計(jì)算機(jī)視覺原理分析及其應(yīng)用

王道累, 陳　軍, 吳懋亮

(上海電力學(xué)院 能源與機(jī)械工程學(xué)院, 上?！?00090)

?

計(jì)算機(jī)視覺原理分析及其應(yīng)用

王道累, 陳軍, 吳懋亮

(上海電力學(xué)院 能源與機(jī)械工程學(xué)院, 上海200090)

介紹了計(jì)算機(jī)視覺的原理,分析解釋了實(shí)現(xiàn)原理的步驟以及發(fā)展現(xiàn)狀,并且舉例說明了計(jì)算機(jī)視覺的應(yīng)用,解決了在人臉檢測和識別、機(jī)器人目標(biāo)定位、導(dǎo)航等領(lǐng)域的應(yīng)用問題,并簡單論述了計(jì)算機(jī)視覺技術(shù)的發(fā)展方向.

計(jì)算機(jī)視覺; 機(jī)器人導(dǎo)航; 物體識別; 立體匹配

計(jì)算機(jī)視覺是新興并且迅速發(fā)展的一門學(xué)科.計(jì)算機(jī)視覺是所有從二維圖片中獲得情景信息的計(jì)算機(jī)處理方法總稱.由于在工業(yè)以及軍事實(shí)踐中,提出了很多新課題,特別是在研制智能機(jī)器人、高尖端的武器方面,計(jì)算機(jī)視覺逐漸受到了人們的關(guān)注.從20世紀(jì)70年代起,科技人員在研究基本理論的同時,還注重研制實(shí)用系統(tǒng).[1-2]如今計(jì)算機(jī)視覺理論已廣泛應(yīng)用于神經(jīng)生物學(xué)、人工智能、生物醫(yī)學(xué)、航空航天、模式識別與圖像處理等多個領(lǐng)域.同時,它也是一門由多種學(xué)科相互交叉形成的邊緣學(xué)科,其研究成果已應(yīng)用到遍及科學(xué)研究、國民經(jīng)濟(jì)以及軍事部門等各個領(lǐng)域.

1　計(jì)算機(jī)視覺概述及其基本結(jié)構(gòu)

人類可以通過自身的雙眼感知系統(tǒng),輕松獲得周邊的三維場景.比如我們欣賞一盆花時,可以通過葉子的顏色變化,準(zhǔn)確預(yù)測出這朵花的生長情況;觀賞一幅肖像畫時,也可以輕松識別出其中的人物,甚至可以從圖畫呈現(xiàn)出來的面部表情估計(jì)出其情感活動變換等.因?yàn)槿祟愐曈X系統(tǒng)具有獨(dú)特功能,可以感知現(xiàn)實(shí)三維情景,這促使研究者試圖通過傳感器和計(jì)算機(jī)的軟硬件去模擬仿真人類視覺系統(tǒng),再現(xiàn)真實(shí)三維場景,比如對三維環(huán)境圖像的采集、分析、處理和學(xué)習(xí)能力,并將該能力植入到計(jì)算機(jī)中,以便讓計(jì)算機(jī)和機(jī)器人系統(tǒng)具有智能化的視覺功能.[3-7]

計(jì)算機(jī)視覺系統(tǒng)主要由圖像采集、圖像處理及分析、圖像顯示輸出等組成.因此,計(jì)算機(jī)視覺理論實(shí)現(xiàn)結(jié)構(gòu)可以被劃分成圖像數(shù)據(jù)處理層、圖像特征描述層及圖像知識獲取層,具體如圖1所示.這3個層次形成了目前正普遍使用的計(jì)算機(jī)視覺系統(tǒng)框架.[8]

圖1　計(jì)算機(jī)視覺系統(tǒng)構(gòu)架

1.1圖像數(shù)據(jù)處理層

在圖像數(shù)據(jù)處理層中,對要處理的對象即一些像素級的數(shù)字信號進(jìn)行處理與操作,如圖像獲取、傳輸、壓縮、降噪、轉(zhuǎn)換、存貯、增強(qiáng)和復(fù)原等.該層作用是將原始圖像轉(zhuǎn)變成為具有所需的某些特性的圖像,比如較好的信噪比.它只是圖對圖的變更,沒有一些明顯的構(gòu)造描述.但它又是邊界檢測的基礎(chǔ).這門技術(shù)較成熟、歷史長,經(jīng)常使用的方法有數(shù)字濾波以及快速富里埃變換等.[9]

(1) 增強(qiáng)圖像其目標(biāo)是要改善圖像的視覺效果,將需要圖像的整體或感興趣的局部特性強(qiáng)化出來,將不清晰的圖像變得清晰,擴(kuò)大不同物體特征之間的差別,同時抑制不需要的特征,從而使圖像質(zhì)量得到改善,信息量得到豐富,圖像判讀與識別效果得到加強(qiáng),滿足特殊分析的需要.

(2) 平滑圖像其目的是使圖像的寬大區(qū)域、主干部分、低頻成分或干擾高頻成分和抑制圖像噪聲被突出,這樣圖像的亮度趨于平緩并漸變,從而減小突變梯度程度,該處理方法能進(jìn)一步改善圖像的質(zhì)量.

(3) 圖像數(shù)據(jù)編碼和傳輸圖像編碼是以較少的數(shù)據(jù)量有損或無損地表示原來像素矩陣的技術(shù).數(shù)字圖像的數(shù)據(jù)量巨大,如像素級的數(shù)字圖像,其每個像素為256 k字節(jié),如果直接進(jìn)行傳輸,非常耗時.因此,要對數(shù)字圖像數(shù)據(jù)進(jìn)行變換、編碼和壓縮,便于圖像的存儲以及傳輸.

1.2圖像特征描述層

(1) 邊緣銳化目的是使圖像的輪廓線、邊緣以及圖像的細(xì)節(jié)變得清晰,而經(jīng)過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運(yùn)算,因此可以對其進(jìn)行逆運(yùn)算,就可以讓圖像變得更加清晰.它是早期視覺理論及算法中的基本問題之一,也是中后期視覺算法成敗的重要因素之一.

(2) 圖像分割是將圖像分成若干個、特定的、具有獨(dú)特性質(zhì)的區(qū)域,依據(jù)灰度值、空間特性、顏色、紋理特性和頻譜特性等提取出感興趣目標(biāo)的技術(shù)和過程.現(xiàn)有的圖像分割方法被劃分為基于區(qū)域的分割方法、基于閾值的分割方法、基于特定理論的分割方法和基于邊緣的分割方法等.1998年以來,國內(nèi)外學(xué)者不斷改進(jìn)原有分割方法,結(jié)合其他學(xué)科的一些新理論和新方法,提出了很多新的分割方法.已被標(biāo)示或提取的目標(biāo)圖像區(qū)域可被用于醫(yī)學(xué)圖片病癥確認(rèn)、圖像搜索、圖像語義識別等領(lǐng)域.

1.3圖像知識獲取層

圖像識別是指利用計(jì)算機(jī)對圖像進(jìn)行處理、分析和理解,以識別各種不同模式的目標(biāo)和對象的技術(shù).這也是計(jì)算機(jī)視覺系統(tǒng)必須完成的任務(wù)之一.圖像識別主要包括圖像匹配和機(jī)器學(xué)習(xí).

國內(nèi)外有大量研究者對圖像匹配工作展開研究,[10-11]并且取得了較好的成果.圖像匹配的研究大致集中在了3個方面(即3要素):特征空間;相似性度量;搜索策略.圖2中列舉了圖像匹配3要素以及具體內(nèi)容.

1996年,LANGLEY給出了機(jī)器學(xué)習(xí)的定義,即機(jī)器學(xué)習(xí)是一門人工智能的科學(xué),該領(lǐng)域的主要研究對象是人工智能,特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能.機(jī)器學(xué)習(xí)是人工智能的核心技術(shù)之一,也是實(shí)現(xiàn)計(jì)算機(jī)具備智能方法的根本途徑,在人工智能的各個領(lǐng)域中得到了普遍的應(yīng)用.

圖2　匹配3要素

2　計(jì)算機(jī)視覺的應(yīng)用

2.1計(jì)算機(jī)視覺的人臉檢測與識別

2.1.1發(fā)展和研究現(xiàn)狀

19世紀(jì)末法國人GALTON Sir Franis就開始研究關(guān)于人臉識別課題,直到20世紀(jì)90年代,人臉檢測與識別才開始作為一個獨(dú)立的學(xué)科發(fā)展起來.如今東方人臉的圖像數(shù)據(jù)庫也已在我國建成,這也是世界上較全面、大規(guī)模的數(shù)據(jù)庫.

人臉識別的研究發(fā)展過程主要分為3個階段.[12]

第一階段主要研究人臉識別中所需要的面部特征,主要的識別過程全部依賴于操作人員,是以ALLEN和PARKE為代表.

第二階段人機(jī)交互式的識別階段,用多維特征矢量來表示人臉面部的特征,是以HARMON和LESK為代表.然而以KAYA和KOBAVASHI為代表的統(tǒng)計(jì)識別,將歐氏距離用于表示人臉的特征.

第三階段機(jī)器自動識別的階段,人臉識別技術(shù)進(jìn)入了實(shí)用化的階段,例如Eyematic公司研發(fā)的人臉識別系統(tǒng),清華大學(xué)“十五”攻關(guān)的項(xiàng)目“人臉識別系統(tǒng)”也通過了由公安部主持的專家鑒定.

2.1.2人臉檢測與識別算法

人臉檢測與識別系統(tǒng)是通過計(jì)算機(jī)的“眼睛”(如攝像機(jī)、數(shù)碼相機(jī)等)觀察“影像”(人臉),從影像中提取有效特征來鑒別身份信息的能力.人臉檢測與識別可分為人臉檢測、特征提取和識別3個部分.該算法整個流程如圖3所示.首先采集圖像,接著檢測判斷人臉,即對像集中的圖像逐幅進(jìn)行檢測,如果人臉存在,則對其進(jìn)行精確定位,同時通過特征提取進(jìn)行人臉識別進(jìn)而獲得人臉信息,最后鑒別身份、驗(yàn)證結(jié)果.

圖3　人臉識別流程

2.2計(jì)算機(jī)視覺在機(jī)器人目標(biāo)定位中的應(yīng)用

2.2.1基于視覺的自主導(dǎo)航定位系統(tǒng)

機(jī)器人導(dǎo)航技術(shù)是智能機(jī)器人領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù),同時也是智能機(jī)器人的一個重要的研究熱點(diǎn).根據(jù)工作環(huán)境的不同要求,可以制定移動機(jī)器人導(dǎo)航定位系統(tǒng)的不同方法,比如采用雙目立體視覺系統(tǒng)以及三角測量的原理來測量機(jī)器人在場景中移動的位置情況.國內(nèi)外有大量的學(xué)者多年專門研究這方面的問題,因此在視覺導(dǎo)航和機(jī)器人定位等方面取得了很大的進(jìn)步.而且在工業(yè)領(lǐng)域應(yīng)用中,移動機(jī)器人導(dǎo)航技術(shù)也已得到了廣泛的應(yīng)用.[13-15]

立體視覺系統(tǒng)的視差功能可實(shí)現(xiàn)對目標(biāo)的三維定位,因此可以采用簡單的固定式的雙目立體視覺系統(tǒng).該系統(tǒng)采用兩個固定的攝像機(jī)來實(shí)現(xiàn)這種視差,簡單且易操作.兩個固定的相機(jī)就像人的兩只眼睛.通過這對相機(jī)采集圖像對來恢復(fù)三維數(shù)據(jù)點(diǎn)云,進(jìn)而確定三維目標(biāo)位置.這種設(shè)備要求具有較高的精度,成本較高.另一方面,目標(biāo)定位可視區(qū)域大小難以把握,并且需要復(fù)雜計(jì)算量來對兩個攝像機(jī)進(jìn)行標(biāo)定,所以誤差較大.而通過將移動末端執(zhí)行器安置在不同位置來實(shí)現(xiàn)視差的手眼式立體視覺系統(tǒng),只需要一個CCD攝像機(jī)就可以實(shí)現(xiàn).

2.2.2基于視覺的手眼目標(biāo)定位系統(tǒng)

自動化裝配領(lǐng)域以及航空航天領(lǐng)域中廣泛地應(yīng)用于手眼系統(tǒng),該系統(tǒng)也促進(jìn)了現(xiàn)代工業(yè)的飛速發(fā)展.在機(jī)器人進(jìn)行裝配、搬運(yùn)等工作中利用視覺系統(tǒng),識別需要裝配的零部件并確定其安裝方位,進(jìn)而引導(dǎo)機(jī)器手臂抓取所需的零件,并能準(zhǔn)確地放到指定的位置,因此能幫助完成工業(yè)生產(chǎn)中分類、搬運(yùn)、裝配等任務(wù).

2.3基于計(jì)算機(jī)視覺的機(jī)器人導(dǎo)航

機(jī)器人導(dǎo)航技術(shù)有多種,如基于地圖的機(jī)器人導(dǎo)航、基于光流的機(jī)器人導(dǎo)航、基于地貌的機(jī)器人導(dǎo)航等.[16]

2.3.1基于地圖的機(jī)器人導(dǎo)航

基于預(yù)定義的地圖導(dǎo)航,分為絕對定位和增量定位.首先,通過在攝像機(jī)采集圖像中獲取圖像中的不同特征,對這些特征建立相關(guān)聯(lián)關(guān)系,同時建立三維坐標(biāo)系,這一過程都在遠(yuǎn)程控制下進(jìn)行處理.接著,在運(yùn)動過程中不斷地在網(wǎng)格中循環(huán)標(biāo)記跟蹤得到的特征.最后,將活動的環(huán)境網(wǎng)格化到地圖中.

2.3.2基于光流的機(jī)器人導(dǎo)航

Santos-Victor等人研發(fā)出了一種基于光流的視覺系統(tǒng)Robee,該系統(tǒng)能模擬出蜜蜂的視覺行為及運(yùn)動規(guī)則.該系統(tǒng)認(rèn)為昆蟲的眼睛長在兩側(cè)的優(yōu)勢是基于運(yùn)動產(chǎn)生的特征來導(dǎo)航蜜蜂行為,而不是獲得深度信息.

2.3.3基于地貌的機(jī)器人導(dǎo)航

室外環(huán)境導(dǎo)航大多數(shù)采用基于地貌的機(jī)器人導(dǎo)航,這類導(dǎo)航技術(shù)的核心問題為關(guān)于數(shù)字圖像的模式識別,具體地說就是物體紋理、顏色的識別問題.但由于環(huán)境色以及光照的影響,在不同的環(huán)境下,物體具有相同本質(zhì)色能呈現(xiàn)出來的完全不同的顏色.由于地貌導(dǎo)航很難預(yù)知先驗(yàn)知識,而只能實(shí)時處理視野中的對象,無法建立一幅關(guān)于周圍環(huán)境的完整地圖.

3　計(jì)算機(jī)視覺的發(fā)展方向

近年來,國內(nèi)外在機(jī)器視覺技術(shù)領(lǐng)域進(jìn)行了積極大膽的思索和研究,如美國卡內(nèi)基-梅隆大學(xué)機(jī)器人技術(shù)研究所視覺與自主系統(tǒng)中心建立了一套由49個經(jīng)過同步的CCD攝像機(jī)組成的“3D ROOM”系統(tǒng),[17]主要用來對實(shí)時變化的動態(tài)場景及事件進(jìn)行三維建模;美國馬里蘭大學(xué)自動控制研究中心的Keck實(shí)驗(yàn)室使用一套由64個同步攝像機(jī)組成的視覺運(yùn)動分析系統(tǒng),對人體在三維空間中的運(yùn)動進(jìn)行捕捉、分析和建模;[18]美國斯坦福大學(xué)計(jì)算機(jī)圖形學(xué)實(shí)驗(yàn)室設(shè)計(jì)并實(shí)現(xiàn)了一套由128個經(jīng)過同步的CMOS攝像機(jī)組成的“Light Field”多攝像機(jī)陣列,用于對高性能成像技術(shù)、高速攝像技術(shù)以及被遮擋表面的重建技術(shù)進(jìn)行研究;[19]美國明德學(xué)院(Middlebury College)提供了一套多視點(diǎn)三維重建算法的標(biāo)準(zhǔn)評估平臺,[20]可用于對多視點(diǎn)三維重建算法的精度和完整性提供定量評估,當(dāng)前已有超過40種多視點(diǎn)三維重建算法的精度評估結(jié)果及排名;香港科技大學(xué)、中國科學(xué)院自動化研究所、北京大學(xué)三維視覺計(jì)算與機(jī)器人實(shí)驗(yàn)室等諸多研究機(jī)構(gòu)也都在這個領(lǐng)域展開了大量的研究工作.[21-23]另外,對于基于單棱鏡立體視覺系統(tǒng)[24-26]及多視圖立體視覺重構(gòu)[27-33]等都有深入的研究.同時,這項(xiàng)技術(shù)逐步應(yīng)用于工業(yè)現(xiàn)場,這些應(yīng)用大多集中在藥品檢測分裝、印刷色彩檢測、制藥印刷以及礦泉水瓶蓋檢測等領(lǐng)域.

4　結(jié)　語

雖然計(jì)算機(jī)視覺技術(shù)這門學(xué)科剛剛興起,技術(shù)還不夠成熟,但其應(yīng)用前景廣闊,相信在不久的將來,未來計(jì)算機(jī)視覺的應(yīng)用將更加深入到人類現(xiàn)代生活的每個方面.

[1]FAUGERAS O,LONG Q.The geometry of multiple images [M].Cambridge,MA,USA:MIT Press,2001:50-70.

[2]HARTLEY R,ZISSERMAN A.Multiple view geometry in computer vision second edition [M].Cambridge,UK:Cambridge University Press,2003:40-110.

[3]WANG Z X,WU Z Q,ZHEN X J,etal.A two-step calibration method of a large FOV binocular stereovision sensor for onsite measurement[J].Measurement,2015,62(3):15-24.

[4]HUANG Z R,XI J T,YU Y G.Accurate projector calibration based on a new point-to-point mapping relationship between the camera and projector images[J].Applied optics,2015,54(3):347-356.

[5]SINHA S,POLLEFEYS M,MCMILLAN L.Camera network calibration from dynamic silhouettes [C]∥International Conference on Computer Vision and Pattern Recognition(CVPR),2004:195-202.

[6]GOESELE M,CURLESS B,SEITZ S M.Multi-view stereo revisited [C]∥IEEE CVPR.New York:IEEE,2006:2 402-2 409.

[7]CAMPBELL N D,VOGIATZIS G,HERNANDEZ C,etal.Using multiple hypotheses to improve depth-maps for multi-view stereo [C]∥ECCV.Berlin:Springer-Verlag,2008:766-779.

[8]許志杰,王晶,劉穎,等.計(jì)算機(jī)視覺核心技術(shù)現(xiàn)狀與展望[J].西安郵電學(xué)院學(xué)報(bào).2012,17(6):1-8.

[9]蔡愉祖.計(jì)算機(jī)視覺概述[J].湖北輕工業(yè)大學(xué)學(xué)報(bào),2013(7):12-17.

[10]熊凌.計(jì)算機(jī)視覺中的圖像匹配綜述[J].湖北工業(yè)大學(xué)學(xué)報(bào),2006,21(3):171-173.

[11]WANG Dao Lei,LIM Kah Bin.Obtaining depth map form segment-based stereo matching using graph cuts [J].Journal of Visual Communication and Image Representation,2011,22(4):325-331.

[12]謝麗欣,牟會,王歡,等.基于計(jì)算機(jī)視覺的人臉檢測與識別綜述[J].計(jì)算機(jī)安全,2010(1):60-63.

[13]王俊修,孔斌.計(jì)算機(jī)視覺在機(jī)器人目標(biāo)定位中的應(yīng)用[J].微機(jī)發(fā)展,2003(12):7-10.

[14]吳福朝,李華,胡占義.基于主動視覺的攝像機(jī)自標(biāo)定方法研究[J].自動化學(xué)報(bào),2011,27(6):736-746.

[15]雷成,吳福朝,胡占義.一種新的基于主動視覺系統(tǒng)的攝像機(jī)自標(biāo)定方法[J].計(jì)算機(jī)學(xué)報(bào),2010,23(11):1 130-1 139.

[16]吳曉明.基于計(jì)算機(jī)視覺的機(jī)器人導(dǎo)航綜述[J].實(shí)驗(yàn)科學(xué)與技術(shù),2007,5(5):25-28.

[17]KANADE T,SAITO H,VEDULA S.The 3D room:digitizing time-varying 3D events by synchronized multiple video streams[R].Pittsburgh,Pennsylvania:Robotics Institute Carnegie Mellon University,1998.

[18]SUNDARESAN A,CHOWDHURY A Roy,CHELLAPPA R.3D modelling of human motion using kinematic chains and multiple cameras for tracking[C].International Symposium on the 3D Analysis of Human Movement.Tampa,USA,2008:781-785.

[19]WILBURN B,SMULSKI M,LEE H K,etal.The light field video camera[C]∥Proceedings of SPIE Media Processors,2012:29-36.

[20]Middlehury,Inc.[EB/OL].[2015-07-28].http:∥vision.middlebury.edu/mview/.

[21]LHUILLIER M,QUAN L.Surface reconstruction by integrating 3D and 2D data of multiple Views[C]∥IEEE Ninth International Conference on Computer Vision(ICCV),2003:1 313-1 320.

[22]WU F C,DUAN F Q,HU Z Y.An affine invariant of parallelograms and its application to camera calibration and 3D reconstruction [C]∥The 9th European Conference on Computer Vision(ECCV).Australia,2011:1 103-1 107.

[23]LI X,ZHA H B.Realistic human head modeling with multi-view hairstyle reconstruction [C]∥The 5th International Conference on 3D Imaging and Modeling(3DIM).Ottawa,Ontario,Canada,2005:432-438.

[24]WANG Daolei,LIM Kah Bin.Geometrical approach for rectification on single-lens stereovision using a triprism [J].Machine Vision and Applications,2013,24(4):821-833.

[25]LIM Kah Bin,WANG Daolei,KEE Wei loon.Virtual cameras rectification with geometrical approach on single-lens stereovision using a biprism [J].Journal of Electronic Imaging,2012,21(2):023003(1-9).

[26]LIM Kah Bin,KEE Wei Loon,WANG Daolei.Virtual camera calibration and stereo correspondence of single-lens bi-prism stereovision system using geometrical approach[J].Signal Processing-image Communication,2013,28(9):1 059-1 071.

[27]CIPOLLA R,WONG K K.Reconstruction of sculpture from its profiles with unknown camera positions[J].IEEE Transactions on Image Processing(IP),2004(13):381-389.

[28]ZENG G,PARIS S,QUAN L,etal.Progressive surface reconstruction from images using a local prior[C]∥International Conference on Computer Vision(ICCV),2005:1 230-1 237.[29]SORMANN M,ZACH C,BAUER J,etal.Watertight multi-view reconstruction based on volumetric graph-cuts[C]∥15th Scandinavian Conference on Image Analysis,2007:393-402.[30]ZAHARESCU A,BOYER E,HORAUD R.Transformesh:a topology-adaptive mesh deformation for surface evolution,morphing,and multi-view reconstruction [J].Patter Analysis and Machine Intelligence,IEEE,2011,33(4):823-837.

[31]BRADLEY D,BOUBEKEUR T,HEIDRICH W.Accurate multi-view reconstruction using robust binocular stereo and surface meshing [C]∥IEEE CVPR,Anchorage,2008:1-8.

[32]WU Taipang,YEUNG S K,JIA Jiaya,etal.Quasi-dense 3D reconstruction using tensor-based multi-view stereo[C]∥IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Francisco,2010:1 482-1 489.

(編輯桂金星)

Analysis of the Principle of Computer Vision and Its Application

WANG Daolei, CHEN Jun, WU Maoliang

(SchoolofEnergyandMechanicalEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China)

The principle of computer vision is introduced,the procedures of carrying out the principle and the development status quo are analytically explained and the application of computer vision technology is exemplified.The problems of human face checking and recognition,the application of object location by robot in navigation are solved.The developing trend of computer vision technology is expounded.

computer vision; robot navigation; object recognition; stereo matching

10.3969/j.issn.1006-4729.2016.03.016

2015-03-23

簡介：王道累(1981-),男,博士,講師,上海人.主要研究方向?yàn)橛?jì)算機(jī)視覺,圖像處理,CAD/CAM.

E-mail:alfrdwdl@shiep.edu.cn.

國家自然科學(xué)基金(61502297);上海高校青年教師培養(yǎng)資助計(jì)劃項(xiàng)目(ZZsdl15074).

TP391

A

1006-4729(2016)03-0283-05