相机雷达联合标定cam_lidar_calibration

已于 2023-06-27 15:58:35 修改
阅读量2.5k 收藏 33
点赞数 4
分类专栏： 相机-雷达联合标定 文章标签： python c++ 深度学习 算法
于 2023-04-21 12:16:29 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/qq_42227760/article/details/130282095
版权

文章目录

运行环境：

ubuntu18.04.6 melodic
opencv 3.4.16
python 2.7.17 (ros自带)
usb-cam
速腾robosense 16

1.1 ROS环境配置

官方Github: https://github.com/acfr/cam_lidar_calibration
rs_to_velodyne :https://github.com/HViktorTsoi/rs_to_velodyne

1）工作空间创建和编译

# 创建工作空间
mkdir -p calib_new_ws/src
cd calib_new_ws/src

# 克隆仓库
git clone -c http.sslverify=false https://gitlab.acfr.usyd.edu.au/its/cam_lidar_calibration.git

# 下载ros和python依赖
sudo apt update && sudo apt-get install -y ros-noetic-pcl-conversions ros-noetic-pcl-ros ros-noetic-tf2-sensor-msgs
pip install pandas scipy

# 编译
cd calib_new_ws
catkin_make

2）官方数据集测试环境

①开始标定

source ./devel/setup.bash
roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=true

标定好的文件保存在 cam_lidar_calibration/data/vlp/路径下

②评估标定结果

roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/vlp/calibration_quickstart.csv" visualise:=true

2.1 在线标定

1）数据类型

激光雷达点云类型为XYZIR
雷达话题数据类型 sensor_msgs::PointCloud2
相机话题数据类型 sensor_msgs::Image、sensor_msgs::CameraInfo

rostopic list
rostopic type /velodyne_points
rostopic type /usb_cam/image_raw
rostopic type /usb_cam/camera_info

# 启动相机
# 启动雷达
# 速腾转rs
rosrun rs_to_velodyne rs_to_velodyne XYZIRT XYZIR

标定好的文件保存在cam_lidar_calibration/data路径下

2）标定板制作

标定板打印路径
我们标定板大小：图3—A1（841 x 594mm）, 小方格边长 95mm ，内部顶点 7x5

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

标定注意事项：标定板摆放与地面成45°角

3）配置文件

设置params.yaml中的话题和棋盘格大小（参考标定板制作内容）

# 速腾RS16 + usb_cam
camera_topic: "/usb_cam/image_raw"
camera_info: "/usb_cam/camera_info"
# rs 话题
# lidar_topic: "/rslidar_points" 
# rs_to_velodyne 话题
lidar_topic: "/velodyne_points"

在这里插入图片描述

4）开始标定

偏移量设置(减少平均误差) distance_offset_mm=-30
在这里插入图片描述

①启动标定包

roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=false

②调整 rqt_reconfigure 中的 x、y 、 z 分离出棋盘点云, 分离好一张点Capture, 有问题的点discard。分离好20张左右点Optimise。
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

标定注意事项：对于 VLP-16，至少保证7条线打在标定板上

②获取标定结果

# 官方
roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/vlp/calibration_quickstart.csv" visualise:=true

# 自己目录下的
roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/2023-06-27_11-46-29/calibration_2023-06-27_11-56-14.csv" visualise:=true

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

5）完整实现步骤

详细操作见博客：
Robosense激光雷达Linux配置
usb_cam 相机ROS配置
usb_cam相机标定实践 ROS

1.启动相机
cd /home/duduzai/SPbot/usb_cam_ws
source ./devel/setup.bash
roslaunch usb_cam usb_cam.launch

2.启动雷达（注释雷达launch中的rviz）
cd /home/duduzai/SPbot/robosense_ws
source ./devel/setup.bash
roslaunch rslidar_sdk start.launch

3.rs to velodyne
cd source ./devel/setup.bash
source ./devel/setup.bash
rosrun rs_to_velodyne rs_to_velodyne XYZIRT XYZIR

4、标定
cd /home/duduzai/SPbot/calib_new_ws
source ./devel/setup.bash
roslaunch cam_lidar_calibration run_optimiser.launch import_samples:=false
roslaunch cam_lidar_calibration assess_results.launch csv:="$(rospack find cam_lidar_calibration)/data/vlp/calibration_2023-04-20_17-23-44.csv" visualise:=true

3.1 python版本选择

在这里插入图片描述

3.2 rviz参数修改

Panels:
  - Class: rviz/Displays
    Help Height: 0
    Name: Displays
    Property Tree Widget:
      Expanded:
        - /Global Options1
        - /Status1
        - /Image1
        - /Image2
        - /MarkerArray1
      Splitter Ratio: 0.5
    Tree Height: 366
  - Class: rviz/Selection
    Name: Selection
  - Class: rviz/Tool Properties
    Expanded:
      - /2D Pose Estimate1
      - /2D Nav Goal1
      - /Publish Point1
    Name: Tool Properties
    Splitter Ratio: 0.5886790156364441
  - Class: rviz/Views
    Expanded:
      - /Current View1
    Name: Views
    Splitter Ratio: 0.5
  - Class: rviz/Time
    Experimental: false
    Name: Time
    SyncMode: 0
    SyncSource: Image
  - Class: cam_lidar_calibration/CamLidarCalibration
    Name: CamLidarCalibration
Preferences:
  PromptSaveOnExit: true
Toolbars:
  toolButtonStyle: 2
Visualization Manager:
  Class: ""
  Displays:
    - Alpha: 0.5
      Cell Size: 1
      Class: rviz/Grid
      Color: 160; 160; 164
      Enabled: true
      Line Style:
        Line Width: 0.029999999329447746
        Value: Lines
      Name: Grid
      Normal Cell Count: 0
      Offset:
        X: 0
        Y: 0
        Z: 0
      Plane: XY
      
      # Plane Cell Count: 10
      Plane Cell Count: 50
      Reference Frame: <Fixed Frame>
      Value: true
    - Class: rviz/Image
      Enabled: true
      Image Topic: /gmsl/A0/image_color
      Max Value: 1
      Median window: 5
      Min Value: 0
      Name: Image
      Normalize Range: true
      Queue Size: 2
      Transport Hint: raw
      Unreliable: false
      Value: true
    - Class: rviz/Image
      Enabled: true

      # Image Topic: /camera_features
      Image Topic: /usb_cam/image_raw
      Max Value: 1
      Median window: 5
      Min Value: 0
      Name: Image
      Normalize Range: true
      Queue Size: 2
      Transport Hint: raw
      Unreliable: false
      Value: true
    - Alpha: 1
      Autocompute Intensity Bounds: true
      Autocompute Value Bounds:
        Max Value: 10
        Min Value: -10
        Value: true
      Axis: Z
      Channel Name: intensity
      Class: rviz/PointCloud2
      Color: 255; 255; 255
      Color Transformer: Intensity
      Decay Time: 0
      Enabled: true
      Invert Rainbow: false
      Max Color: 255; 255; 255

      # Max Intensity: 217
      Max Intensity: 155
      Min Color: 0; 0; 0
      Min Intensity: 1
      Name: Experimental Region
      Position Transformer: XYZ
      Queue Size: 10
      Selectable: true
      Size (Pixels): 3

      # Size (m): 0.009999999776482582
      Size (m): 0.01
      Style: Flat Squares
      Topic: /feature_extraction/experimental_region
      Unreliable: false
      Use Fixed Frame: true
      Use rainbow: true
      Value: true
    - Alpha: 1
      Autocompute Intensity Bounds: true
      Autocompute Value Bounds:
        Max Value: 10
        Min Value: -10
        Value: true
      Axis: Z
      Channel Name: intensity
      Class: rviz/PointCloud2
      Color: 255; 255; 255
      Color Transformer: Intensity
      Decay Time: 0
      Enabled: true
      Invert Rainbow: false
      Max Color: 255; 255; 255
      Max Intensity: 60
      Min Color: 0; 0; 0
      Min Intensity: 1
      Name: Chessboard
      Position Transformer: XYZ
      Queue Size: 10
      Selectable: true
      Size (Pixels): 3
      Size (m): 0.009999999776482582
      Style: Flat Squares
      Topic: /feature_extraction/chessboard
      Unreliable: false
      Use Fixed Frame: true
      Use rainbow: true
      Value: true
    - Class: rviz/MarkerArray
      Enabled: true
      Marker Topic: /feature_extraction/collected_samples
      Name: MarkerArray
      Namespaces:
     
    Frame Rate: 30
  Name: root
  Tools:
    - Class: rviz/Interact
      Hide Inactive Objects: true
    - Class: rviz/MoveCamera
    - Class: rviz/Select
    - Class: rviz/FocusCamera
    - Class: rviz/Measure
    - Class: rviz/SetInitialPose
      Theta std deviation: 0.2617993950843811
      Topic: /initialpose
      X std deviation: 0.5
      Y std deviation: 0.5
    - Class: rviz/SetGoal
      Topic: /move_base_simple/goal
    - Class: rviz/PublishPoint
      Single click: true
      Topic: /clicked_point
  Value: true
  Views:
    Current:
      Class: rviz/Orbit
      Distance: 7.726625442504883
      Enable Stereo Rendering:
        Stereo Eye Separation: 0.05999999865889549
        Stereo Focal Distance: 1
        Swap Stereo Eyes: false
        Value: false
      Focal Point:
        X: 2.3772096633911133
        Y: -1.2373826503753662
        Z: 1.9428495168685913
      Focal Shape Fixed Size: true
      Focal Shape Size: 0.05000000074505806
      Invert Z Axis: false
      Name: Current View
      Near Clip Distance: 0.009999999776482582
      Pitch: 0.6603978276252747
      Target Frame: <Fixed Frame>
      Value: Orbit (rviz)
      Yaw: 2.71859073638916
    Saved: ~
Window Geometry:
  CamLidarCalibration:
    collapsed: false
  Displays:
    collapsed: false
  Height: 1075
  Hide Left Dock: false
  Hide Right Dock: true
  Image:
    collapsed: false
  QMainWindow State: 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
  Selection:
    collapsed: false
  Time:
    collapsed: false
  Tool Properties:
    collapsed: false
  Views:
    collapsed: true
  Width: 1920
  X: 1920
  Y: 201  Value: true
  Enabled: true
  Global Options:
    Background Color: 48; 48; 48
    Default Light: true
    
    # Fixed Frame: velodyne_front_link
    # Fixed Frame: rslidar 
    Fixed Frame: velodyne
    
    Frame Rate: 30
  Name: root
  Tools:
    - Class: rviz/Interact
      Hide Inactive Objects: true
    - Class: rviz/MoveCamera
    - Class: rviz/Select
    - Class: rviz/FocusCamera
    - Class: rviz/Measure
    - Class: rviz/SetInitialPose
      Theta std deviation: 0.2617993950843811
      Topic: /initialpose
      X std deviation: 0.5
      Y std deviation: 0.5
    - Class: rviz/SetGoal
      Topic: /move_base_simple/goal
    - Class: rviz/PublishPoint
      Single click: true
      Topic: /clicked_point
  Value: true
  Views:
    Current:
      Class: rviz/Orbit
      Distance: 7.726625442504883
      Enable Stereo Rendering:
        Stereo Eye Separation: 0.05999999865889549
        Stereo Focal Distance: 1
        Swap Stereo Eyes: false
        Value: false
      Focal Point:
        X: 2.3772096633911133
        Y: -1.2373826503753662
        Z: 1.9428495168685913
      Focal Shape Fixed Size: true
      Focal Shape Size: 0.05000000074505806
      Invert Z Axis: false
      Name: Current View
      Near Clip Distance: 0.009999999776482582
      Pitch: 0.6603978276252747
      Target Frame: <Fixed Frame>
      Value: Orbit (rviz)
      Yaw: 2.71859073638916
    Saved: ~
Window Geometry:
  CamLidarCalibration:
    collapsed: false
  Displays:
    collapsed: false
  Height: 1075
  Hide Left Dock: false
  Hide Right Dock: true
  Image:
    collapsed: false
  QMainWindow State: 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
  Selection:
    collapsed: false
  Time:
    collapsed: false
  Tool Properties:
    collapsed: false
  Views:
    collapsed: true
  Width: 1920
  X: 1920
  Y: 201

⭐⭐⭐ 嘟嘟崽 ⭐⭐⭐
⭐⭐⭐ 祝你成功 ⭐⭐⭐
圆嘟嘟2019
关注
  • 4
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 10
    评论
专栏目录
r3live 使用前提 雷达-相机外参标定 livox_camera_lidar_calibration
z1872385的博客
04-13 879
港科大livox_camera_calib虽然操作方便，但是使用mid360雷达会有视角问题（投影三维点到相机），尝试了很多场景，标定效果都不理想（推荐场景是楼梯间），看来港大的更适合avia之类窄角度的雷达。如果标定效果不好的话，就使用 getExt２节点，getExt1节点只优化外参，而getExt2节点在计算的时候会将一开始计算的内参作为初值和外参一起优化。一般使用getExt1节点即可，如果在外参初值验证过，并且异常值已经剔除后，优化还是有较大的残差，那么可以使用getExt2试一试。
摄像机标定matlab代码-livox_camera_lidar_calibration:校准LivoxLiDAR和相机之间的外部参数
05-20
摄像机标定matlab代码 Camera-LiDAR校准手册 该解决方案提供了一种手动校准Livox LiDAR与摄像机之间的外部参数的方法，该方法已在Mid-40，Horizo​​n和Tele-15系列上得到验证。 它包括相机固有参数的校准，校准数据的获取，相机与LiDAR之间外部参数的计算以及相机LiDAR融合应用的一些示例。 在此解决方案中，板角用作校准目标。 借助Livox LiDAR的非重复扫描特性，我们可以更轻松地找到高密度点云中拐角的准确位置。 同时，我们可以获得更好的校准结果和更好的LiDAR相机融合。 使用以下链接下载数据示例，该数据用于校准内在和外在参数。 数据已经保存在默认路径中。 步骤1：环境配置 （以下校准过程是在Ubuntu 64位16.04环境下进行的） 1.1安装环境和驱动程序 安装ROS环境，然后安装和。 如果它们已经安装，则可以跳过此步骤。 # install Livox_SDK git clone https://github.com/Livox-SDK/Livox-SDK.git cd Livox-SDK sudo ./third_party/a
【工程记录】使用Autoware进行相机雷达联合标定
weixin_39538031的博客
04-03 484
针对项目需要对可见光相机和激光雷达进行传感器数据融合的需求，这里利用Autoware提供的相机雷达联合标定工具，对速腾16线激光雷达和ZED双目相机进行联合标定，以获取相机外参矩阵。可以看到将激光点云重投影之后，稳稳的落在了棋盘格上！速腾16线激光雷达（Robosense-RS16）Autoware相机雷达标定工具包（ZED双目相机（一代）
相机-雷达联合标定direct_visual_lidar_calibration开源算法编译踩坑记录
最新发布
hyper的博客
07-11 382
相机-雷达联合标定direct_visual_lidar_calibration开源算法编译踩坑记录。
Camera-LIDAR 联合标定方法总结
登龙的专栏
03-21 3543
项目需要融合雷达和相机，所以要做联合标定，记录下收集的标定方法。 一、总体标定步骤 标定就是找到雷达到相机的空间转换关系，在不同的坐标系之间转换需要旋转矩阵 R 和平移矩阵 T，为后续的雷达和相机数据融合做准备： Camera-LIDAR 联合标定分为 2 步： 相机内参标定 雷达相机外参标定 相机内参标定方法 ROS Camera Calibration Tools SLAM之相机标...
相机与激光雷达联合标定（一）
scott198512的博客
06-11 5848
在多传感器信息融合技术中，相机和3D激光雷达在其特性高度互补的前提下得到了快速发展和广泛应用。在许多基于相机和3D激光雷达的应用中，相机内参以及相机和3D激光雷达外参的联合标定是后期检测、跟踪和SLAM技术的重要基础。随着算法的更新和迭代，标定的准确性、速度和范围都有所提高，但仍缺乏对相机和3D激光雷达标定的系统和全面的调查。本文首先介绍了两种传感器的性能比较和应用现状；其次，介绍了标定过程、标定目标的选择和标定模型的建立；然后根据分类，介绍了摄像机内部参数标定和联合外部参数标定的原理和算法。
传感器标定-相机、雷达、相机雷达联合标定
hyphyp666的博客
05-28 401
相机标定，用ros自带的包就可以 http://wiki.ros.org/camera_calibration/Tutorials/MonocularCalibration?action=AttachFile&do=view&target=check-108.pdf 雷达标定，这个属于私有财产，组里有程序，直接使用 相机-雷达联合标定 ...
相机-激光雷达联合标定方法
qq_21751281的博客
02-08 2124
这篇博客是记录一下自己遇到的问题。
激光雷达和相机联合标定保姆级教程
weixin_45989883的博客
05-08 3639
matlab激光雷达相机联合标定教程
无人驾驶-激光雷达与相机联合校准（Lidar Camera Calibration）
热门推荐
a2281965135的博客
04-02 3万+
1.激光雷达与摄像头性能对比在无人驾驶环境感知设备中，激光雷达和摄像头分别有各自的优缺点。摄像头的优点是成本低廉，用摄像头做算法开发的人员也比较多，技术相对比较成熟。摄像头的劣势，第一，获取准确三维信息非常难（单目摄像头几乎不可能，也有人提出双目或三目摄像头去做）；另一个缺点是受环境光限制比较大。激光雷达的优点在于，其探测距离较远，而且能够准确获取物体的三维信息；另外它的稳定性相当高，鲁棒性好。但...
ubuntu18.04 使用calibration_camera_lidar 实现激光雷达和相机联合标定
zbr794866300的博客
12-29 2536
Autoware1.10以上的软件都需要单独安装这个calibration标定工具箱 1.nlopt安装 新开一个终端： git clone git://github.com/stevengj/nlopt.git cd nlopt mkdir build cd build cmake .. make sudo make install 2.calibration_camera_lidar安装 新开一个终端： mkdir calibration&&cd calibration
【camera-radar】相机-毫米波雷达联合标定方案介绍+实现
02-26
【camera-radar】相机-毫米波雷达联合标定方案介绍+实现
lidar_camera_calibration:ROS软件包，用于在LiDAR和摄像机之间找到用于“使用3D-3D点对应进行LiDAR摄像机校准”的刚体转换
05-11
使用3D-3D点对应关系的LiDAR相机校准 ， （ ，毗湿 南（Vishnu Radhakrishnan），克里希纳（Krishna） ROS封装，用于校准相机和LiDAR。 该软件包用于通过相机校准LiDAR（配置为支持Hesai和Velodyne硬件）（适用于单眼和立体声）。 该程序包找到一种旋转和平移功能，可将LiDAR框架中的所有点转换为（单眼）相机框架。 请参阅以获取视频教程。 lidar_camera_calibration/pointcloud_fusion提供了一个脚本，用于融合从两个立体摄像机获得的点云。 两者均使用LiDAR和lidar_camera_calibration进行了外部校准。 我们通过融合保持在不同位置的多台摄像机的点云，以近乎完美的方式展示了拟建管道的准确性。 有关点云融合的结果，请参阅进行融合（视频）。 有关更多详细信息，请参阅我们的。
R3LIVE项目实战(3) —双目相机与激光雷达 lidar_camera_calib联合标定
几度春风里的博客
08-07 2441
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。
livox_camera_calib标定包的使用技巧
z1872385的博客
05-30 390
正确的理解： livox_camera_calib可以用于各种形式的雷达，只是操作方式不同。livox_camera_calib包内需要传入的数据只有两个 初始位姿下的图像， 图像对应位置的PCD地图。1、 livox_camera_calib可以在无标定板的情况下对雷达和激光的外参进行标定。2、标定精度受到环境纹理的影响，如果图像中有大量的和边缘平行的纹理，则会干扰特征匹配。不管是多线的旋转雷达还是比较稀疏livox-mid360，都可以通过先建立地图保存成pcd的方式来使用标定包。
lidar_cam标定结果评估
wanyi999的博客
11-08 144
lidar_cam标定结果评估
autoware激光点云和摄像头联合标定
tudou880306的专栏
09-29 1004
1.准备标定板 A0尺寸，打印在泡沫板上，12*9方格。用于相机和点云联合标定。也可以再单独做一个A4尺寸标定板，用来单独做相机标定。 2.单独标定摄像机，消除畸变 rosrun autoware_camera_lidar_calibrator cameracalibrator.py --square 0.03 --size 11x8 image:=/usb_cam/image_raw image后面是相机的主题。标定完成后会生成一个yaml格式文件。里面包含了相机的内外参矩阵。 2.点云和摄
相机内参标定，相机和激光雷达联合标定
qq_39607707的博客
07-01 1万+
成像过程： 四个坐标系如下图所示： 世界坐标系(world coordinate system)： 现实世界的三维坐标系，是现实世界的物理模型，单位为m。相机坐标系(camera coordinate system)： 以镜头硬件的光电系统为基础，建立的坐标系，为了从相机的角度描述物体位置而定义，首先建立相机的坐标系，作为沟通现实世界和图像/像素坐标系的中间桥梁，单位为m；世界坐标系到相机坐标系只涉及旋转和平移，所以是刚体变换，不涉及形变。世界坐标系 —> 相机坐标系 绕Z轴旋转的坐标关系如下： 所
【学习总结】cam_lidar_calibration：激光雷达与相机联合标定
m0_69034741的博客
07-05 3444
由于深度学习需要自己构造数据集，对于雷达和相机等多传感器融合数据，传感器标定是不可避免的，在前段时间学习了激光雷达和相机的联合标定，在此记录一下源码链接：GitHub - acfr/cam_lidar_calibration: (ITSC 2021) Optimising the selection of samples for robust lidar camera calibration. This package estimates the calibration parameters from ca
/home/nvidia/catkin_ws/src/cam_lidar_calibration/include/cam_lidar_calibration/optimiser.h:10:10: fatal error: opencv/cv.hpp: 没有那个文件或目录
07-27
这个错误是由于找不到OpenCV的头文件"opencv/cv.hpp"引起的。可能是由于OpenCV没有正确安装或者没有添加到编译器的搜索路径中。 你可以尝试以下几种解决方法： 1. 确保你已经正确安装了OpenCV库。你可以通过运行以下命令来验证： ``` pkg-config --modversion opencv ``` 如果没有输出版本号或者报错，说明OpenCV没有安装或者没有正确配置。 2. 如果OpenCV已经正确安装，你需要确保编译器能够找到OpenCV的头文件路径。你可以通过在编译命令中添加"-I"选项来指定头文件路径，例如： ``` g++ -I/path/to/opencv/include myfile.cpp ``` 这里的"/path/to/opencv/include"是你OpenCV头文件所在的路径。 3. 如果你使用的是CMake构建系统，你可以在CMakeLists.txt文件中添加以下行来指定OpenCV的头文件路径： ``` include_directories(/path/to/opencv/include) ``` 请尝试以上方法来解决这个问题。如果还有其他疑问，请随时提问。
评论 10
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

打赏作者

圆嘟嘟2019

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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