(yī)學影像從業(yè)人員5名，均有3年以上醫(yī)學影像工作站操作經驗；2年以上3D游戲玩家5名，其中有2人有過Kinect游戲經歷；從未接觸過體數據和3維用戶界面的被試人員5名。

研究人員要求每個被試者完成5個交互任務，如圖6所示：(1)將3維空間中的體數據旋轉到指定姿態(tài)并平移到指定位置；(2)對體數據的指定部位進行體切割，并旋轉到指定角度觀察；(3)選擇體數據的某一部位，執(zhí)行指定層的體探測；(4)通過濾鏡觀察體數據指定部位的不同層數據；(5)指定角度和位置的斷面切割，并多角度展示相應斷面信息。

被試者完成交互任務后給出停止手勢并切換任務，此時系統(tǒng)計算并記錄用戶完成任務的時間(Time)和綜合誤差(ER)，其評估算法如式(8)：

其中，tSG,i表示當前任務的完成時刻，tSG,i-1表示上一任務完成時刻； E Rv, E Rt分別表示體數據模型、交互工具的姿態(tài)和位置誤差。下面以體數據誤差ERv為例介紹精度的計算方法，其位置誤差 TE可以由歐式距離函數計算得到。

式(9),ST是期望的空間位置，UT是用戶達到的空間位置。通過計算期望旋轉矩陣SR 和用戶操作所得旋轉矩陣UR 的相似度來估計姿態(tài)誤差ER ：

圖6 體數據初始狀態(tài)以及5個交互任務目標圖片

其中I是單位陣，M 是3×3矩陣，表示從姿態(tài)UR到SR 的旋轉矩陣，可由式(11)計算得到。

完成交互任務后，每個被試者需填寫一份調查問卷，如表1所示，用于主觀評價LeVisall交互技術在易用性、自然性和高效性方面的體驗。對于每個問題，被試者須先以1~5之間的數字來表達同意程度，然后給出簡短的評論。

表1 LeVisall用戶調查問卷題目列表

4 結果與討論

所有被試者均順利完成指定的交互任務，采用LeVisall交互平均耗時304 s，平均綜合誤差6.5%；采用鼠標交互平均耗時380 s，平均綜合誤差8.6%。圖7為用戶分別使用鼠標和Leap Motion作為輸入設備的實驗數據統(tǒng)計結果。

從圖 7(a)的曲線對比可以看出，LeVisall在執(zhí)行任務3、任務4和任務5的速度表現(xiàn)優(yōu)于鼠標。鼠標在空間旋轉(任務 1)的表現(xiàn)反而稍好于LeVisall，這是由于人的生理限制，對于大角度旋轉，仍然需要分次完成，尤其是橈偏和尺偏兩個方向。而在其他僅需要小角度調整姿態(tài)的多自由度任務，用戶可以迅速連續(xù)調整到指定姿態(tài)，并可以通過手勢在交互工具和體數據之間來回切換，大幅提高交互效率。鼠標在平面任務和準 3維任務(如任務 4)有著較高的精度，但由于其自由度受限，而且空間映射認知困難，在操作自由度增加到9個(如任務3)的時候，用戶很難快速調整到指定姿態(tài)。

在精度方面，由于鼠標是離散的精確輸入設備，在5個任務中有3個任務的精度都略高于LeVisall。雖然 Leap Motion屬于非精確操作設備，LeVisall在任務3和任務5的數據卻明顯好于鼠標。任務5需要調整切平面的中心點和法向量，用鼠標一次只能進行2自由度的控制，而LeVisall使用掌面直接映射切面使用戶感到很自然；另外，本文基于速度的自適應濾波也是獲得較高交互精度的原因。

如前所述，本文將用戶分成3個組：組1為醫(yī)學影像從業(yè)人員；組2為3D游戲玩家；組3為從未接觸過3維用戶界面。圖8給出了不同分組采用LeVisall交互技術的實驗對比統(tǒng)計數據圖。

從圖8可以看出，組1精度最高，速度相對較慢；組2速度快，精度最低；組3速度最慢，精度適中。這是由于組 1、組 2都曾經接觸過類似的用戶界面，但對目標任務的理解不同，組1更傾向于獲得更符合目標的觀測結果，而組2偏向于快速、高效完成任務。組3初次接觸3維用戶界面，認知加工最大，雖然完成時間稍長，但精度接近組 1，總體來說交互效率較高。從任務5的數據來看，不同分組被試完成時間和精度差異均不顯著，且樣本方差很小。任務2和任務3的數據說明分組1和分組2對高自由度操作任務較為熟悉。而由于有醫(yī)學影像工作站工作經驗，組1的被試者在體數據理解和交互控制精度方面都有顯著的優(yōu)勢。

圖9給出15個被試者對調查問卷的反饋結果。可以看出，大部分被試者認為LeVisall交互技術使用直觀、可操控性強且易記易用。問題 3和問題4的結果表明LeVisall的手勢設計簡單、易記且直觀，用戶在交互意圖和實際手勢選擇之間僅需要少量認知加工，僅有一個用戶反映同一個手形在不同狀態(tài)下對應不同操作需要時間去記憶和熟悉(如體切割和重置都用的是握拳手形)。LeVisall根據人手部活動特征設計的手勢集加上基于 CUDA的實時交互繪制令用戶有很強的代入感，有被試者在執(zhí)行任務5時感嘆道就像照鏡子一樣自然，問題 5得到的高平均分也說明了這點。

圖7 Levisall交互和鼠標交互的實驗數據對比結果

圖8 不同分組采用LeVisall交互技術的實驗對比結果

圖9 被試者給問卷中的5個問題打分統(tǒng)計圖

5 結束語

本文針對大屏環(huán)境下體數據的操控和探索，提出一種基于低成本Leap Motion傳感器的高效、直觀3維空間體交互技術LeVisall交互技術。該技術的優(yōu)勢在于沒有復雜的菜單、按鈕，用戶不需要太多的學習和認知負荷便能熟練操作。通過形成性實驗，充分考慮用戶日常生活經驗，合理設計交互手形手勢集合和語法，提高LeVisall交互的自然性。本文通過5個體交互中常見任務對LeVisall交互技術進行評估，從試驗結果可以看出，合理地將用戶的手部姿態(tài)和運動與體交互工具進行綁定、映射，對于3維體交互的易用性、直觀性和交互效率上都有著重要作用。

隨著基于雙目立體視覺和 RGB-D等測距跟蹤技術的成熟以及硬件成本的降低，非接觸式空間輸入設備在虛擬現(xiàn)實和可視化領域有著廣闊的應用前景。下一步LeVisall有以下兩個可能的工作計劃：(1)分析多用戶協(xié)同、雙手交互等應用場景的交互特征，完善LeVisall交互框架，并使用多傳感器實現(xiàn)交互空間的擴展以滿足上述場景所需要的識別范圍；(2)建立多通道沉浸式交互環(huán)境，研究基于視點變換的立體視覺、距離感知是否會幫助用戶理解 3維用戶界面，從而更高效地完成交互任務。

[1] 曾理, 李宗劍, 劉長江. 3D-Wedgelet 分解與工業(yè) CT 體數據面特征提取[J]. 電子與信息學報, 2010, 32(10): 2314-2319.Zeng Li, Li Zong-jian, and Liu Chang-jiang. 3D-Wedgelet decomposition and ICT cubic data’s surface feature extraction[J]. Journal of Electronics & Information Technology, 2010, 32(10): 2314-2319.

[2] Laha B, Sensharma K, Schiffbauer J D, et al.. Effects of immersion on visual analysis of volume data[J]. IEEE Transactions on Visualization and Computer Graphics, 2012,18(4): 597-606.

[3] 郭翰琦, 袁曉如. 體數據可視化傳遞函數研究[J]. 計算機輔助設計與圖形學學報, 2012, 24(10): 1249-1258.Guo Han-qi and Yuan Xiao-ru. Survey on transfer functions in volume visualization[J]. Journal of Computer-Aided Design& Computer Graphics, 2012, 24(10): 1249-1258.

[4] Mistelbauer G, Kochl A, Bouzari H, et al.. Smart super views a knowledge-assisted interface for medical visualization[C]. IEEE Visual Analytics Science and Technology (VAST), Seattle, WA, USA, 2012: 163-172.

[5] Monclús E, Díaz J, Navazo I, et al.. The virtual magic lantern:an interaction metaphor for enhanced medical data inspection[C]. Proceedings of the 16th ACM Symposium on Virtual Reality Software and Technology, Kyoto, Japan, 2009:119-122.

[6] Song P, Goh W B, Hutama W, et al.. A handle bar metaphor for virtual object manipulation with mid-air interaction[C].Proceedings of the 2012 ACM Annual Conference on Human Factors in Computing Systems, Austin, TX, USA, 2012:1297-1306.

[7] 武匯岳, 張鳳軍, 劉玉進, 等. 基于視覺的互動游戲手勢界面工具箱[J]. 軟件學報, 2011, 22(5): 1067-1081.Wu Hui-yue, Zhang Feng-jun, Liu Yu-jin, et al.. Vision-based gesture interfaces toolkit for interactive games[J]. Journal of Software, 2011, 22(5): 1067-1081.

[8] Buxton W. A three-state model of graphical input[C].Proceedings of the Human-Computer Interaction-INTERACT 1990, Cambridge, UK, 1990: 449-456.

[9] Wigdor D and Wixon D. Brave NUI World: Designing Natural User Interfaces for Touch and Gesture[M].Burlington: Morgan Kaufmann Publishers, 2011: 65-72.

[10] Vaillancourt D E and Newell K M. Amplitude changes in the 8-12, 20-25, and 40 Hz oscillations in finger tremor[J].Clinical Neurophysiology, 2000, 111(10): 1792-1801.

[11] Casiez G, Roussel N, and Vogel D. 1€ filter: a simple speed-based low-pass filter for noisy input in interactive systems[C]. Proceedings of the 2012 ACM Annual Conference on Human Factors in Computing Systems, Austin, TX, USA,2012: 2527-2530.

[12] Shoemake K. Animating rotation with quaternion curves[J].ACM SIGGRAPH Computer Graphics, 1985, 19(3): 245-254.