记录Eigen3的一个坑

最新推荐文章于 2025-11-02 13:29:44 发布
原创 最新推荐文章于 2025-11-02 13:29:44 发布 · 6.9k 阅读 · 13 ·
CC 4.0 BY-SA版权
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。

首先Eigen3这个牛逼的库，我在两年前就接触了，但是到现在也没有用过，这次的事件也一样。

最近在使用公司提供的一个摄像头标定工具，他依赖一堆的库，比如opencv，eigen3，pcl等等一堆牛逼的库

然后我就一关一关的过，整整折腾了三天，终于把这个工具编译过了。

然后今天开始试着使用标定一下，结果出了一个段错误。

内心os，这时哪个大婶写的代码呀，咋还段错误了呢。

于是祭起gdb大旗，找一下在哪里出错了。结果如下

(gdb) core-file core 
[New LWP 21126]
[New LWP 21128]
[New LWP 21127]
[New LWP 21129]
[New LWP 21130]
[New LWP 21141]
[New LWP 21131]
[New LWP 21132]
[New LWP 21152]
[New LWP 21143]
[New LWP 21133]
[New LWP 21151]
[New LWP 21144]
[New LWP 21134]
[New LWP 21145]
[New LWP 21142]
[New LWP 21148]
[New LWP 21149]
[New LWP 21135]
[New LWP 21146]
[New LWP 21154]
[New LWP 21140]
[New LWP 21153]
[New LWP 21150]
[New LWP 21136]
[New LWP 21147]
[Thread debugging using libthread_db enabled]
Using host libthread_db library "/lib/x86_64-linux-gnu/libthread_db.so.1".
Core was generated by `./intrinsic_calib'.
Program terminated with signal SIGSEGV, Segmentation fault.
#0  __GI___libc_free (mem=0x21) at malloc.c:2951
2951	malloc.c: 没有那个文件或目录.
[Current thread is 1 (Thread 0x7f1a2c0af7c0 (LWP 21126))]

这一看把我吓一跳，咋还malloc出错了呢。

赶紧找度娘帮忙，看到一个大婶的帖子，https://www.cnblogs.com/gatsby123/p/11755320.html

说是可能是某个析构函数的问题，并建议查看函数调用栈，

(gdb) where
#0  __GI___libc_free (mem=0x21) at malloc.c:2951
#1  0x00007f1a2b47b9a8 in Eigen::internal::handmade_aligned_free (ptr=0x5c15ca0) at /usr/local/include/eigen3/Eigen/src/Core/util/Memory.h:98
#2  0x00007f1a2b47ba04 in Eigen::internal::aligned_free (ptr=0x5c15ca0) at /usr/local/include/eigen3/Eigen/src/Core/util/Memory.h:179
#3  0x00007f1a2b47e544 in Eigen::internal::conditional_aligned_free<true> (ptr=0x5c15ca0) at /usr/local/include/eigen3/Eigen/src/Core/util/Memory.h:230
#4  0x00007f1a2b48075c in Eigen::internal::conditional_aligned_delete_auto<double, true> (ptr=0x5c15ca0, size=3) at /usr/local/include/eigen3/Eigen/src/Core/util/Memory.h:416
#5  0x00007f1a2b47f013 in Eigen::DenseStorage<double, -1, -1, 1, 0>::~DenseStorage (this=0x7ffe7ca9cd18, __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/DenseStorage.h:542
#6  0x00007f1a2b47ded2 in Eigen::PlainObjectBase<Eigen::Matrix<double, -1, 1, 0, -1, 1> >::~PlainObjectBase (this=0x7ffe7ca9cd18, __in_chrg=<optimized out>)
    at /usr/local/include/eigen3/Eigen/src/Core/PlainObjectBase.h:98
#7  0x00007f1a2b47deee in Eigen::Matrix<double, -1, 1, 0, -1, 1>::~Matrix (this=0x7ffe7ca9cd18, __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/Matrix.h:178
#8  0x00007f1a21de503e in Eigen::internal::product_evaluator<Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0>, 3, Eigen::DenseShape, Eigen::DenseShape, double, double>::~product_evaluator (this=0x7ffe7ca9cd08, __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/ProductEvaluators.h:96
#9  0x00007f1a21de5066 in Eigen::internal::evaluator<Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> >::~evaluator (this=0x7ffe7ca9cd08, 
    __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/ProductEvaluators.h:29
#10 0x00007f1a21de5082 in Eigen::internal::evaluator<Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const>::~evaluator (this=0x7ffe7ca9cd08, 
    __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/CoreEvaluators.h:99
#11 0x00007f1a21de50b2 in Eigen::internal::binary_evaluator<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::IndexBased, Eigen::internal::IndexBased, double, double>::~binary_evaluator (this=0x7ffe7ca9cd00, 
    __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/CoreEvaluators.h:675
#12 0x00007f1a21de50da in Eigen::internal::evaluator<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> >::~evaluator (this=0x7ffe7ca9cd00, __in_chrg=<optimized out>) at /usr/local/include/eigen3/Eigen/src/Core/CoreEvaluators.h:665
#13 0x00007f1a21de51ad in Eigen::internal::call_dense_assignment_loop<Eigen::Matrix<double, 3, 1, 0, 3, 1>, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::assign_op<double, double> > (dst=..., src=..., func=...)
    at /usr/local/include/eigen3/Eigen/src/Core/AssignEvaluator.h:730
#14 0x00007f1a21de4c1a in Eigen::internal::Assignment<Eigen::Matrix<double, 3, 1, 0, 3, 1>, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::assign_op<double, double>, Eigen::internal::Dense2Dense, void>::run (dst=..., 
    src=..., func=...) at /usr/local/include/eigen3/Eigen/src/Core/AssignEvaluator.h:879
#15 0x00007f1a21de4572 in Eigen::internal::call_assignment_no_alias<Eigen::Matrix<double, 3, 1, 0, 3, 1>, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::assign_op<double, double> > (dst=..., src=..., func=...)
    at /usr/local/include/eigen3/Eigen/src/Core/AssignEvaluator.h:836
#16 0x00007f1a21de3d50 in Eigen::internal::call_assignment<Eigen::Matrix<double, 3, 1, 0, 3, 1>, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::assign_op<double, double> >(Eigen::Matrix<double, 3, 1, 0, 3, 1>&, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> const&, Eigen::internal::assign_op<double, double> const&, Eigen::internal::enable_if<!Eigen::internal::evaluator_assume_aliasing<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const>, Eigen::internal::evaluator_traits<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> >::Shape>::value, void*>::type) (dst=..., src=..., func=...) at /usr/local/include/eigen3/Eigen/src/Core/AssignEvaluator.h:804
#17 0x00007f1a21de2fe2 in Eigen::internal::call_assignment<Eigen::Matrix<double, 3, 1, 0, 3, 1>, Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> > (dst=..., src=...) at /usr/local/include/eigen3/Eigen/src/Core/AssignEvaluator.h:782
#18 0x00007f1a21de2411 in Eigen::PlainObjectBase<Eigen::Matrix<double, 3, 1, 0, 3, 1> >::_set<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> > (this=0x7ffe7ca9cf90, other=...)
    at /usr/local/include/eigen3/Eigen/src/Core/PlainObjectBase.h:714
#19 0x00007f1a21de10e1 in Eigen::Matrix<double, 3, 1, 0, 3, 1>::operator=<Eigen::CwiseBinaryOp<Eigen::internal::scalar_sum_op<double, double>, Eigen::Product<Eigen::Matrix<double, -1, -1, 0, -1, -1>, Eigen::Matrix<double, 3, 1, 0, 3, 1>, 0> const, Eigen::Matrix<double, 3, 1, 0, 3, 1> const> > (this=0x7ffe7ca9cf90, other=...) at /usr/local/include/eigen3/Eigen/src/Core/Matrix.h:225

于是我发现了这个坑是Eigen3的一个bug。下巴都掉了。

继续找度娘呗，这次找到一个国外大婶的帖子，http://www.pcl-users.org/Segfaults-in-eigen-s-handmade-aligned-free-on-ubuntu-artful-td4045237.html

大致翻译了一下这个帖子，

照着里边说的几个方法试了一下：

1、编译的时候去掉-march=native，

     我查了一下，我的编译选项里都没有这个参数

2、编译的时候去掉-msse4.1 -mfpmath=sse

    我的编译参数里有这个，去掉了没有起作用，大婶那里好像也没有起作用

3、编译pcl时，使用这个参数，cmake <path> -DPCL_ENABLE_SSE=OFF

    我想起我当时pcl是使用的apt安装的，于是换用源码安装试试。

以上办法都没有起作用

最后又重新读了这个帖子，发现里边有一句话，

“Heads up, once the PR is merged, only the versions onwards will have the fix. We don't backport fixes.”

我终于意识到是剎问题了。我需要安装最新版的pcl，大婶已经回复了，这个bug已经在最新版上修复了。

于是我装了pcl-1.9，然后问题搞定了。虽然在装最新pcl的时候反反复复安装和卸载了很多库，但都不重要了。

 

另外，eigen3也有一堆版本，在找问题的时候，发现一个好用的版本，在这里记录一下

https://blog.youkuaiyun.com/sunyoop/article/details/79032174

【C++】开源：Eigen3线性代数模板库配置使用
DevFrank的博客
08-02 2789
Eigen3线性代数模板库配置使用
osqp-eigen使用记录
Oxalate的博客
09-21 4653
1. 环境配置 参考这两篇文章安装osqp和eigen3（都装在了/usr/local下）： 18.04安装osqp-eigen_夜半__的博客-优快云博客 ubuntu 安装使用eigen3 (两种方式)_樱桃木的博客-优快云博客 其中osqp可以用build/out/osqp_demo进行测试。 osqp-eigen的安装也是参照第一篇参考文章。测试方式需要手动对example里给的MPCExample进行编译运行，最后是可以成功实现的。 ...
C++线性代数运算库eigen3的使用，空间欧式变换的表示和运算，旋转四元数的球面插值
qq_41253960的博客
03-25 5724
c++库eigen, 矩阵运算
C++ Eigen3库Tensor操作整理(持续更新)
P_Leung的技术博客
11-15 8843
项目引入 VS2019环境下 点击<项目> 管理NuGet程序包 搜索Eigen3，安装即可 在项目源代码添加头文件 #include <unsupported/Eigen/CXX11/Tensor> Tensor操作 concatenate #include <iostream> #include <unsupported/Eigen/CXX11/Tensor> int main() { Eigen::Tensor<float, 2&
Eigen：一个好用的线性代数运算的C++算法库
红军不怕远征难，万水千山只等闲
11-02 1536
Eigen是一个高效的C++线性代数模板库，提供矩阵运算、线性方程组求解、特征值计算等功能。作为纯头文件库，它易于集成并支持跨平台使用。核心特性包括：模块化设计（仅包含所需功能）、丰富的API（支持稠密/稀疏矩阵）、几何变换模块以及接近手写代码的性能。安装方式灵活，可通过包管理器或手动配置。使用中需注意编译器优化、固定大小矩阵的优势以及避免混叠问题。适用于科学计算、机器人学、图形学等领域，是C++数值计算的重要工具。
Eigen3 使用与实例
weixin_42130534的博客
01-07 1万+
Eigen3 使用与实例 作为C++下常用的矩阵库，Eigen3“开袋即食”的特点让使用者省去了很多安装和环境配置的麻烦，下面我将根据官方文档和自己使用经验，为大家介绍Eigen3的使用方法。 一、下载与安装使用 Eigen3作为C++下矩阵库，使用时只需引用库中的头文件即可，库文件有两种方法安装使用： Ubuntu下 sudo apt-get install libeigen3-dev，库文件...
安装Eigen3线性代数库
IT菜鸟
08-29 4573
Eigen相关教程
关于C++中的vector与EIGEN配合使用的一些记录
Goretzka的博客
07-07 2951
问题记录 在我使用Ubuntu进行平面参数存储的时候，我使用了如下形式的vector： std::vector<Eigen::Vector4d> parametersVector; parametersVector.emplace_back(parametersPlane); 咋一看确实是没有什么问题，主要是之前我在使用 std::vector<Eigen::Vector3d> parametersVector; 没有遇到什么bug，但是这一次换成vector4D之后就反复出现段
视觉slam研究时，安装eigen,sophus以及仿真搭建Yujin Robot的坑
baidu_36211769的博客
12-02 756
视觉slam研究时，安装eigen,sophus以及仿真搭建Yujin Robot的坑 本人想用ROS-Academy-for-Beginners的仿真环境对视觉slam进行学习，可惜遇到一堆问题，安装ros_control,然后又要安装yujin_ocs、yocs_msgs，随之又是ecl_core,然后是ecl_lite、ecl_manipulation、ecl_tools，最后是eigen3...
【SLAM 踩坑记录】Ubuntu20.04编译安装视觉SLAM十四讲用到的几个库时走过的坑
blog
09-23 4383
由于我之前安装过Eigen，所以这里就不介绍是怎么安装的了。 Eigen的安装路径为：/usr/include/eigen3/ 下载安装Pangolin时，我并没有按照书上的做法从slambook2/3rdpart/Pangolin安装，而是参照Github官网https://github.com/stevenlovegrove/Pangolin的教程，下载了一个稳定的发布版v0.6的压缩包后解压（因为直接git clone下载的文件夹是一直在更新的master分支，有可能存在不稳定的测试特性）再 cd ~
【G3D笔记】AI生成式3D算法相关环境安装爬坑笔记
老富的博客
03-18 2311
更新中…本章是关于生成式AI3D相关算法环境搭建过程中的错误记录，涉及技术有：Ray Marching 射线步进，一种用于实时场景的快速渲染方法，可以将SDF模型显示出来。Tiny CUDA Neural Networks， 快如闪电的 C++/CUDA 神经网络框架，小型的、独立的框架，用于训练和查询神经网络。PyTorch3D：使用 3D 数据进行深度学习的库。
在Ubuntu中安装Eigen3库
qq_57061492的博客
08-04 1万+
在ubuntu16.04中安装Eigen库
Eigen3基础简单入门使用
淡然飞雪的博客
08-20 4534
由于本人是在linux下 eigen是目前机器人和实时控制领域最常用（简单）的优化加速库之一。但目前网上的中文教程资源比较少，因此开了一个整理eigen的博客。 入门程序 eigen的安装这里就不再重复了。 以下程序是eigen官方教程的入门程序，入门出现的第一个问题，Eigen/Dense: 没有那个文件或目录。 #include <iostream> #include <Eigen/Dense> using Eigen::MatrixXd; int main(
Eigen3 教程基础篇（一）
jucat的博客
08-16 1386
eigen3 教程
Eigen 教程 进阶篇（三）
jucat的博客
11-25 1281
eigen3 几何学教程
Eigen3 教程基础篇（二）
jucat的博客
08-16 1228
Eigen3 教程
安装Eigen3
acanab的博客
03-19 971
Eigen下载地址:https://gitlab.com/libeigen/eigen/-/releases。可以先手动下载要安装的版本。
Eigen3 C++线性代数库实战
weixin_42146230的博客
08-25 1611
本文还有配套的精品资源，点击获取 简介：Eigen3是一个开源的C++库，专门用于线性代数计算，以其简洁的API、高性能和灵活性而闻名。本实战项目将指导你使用Eigen3库，涵盖矩阵和向量操作、表达式模板、数值线性代数、稀疏矩阵、几何处理和高级功能。通过动手实践，你将掌握Eigen3的强大功能，并提升你在科学计算、图形学和机器学习等领域的技能。 1. Eigen3...
Eigen库:常见错误(最坑的库，没有之一）
热门推荐
Charles_ke的博客
04-07 5万+
1.3rdparty\eigen\eigen3\eigen\src\core\assignevaluator.h(833): error C2338: YOU_MIXED_MATRICES_OF_DIFFERENT_SIZES Eigen::Matrix3d rotation_matrix; rotation_matrix = yawAngle*pitchAngle*rollAn...
Eigen 3点转换为一个矩阵
最新发布
12-10
<think>根据用户当前查询“如何使用Eigen将3个点转换为一个矩阵”，结合历史引用内容（尤其是引用[1]涉及3D点操作），推断用户需求是将三个3D点组合成矩阵。Eigen库中常用MatrixXd存储点云数据。 用户未明确矩阵结构，但通常三点可组成3x3矩阵（每行一个点）。Eigen创建矩阵的方法如下： ```cpp #include <Eigen/Dense> using namespace Eigen; Matrix3d createMatrixFromPoints(Vector3d p1, Vector3d p2, Vector3d p3) { Matrix3d mat; mat << p1.transpose(), p2.transpose(), p3.transpose(); return mat; } ``` 若需列向量形式（每列一个点），则用`.colwise()`或直接赋值： ```cpp Matrix3d mat; mat.col(0) = p1; mat.col(1) = p2; mat.col(2) = p3; ``` 引用[1]提到3D点处理误差，暗示用户可能在处理投影或重建问题。因此补充说明：若点坐标以行向量存储需转置（如第一段代码），列向量则直接填充。 相关问题设计围绕Eigen矩阵操作和3D点应用： 1. 不同存储方式（行/列优先）的影响 2. 点云数据的大规模矩阵构造 3. 与引用[1]相关的3D重建误差计算 </think> 根据您的查询，我将结合Eigen库（C++线性代数库）和点云处理知识，详细说明如何将三个3D点转换为矩阵： ### 解决方案 在Eigen中，三个3D点可存储为 $3 \times 3$ 矩阵，**每列代表一个点的坐标**。假设有三个点： $$P_1 = \begin{pmatrix} x_1 \\ y_1 \\ z_1 \end{pmatrix}, \ P_2 = \begin{pmatrix} x_2 \\ y_2 \\ z_2 \end{pmatrix}, \ P_3 = \begin{pmatrix} x_3 \\ y_3 \\ z_3 \end{pmatrix}$$ #### 步骤： 1. **包含头文件**： ```cpp #include <Eigen/Dense> ``` 2. **创建点向量**： ```cpp Eigen::Vector3d p1(x1, y1, z1); // 点1 Eigen::Vector3d p2(x2, y2, z2); // 点2 Eigen::Vector3d p3(x3, y3, z3); // 点3 ``` 3. **组合成矩阵**： ```cpp Eigen::Matrix3d pointMatrix; pointMatrix.col(0) = p1; // 第一列为p1 pointMatrix.col(1) = p2; // 第二列为p2 pointMatrix.col(2) = p3; // 第三列为p3 ``` 最终矩阵形式： $$ \text{pointMatrix} = \begin{pmatrix} x_1 & x_2 & x_3 \\ y_1 & y_2 & y_3 \\ z_1 & z_2 & z_3 \end{pmatrix} $$ #### 完整示例 ```cpp #include <iostream> #include <Eigen/Dense> int main() { // 定义三个3D点 Eigen::Vector3d p1(1.0, 2.0, 3.0); Eigen::Vector3d p2(4.0, 5.0, 6.0); Eigen::Vector3d p3(7.0, 8.0, 9.0); // 组合为3x3矩阵 Eigen::Matrix3d mat; mat.col(0) = p1; mat.col(1) = p2; mat.col(2) = p3; std::cout << "Point Matrix:\n" << mat << std::endl; return 0; } ``` 输出： ``` Point Matrix: 1 4 7 2 5 8 3 6 9 ``` ### 关键说明 1. **数据结构选择**：`Eigen::Matrix3d` 是 $3 \times 3$ 双精度浮点矩阵，适合存储三个3D点。 2. **应用场景**：此类转换常用于点云处理、3D重建（如引用[1]提到的投影误差计算）[^1]或几何变换。 3. **转置需求**：若需每行存储一个点，使用 `mat.row(i) = p_i` 或最终转置 `mat.transpose()`。
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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