陳占軍 林姚宇 龔詠喜 王耀武 顧照鵬

1(哈爾濱工業(yè)大學(xué)(深圳)建筑學(xué)院 廣東 深圳 518055)2(哈爾濱工業(yè)大學(xué)(深圳)深圳市城市規(guī)劃與決策仿真重點(diǎn)實(shí)驗(yàn)室 廣東 深圳 518055)3(騰訊科技(深圳)有限公司 廣東 深圳 518052)

0 引 言

Marr視覺(jué)計(jì)算理論[1]將計(jì)算機(jī)視覺(jué)分成自上而下三個(gè)階段，從最初的原始數(shù)據(jù)即二維圖像到最終對(duì)三維環(huán)境的表達(dá)經(jīng)歷了三個(gè)階段處理，事實(shí)上這也是三維重建過(guò)程的三個(gè)階段。從二維圖像恢復(fù)三維物體可見(jiàn)表面的幾何結(jié)構(gòu)即三維重建是計(jì)算機(jī)視覺(jué)研究的主要目的之一。

基于視覺(jué)的三維重建[2-3]即結(jié)合多視角幾何理論和視覺(jué)算法理論，運(yùn)用立體匹配[4]、語(yǔ)義目標(biāo)分割[5]及相關(guān)優(yōu)化算法[6]等從若干幅二維圖像計(jì)算物體或場(chǎng)景的位置、形狀等幾何信息，恢復(fù)其三維模型。而二維圖像上每一點(diǎn)的位置與空間物體表面相應(yīng)點(diǎn)的幾何位置有關(guān)，這些位置的相互關(guān)系則由攝像機(jī)成像幾何模型所決定?？偟膩?lái)說(shuō)，實(shí)際意義上的基于圖像特征視覺(jué)的三維重建過(guò)程包括三個(gè)步驟：(1) 二維圖像特征匹配，即從不同視角的圖像中檢測(cè)對(duì)應(yīng)同一空間點(diǎn)的二維圖像特征點(diǎn)，包括SIFT特征[7]、Harris特征[8]、SURF特征[9]等，并進(jìn)行特征匹配；(2) 攝像機(jī)標(biāo)定[10]即計(jì)算攝像機(jī)的位置姿態(tài)包括內(nèi)參數(shù)矩陣和外參數(shù)矩陣；(3) 根據(jù)上述圖像匹配和攝像機(jī)標(biāo)定的結(jié)果，獲取物體可見(jiàn)部分的三維空間結(jié)構(gòu)。

視覺(jué)系統(tǒng)的研究是計(jì)算機(jī)視覺(jué)研究發(fā)展的趨勢(shì)，針對(duì)實(shí)際應(yīng)用需求開(kāi)展三維重建系統(tǒng)的研究具有重要價(jià)值。由于古建筑多為木質(zhì)結(jié)構(gòu)，并且輔以彩繪和雕刻，通常結(jié)構(gòu)復(fù)雜精巧，使得對(duì)其保護(hù)面臨巨大挑戰(zhàn)。對(duì)中國(guó)古代建筑進(jìn)行三維數(shù)字化保護(hù)是對(duì)中國(guó)建筑精髓傳承和文物保護(hù)的重要手段。近年來(lái)，基于圖像視覺(jué)的三維重建技術(shù)在古建筑和文物的數(shù)字化保護(hù)方面的應(yīng)用需求越來(lái)越多，其中一個(gè)主要應(yīng)用是對(duì)古建筑的數(shù)字化建模研究。屠大維等[11]提出了一套古建筑中文物的數(shù)字化三維重建系統(tǒng)，即結(jié)合攝像機(jī)拍攝圖像和線激光掃描的方法，并對(duì)系統(tǒng)測(cè)量誤差進(jìn)行標(biāo)定和補(bǔ)償，實(shí)現(xiàn)了文物的三維數(shù)字化。杜國(guó)光等[12]結(jié)合了3DSMax和SketchUp人工圖形學(xué)建模方法，通過(guò)構(gòu)建古建筑的基礎(chǔ)模型，進(jìn)行三維模型檢索，再結(jié)合三維重建最終獲取古建筑的三維結(jié)構(gòu)。康停軍等[13]采用GIS、三維激光掃描技術(shù)對(duì)歷史建筑進(jìn)行信息采集、表達(dá)，不僅獲取了歷史建筑的點(diǎn)云數(shù)據(jù)和三維模型，還制作了歷史建筑的平面、立面、剖面及大樣圖，建立了基于“一張圖”的歷史建筑信息化管理及應(yīng)用體系。

上述針對(duì)古建筑的三維重建方法分別應(yīng)用了激光掃描、人工圖形學(xué)建模、測(cè)繪等復(fù)雜技術(shù)或采集手段。由于激光掃描涉及到比較昂貴的設(shè)備成本，測(cè)繪手段則受古建筑現(xiàn)場(chǎng)地理環(huán)境的制約，而人工圖形學(xué)的預(yù)先建模方法更是制約了古建筑三維重建模型的自動(dòng)生成。以上方法的缺點(diǎn)都或多或少地限制了現(xiàn)實(shí)中古建筑的三維數(shù)字化應(yīng)用需求的實(shí)現(xiàn)。

本文設(shè)計(jì)并實(shí)現(xiàn)的古建筑視覺(jué)三維重建系統(tǒng)面向古建筑的三維數(shù)字化應(yīng)用需求，應(yīng)用視覺(jué)三維重建技術(shù)，實(shí)現(xiàn)從多幅不同視角的且無(wú)序的古建筑圖像序列到三維模型的自動(dòng)生成，通過(guò)初始特征提取和匹配、攝像機(jī)位置姿態(tài)計(jì)算、圖像面片匹配及紋理映射計(jì)算等過(guò)程得到最終三維重建結(jié)果，整個(gè)過(guò)程無(wú)須人工干預(yù)。與其他古建筑的三維重建或三維數(shù)字化方法相比，本文貢獻(xiàn)在于：(1) 本文系統(tǒng)運(yùn)行之前無(wú)須對(duì)攝像機(jī)參數(shù)進(jìn)行預(yù)先標(biāo)定，也無(wú)須預(yù)先校正原始圖像序列[14]；(2) 三維重建過(guò)程中對(duì)攝像機(jī)位置姿態(tài)和稀疏三維點(diǎn)云的計(jì)算都進(jìn)行了優(yōu)化，減少了匹配錯(cuò)誤和誤差累計(jì)，從而提高了三維重建的準(zhǔn)確率；(3) 無(wú)須預(yù)先人工建模，且系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)的成本低，操作簡(jiǎn)單、可實(shí)施性強(qiáng)，只需要一臺(tái)單反攝像機(jī)采集圖像序列，就能獲得視覺(jué)效果較好、場(chǎng)景真實(shí)感較強(qiáng)的古建筑三維重建效果，系統(tǒng)應(yīng)用范圍較廣，基本滿(mǎn)足目前古建筑數(shù)字化的需求。

1 系統(tǒng)設(shè)計(jì)

1.1 算法框架

與室內(nèi)場(chǎng)景圖像相比，室外的古建筑場(chǎng)景圖像的三維重建系統(tǒng)一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)技術(shù)難題。其算法設(shè)計(jì)關(guān)鍵是在有效恢復(fù)場(chǎng)景深度信息的前提下，實(shí)現(xiàn)整個(gè)三維重建過(guò)程的自動(dòng)化，同時(shí)結(jié)合優(yōu)化過(guò)程提高攝像機(jī)參數(shù)計(jì)算的準(zhǔn)確性和三維重建視覺(jué)效果。

1.2 算法步驟

本系統(tǒng)設(shè)計(jì)運(yùn)用的算法步驟如下：

步驟1用單個(gè)攝像機(jī)進(jìn)行拍攝，采集獲取不同視角的古建筑的多幅圖像；

步驟2對(duì)古建筑圖像序列進(jìn)行特征提取，并進(jìn)行特征匹配，得到種子匹配點(diǎn)；

步驟3以圖像序列中的種子匹配點(diǎn)為基礎(chǔ)，在種子點(diǎn)的鄰域內(nèi)進(jìn)行擴(kuò)散，獲取數(shù)量更多的新匹配點(diǎn)；

步驟4根據(jù)上述特征匹配的結(jié)果，計(jì)算圖像拍攝時(shí)刻的攝像機(jī)位置姿態(tài)和古建筑的稀疏三維點(diǎn)云；

步驟5根據(jù)圖像拍攝時(shí)刻的攝像機(jī)位置姿態(tài)和古建筑的稀疏三維點(diǎn)云，利用多視角立體匹配算法獲取古建筑稠密三維點(diǎn)云；

步驟6根據(jù)古建筑稠密三維點(diǎn)云，生成古建筑三角面片模型；

步驟7利用古建筑三角面片模型，根據(jù)三維點(diǎn)與圖像的匹配關(guān)系，計(jì)算紋理映射并生成古建筑三維模型。

步驟1利用定焦攝像機(jī)從不同角度采集古建筑的多幅圖像，攝像機(jī)的運(yùn)動(dòng)方向要保持水平移動(dòng)，保證每一個(gè)圖像細(xì)節(jié)至少有兩幅圖像覆蓋。步驟2提取SIFT特征，并進(jìn)行匹配得到種子匹配點(diǎn)。步驟3采用文獻(xiàn)[15]方法對(duì)種子匹配點(diǎn)進(jìn)行擴(kuò)散，得到準(zhǔn)稠密匹配點(diǎn)。

步驟4包含以下4個(gè)子步驟，其中S表示古建筑圖像集合，Ps表示三維點(diǎn)云集合，S1表示已計(jì)算的攝像機(jī)位置姿態(tài)的圖像集合，Q為攝像機(jī)姿態(tài)集合。

(1) 利用文獻(xiàn)[16]的標(biāo)定法計(jì)算定焦攝像機(jī)內(nèi)參數(shù)K。

(2) 選取匹配點(diǎn)最多的兩幅圖像I0、I1，令I(lǐng)0的姿態(tài)為T(mén)0，T0=[I,0]，其中I為三階單位陣，0為三維列向量，利用八點(diǎn)算法[17]，計(jì)算I0和I1之間的相對(duì)剛體變換T1，將I0和I1加入集合S1；利用T0、T1及圖像匹配結(jié)果，應(yīng)用三角測(cè)量原理計(jì)算立體匹配圖像的深度值，從而得到三維空間點(diǎn)，將三維點(diǎn)加入集合Ps；將T0和T1加入集合Q。

(3) 對(duì)于S-S1中的其他圖像Ii，查找Ii與S1中圖像匹配點(diǎn)最多的圖像Ij，獲取Ii與Ij的匹配點(diǎn)集Pij，根據(jù)已重建三維點(diǎn)的位置，計(jì)算Ii相對(duì)于I0的剛體變換Ti，同時(shí)計(jì)算Ii與S1中其他圖像的匹配點(diǎn)的三維位置并加入集合Ps，將Ti加入集合Q。

(4) 對(duì)于所有計(jì)算獲得的攝像機(jī)姿態(tài)集合Q及三維點(diǎn)集合Ps，利用Kümmerle等[18]提出的G2o通用圖優(yōu)化算法對(duì)非線性重投影誤差函數(shù)進(jìn)行優(yōu)化，最小化Ps中每個(gè)點(diǎn)Pi在對(duì)應(yīng)圖像上的重投影誤差，以此減少誤差積累對(duì)三維重建結(jié)果的影響，獲取最優(yōu)的攝像機(jī)姿態(tài)集和稀疏三維點(diǎn)集。

算法步驟4的具體流程見(jiàn)圖1。

圖1 攝像機(jī)位置姿態(tài)和古建筑稀疏三維點(diǎn)云的計(jì)算流程

步驟4的子步驟(4)為了提高Bundle Adjustment優(yōu)化算法的效率，采用了G2o圖優(yōu)化算法，對(duì)于每一個(gè)攝像機(jī)姿態(tài)和三維點(diǎn)，建立圖中對(duì)應(yīng)的節(jié)點(diǎn)，對(duì)每一個(gè)三維點(diǎn)與對(duì)其可見(jiàn)的攝像機(jī)姿態(tài)之間建立對(duì)應(yīng)的邊，利用G2o算法對(duì)以下目標(biāo)函數(shù)進(jìn)行優(yōu)化：

(1)

式中：m和n分別為集合Q和集合Ps的元素個(gè)數(shù)；aj為第j幅圖像的攝像機(jī)姿態(tài)，bi為第i個(gè)空間三維點(diǎn)；π表示第j幅圖像的投影方程即π(aj,bi)=KTj(bi)；xij表示第i個(gè)三維點(diǎn)在第j幅圖像上的圖像坐標(biāo)。

步驟5根據(jù)攝像機(jī)的位置姿態(tài)T0，T1,…,Tn和稀疏三維點(diǎn)云，利用PMVS算法[19]計(jì)算獲取古建筑的稠密三維點(diǎn)云Pd。步驟5主要包括3個(gè)子步驟：(1) 初始化特征匹配，即利用每幅圖像的特征點(diǎn)生成稀疏面片的過(guò)程。對(duì)于圖像Ii，以及其對(duì)應(yīng)的光心O(Ii)，其中的特征點(diǎn)f，通過(guò)允許有兩個(gè)像素誤差的極線約束找到它在其他圖像中的同種類(lèi)型的特征點(diǎn)f′，構(gòu)成匹配點(diǎn)對(duì)(f,f′)。再用這些匹配點(diǎn)對(duì)使用三角化的方法生成一系列三維空間點(diǎn)，將這些點(diǎn)按照距離O(Ii)從小到大順序排列，依次嘗試生成面片，直到成功獲得一系列的稀疏面片。(2) 面片生成和擴(kuò)展，目標(biāo)是在每個(gè)圖像網(wǎng)格中至少重建一個(gè)面片，方法是從已有的面片出發(fā)，在其附近的空白空間搜索滿(mǎn)足一定條件的鄰域圖像塊集合，不斷進(jìn)行迭代，生成新的面片，直至面片重建完成。(3) 面片過(guò)濾，主要引入了兩個(gè)過(guò)濾方法以濾除錯(cuò)誤的面片。第一個(gè)過(guò)濾方法依賴(lài)于可見(jiàn)一致性；第二個(gè)方法是正則化操作，即對(duì)于每個(gè)面片p，首先獲取在其所有可見(jiàn)圖像I(p)中p所在或相鄰的圖像網(wǎng)格中所有的面片。如果獲取的面片中p的鄰域所占比例低于一定值(如25.0)，則認(rèn)為p為外點(diǎn)并將其濾除。通過(guò)步驟5可以生成分布較為均勻的古建筑稠密三維點(diǎn)云。

步驟6根據(jù)古建筑的稠密三維點(diǎn)云及其法向量，利用泊松表面重建算法[20]構(gòu)建三角網(wǎng)格，通過(guò)對(duì)模型的指示函數(shù)進(jìn)行逼近及提取等值面得到一個(gè)閉合的三角化近似表面，生成古建筑三角網(wǎng)格面片模型。

步驟7應(yīng)用了Waechter等[21]的方法，利用攝像機(jī)姿態(tài)、三角網(wǎng)格和圖像信息，應(yīng)用一種輕微變形的均值平移算法來(lái)檢查視圖的一致性，通過(guò)視圖剔除、遮擋物消除等操作優(yōu)化視圖的選擇，合并面片冗余信息，以此減少紋理映射錯(cuò)誤，從而恢復(fù)古建筑的三維紋理模型。

2 系統(tǒng)實(shí)現(xiàn)

根據(jù)系統(tǒng)算法步驟將系統(tǒng)分成圖2中的各模塊來(lái)實(shí)現(xiàn)。系統(tǒng)中各模塊和算法功能使用C++語(yǔ)言編程實(shí)現(xiàn)。模塊1輸入不同視角拍攝的古建筑圖像序列，根據(jù)建筑場(chǎng)景規(guī)模大小和建筑復(fù)雜度，一般需要攝取采集幾十幅到幾百幅圖像不等；模塊2實(shí)現(xiàn)原始二維圖像序列的特征點(diǎn)的檢測(cè)和匹配，通過(guò)提取SIFT特征點(diǎn)，并建立描述子進(jìn)行特征匹配，得到圖像序列的初始公共種子匹配點(diǎn)，接著對(duì)種子匹配點(diǎn)進(jìn)行匹配擴(kuò)散，獲得圖像序列的準(zhǔn)稠密匹配點(diǎn)。

圖2 系統(tǒng)設(shè)計(jì)各模塊

模塊3根據(jù)模塊2的圖像特征匹配結(jié)果，計(jì)算攝像機(jī)的位置姿態(tài)即攝像機(jī)內(nèi)參數(shù)矩陣，這里采用了文獻(xiàn)[16]的標(biāo)定方法來(lái)實(shí)現(xiàn)；同時(shí)，根據(jù)本系統(tǒng)算法的步驟4，計(jì)算得到古建筑的稀疏三維點(diǎn)云；之后，調(diào)用G2o圖優(yōu)化算法的開(kāi)源框架對(duì)攝像機(jī)的位置姿態(tài)和稀疏三維點(diǎn)云進(jìn)行優(yōu)化，以此減少累計(jì)誤差帶來(lái)的重建錯(cuò)誤。模塊4利用PMVS多視角立體匹配算法實(shí)現(xiàn)古建筑稠密三維點(diǎn)云生成。模塊5根據(jù)模塊4的稠密點(diǎn)云結(jié)果，運(yùn)用泊松表面重建算法構(gòu)建三角網(wǎng)格，生成三角面片模型。模塊6根據(jù)上一模塊計(jì)算結(jié)果，進(jìn)行紋理映射，實(shí)現(xiàn)生成帶紋理的古建筑三維重建模型。

系統(tǒng)各模塊之間的數(shù)據(jù)和接口調(diào)用使用Python語(yǔ)言編程實(shí)現(xiàn)。為了呈現(xiàn)直觀且全視角觀看的古建筑三維重建模型，本系統(tǒng)還設(shè)計(jì)了三維模型生成的運(yùn)行界面，使用PyQT5來(lái)實(shí)現(xiàn)，程序運(yùn)行界面設(shè)計(jì)如圖3所示。

圖3 古建筑三維重建系統(tǒng)設(shè)計(jì)界面

3 實(shí) 驗(yàn)

根據(jù)古建筑數(shù)字化需求和項(xiàng)目研究目標(biāo)，對(duì)深圳市的三個(gè)具有代表性的古建筑進(jìn)行了現(xiàn)場(chǎng)圖像拍攝，分別為深圳赤灣中華神海、深圳南頭古城牌樓和深圳赤灣天后宮。本節(jié)給出了利用本文設(shè)計(jì)的系統(tǒng)而實(shí)現(xiàn)的上述三個(gè)古建筑場(chǎng)景的三維重建結(jié)果。系統(tǒng)實(shí)驗(yàn)場(chǎng)景運(yùn)行的PC平臺(tái)配置如下：Windows 10操作系統(tǒng)，Intel(R) Core(TM) i7-7700HQ 2.80 GHz CPU，8 GB內(nèi)存。圖4是將拍攝的82幅不同角度的深圳赤灣中華神海古建筑圖像(分辨率為5 472×3 648)運(yùn)用本系統(tǒng)進(jìn)行三維重建得到的結(jié)果，包括原始圖像、三維重建點(diǎn)云、紋理映射的三維模型、三維重建面片模型。圖5則是根據(jù)不同視角拍攝的162幅深圳南頭古城牌樓的圖像序列(分辨率為4 032×3 024)而重建的三維模型結(jié)果。圖6是本系統(tǒng)輸入287幅深圳赤灣天后宮古建筑圖像序列(分辨率為5 472×3 648)進(jìn)行三維重建的結(jié)果。

圖4 深圳赤灣中華神海三維重建結(jié)果

圖5 深圳南頭古城牌樓三維重建結(jié)果

圖6 深圳赤灣天后宮三維重建結(jié)果

表1給出了上述三組實(shí)驗(yàn)(深圳南頭古城牌樓、深圳赤灣中華神海、深圳赤灣天后宮)的運(yùn)行時(shí)間和三維重建模型運(yùn)行的結(jié)果數(shù)據(jù)，包括圖像匹配和稀疏點(diǎn)云重建時(shí)間、稠密點(diǎn)云重建時(shí)間、三維點(diǎn)數(shù)、面片數(shù)及頂點(diǎn)數(shù)等。

表1 三座不同古建筑的三維重建運(yùn)算時(shí)間及重建數(shù)據(jù)

可以看出，實(shí)驗(yàn)運(yùn)行時(shí)間主要消耗在稠密點(diǎn)云重建這一階段。而系統(tǒng)前面階段如圖像匹配和稀疏點(diǎn)云重建，以及后面階段如三角網(wǎng)格構(gòu)建和三角面片模型生成，都只占運(yùn)行總時(shí)間的一小部分。對(duì)于輸入近百幅甚至是幾百幅的圖像序列，由于室外場(chǎng)景物體較多、建筑復(fù)雜度較高、原始輸入圖像數(shù)量多、圖像分辨率高等特點(diǎn)，重建得到的三維點(diǎn)云數(shù)、頂點(diǎn)數(shù)以及面片數(shù)量都非常巨大，從而在普通硬件配置的PC機(jī)上要進(jìn)行較長(zhǎng)時(shí)間的運(yùn)算，但這是可以理解和接受的?？傮w來(lái)看，三組古建筑場(chǎng)景實(shí)驗(yàn)的三維重建效果在視覺(jué)上和準(zhǔn)確性上都是較良好的。

為了將本系統(tǒng)應(yīng)用的G2o圖優(yōu)化算法運(yùn)行時(shí)間與傳統(tǒng)的SBA優(yōu)化算法時(shí)間進(jìn)行對(duì)比，實(shí)驗(yàn)還對(duì)深圳赤灣中華神海、深圳南頭古城牌樓、深圳赤灣天后宮這三組古建筑場(chǎng)景三維重建的優(yōu)化算法運(yùn)行時(shí)間進(jìn)行了對(duì)比，如圖7所示。兩個(gè)優(yōu)化算法的PC平臺(tái)配置都與以上實(shí)驗(yàn)相同。從圖7可見(jiàn)，對(duì)于深圳赤灣中華神海、深圳南頭古城牌樓、深圳赤灣天后宮三組場(chǎng)景，G2o優(yōu)化算法比SBA優(yōu)化算法的運(yùn)算時(shí)間分別減少了29.5%、25.4%、26.8%。

圖7 三組場(chǎng)景的G2o優(yōu)化算法與SBA優(yōu)化算法運(yùn)行時(shí)間對(duì)比

可以看出，系統(tǒng)對(duì)于不規(guī)則且復(fù)雜的古建筑場(chǎng)景得到的三維重建效果都比較良好。在重建精度方面，由于古建筑場(chǎng)景中的某一個(gè)單獨(dú)物體或其中某一部分的三維重建精度較高，但對(duì)于其他部分卻比較低。因此，當(dāng)前大量文獻(xiàn)中報(bào)道的室外大場(chǎng)景特別是大型古建筑的重建方法均沒(méi)有進(jìn)行定量評(píng)價(jià)。本系統(tǒng)主要是面向古建筑的三維數(shù)字化應(yīng)用需求，實(shí)驗(yàn)中未給出三維重建的精度定量評(píng)價(jià)，也未與其他三維重建方法在重建精度方面進(jìn)行比較。一方面是由于三維重建的場(chǎng)景對(duì)象不同，所選取的都是不同的方法；另一方面是由于沒(méi)有合適的古建筑的三維重建精度評(píng)價(jià)體系，所以很難進(jìn)行定量比較。

4 結(jié) 語(yǔ)

通過(guò)單臺(tái)攝像機(jī)對(duì)古建筑二維圖像序列攝取、圖像特征點(diǎn)檢測(cè)和匹配、攝像機(jī)位置姿態(tài)計(jì)算、三維點(diǎn)云計(jì)算、紋理映射計(jì)算及優(yōu)化算法等步驟實(shí)現(xiàn)了基于視覺(jué)的古建筑的三維重建系統(tǒng)。通過(guò)實(shí)驗(yàn)結(jié)果可以看出，本文系統(tǒng)能夠獲得視覺(jué)效果良好、較強(qiáng)真實(shí)感的古建筑三維結(jié)構(gòu)模型。

本文系統(tǒng)設(shè)備成本低、操作簡(jiǎn)單而可靠、實(shí)施性較高，能廣泛應(yīng)用于室外復(fù)雜的古建筑場(chǎng)景，對(duì)于古建筑數(shù)字化保護(hù)的研究和技術(shù)開(kāi)發(fā)人員具有一定的參考價(jià)值。未來(lái)工作旨在提高古建筑三維重建系統(tǒng)的運(yùn)算效率和重建精度，以及從不規(guī)則的古建筑三維重建模型中恢復(fù)其規(guī)則的CAD模型。