• 自動駕駛人工智能的關鍵技術(智能車自動駕駛技術)

    自動駕駛 1054
    今天給各位分享自動駕駛人工智能的關鍵技術的知識,其中也會對智能車自動駕駛技術進行解釋,如果能碰巧解決你現在面臨的問題,別忘了關注本站,現在開始吧!本文目錄一覽: 1、自動駕駛需要哪些技術

    今天給各位分享自動駕駛人工智能的關鍵技術的知識,其中也會對智能車自動駕駛技術進行解釋,如果能碰巧解決你現在面臨的問題,別忘了關注本站,現在開始吧!

    本文目錄一覽:

    自動駕駛需要哪些技術

    【太平洋汽車網】自動駕駛需要機器學習、深度學習、NLP、計算機視覺、機器推理和強大的人工智能等技術。高度自動駕駛是L4和完全自動駕駛是L5。

    今天的社會正變得越來越以多媒體為中心、依賴數據和自動化。自動駕駛技術正在道路、海洋和太空中普及。自動化、分析和智能正在從人類轉向“特定于機器”的應用。計算機視覺和視頻將在未來的數字世界中扮演重要角色。數以百萬計的智能傳感器將通過人工智能嵌入汽車、智能城市、智能家居和倉庫。此外,5G技術將成為一個完全互聯的智能世界的數據高速公路,或許將從人到機器,甚至機器人代理等一切事物連接起來。

    一個多世紀以來,汽車行業一直是一個主要的經濟部門,它正朝著自動駕駛和聯網汽車的方向發展。汽車正變得越來越智能化,對人類操作的依賴也越來越少。車輛與車輛(V2V)和車輛與萬物互聯(V2X),即來自傳感器和其他來源的信息通過高帶寬、低延遲和高可靠性的鏈路傳輸,為全自動駕駛鋪平了道路。自動駕駛背后最引人注目的因素是死亡和事故的減少。認識到90%以上的汽車事故是人為失誤造成的,自動駕駛汽車將在實現汽車行業“零事故”、“零排放”和“零擁堵”的宏偉愿景中發揮關鍵作用。

    唯一的障礙是車輛必須具備看到、思考、學習和駕馭各種駕駛場景的能力。

    與此同時,隨著嵌入式系統、導航、傳感器、視覺數據和大數據分析等領域的最新進展,也見證了車輛和移動邊緣計算的智能化程度不斷提高。首先是先進的駕駛輔助系統(ADAS),包括緊急制動、倒車攝像頭、自適應巡航控制和自動停車系統由汽車工程師協會(SAE)定義的6個自動駕駛級別被引入后,全自動汽車有望逐步實現。

    (圖/文/攝:太平洋汽車網問答叫獸)

    自動駕駛的五大核心技術

    自動駕駛車是一個輪式機器人。自動駕駛可以說是一個涉及了多個學科的綜合領域,本文帶你探尋自動駕駛的5大主要技術,看看這個輪式機器人的大腦、眼睛等都是如何工作的。

    1、識別技術

    和人類的眼睛一樣,這個輪式機器人也有它自己的眼睛,用來識別周邊的車輛、障礙物、行人等路上的情況。

    我們眼睛的主要構成部分是眼球,通過調節晶狀體的彎曲程度來改變晶狀體焦距來獲得實像。那自動駕駛的眼睛是由什么構成的呢?答案是傳感器。包括攝像頭、激光雷達、毫米波雷達,還有紅外線、超聲波雷達等。

    你可能會驚訝,需要這么多眼睛?沒錯,它是長滿了眼睛的小怪獸,通常擁有10+只眼睛。

    其中,最常用的是攝像頭,幾乎是毫無爭議地被所有開發者采用。它和人類的眼睛最接近,可以看清有顏色的標識、物體,看得懂字體,分得清紅綠燈。但是缺點也不少,比如在夜晚或惡劣的天氣下視力就嚴重下降,也不擅長遠距離觀察。

    其次是頗富爭議的LiDAR,即激光雷達。比較常見的是在車頂,像是頂不停旋轉的帽子。原理很簡單,就是通過計算激光束的反射時間和波長,可以完成繪制周邊障礙物的3D圖。而短板則是無法識別圖像和顏色。

    毫米波雷達也不得不提一提,因為它的全能--可以全天候工作,這使得它不可或缺,即便它無法識別高度,分辨率不高,也難以成像。但它憑借其穿透塵霧、雨雪的硬本領,站穩一席之地。

    如此多各式各樣的眼睛,那她的視力一定很好咯?那也未必。你以為星多天空亮,可它們之間能夠互補還好,但也難免會產生矛盾。這么多只眼睛你要優先選擇相信誰,這也是一個課題叫Sensor Fusion,傳感器融合。根據每種傳感器的優缺點來綜合評判信息的準確度,得到更可靠的最終結果。傳感器融合的另一個優點是,換來一定程度的冗余,即便某只眼睛暫時失明,也不會影響它安全前行。

    2、決策技術

    通過眼睛識別得到了周邊環境,接下來就要充分利用這些信息進行理解分析,決定自己該如何走下一步。要完成這項任務的就是最強大腦。

    跟人類的大腦一樣,我們不是天生就會開車,也不是拿到駕照就成老司機了。需要一定的知識積累,自動駕駛機器人也同樣需要。完成大腦中的知識庫有兩種方式:專家規則式和AI式。

    專家規則式,英文叫rule-based。即提前編寫好規則,當需要做決定的時候必須嚴格遵守這些規則。舉個栗子,當準備超車變道時,需要滿足以下條件(這是一個假專家,僅供參考):道路半徑大于500R(彎道不變道);跟目標車道上的前后車的距離都在20m以上;比后車的車速慢不超過5km/h;等等等等...以上N個條件同時滿足時,即可超車變道。

    l IAI式,就是一直很火的人工智能Artificiantelligence。模仿人類的大腦,通過AI算法對場景進行理解?;蛱崆巴ㄟ^大量的犯錯積累經驗,或事前聽某人指點江山。通過AI式積累知識庫,會讓她的反應更加靈活。專家也難免有疏忽,更何況交通瞬息萬變,沒有靈活的大腦如何應對我大中華的路況呢?

    3、定位技術

    只有知道自己在哪里,才知道自己去哪里。

    現今,除了主流的用GPS或GNSS(全球衛星導航系統)來定位的方式之外,也有在公路上鋪設電磁誘導線等方式來實現定位。高精度GPS定位目前來說最大難題是,山區和隧道等地理因素對精度的影響,雖然可以依靠IMU(慣性測量單元)來進行推算,但GPS丟失信號時間過長的話,累計的誤差就會比較大。

    另外,自動駕駛專用的3D動態高清地圖帶給了自動駕駛更多可能性。因為有了高清地圖,就可以將自己的位置輕松定位在車道上。

    4、通信安全技術

    試想如果被黑客入侵,控制了你的自動駕駛車,不僅可以監聽到你的秘密談話,還很可能成為***工具。黑客可以通過影響傳感器的數據而影響決策,或直接介入判斷機制進而影響行駛軌道。

    先了解一個術語,V2X=Vehicle To Everything。即車輛與基礎設施之間所有通信的通用簡稱,包括車輛與車輛之間叫V2V、車輛與行人之間V2P、車輛與交通基礎設施之間V2I、車輛與網絡之間V2N等。

    V2X包含了汽車和我們的個人信息,因此在通信的時候對用戶的身份驗證和給數據加密,這些都必不可少。

    5、人機交互技術

    雖說我們對自動駕駛的印象大多是,不需要人們的干涉,它就能把我們送到任何想去的地方。但是很遺憾,目前的自動駕駛系統還做不到這一點。

    遇到自動駕駛駕馭不了的場景,便會呼喚你接替它的工作。這時,HMI(人機界面)就發揮作用了。它的目標是,用最直觀最便捷的方式通知我們,讓駕駛員盡快注意到。

    自動駕駛需要什么技術

    【太平洋汽車網】汽車自動駕駛均一般采用環境信息感知識別、人工智能和車網聯系統智能決策控制的技術。自動駕駛技術集自動控制、復雜系統、人工智能、機器視覺等于一體,收集云端和車載傳感器的車聯網數據、地理數據、環境感知數據等信息,識別車輛駕駛區域的環境特征,進行任務設定和控制規劃。

    自動駕駛技術發展已經分化出兩大陣營:

    一是以汽車制造商為代表的ADAS和單車智能技術陣營,

    二是以互聯網企業為代表的人工智能和網聯化技術陣營。

    ADAS和單車智能技術主要是從現有的駕駛輔助安全技術配合感知和控制決策,漸漸實現為智能化自動駕駛技術;人工智能和網聯化技術陣營是直接依據智能計算及網絡通信對汽車進行控制。另外,在系統集聚和功能實現等方面,不同技術陣營和內部都存在一定的差別。

    雷達、激光雷達、慣性MEMS/IMU、攝像頭和超聲傳感器等不同子系統組合,為成功實現自動駕駛和未來高度安全和可靠的高級駕駛員輔助系統構建了框架。

    自動駕駛汽車也是無人駕駛汽車、電腦駕駛汽車、或輪式移動機器人,是一種通過電腦系統實現無人駕駛的智能汽車。在20世紀已有數十年的歷史,21世紀初呈現出接近實用化的趨勢。

    谷歌的自動駕駛汽車在2012年5月得到了美國首個自動駕駛車輛許可證,預計在2015年至2017年進入市場銷售。

    自動駕駛汽車依據人工智能、視覺計算、雷達、監控裝置和全球定位系統一起運作,讓電腦可以在沒有任何人類主動的操作下,自動安全地操作機動車輛。

    (圖/文/攝:太平洋汽車網問答叫獸)

    自動駕駛及關鍵技術難點

    自動駕駛是汽車行業新一輪的技術革命,推動著傳統汽車行業快速轉型升級,是未來汽車的發展趨勢。自動駕駛技術有利于改善汽車交通安全、提高交通運輸效率、實現節能減排、促進產業轉型等?!吨袊圃?025》規劃中已將智能網聯汽車列入未來十年國家智能制造發展的重點領域,明確指出到2020年要掌握智能輔助駕駛總體技術及各項關鍵技術,到2025年要掌握自動駕駛總體技術及各項關鍵技術。本文將介紹自動駕駛等級分類標準、自動駕駛軟硬件架構圖以及自動駕駛涉及到的關鍵技術等。

    美國汽車工程師協會根據汽車智能化程度將自動駕駛分為L0-L5共6個等級:其中L0為無自動化(No Automation, NA),即傳統汽車,駕駛員執行所有的操作任務,例如轉向、制動、加速、減速或泊車等;L1為駕駛輔助(Driving Assistant, DA),即能為駕駛員提供駕駛預警或輔助等,例如對方向盤或加速減速中的一項操作提供支持,其余由駕駛員操作;L2為部分自動化(Partial Automation,PA),車輛對方向盤和加減速中的多項操作提供駕駛,駕駛員負責其他駕駛操作;L3為條件自動化(Conditional Automation,CA),即由自動駕駛系統完成大部分駕駛操作,駕駛員需要集中注意力以備不時之需;L4為高度自動化(High Automation,HA),由車輛完成所有駕駛操作,駕駛員不需要集中注意力,但限定道路和環境條件;L5為完全自動化(Full Automation, FA),在任何道路和環境條件下,由自動駕駛系統完成所有的駕駛操作,駕駛員不需要集中注意力。

    自動駕駛汽車的軟硬件架構如圖2所示,主要分為環境認知層、決策規劃層、控制層和執行層。環境認(感)知層主要通過激光雷達、毫米波雷達、超聲波雷達、車載攝像頭、夜視系統、GPS、陀螺儀等傳感器獲取車輛所處環境信息和車輛狀態信息,具體來說包括:車道線檢測、紅綠燈識別、交通標識牌識別、行人檢測、車輛檢測、障礙物識別和車輛定位等;決策規劃層則分為任務規劃、行為規劃和軌跡規劃,根據設定的路線規劃、所處的環境和車輛自身狀態等規劃下一步具體行駛任務(車道保持、換道、跟車、超車、避撞等)、行為(加速、減速、轉彎、剎車等)和路徑(行駛軌跡);控制層及執行層則基于車輛動力學系統模型對車輛驅動、制動、轉向等進行控制,使車輛跟隨所制定的行駛軌跡。

    自動駕駛技術涉及較多的關鍵技術,本文主要介紹環境感知技術、高精度定位技術、決策與規劃技術和控制與執行技術。

    環境感知指對于環境的場景理解能力,例如障礙物的類型、道路標志及標線、行車車輛的檢測、交通信息等數據的語言分類。定位是對感知結果的后處理,通過定位功能從而幫助車輛了解其相對于所處環境的位置。環境感知需要通過傳感器獲取大量的周圍環境信息,確保對車輛周圍環境的正確理解,并基于此做出相應的規劃和決策。

    自動駕駛車輛常用的環境感知傳感器包括:攝像頭、激光雷達、毫米波雷達、紅外線和超聲波雷達等。攝像頭是自動駕駛車輛最常用、最簡單且最接近人眼成像原理的環境感知傳感器。通過實時拍攝車輛周圍的環境,采用CV技術對所拍攝圖像進行分析,實現車輛周圍的車輛和行人檢測以及交通標志識別等功能。攝像頭的主要優點在于其分辨率高、成本低。但在夜晚、雨雪霧霾等惡劣天氣下,攝像頭的性能會迅速下降。此外攝像頭所能觀察的距離有限,不擅長于遠距離觀察。毫米波雷達也是自動駕駛車輛常用的一種傳感器,毫米波雷達是指工作在毫米波段(波長1-10 mm ,頻域30-300GHz)的雷達,其基于ToF技術(Time of Flight)對目標物體進行檢測。毫米波雷達向外界連續發送毫米波信號,并接收目標返回的信號,根據信號發出與接收之間的時間差確定目標與車輛之間的距離。因此,毫米波雷達主要用于避免汽車與周圍物體發生碰撞,如盲點檢測、避障輔助、泊車輔助、自適應巡航等。毫米波雷達的抗干擾能力強,對降雨、沙塵、煙霧等離子的穿透能力要比激光和紅外強很多,可全天候工作。但其也具有信號衰減大、容易受到建筑物、人體等的阻擋,傳輸距離較短,分辨率不高,難以成像等不足。激光雷達也是通過ToF技術來確定目標位置與距離的。激光雷達是通過發射激光束來實現對目標的探測,其探測精度和靈敏度更高,探測范圍更廣,但激光雷達更容易受到空氣中雨雪霧霾等的干擾,其高成本也是制約其應用的主要原因。車載激光雷達按發射激光束的數量可分為單線、4線、8線、16線和64線激光雷達??梢酝ㄟ^下面這個表格(表1),對比主流傳感器的優勢與不足。

    自動駕駛環境感知通常采用“弱感知+超強智能”和“強感知+強智能”兩大技術路線。其中“弱感知+超強智能”技術是指主要依賴攝像頭與深度學習技術實現環境感知,而不依賴于激光雷達。這種技術認為人類靠一雙眼睛就可以開車,那么車也可以靠攝像頭來看清周圍環境。如果超強智能暫時難以達到,為實現無人駕駛,那就需要增強感知能力,這就是所謂的“強感知+強智能”技術路線。相比“弱感知+超強智能”技術路線,“強感知+強智能”技術路線的最大特征就是增加了激光雷達這個傳感器,從而大幅提高感知能力。特斯拉采用“弱智能+超強智能”技術路線,而谷歌Waymo、百度Apollo、Uber、福特汽車等人工智能企業、出行公司、傳統車企都采用“強感知+強智能”技術路線。

    定位的目的是獲取自動駕駛車輛相對于外界環境的精確位置,是自動駕駛車輛必備的基礎。在復雜的地市道路行駛,定位精度要求誤差不超過10 cm。例如:只有準確知道車輛與路口的距離,才能進行更精確的預判和準備;只有準確對車輛進行定位,才能判斷車輛所處的車道。如果定位誤差較高,嚴重時會造成交通完全事故。GPS是目前最廣泛采用的定位方法,GPS精度越高,GPS傳感器的價格也越昂貴。但目前商用GPS技術定位精度遠遠不夠,其精度只有米級且容易受到隧道遮擋、信號延遲等因素的干擾。為了解決這個問題,Qualcomm開發了基于視覺增強的高精度定位(VEPP)技術,該技術通過融合GNSS全球導航衛星、攝像頭、IMU慣性導航和輪速傳感器等多個汽車部件的信息,通過各傳感器之間的相互校準和數據融合,實現精確到車道線的全球實時定位。

    決策規劃是自動駕駛的關鍵部分之一,它首先是融合多傳感器信息,然后根據駕駛需求進行任務決策,接著能夠在避開存在的障礙物前提之下,通過一些特定的約束條件,規劃出兩點之間多條可以選擇的安全路徑,并在這些路徑當中選擇一條最優的路徑,作為車輛行駛軌跡,那就是規劃。按照劃分的層面不同,可以分為全局規劃和局部規劃兩種,全局規劃是由獲取到的地圖信息,規劃出一條在特定條件之下的無碰撞最優路徑。例如,從上海到北京有很多條路,規劃處一條作為行駛路線即為全局規劃。如柵格法、可視圖法、拓撲法、自由空間法、神經網絡法等靜態路徑規劃算法。局部規劃的則是根據全局的規劃,在一些局部環境信息的基礎之上,能夠避免碰撞一些未知的障礙物,最終達到目的目標點的過程。例如,在全局規劃好的上海到北京的那條路線上會有其他車輛或者障礙物,想要避過這些障礙物或者車輛,需要轉向調整車道,這就是局部路徑規劃。局部路徑規劃的方法包括:人工勢場法、矢量域直方圖法、虛擬力場法、遺傳算法等動態路徑規劃算法等。

    決策規劃層是自主駕駛系統,智能性的直接體現,對車輛的行駛安全性和整車起到了決定性的作用,常見的決策規劃體系結構,有分層遞進式,反應式,以及二者混合式。

    分層遞進式體系結構,就是一個串聯系統的結構,在該系統當中,智能駕駛系統的各模塊之間次序分明,上一個模塊的輸出即為下一模塊的輸入,因此又稱為感知規劃行動結構。但這種結構可靠性并不高,一旦某個模塊出現軟件或者硬件故障,整個信息流就會受到影響,整個系統很有可能發生崩潰,甚至處于癱瘓狀態。

    反應式體系結構采用并聯的結構,控制層都可以直接基于傳感器的輸入進行決策,因此它所產生的動作就是傳感數據直接作用的一個結果,可以突出感知動作的特點,適用于完全陌生的環境。反應式體系結構中的許多行為主要涉及成為一個簡單的特殊任務,所以感覺規劃控制可以緊密的結合在一塊,占用的儲存空間并不大,因而可以產生快速的響應,實時性比較強,同時每一層只需要負責系統的某一個行為,整個系統可以方便靈活的實現低層次到高層次的一個過渡,而且如若其中一個模塊出現了預料之外的故障,剩下的層次,仍然可以產生有意義的動作,系統的魯棒性得到了很大的提高,難點在于,由于系統執行動作的靈活性,需要特定的協調機制來解決各個控制回路,同意執行機構爭奪之間的沖突,以便得到有意義的結果。

    分層遞階式系統的一個結構和反應式體系的結構,都各自有優劣,都難以單獨的滿足行駛環境復雜多變的使用要求,所以越來越多的行業人士開始研究混合式的體系結構,將兩者的優點進行有效的結合,在全局規劃的層次上生成面向目標定義的分層式遞階行為,在局部規劃的層面上就生成面向目標搜索的反應式體系的行為。

    自動駕駛的控制核心技術就是車輛的縱向控制,橫向控制,縱向控制及車輛的驅動和制動控制,而橫向控制的就是方向盤角度的調整以及輪胎力的控制,實現了縱向和橫向自動控制,就可以按給定目標和約束自動控制車運行。

    車輛按照縱向控制是在行車速度方向上的控制,即車速以及本車與前后車或障礙物距離的自動控制。巡航控制和緊急制動控制都是典型的自動駕駛縱向控制案例。這類控制問題可歸結為對電機驅動、發動機、傳動和制動系統的控制。各種電機-發動機-傳動模型、汽車運行模型和剎車過程模型與不同的控制器算法結合,構成了各種各樣的縱向控制模式。

    車輛的橫向控制就是指垂直于運動方向的控制,目標是控制汽車自動保持期望的行車路線,并在不同的車速、載荷、風阻、路況下有很好的乘坐舒適和穩定。車輛橫向控制主要有兩種基本設計方法,一種是基于駕駛員模擬的方法(一種是使用用較簡單的動力學模型和駕駛員操縱規則設計控制器;另一種是用駕駛員操縱過程的數據訓練控制器獲取控制算法);另一種是給予汽車橫向運動力學模型的控制方法(需要建立精確的汽車橫向運動模型。典型模型如單軌模型,該模型認為汽車左右兩側特性相同)。

    除上述介紹的環境感知、精準定位、決策規劃和控制執行之外,自動駕駛汽車還涉及到高精度地圖、V2X、自動駕駛汽車測試等關鍵技術。自動駕駛技術是人工智能、高性能芯片、通信技術、傳感器技術、車輛控制技術、大數據技術等多領域技術的結合體,落地技術難度大。除此之外,自動駕駛技術落地,還要建立滿足自動駕駛要求的基礎交通設施,并考慮自動駕駛方面的法律法規等。

    參考文獻:

    1. 張放. 極限工況下自動駕駛車輛的軌跡規劃與運動控制 [博士]: 清華大學; 2018.

    2. 陳文強. 基于復雜工況的高精準可預測自動駕駛環境認知方法 [博士]: 清華大學; 2018.

    3. 張欣. 無人駕駛感知輔助系統的研究與仿真實現 [碩士]: 北京交通大學; 2019.

    4. 陳延真. 無人駕駛環境感知系統及障礙物檢測研究 [碩士]: 天津大學; 2018.

    自動駕駛汽車涉及哪些技術?

    最近,有一位對技術一竅不通的朋友對我說想買特斯拉,因為它配備了“你站著不動,讓車來找你”的自動駕駛功能。這使我很意外,自動駕駛雖然暫時還只是從業者關注的話題,但也許用不了幾年,就很有可能成為影響普通群眾購車決策的關鍵因素。甚至可以說,自動駕駛已經成為汽車發展的熱點和今后必然的趨勢。那么,自動駕駛汽車涉及哪些技術呢?

    簡單概括基于自動駕駛系統的組成便是這三點:環境感知、行為決策與車輛控制系統的執行技術。

    首先,什么是自動駕駛?就是全部或部分替代這些本來由人來執行的功能。那么,所謂的感知是指車的傳感器“看”到了什么、決策是指車的大腦思考怎么去處理、執行是指車的控制系統去執行相應的操作。

    但是要實現自動駕駛,僅僅依靠這三大系統是遠遠不夠的,自動駕駛和未來的智慧交通系統還需要一些基礎的共性技術進行支撐,也可以概括為三點。

    其中最主要的兩點便是“自動駕駛的大腦”——高性能運算處理器平臺以及“能讓汽車心靈感應”——車與外部設施通信的C-V2X技術。前者能為傳感器的識別算法和系統的決策算法提供巨量的運算能力支持,是與傳統汽車最為基本的區別;后者讓汽車與交通標志。行人、其他車輛、云端等參與交通的所有對象通信,讓汽車不再是一個單一的個體,而成為智慧交通中一個有機的組成部分。比如,與紅綠燈進行通信,便能讓汽車提前知道紅綠燈的狀態,提前進行減速慢行操作;與其他車輛通信,便能將車輛緊急剎車、變道、轉彎狀態及時告知其他車輛,讓其他車輛有足夠的時間進行預判和處理。最后,“自動駕駛開天眼”——VEPP高精度定位技術在實現自動駕駛中也不可或缺。

    除了環境感知和C-V2X技術準確探知車輛周圍的環境,為了更可靠精確的提高感知結果的精確性和可靠性,還需要能準確知道汽車的實時位置,才能更安全實現自動駕駛。

    比如,只有在亞米級(0.1m級)的精度下,才能準確判斷車輛所處的車道,并與本條車道內的車輛建立聯系;或者只有準確知道車輛與交通信號燈與路口的距離,才能進行更為精確的預判和準備,就好像給汽車開了天眼。

    ---本文圖片來源自網絡

    實現完全的自動駕駛和智慧交通是一個注定艱難的過程,無論是人工智能、環境感知、智能決策這類新技術,還是運動控制、遠程通信這些基礎技術,甚至基礎設施建設、法律法規等,自動駕駛領域有太多技術等待我們去突破,太多山峰等待我們去翻越。這一未來必將造福全人類的技術正在各行各業的努力下快速發展著,我們一起期待吧。

    本文來源于汽車之家車家號作者,不代表汽車之家的觀點立場。

    關于自動駕駛人工智能的關鍵技術和智能車自動駕駛技術的介紹到此就結束了,不知道你從中找到你需要的信息了嗎 ?如果你還想了解更多這方面的信息,記得收藏關注本站。

    掃碼二維碼