解密OpenCV角点检测:算法原理与参数调优的深度剖析

Opencv相机标定(2):鱼眼相机校正 cv2.calibrateCamera函数在进行普通相机标定时效果不错,但当相机视角过大,尤其是校正鱼眼相机是往往得到奇怪的图像,采用cv2.fisheye.calibrate函数进行校正时,效果明显改善。 阅读详情

OpenCV角点检测核心技术解析:从原理到参数调优实战

计算机视觉领域的标定工作往往始于棋盘格角点的精准检测——这看似简单的任务背后,隐藏着影响整个视觉系统精度的关键算法。当工程师调用findChessboardCorners函数时,实际上启动了一个包含图像处理、模式识别和几何计算的精密流程。本文将深入剖析这一过程的技术细节,并构建完整的参数调优方法论。

1. 棋盘格检测的算法架构

OpenCV的findChessboardCorners函数实现了一套层次化的检测流程。在底层,它首先对输入图像进行自适应阈值处理,这个步骤通过CALIB_CB_ADAPTIVE_THRESH标志激活时会计算图像的局部亮度均值,为每个像素区域生成动态阈值。配合CALIB_CB_NORMALIZE_IMAGE标志,系统会先进行直方图均衡化,显著提升低对比度场景下的检测鲁棒性。

核心处理阶段包含三个关键步骤:

  1. 轮廓提取与四边形筛选:使用优化的轮廓检测算法找出所有潜在四边形,然后通过面积、凸性和角度约束过滤噪声
  2. 棋盘模式验证:将保留的四边形组合成网格结构,验证其是否符合棋盘拓扑
  3. 角点坐标求精:对初步定位的角点进行亚像素级优化

典型的标志位组合效果对比如下:

标志组合处理时间(ms)成功率(%)适用场景
无标志12.478.2高对比度理想光照
ADAPTIVE_THRESH15.792.3光照不均环境
ADAPTIVE_THRESH+NORMALIZE18.995.1低照度/背光场景
FAST_CHECK8.265.4实时性要求高的场景

在最近的项目中,我们遇到一个典型案例:汽车装配线上的摄像头在强反光条件下检测失败率高达40%。通过分析发现,启用CALIB_CB_NORMALIZE_IMAGE后,系统能自动补偿金属表面反光造成的光照不均,将成功率提升至91%。

2. 亚像素优化的数学本质

当findChessboardCorners完成初步检测后,角点坐标通常还停留在像素级精度。这时find4QuadCornerSubpix或cornerSubPix函数通过迭代优化将精度提升到亚像素级别,其核心是求解图像梯度场中的能量极值点。

亚像素算法关键参数解析:

// 典型亚像素优化调用示例
TermCriteria criteria(TermCriteria::EPS + TermCriteria::COUNT, 30, 0.01);
cornerSubPix(
    grayImage,          // 输入灰度图像
    detectedCorners,    // 输入/输出的角点坐标
    Size(5,5),         // 搜索窗口半径
    Size(-1,-1),       // 死区尺寸(禁用)
    criteria           // 终止条件
);

窗口尺寸(region_size)的选择需要权衡:

  • 较大窗口(如11x11)能抑制噪声但可能平滑细节
  • 较小窗口(如3x3)保留细节但对噪声敏感

实验数据显示,当棋盘格方块在图像中占据约30-50像素时,5x5窗口在精度和鲁棒性之间达到最佳平衡。值得注意的是,过大的迭代次数(如超过50次)往往不会带来明显精度提升,反而增加计算开销。

3. 多模态参数调优策略

在实际工程中,我们需要建立系统化的参数调优方法。建议采用分阶段验证策略:

阶段一:基础验证

  1. 确认物理棋盘格规格与patternSize参数严格匹配
  2. 检查图像是否有运动模糊或失焦
  3. 验证光照均匀性(可使用直方图工具)

阶段二:标志位组合测试

# Python版标志位组合测试框架
flags_combinations = [
    0,
    cv2.CALIB_CB_ADAPTIVE_THRESH,
    cv2.CALIB_CB_ADAPTIVE_THRESH + cv2.CALIB_CB_NORMALIZE_IMAGE,
    cv2.CALIB_CB_FAST_CHECK
]

for flags in flags_combinations:
    ret, corners = cv2.findChessboardCorners(gray, pattern_size, flags=flags)
    if ret:
        # 进行亚像素优化和质量评估
        ...

阶段三:量化评估 建立包含以下指标的评估体系:

  • 重复检测一致性(同一位置多次检测的坐标方差)
  • 重投影误差(与已知三维点的映射误差)
  • 边缘锐度(角点附近梯度强度)

在无人机视觉导航项目中,我们开发了自动化测试工具,批量处理200组不同光照条件下的图像,最终确定最优参数组合使系统在户外强光下的检测稳定性提升60%。

4. 工程实践中的陷阱与解决方案

即使理解算法原理,实践中仍会遇到各种意外情况。以下是三个典型问题及对策:

问题一:部分遮挡场景 当棋盘格被部分遮挡时,传统方法可能完全失败。解决方案是采用分块检测策略,先识别可见区域角点,然后基于棋盘拓扑推断被遮挡部分。

问题二:非平面标定板 对于曲面安装的标定板(如圆柱形),需要修改检测逻辑。可以尝试:

  1. 提高CALIB_CB_FILTER_QUADS的权重
  2. 分区域进行平面假设检测
  3. 使用基于特征的匹配方法辅助

问题三:高动态范围场景 在同时存在强光与阴影的区域,建议:

  1. 使用HDR成像技术获取多曝光图像
  2. 采用基于深度学习的端到端检测方法
  3. 开发自适应ROI的局部处理流程

某工业检测案例显示,在焊接车间的极端光照条件下,结合局部对比度增强和动态ROI的方法,使检测成功率从32%提升至89%。

5. 前沿扩展与性能优化

随着硬件发展,新的优化机会不断涌现。在嵌入式设备上,我们可以利用NEON指令集加速图像预处理,将自适应阈值计算速度提升4-8倍。对于GPU平台,OpenCL实现的并行版本能处理4K分辨率图像仍保持30FPS的实时性能。

关键性能指标对比:

平台分辨率处理时间能效比
i7-1185G71920x10808.2ms1.0x
Jetson Xavier1920x108011.5ms3.2x
树莓派4B1280x72048.7ms0.6x

未来趋势显示,结合注意力机制的轻量级神经网络正在挑战传统算法。我们在实验中发现,某些CNN模型在极端角度(>60度)的检测精度已超越传统方法,但计算成本仍高出5-10倍。

OpenCV图像加密解密实战:从像素操作到异或运算的计算机视觉入门 图像处理是计算机视觉的基础,其核心在于将图像视为数字矩阵进行操作。通过像素级的位运算,可以实现对图像数据的直接操控,这是理解计算机如何‘看’图像的关键。异或运算凭借其可逆性和位级操作特性,成为实现简单对称加密的理想工具,在数据混淆和基础信息隐藏场景中具有实用价值。本文以OpenCV和NumPy为技术栈,通过一个完整的图像加密解密项目,深入讲解像素访问、矩阵运算和异或加密原理,帮助初学者快速掌握计算机视觉的核心基础操作。项目涵盖环境配置、代码实现、可视化调试及常见问题排查,是入门图像处理的绝佳实践案例。 阅读详情

相关推荐

Bayer转换算法:从传感器原始数据到彩色图像的工程实践

本文深入探讨了Bayer转换算法在图像处理中的应用,从传感器原始数据到彩色图像的完整工程实践。详细解析了Bayer模式的底层原理、核心解码算法及工业级实现方案,包括OpenCV的优化技巧和嵌入式平台的高效处理策略。通过实战案例展示了如何消除色彩伪影和提升高ISO场景下的图像质量,为开发者提供了宝贵的工程经验。

weixin_30945039的博客 137

opencv-python 实现鱼眼矫正 棋盘矫正法

鱼眼矫正有很多的方法, 比较常用的有: 1. 棋盘标定法 2. 经纬度法 opencv自带鱼眼矫正算法, 也就是第一种, 棋盘矫正法。 第一步:制作棋盘格 用A4纸打印一张棋盘格, 固定到硬纸板上, 然后用鱼眼镜头对着拍摄。 保留拍到的图片, 如下图所示: 可以从不同角度拍摄, 多保存一些。 第二步: 计算内参和矫正系数 棋盘标定法, 必须要先计算出鱼眼的内参和矫正系数, ...

hpuhjl的专栏 3万+

网易易盾滑块验证码逆向实战:从环境搭建到轨迹模拟的完整攻防解析

在Web自动化与数据采集领域,验证码是区分人类与机器操作的关键防线。其核心原理在于通过前端环境检测、行为分析和数据加密,构建一个多层次的防御体系,以对抗自动化脚本。从技术价值看,理解并逆向分析验证码,不仅能提升自动化任务的稳定性和效率,更是深入理解Web安全攻防、前端加密逻辑和浏览器工作原理的绝佳实践。在爬虫、自动化测试、安全研究等应用场景中,破解滑块验证码尤为常见。本文聚焦于网易易盾滑块验证码这一典型强对抗目标,深入剖析其利用**JavaScript混淆**和**轨迹加密**构建的防御机制,并详细阐述通过

weixin_30878501的博客 453

python鱼眼图像识别_使用OpenCV校准鱼眼镜头的方法

01.简介当我们使用的鱼眼镜头视角大于160°时,OpenCV中用于校准镜头“经典”方法的效果可能就不是和理想了。即使我们仔细遵循OpenCV文档中的步骤,也可能会得到下面这个奇奇怪怪的照片:如果小伙伴也遇到了类似情况,那么这篇文章可能会对大家有一定的帮助。从3.0版开始,OpenCV包含了cv2.fisheye可以很好地处理鱼眼镜头校准的软件包。但是,该模块没有针对读者的相关的教程。02.相机参...

weixin_39974400的博客 1414

抖音推荐系统解密:实时大数据驱动的工业级推荐架构

推荐系统是现代内容平台的核心引擎,其本质是基于用户行为数据的实时决策机制。从基础概念看,它通过协同过滤、内容理解与图神经网络等技术构建多路召回;在原理层面,依赖高时效性特征工程、多任务学习与在线模型迭代实现动态优化;技术价值在于破解冷启动难题、激活长尾内容并提升分发效率;典型应用场景覆盖短视频平台、电商导购与信息流服务;而抖音的实践表明,真正有效的推荐并非黑箱玄学,而是可感知、可干预、可验证的大数据+实时计算工程体系——这正是本文聚焦‘工业级推荐架构’与‘创作者可操作信号设计’的底层逻辑。

weixin_34239592的博客 375

JS逆向实战:破解网易易盾滑块验证码的加密与轨迹模拟

在Web安全与数据采集领域,JavaScript逆向工程是应对前端反爬策略的核心技术。其原理在于分析网页中经过混淆和加密的JS代码,理解其数据生成与加密逻辑,从而在非浏览器环境中复现关键算法。这项技术的价值在于能够突破客户端验证,实现自动化操作,广泛应用于数据采集、自动化测试和安全审计等场景。本文聚焦于破解网易易盾滑块验证码这一典型应用,深入剖析其**加密参数**的生成机制,并详细阐述如何通过动态调试和补环境技术,模拟出难以被风控系统识别的**人类滑动轨迹**,为相关工程实践提供一套完整的方法论。

aikb6223的博客 458

Vision UI架构解密:毫秒级视觉检测的技术实现方案

在当今移动应用快速迭代的开发环境中,传统像素级比对技术已难以满足复杂UI界面的质量检测需求。美团开源的Vision UI项目以其创新的视觉分析架构,为行业带来了突破性的技术解决方案。这款基于深度学习的图像UI分析工具,正重新定义视觉测试的技术标准。 ## 核心算法架构深度剖析 Vision UI的技术核心在于其多维度的视觉分析能力。项目采用基于模板匹配的图像融合技术,通过`service/im

gitblog_00749的博客 657

Web风控对抗实战:从设备指纹到滑块验证的完整绕过方案

在Web安全与自动化领域,设备指纹和行为验证是构建现代风控体系的核心技术。设备指纹通过采集浏览器环境、硬件信息等数百个特征点,生成唯一标识以识别设备身份,其原理在于利用Canvas、WebGL、字体列表等API的细微差异。行为验证则通过分析鼠标轨迹、操作节奏等动态特征,区分人类与自动化脚本。这些技术的工程价值在于构建了多维度、立体化的安全防御体系,广泛应用于登录防护、反爬虫、反欺诈等关键业务场景。本文聚焦于WebDID设备指纹生成与滑块验证码的对抗实践,通过Puppeteer环境定制、指纹特征覆盖及拟人化轨

weixin_30788239的博客 309

深度剖析:Awesome Computer Vision - 计算机视觉领域的终极资源宝库

在人工智能浪潮席卷全球的今天,计算机视觉作为AI皇冠上的明珠,正以前所未有的速度推动着技术革命。对于每一位渴望深入这一领域的开发者和研究者来说,寻找高质量的学习资源和工具往往是最具挑战性的第一步。今天,我们将深入探索一个被誉为"计算机视觉资源百科全书"的开源项目——Awesome Computer Vision,解密它如何成为全球计算机视觉从业者的必备宝典。 ## 项目定位与核心价值 Awes

gitblog_00688的博客 512

OpenCV每日函数 相机校准calibrateCamera函数

估计相机参数的过程称为相机校准。这意味着我们拥有相机所需的所有信息(参数或系数),以确定现实世界中的3D 点与其在该校准相机捕获的图像中对应的 2D 投影(像素)之间的准确关系。通常这意味着恢复两种参数内部参数:例如相机/镜头系统的镜头的焦距、光学中心和径向畸变系数。外部参数:这是指相机相对于某个世界坐标系的方向(旋转和平移)。

学以致用 知行合一 5444

YOLOv8实战:从零构建车辆检测与车牌粗定位系统,附完整代码与深度解析

好了,朋友们,我们今天的旅程也差不多要到终点了。让我们花点时间,回顾一下我们一起走过的路,然后眺望一下远方。在这篇超长教程中,我们从零开始,一步步地构建了一个功能完整的车辆检测与车牌粗定位系统。理论武装:我们深入浅出地理解了目标检测、YOLOv8输出格式、预训练模型和启发式定位策略等核心概念。我们不再只是"调包侠",而是明白了每一步背后的"为什么"。实践能力:我们亲手编写了超过百行的Python代码,实现了从单张图片检测到实时视频流处理的完整功能。我们学会了如何使用和OpenCV。

深耕 Vue 生态与 JS/TS 技术,聚焦组件封装、响应式原理、TS 类型设计,解析工程化配置与性能优化方案。同时分享 YOLOv8 目标检测实战、AI 大模型面试核心考点,以代码实例拆解技术实现与业务解法。 787

解密3D高斯喷洒技术:从稀疏点云到沉浸式场景的工业级实现

在计算机视觉和三维重建领域,我们长期以来面临一个核心矛盾:高精度重建与实时渲染性能之间的平衡。传统基于网格的3D重建方法虽然能够生成精确的几何模型,但在渲染效率、内存占用和视觉效果方面存在明显瓶颈。特别是在处理大规模室外场景或需要实时交互的应用中,这些限制变得尤为突出。 **高斯喷洒技术**的出现,正是对这一挑战的革命性回应。这项技术通过将3D场景表示为数百万个可微分的3D高斯分布,实现了前所未

gitblog_00881的博客 783

512分辨率万能遮罩模型实战指南:从下载到高精度应用

本文提供了512分辨率万能遮罩模型的完整实战指南。该模型经过超过540万次迭代,专门优化了对头发、手、眼睛等复杂区域的识别。文章详细介绍了从可靠渠道下载、环境部署、使用DF_ICE工具批量应用遮罩,到利用XSeg Editor进行高精度精修的全流程,旨在帮助用户显著提升AI换脸合成视频的质量与效率。

y2z3a4b5c的博客 1167

解密MAA明日方舟自动化助手:基于现代C++20的图像识别架构深度解析

还在为《明日方舟》的重复性日常任务感到疲惫吗?MAA明日方舟自动化助手(MaaAssistantArknights)作为一款开源的全功能游戏自动化工具,通过先进的图像识别技术和智能决策算法,为玩家提供了完整的日常任务自动化解决方案。这款工具基于现代化的C++20架构,采用模块化设计,实现了从基建管理到战斗代理的全流程自动化,真正实现了"一键长草"的游戏体验。 ## 技术架构深度剖析:模块化设计的

gitblog_00282的博客 209

基于SVPWM控制策略的二极管钳位型NPC逆变器并网闭环simulink仿真

本文介绍了二极管钳位型三电平SVPWM技术在逆变器中的应用,通过控制IGBT的开关状态,将直流电压转换为三相交流电压,并采用钳位技术降低谐波失真,提高输出质量。文章还描述了基于SVPWM控制策略的二极管钳位型NPC逆变器并网闭环的Simulink仿真模型,该模型实现了并网控制,具有优异的性能,THD小于1%,适用于新手学习。仿真模型参数包括DC 800V、AC 380V、功率100kw,采用三电平NPC拓扑结构和SVPWM闭环控制策略,配备LCL滤波器,生成三电平波形,监测交流侧电压电流、有功功率和无功功率

2510_91195931的博客 470

YOLOv8中的C2f模块代码详解

在YOLOv8网络结构中,C2f模块(CSP Bottleneck with 2 Convolutions)是一个关键组件,用于实现跨阶段部分聚合

zzzyyy8的博客 3万+

深度优化:使用vLLM加速DeepSeek-V2-Lite推理性能的完整指南

DeepSeek-V2-Lite作为轻量级混合专家语言模型,凭借16B总参数和2.4B激活参数的高效设计,在单卡40G GPU即可部署。然而,要充分发挥其性能潜力,推理优化至关重要。本文将详细介绍如何通过vLLM框架实现DeepSeek-V2-Lite的推理加速,让你在普通硬件上也能体验流畅的AI生成能力。 ## 为什么选择vLLM加速DeepSeek-V2-Lite? vLLM作为当前最流行

gitblog_00010的博客 153

深入解析音频信号处理的核心算法——傅里叶变换、语音增强、回声消除与主动降噪

本文系统介绍了现代音频信号处理的核心技术。首先阐述傅里叶变换作为理论基础的重要性,它能将声音分解为频域成分。随后重点分析三大关键技术:语音增强利用谱减法、维纳滤波和深度学习从噪声中提取人声;回声消除采用自适应滤波器消除通话中的回声;主动降噪通过声波干涉原理抵消环境噪声。文章最后指出,这些技术在实际应用中协同工作,形成完整的音频处理链路,共同提升语音质量和听觉体验。随着算法进步和算力提升,音频处理技术正向着更智能、更高效的方向发展。

程序猿老樊的博客 1331

多模态AI技术解析:TTS、ASR与OCR的协同应用

多模态技术通过整合语音合成(TTS)、语音识别(ASR)和光学字符识别(OCR)等能力,实现了文本、语音和图像之间的智能转换。TTS将文本转化为自然语音,ASR将语音转回文本,OCR则从图像中提取文字信息,三者共同构成了多模态交互的基础。这些技术在智能客服、会议系统等场景中发挥关键作用,例如通过OCR识别图片文字后,用TTS进行语音播报,再通过ASR接收用户反馈。现代神经网络的端到端模型(如VITS、Conformer)大幅提升了处理效率和准确率,而硬件加速和流式处理等技术进一步优化了工程实践。理解这些技术

weixin_34405354的博客 442

基于matlab的车牌识别(含子程序)

基于matlab的车牌识别系统一、对车辆图像进行预处理1.载入车牌图像:function [d]=main(jpg) [filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'}); if(filename == 0), return, end global FILENAME %定义全局变量 FILENAME = [pathname f...

TuTu998的博客 4万+

【100%通过率】华为OD机试真题 Python 实现【高矮个子排队】【2023 Q2 | 100分】

我们现在希望小朋友排队,以“高”“矮”“高”“矮”顺序排列,每一个“高”位置的小朋友要比相邻的位置高或者相等;要求小朋友们移动的距离和最小,第一个从“高”位开始排,输出最小移动距离即可。移动距离的定义如下所示:第二位小朋友移到第三位小朋友后面,移动距离为1,若移动到第四位小朋友后面,移动距离为2。现在有一队小朋友,他们高矮不同,,我们以正整数数组表示这一队小朋友的身高,如数组{5,3,1,2,3}。1:其实题目理解之后就知道,目标是要保证最小移动距离,且以高位为起点。2:try catch 异常处理。

MISAYAONE的博客 3145

Odin-1开源多模态大模型:架构解析、实战部署与微调指南

多模态大语言模型(MLLM)通过统一架构整合文本、图像、音频等多种信息处理能力,其核心原理在于将不同模态的数据映射到共享的语义空间进行联合理解与生成。这一技术显著提升了AI模型处理复杂现实任务的信息融合效率与一致性,具有极高的工程应用价值,广泛应用于智能内容创作、交互式数据分析、多模态检索增强生成(RAG)等场景。本文以热门的开源项目Odin-1为例,深入剖析其采用动态分词器与模态投影器实现统一编码的架构设计,并详细讲解从环境搭建、性能调优到使用LoRA进行参数高效微调的完整实战路径,为开发者部署和定制自己

weixin_34121304的博客 382

大模型长对话中上下文无法承载全部历史,如何压缩或提取重点

如果说截断和滑动窗口是“硬性”压缩,那摘要生成技术就显得“软”多了,也更接近于智能化的解决方案。它的思路是:不直接丢弃历史,而是通过自然语言处理(NLP)技术,把冗长的对话记录浓缩成一段简短的摘要,保留核心信息。这样既能大幅减少token数量,又不至于丢失关键内容。这种方法通常会借助预训练模型,比如BART或T5,它们擅长从长文本中提取重点内容。

大模型大数据攻城狮的专栏 1592

WebAssembly在前端开发中的核心优势与实践指南

WebAssembly(WASM)是一种低级的类汇编语言,设计用于在现代Web浏览器中高效执行。其核心原理基于静态类型系统和线性内存模型,能够被编译为紧凑的二进制格式,实现接近原生代码的执行效率。从技术价值看,WASM突破了JavaScript的性能瓶颈,特别适合处理计算密集型任务、大规模二进制数据操作以及与现有C/C++/Rust代码库的集成。在工程实践中,WASM广泛应用于图像处理、音视频编解码、数据压缩等场景,同时为构建安全插件系统和实现跨平台逻辑共享提供了理想解决方案。通过Rust、Emscript

weixin_42623010的博客 315

槽型光电开关传感器原理图设计,已量产(光电传感器)

在嵌入式设备的位置限位、物料计数等场景中,槽型光电开关是性价比极高的传感器方案 —— 它通过遮挡发射器与接收器之间的光路实现电平切换,电路简单且抗干扰性优于漫反射式光耦。今天分享一个实际项目中落地的槽型光电开关检测电路,从器件选型到逻辑设计都做了简化适配,适合小批量原型或低成本产品的需求。

不脱发的程序猿 724

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

文档解析的两条技术路线:TextIn与LangChain+xParse实战对比

PDF文档解析是将非结构化文件转化为结构化数据的关键技术,其核心在于布局分析(Layout Analysis)、OCR识别与语义理解的协同。原理上,端到端方案依赖大模型驱动的统一推理链,而模块化方案强调可干预的组件组装与规则注入。技术价值体现在对Corner Case的鲁棒性、定制深度与可审计性——前者提升交付效率,后者保障金融、医疗等强监管场景的合规可控。典型应用场景包括银行信贷材料识别、政务公文归档及医疗检验报告结构化。本文聚焦真实业务中高频致败的‘幽灵加密’‘字体嵌入缺失’与‘光学畸变’三类Corne

weixin_33910460的博客 347

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

上一篇: 亲密数背后的数学之美:用函数探索数字关系
下一篇: 知识图谱构建新范式:KGGen如何通过DSPy框架实现结构化输出革命
gitlab7runner
博客等级 码龄4年 78粉丝 1747原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
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