R3LIVE(升级R2LIVE)：编译与运行

置顶 已于 2022-10-02 09:33:07 修改
阅读量1.8w 收藏 163
点赞数 28
分类专栏： slam # R3live 文章标签： 计算机视觉 人工智能
于 2022-01-01 22:46:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/handily_1/article/details/122271243
版权
slam 同时被 2 个专栏收录
19 篇文章 7 订阅
订阅专栏
R3live
10 篇文章 25 订阅
订阅专栏

R3LIVE相关参考：
R3LIVE(升级R2LIVE)：编译与运行

https://blog.csdn.net/handily_1/article/details/122271243?spm=1001.2014.3001.5502
R3live：整体分析
https://blog.csdn.net/handily_1/article/details/122360134?spm=1001.2014.3001.5502
运行代码报错：Failed to load module “canberra-gtk-module“
https://blog.csdn.net/handily_1/article/details/122359275
R3live笔记：（图像处理）视觉-惯性里程计VIO部分
https://blog.csdn.net/handily_1/article/details/122377514

阅读索引

1 R3LIVE简介

之前港大的hku-mars火星实验室在R2LIVE的基础上提出了“R3Live”，
论文和视频很早就发出来了，但是代码一直没有开源（虽然作者一直强调会开源），

在一众slamer的千呼万唤之下， 在2021年的年尾，
2021.12.31 ,
终于,
能够在github下载了。

整体框架：在这里插入图片描述
R3LIVE是一种新型的激光雷达-惯性-视觉传感器融合框架，它利用激光雷达、惯性和视觉传感器的测量来实现鲁棒性和准确性的状态估计。R3LIVE是在之前R2LIVE的基础上建立起来的，包含两个子系统:雷达 -惯性里程计(LIO)和视觉-惯性里程计(VIO)。LIO子系统(FAST-LIO)利用激光雷达和惯性传感器的测量，建立全局地图的几何结构(即三维点的位置)。VIO子系统利用视觉-惯性传感器的数据，呈现三维地图的纹理特征(即3D点的颜色)。
这个开源框架不仅生成了纹理贴合得不错的彩色点云，甚至还重建成了mesh带入到游戏中，使人身临其境。今天是2022.01.01，我来跑这个开源代码，一边跑一边感叹NB,这是目前我看到最好的建图效果，虽然之前看他们公布的视频就已经有心理准备了，但是今天亲自跑出来的效果还是惊艳到我了，所以现在把跑通的过程记录下来，供各位参考。

参考资料：
论文：https://github.com/hku-mars/r3live/tree/master/papers
源码：https://github.com/hku-mars/r3live
视频
b站1：https://www.bilibili.com/video/BV1d341117d6?share_source=copy_web
b站2：https://www.bilibili.com/video/BV1e3411q7Di?share_source=copy_web

2 安装环境

2.1 ROS

按照ros wiki官网安装ros和ros包，R3LIVE支持Ubuntu16.04 ROS Kinetic 和 Ubuntu18.04 ROS Melodic。
我的电脑装的是Ubuntu 18.04和ROS Melodic。之前Ubuntu16.04 和 Ubuntu20.04都用过，发现还是18.04最好用。
然后安装additional pacakge：

sudo apt-get install ros-XXX-cv-bridge ros-XXX-tf ros-XXX-message-filters ros-XXX-image-transport ros-XXX-image-transport*

NOTICE: remember to replace “XXX” on above command as your ROS distributions, for example, if your use ROS-kinetic, the command should be:

sudo apt-get install ros-kinetic-cv-bridge ros-kinetic-tf ros-kinetic-message-filters ros-kinetic-image-transport*

说明：

（1）务必安装 ROS 完整版 (ros-distro-desktop-full)；

（2）国内安装 ROS 时，由于网络环境问题，有可能安装失败或者安装错误，请耐心查找错误原因，并解决问题；

（3）ROS 安装一共有 7 到 8 个步骤，请仔细阅读安装指南；

2.2 安装livox驱动程序

运行览沃 ROS 驱动程序之前，必须安装 ROS 和 Livox-SDK。

2.2.1 Livox-SDK 安装
		github: https://github.com/Livox-SDK/Livox-SDK
  1. 从 Github 下载或者克隆 Livox-SDK 到本地；
  2. 参考对应的 README.md 文档安装和运行 Livox-SDK
mkdir build 
cd build && cmake ..
make
sudo make install
2.2.2 livox_ros_driver

参考官方 https://github.com/Livox-SDK/livox_ros_driver
github下载，

git clone https://github.com/Livox-SDK/livox_ros_driver.git ws_livox/src

然后

cd ws_livox
catkin_make
//使用如下命令更新当前 ROS 包环境
source ./devel/setup.sh

注意：作者在readme中说了，因为Livox-ros-driver官方发布的LiDAR数据和IMU数据都带有LiDAR的时间戳(每次记录都从0开始)，而图像的时间戳通常是用操作系统的时间戳记录的。为了使它们在相同的基于时间的情况下工作，作者修改了Livox-ros-driver的源代码，所以作者新的driver驱动包可以从livox_ros_driver_for_R2LIVE获得。
如果是为R3LIVE采集并运行自己的数据需要用它替换官方驱动程序。

2.2.3 launch文件说明

驱动程序中所有的 launch 文件都位于 “ws_livox/src/livox_ros_driver/launch” 路径下，不同的 launch 文件拥有不同的配置参数值， 应用在不同的场景中:

  1. livox_lidar.launch、livox_hub.launch ：向外发布 pointcloud2 格式的点云数据
  2. livox_lidar_msg.launchlivox_hub_msg.launch：向外发布览沃自定义点云数据
  3. livox_lidar_rviz.launch、livox_hub_rviz.launch：向外发布 pointcloud2 格式的点云数据并自动加载rviz
2.2.4 livox_ros驱动程序内部主要参数配置说明

览沃 ROS 驱动程序中的所有内部参数都位于 launch 文件中，这是经常用到的三个参数:

参数名详细说明默认值
publish_freq设置点云发布频率
浮点数据类型，推荐值 5.0，10.0，20.0，50.0 等。		10.0
multi_topicLiDAR 设备是否拥有独立的 topic 发布点云数据
0 – 所有 LiDAR 设备共同使用同一个 topic 发送点云数据
1 – 每个 LiDAR 设备各自拥有独立的 topic 发布点云数据		0
xfer_format设置点云格式
0 – 览沃 pointcloud2(PointXYZRTL) 点云格式
1 – 览沃自定义点云数据格式
2 – PCL库中标准 pointcloud2(pcl::PointXYZI) 点云格式		0

2.3 CGAL and pcl_viewer (选择性安装)

sudo apt-get install libcgal-dev pcl-tools

2.4 OpenCV >= 3.3

opencv应该都装好了的，R3LIVE支持多种版本的opencv，包括3.3.1, 3.4.15，3.4.16, 4.2.1 以及 4.5.3。可以使用以下命令检查您的OpenCV版本，

pkg-config --modversion opencv

如果你的OpenCV版本低于OpenCV-3.3，建议遇到错误时更新OpenCV版本。

2.5 安装PCL

安装PCL可以参考这篇文章：UBUNTU18.04编译安装PCL-1.8和VTK-7.1.1
https://blog.csdn.net/handily_1/article/details/122181399

2.6 安装eigen3

注意：安装ceres之前一定首先安装eigen库，否则编译的时候会报错
可以使用以下命令进行安装：

sudo apt-get install libeigen3-dev

如果出现了ceres和eigen3.3版本冲突的问题,
是因为eigen库最新的版本与ceres-solver版本不兼容，
所以需要去下载相应的版本进行安装
可以安装EIGEN3.3.7和CERES-2.0.0，在我电脑上是可以通过的。
安装完执行：

cp -r /usr/local/include/eigen3/ /usr/include/eigen3/

 ln -s /usr/local/include/eigen3/Eigen/ /usr/include/Eigen

查看Eigen版本号：
Eigen库版本的定义在 /usr/include/eigen3/Eigen/src/Core/util/Macros.h 里面，所以

cat /usr/include/eigen3/Eigen/src/Core/util/Macros.h

2.7 安装Ceres

官网下载链接：https://github.com/ceres-solver/ceres-solver
安装依赖：

sudo apt-get install liblapack-dev libsuitesparse-dev libcxsparse3.1.2 libgflags-dev libgoogle-glog-dev libgtest-dev

然后：

cd ceres-solver
mkdir build
cd build
cmake ..
make
sudo make install

安装完后查看Ceres版本：
因为Ceres库版本的定义在 /usr/local/include/ceres/version.h 里面，所以

sudo cat /usr/local/include/ceres/version.h

3 编译R3LIVE

创建ros工作空间：

mkdir -p r3live_ws/src

克隆代码：

cd r3live_ws/src
git clone https://github.com/hku-mars/r3live.git

添加 livox_driver 环境变量：

cd ../
source livox_driver_for_r2live/devel/setup.bash

编译：

catkin_make
source ~/catkin_ws/devel/setup.bash

4 编译报错汇总

1. 报错Could not find a package configuration file provided by “livox_ros_driver“

解决办法：点这里https://blog.csdn.net/handily_1/article/details/121743218

2. 我用的是ubuntu18.04，用20.04也按照这样编译就可以了，注意库的编译；比较建议18.04

3. 编译遇到lz4声明冲突问题：

`error: conflicting declaration ‘typedef struct LZ4_stream_t LZ4_stream_t’`

解决：

	sudo mv /usr/include/flann/ext/lz4.h /usr/include/flann/ext/lz4.h.bak
	sudo mv /usr/include/flann/ext/lz4hc.h /usr/include/flann/ext/lz4.h.bak
	sudo ln -s /usr/include/lz4.h /usr/include/flann/ext/lz4.h
	sudo ln -s /usr/include/lz4hc.h /usr/include/flann/ext/lz4hc.h
4. 在arm的板子上编译过了，一运行就报错的情况

在这里插入图片描述
我用的板载计算机是英伟达，官方目前对于英伟达还没有适应版本

5.fatal error: zbar.h: 没有那个文件或目录

首先安装sudo apt install libzbar-dev再catkin_make

6.error: LZ4相关报错

终端输入：

sudo mv /usr/include/flann/ext/lz4.h /usr/include/flann/ext/lz4.h.bak
sudo mv /usr/include/flann/ext/lz4hc.h /usr/include/flann/ext/lz4.h.bak
sudo ln -s /usr/include/lz4.h /usr/include/flann/ext/lz4.h
sudo ln -s /usr/include/lz4hc.h /usr/include/flann/ext/lz4hc.h
7.lkpyramid.cpp:803:10: error: invalid initialization of reference of type ‘const cv::ParallelLoopBody&’

opencv版本问题

5 运行

5.1 下载作者公布的R3LIVE数据集

数据集地址：https://github.com/ziv-lin/r3live_dataset
附R3LIVE百度网盘：
https://pan.baidu.com/s/1zmVxkcwOSul8oTBwaHfuFg#list/path=%2F
提取码: wwxw

5.2 运行代码

roslaunch r3live r3live_bag.launch
rosbag play YOUR_DOWNLOADED.bag

5.3 运行结果

在这里插入图片描述
R3LIVE可以在任何时候保存你创建的地图。你只需要把鼠标移动到Control panel那个图标上，点击并按“S”键即可保存pcd地图，离线地图会保存在${HOME}/r3live_output文件夹下，在launch 文件中可以修改地图保存路径。

可以看出，R3LIVE的纹理效果非常好，地图也很稠密，随着地图越建越大，电脑内存也越占越大，我的电脑配置cpu是r7 3700x，gpu是1080TI，内存是16G。刚开始跑内存占50%左右，跑到最后内存会占用90%左右，但我swap空间分配了100个G，不知道是不是这个原因反正运行起来一点也不卡，很丝滑（狗头🐶）。

其他数据集运行效果图：
在这里插入图片描述在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
做的是真的好！！！

5.4 mesh重建和纹理贴图

作者最后还提供了一个很好的工具，用于mesh化和贴图的工具，可以导出一些通用格式的文件，如“pcd”, “ply”, “obj”等。当把离线地图保存在磁盘上后(默认保存在目录:${HOME}/r3live output)，可以启动作者提供的工具来重建和纹理mesh。

roslaunch r3live r3live_reconstruct_mesh.launch

在这里插入图片描述

5.5 3D游戏应用

在视频中可以看到作者使用AirSim模拟器以及R3LIVE重建的mesh图搭建了两款游戏。在这里插入图片描述
如论文中图14，作者使用R3LIVE重建的地图，用AirSim模拟器制作了汽车(a)和无人机(b)。绿色和蓝色框中的视角分别是深度和从airsim的API查询的RGB图像。
论文图15，作者使用R3live制作的地图开发了手机平台和桌面PC平台的电子游戏 。在(a)中，游戏玩家控制角色香港大学校园中进行探索。(b)中，游戏角色在港科大校园内与龙搏斗。

6 参考

https://github.com/hku-mars/r3live/tree/master/papers
https://github.com/hku-mars/r3live
https://github.com/Livox-SDK/Livox-SDK
https://blog.csdn.net/handily_1/article/details/121743218

代码多少钱一两
关注
  • 28
    点赞
  • 踩
  • 163
    收藏
    觉得还不错? 一键收藏
  • 42
    评论
专栏目录
MUL.zip_R2R3 R6R7
09-22
双字节无符号数乘法运算,将(R2R3)和(R6R7)中双字节无符号整数相乘，积送（R4R5R6R7）中。C语言程序：将变量aa和bb中的双字节无符号整数相乘，结果存入变量cc中。
R3LIVE源码解析(6) — R3LIVE流程详解
qq_41921826的博客
08-31 939
R3LIVE是香港大学Mars实验室提出的一种融合imu、相机、激光的SLAM方法，R3LIVE由两个子系统组成，一个激光惯性里程计（LIO）和一个视觉惯性里程计（VIO）。LIO子系统（FAST-LIO）利用来自激光雷达和惯性传感器的测量数据，并且构建地图的几何结构（即3D点位置）。VIO子系统使用视觉惯性传感器的数据，并且渲染地图的纹理（即3D点颜色）。更具体而言，VIO子系统通过最小化帧到地图的光度误差直接且有效地融合视觉数据。
R3LIVE项目实战(3) —双目相机与激光雷达 lidar_camera_calib联合标定
qq_41921826的博客
08-07 1616
lidar_camera_calib是一个在无目标环境中，用于高分辨率LiDAR（例如Livox）和摄像机之间准确的外部标定工具。我们的算法可以在室内和室外场景中运行，并且只需要场景中的边缘信息。如果场景适合，我们可以实现类似于或甚至超过基于目标的方法的像素级准确度。我们使用标定的外部参数给点云上色，并与实际图像进行比较。A和C是点云的局部放大视图。B和D是与A和C中的点云对应的摄像机图像的部分。
探索未来：R3Live —— 实时三维重建与可视化神器
gitblog_00094的博客
03-24 392
探索未来：R3Live —— 实时三维重建与可视化神器 项目地址:https://gitcode.com/hku-mars/r3live R3Live 是一个开源项目，由香港大学MARS团队开发，它专注于实时三维重建和可视化。借助先进的计算机视觉算法，R3Live能让用户通过普通的RGB-D相机或深度传感器，实时构建周围环境的三维模型，并以高质量、高效率的方式进行展示。 技术解析 R3Live的核...
r3live运行步骤及时间同步，以及遇到的问题
zhiguorui123的博客
02-22 834
r3live++运行使用的livox数据类型是livox_ros_driver/msg，不是plountclound2类型。（左上角3X3放在 camera_ext_R，第四列1X4的前三行放在camera_ext_t）这种情况是因为在arm平台上不存在SSE指令集的，在X86平台才会有，因此需要在CMakLists文件中把有关-msse3字样的都注释掉。右上角是重建平均误差，只要平均误差小于0.5，就可以认为这是相机标定的结果是可靠的。注意：外参录制的bag是plountcloud2类型，
R3LIVE编译运行(自己数据集)，用自己的设备实机操作中遇到的一系列问题
qq_51024665的博客
10-15 862
第一次写博客，创作不易，还望多多支持。主要记录之前遇到的问题，方便以后查看，主要以R3LIVE为例进行探讨。第一次写博客，希望大家多多支持。最后，总结一下下，实践才是检验真理的唯一标准，只有自己尝试了，才会出现很多别人没有遇到的问题，然后自己上网查资料以及询问其他大佬解决相关问题。
r2live：R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架，该框架融合了来自LiDAR，惯性传感器，视觉相机的测量结果，以实现可靠，准确的状态估计
03-04
R2LIVE 鲁棒，实时，LiDAR-Inertial-Visual紧密耦合状态估计器和映射 R2LIVE是一个健壮的实时紧密耦合的多传感器融合框架，该框架融合了来自LiDAR，惯性传感器，视觉摄像机的测量结果，以实现健壮，准确的状态估计。 利用所有传感器的测量优势，我们的算法对于各种视觉故障，LiDAR退化场景具有足够的鲁棒性，并且能够在机载计算平台上实时运行，如室内，室外进行的大量实验所示，以及不同规模的混合环境。 在（d）中显示了香港大学主楼的重建3D地图，在（a）和（b）中显示了带有对应全景图像的细节点云。 （c）表明我们的算法可以自行关闭循环（返回起点），而无需任何其他处理（例如循环闭合）。 在（e）中，我们将地图与卫星图像合并，以进一步检查系统的准确性。 我们在一个由拥挤的大厅和很长的狭窄隧道组成的香港地铁站中评估了算法，如（a）所示。 该隧道长达190美元，长满了移动的行
R3 LIVE：一个强大、实时、RGB彩色、激光雷达-惯性-视觉紧密耦合的状态估计和建图
点云兔子的博客
09-25 1110
我们系统的概述如图2所示，我们提出的框架包含两个子系统：LIO子系统（上部分）和VIO子系统（下部分）。LIO子系统构建了一个全局地图的几何结构，它注册输入的激光雷达扫描，并通过最小化点到平面的残差来估计系统的状态。VIO子系统构建地图的纹理，它使用输入图像为每个点渲染RGB颜色，并通过最小化帧与帧之间的PnP重投影误差和帧与地图的光度误差来更新系统状态。图2：我们提出的系统概述。
R3LIVE环境搭建、编译及运行教程（纯新人小白向）基于Ubuntu20.04
Tohyama的博客
05-18 2954
替导师的实验课程写了一套R3LIVE基于Ubuntu20.04的实验指导书，因为是写给本科生用的，所以写的非常详细和入门，发在这里分享一下，如果有用请记得点赞收藏评论。
R3LIVE：一个实时鲁棒，带有RGB颜色信息的激光雷达-惯性-视觉紧耦合系统
人无远虑，必有近忧
07-17 3232
本文中，我们提出了一种称为 R3LIVE 的新型 LiDAR-Inertial-Visual 传感器融合框架，它利用 LiDAR、惯性和视觉传感器的测量来实现鲁棒和准确的状态估计。R3LIVE 包含两个子系统，即激光雷达-惯性里程计 (LIO) 和视觉-惯性里程计 (VIO)。LIO 子系统 (FAST-LIO) 利用 LiDAR 和惯性传感器的测量结果构建全局地图（即 3D 点的位置）的几何结构。VIO 子系统利用视觉-惯性传感器的数据来渲染地图的纹理（即 3D 点的颜色）。更具体地说，VIO 子系统通过
R3 销售与分销手册.rar
10-17
R3 销售与分销手册.pdf
R3live适合ARM结构的源码 ubuntu18.04
03-30
R3live适合ARM结构的源码。ubuntu18.04
香港大学开源R3LIVE源代码
05-09
香港大学开源R3LIVE源代码
r3kapig.github.io:r3kapig 网站
07-24
欢迎访问 r3kapig 网站 r3kapig 是一个联合的 CTF 团队，主要是从 2018 年开始从 Eur3kA 和 FlappyPig 新兴的。 我们的自我介绍是 r3kapig 是一道可以烤和炸的美味佳肴，团队的使命是为宿主提供最美味的食物。 安装 ...
三个目前主流的计算机视觉软件
地球空间
04-19 813
这些软件在计算机视觉领域都有着重要的地位，它们提供了一系列的工具和库，使得研究人员和开发者能够构建复杂的视觉系统。尽管如此，将计算机视觉的能力直接与人类的视觉能力进行比较并不完全准确，因为它们的工作原理和处理信息的方式存在根本差异。1. **图像识别**：计算机可以识别图像中的物体、场景和活动，准确率在某些情况下甚至超过了人类。3. **语义分割**：将图像中的每个像素分配到特定的类别，用于理解图像的详细内容。5. **图像生成**：生成逼真的图像，如通过GANs（生成对抗网络）。
深度学习入门(4) -Object Detection 目标检测
andyc_03的博客
04-25 498
cs231n 深度学习 object detection
目标检测——3D玩具数据集
qq_43249953的博客
04-25 921
在数字化时代，计算机视觉技术取得了长足的进展，其中基于形状的3D物体识别技术更是引起了广泛关注。该技术不仅有助于提升计算机对现实世界物体的感知能力，还在多个领域展现出了广阔的应用前景。本文将探讨基于形状的3D物体识别实验的重要性意义及应用，以期加深对该领域的认识和理解。
【树莓派】yolov5 Lite，目标检测，行人检测入侵报警，摄像头绑定
最新发布
q742971636的博客
04-26 1051
首先，你需要确保你的树莓派上已经安装了pygame库。重新插入摄像头： 现在，重新插入你的摄像头，它应该被分配到指定的设备名称 /dev/camera1_name。是一个包含了一系列音频工具的软件包，你可以使用其中的工具来管理和调试音频设备。这个简单的程序将初始化pygame的音频模块，加载指定的MP3文件，并开始播放。MPD是一个轻量级的音乐播放器，它以守护进程的方式运行，可以通过各种客户端控制。安装完成后，你可以配置Mopidy以连接到各种音乐源，并使用其扩展功能。
R3LIVE代码详解
07-27
R3LIVE是一种激光-惯性-视觉结合的SLAM算法，被认为是非常经典的文章\[1\]。该算法使用了IMU、相机和激光雷达三个传感器，每个传感器都有不同的作用。R3LIVE的代码流程可以概括为以下几个部分。 首先是前言部分，其中介绍了R3LIVE算法的结构和各个传感器的作用\[1\]。 接下来是节点与话题的绘图部分，通过绘制节点和话题的图形，可以清晰地看到R3LIVE中的两个节点：/r3live_LiDAR_front_end和/r3live_mapping\[2\]。 然后是主函数部分，该部分在FAST-LIO2中已经详细介绍过，所以在R3LIVE中不再过多介绍\[3\]。 最后是重点部分，即VIO部分。在这部分中，R3LIVE算法进行了详细的操作，但由于篇幅限制，无法在这里进行详细介绍。建议参考相关文献或代码来深入了解R3LIVE的VIO部分\[3\]。 总之，R3LIVE是一种激光-惯性-视觉结合的SLAM算法，其代码包括前言部分、节点与话题的绘图部分、主函数部分和VIO部分。详细的代码解析可以参考相关文献或代码资源。 #### 引用[.reference_title] - *1* *2* [R3LIVE代码详解（一）](https://blog.csdn.net/lovely_yoshino/article/details/126572997)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [R3LIVE代码详解（三）](https://blog.csdn.net/lovely_yoshino/article/details/126676059)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 42
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值