利用虚拟3D模板的摄像机标定技术
摄像机标定方法及原理
其中R为正交旋转矩阵，T为平移矢量 其中R为正交旋转矩阵，T
三个层次的坐标系统
（1）世界坐标系（Xw，Yw，Zw）：也称真实或现实 世界坐标系，或全局坐标系。它是客观世界的绝对 坐标，由用户任意定义的三维空间坐标系。一般的 3Ｄ场景都用这个坐标系来表示。 （2）摄像机坐标系(xoy)：以小孔摄像机模型的聚焦 中心为原点，以摄像机光轴为oz 轴建立的三维直角 坐标系。x，y 一般与图像物理坐标系的Ｘ，Ｙ 平 行。
（3）图像坐标系，分为图像像素坐标系和图像物理 坐标系两种： a) 图像物理坐标系：其原点为透镜光轴与成像平面的 交点，X 与Y 轴分别平行于摄像机坐标系的x与y X Y x y 轴，是平面直角坐标系，单位为毫米。 b) 图像像素坐标系[计算机图像（帧存）坐标系]：固 定在图像上的以像素为单位的平面直角坐标系，其 原点位于图像左上角, Xf，Yf 平行于图像物理坐标 系的X 和Y轴。对于数字图像，分别为行列方向。
(11)
经典标定方法简介
RAC意味着存在下式： RAC意味着存在下式： Xd r1 1 x w + r1 2 y w + r1 3 z w + T x x = = (1 2 ) y Yd r2 1 x w + r2 2 y w + r2 3 z w + T y 整理上式并化成矢量形式可得：
r11 / Ty r / T 12 y r13 / Ty zwYd ] Tx / Ty = X d r21 / Ty r22 / Ty r / T 23 y
3d计算机视觉原理、算法及应用
3D计算机视觉原理、算法及应用一、引言1. 介绍3D计算机视觉的定义和概念2. 引出本文的研究内容和重要性二、3D计算机视觉的原理1. 三维空间感知原理2. 深度信息获取原理3. 光学成像原理4. 相机标定原理三、3D计算机视觉的算法1. 点云处理算法a. 基于深度图像的点云重建算法b. 点云配准算法c. 点云滤波算法2. 结构光算法a. 相位偏移结构光算法b. 深度从模式结构光算法3. 立体视觉算法a. 视差计算算法b. 立体匹配算法c. 立体重建算法四、3D计算机视觉的应用1. 工业制造a. 三维扫描和建模b. 工件质量检测c. 机器人视觉引导2. 医疗健康a. 医学图像处理b. 三维影像重建c. 手术导航3. 虚拟现实a. 三维场景重建b. 视觉增强现实c. 人机交互界面五、3D计算机视觉的发展趋势1. 深度学习与3D视觉的结合2. 新型传感器技术的应用3. 3D视觉与大数据、云计算的融合六、结论1. 总结3D计算机视觉的重要性和发展现状2. 展望未来3D计算机视觉的发展前景通过以上对3D计算机视觉的原理、算法及应用的介绍，我们可以看到，3D视觉技术已经在各个领域得到了广泛的应用，并且随着技术的不断发展和创新，它将会在未来发挥更加重要的作用。
希望本文能够为相关领域的学者和工程师提供一些有益的参考和启发，推动3D计算机视觉技术的进一步发展。
三维计算机视觉是指利用计算机技术对三维场景进行感知、理解和处理的一种视觉技术。
它是在二维计算机视觉的基础上发展而来的，通过获取环境的三维信息，可以实现更加精确的场景感知和理解。
在工业制造、医疗健康、虚拟现实等领域都有着广泛的应用，为各行各业带来了巨大的便利和发展机遇。
三维计算机视觉的原理主要包括三维空间感知、深度信息获取、光学成像和相机标定。
其中，三维空间感知是指通过获取环境中物体的空间位置和姿态信息，从而对物体进行识别和理解。
深度信息获取则是指通过不同的传感器和技术手段获取物体的深度信息，包括激光雷达、结构光、双目相机等。
基于Scheimpflug定律的线结构光系统摄像机标定方法
基于Scheimpflug定律的线结构光系统摄像机标定方法王平江;吴娟娟【摘要】建立了基于倾斜镜头的摄像机标定模型,给出了利用HALCON软件的简便标定方法.以线结构光传感器模型为基础,深入研究了满足Scheimpflug定律的恒聚焦光路系统,Scheimpflug定律使光敏元件和镜头之间产生了一个夹角,镜头相对于相机是倾斜放置的.针对倾斜镜头的标定做了相应的研究,利用传统摄像机标定的线性与非线性模型建立了基于倾斜镜头的摄像机数学模型,并利用HALCON机器视觉软件给出流程化的标定步骤.【期刊名称】《制造业自动化》【年(卷),期】2017(039)010【总页数】6页(P10-14,19)【关键词】Scheimpflug定律;恒聚焦光路;倾斜镜头;线结构光;标定;HALCON 【作者】王平江;吴娟娟【作者单位】华中科技大学机械科学与工程学院国家数控系统工程技术研究中心,武汉 430000;华中科技大学机械科学与工程学院国家数控系统工程技术研究中心,武汉 430000【正文语种】中文【中图分类】TP290 引言在光电检测领域，激光三角法以其快速、非接触、高精度的特点，被广泛使用，其中市场上出现最多的是基于线结构光的激光三角测量系统，已经有相应的产品，如北京大恒公司代理国外厂商LMI Technologies INC的Gocator智能传感器系列产品，通过投射线结构光达到测距、测截面轮廓等目的。
线结构光三维测量系统的标定是获取三维信息的关键步骤，有许多学者都对其进行了研究，但是多数都不是恒聚焦光路，对摄像机的标定采用传统的线性模型与非线性模型，有如学者周富强、张广军[1]，提出了一种新的基于自由移动平面参照物的表面视觉传感器全部参数的高精度简易标定方法；学者陈新禹等[2]提出的提出了一种基于单一圆形标靶标定线结构光视觉传感器的方法，他们的系统都是基于摄像机和透镜平行放置来建立的。
本文以线结构光三维测量系统为支撑，为达到高精度测量，设计了满足恒聚焦光路条件的硬件系统，由于光路条件的改变，原有的摄像机标定的线性模型以及非线性模型不足以描述本系统摄像机模型，因此本文深入研究了恒聚焦光路的数学模型，并建立了基于倾斜镜头的摄像机标定模型。
摄像机标定实验报告(浙大2013机器视觉硕班课程实验报告)
图3揭示了经过解算得到的摄像机与“标定板”之间位置关系， 标定误差情况则由图4给出。
Extrinsic parameters (camera-centered)
5 6 1 9 10 13 717 1611 4 15 19 1812 3 20
Oc -0.05 Xc -0.1 -0.1 0 Y c 0.1 0 0.2 0.1 0.3 Zc
参考文献
[1] 陈利红, 毛剑飞, 诸静. CCD 摄像机标定与修正的简便方法[J]. 浙江大学学报 (工
学版), 2003, 37(4): 406-409.
[2] 孙玉青, 冀小平. Matlab 标定工具箱在摄像机定标中的应用[J]. 太原科技, 2010, 3: 040. [3] 王建强 , 张海花 . 基于 Matlab 工具箱的摄像机标定 [J]. 实验室研究与探索 , 2013, 32(6): 37-39.
1000
O
dY
1000
dX
1200
1200
1400
1400
1400
1600
2
1600
1600
1800 500 1000 1500 2000 2500
1800 500
1800 500 1000 1500 Xc (in camera frame) 2000 2500
图2 部分角点检测仿真结果
当21张图像全部完成角点检测后，可通过仿真界面的Calibration按钮实现摄像机标定
其中， fc代表焦距， cc代表相机坐标系下的原点坐标， 该坐标系中x、 y轴夹角为alpha_c， 几 何 畸 变 系 数 则 由 kc 表 征 。 从 上 述 仿 真 结 果 可 以 看 出 , 相 机 的 径 向 畸 变 参 数 为 0.07712,-0.12206；切向畸变参数则为-0.00632,0.00632。
九点标定和旋转中心标定 标定后判断标准
九点标定和旋转中心标定标定后判断标准九点标定和旋转中心标定标定后判断标准一、引言在计算机视觉和机器人领域，九点标定和旋转中心标定是两个重要的概念和技术。
九点标定是指通过使用一组具有已知空间位置的标定点来确定摄像机的内外参数，从而实现精确的摄像机姿态估计和三维重建。
旋转中心标定则是用于确定机器人或设备旋转中心的位置，以便在运动控制和路径规划中准确地计算和控制。
本文将从深度和广度的角度探讨九点标定和旋转中心标定的原理、方法和应用。
通过全面评估这两个概念，我们可以更好地理解它们的重要性和实际价值，并了解如何在实际应用中判断标定后的效果。
二、九点标定1. 九点标定的原理和方法九点标定是一种基于几何关系的摄像机标定方法，它通过采集一组具有已知空间位置的标定点的图像，利用摄像机的内外参数关系，来计算和确定摄像机的内部参数（如焦距、主点位置等）和外部参数（如旋转和平移矩阵）。
九点标定方法中使用的标定点通常是黑白棋盘格图案，因为其具有良好的纹理特征和易于测量的几何形状。
通过对标定图像进行处理和分析，可以得到摄像机的相机矩阵和畸变参数，从而实现对摄像机姿态和三维结构的准确估计。
2. 九点标定的应用九点标定方法广泛应用于计算机视觉和机器人领域的各个方面。
它可以用于摄像机定位和姿态估计，三维重建和点云处理，运动跟踪和机器人导航等任务。
通过精确的九点标定，我们可以获得更准确和可靠的摄像机参数，提高相机姿态的估计精度，并实现更准确和可靠的三维重建和定位。
3. 九点标定的判断标准九点标定后，我们需要对标定结果进行判断和评估，以确保标定的有效性和准确性。
一般来说，可以从以下几个方面来判断九点标定的效果：- 重投影误差：通过计算标定后的图像上标定点的重投影误差来评估标定的准确性。
重投影误差是指标定点的理论投影点与标定后图像中对应点的像素距离。
较小的重投影误差说明标定的准确性较高。
- 三维重建精度：通过使用标定后的参数进行三维重建，然后计算重建结果与真实世界坐标之间的误差来评估标定的准确性。
人工智能原理与方法智慧树知到答案章节测试2023年哈尔滨工程大学
第一章测试1.下列关于智能说法错误的是（）A:细菌不具有智能B:从生命的角度看，智能是生命适应自然界的基本能力C:任何生命都拥有智能D:目前，人类智能是自然只能的最高层次答案:A2.目前，智能的定义已经明确，其定义为：智能是个体能够主动适应环境或针对问题，获取信息并提炼和运用知识，理解和认识世界事物，采取合理可行的（意向性）策略和行动，解决问题并达到目标的综合能力。
（）A:错B:对答案:A3.传统人工智能领域将人工智能划分为强人工智能与弱人工智能两大类。
所谓强人工智能指的就是达到人类智能水平的技术或机器，否则都属于弱人工智能技术。
（）A:错B:对答案:B4.人类历史上第一个人工神经元模型为MP模型，由赫布提出。
（）A:对B:错答案:B5.下列关于数据说法错误的是（）A:数据可以分为模拟数据和数字数据两类B:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据C:在当今社会，数据的本质是生产资料和资产D:数据就是描述事物的符号记录，是可定义为有意义的实体答案:B6.下列关于大数据的说法中正确的有（）A:大数据带来的思维变革中，更多是指更多的随机样本B:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产C:“大数据时代”已经来临D:大数据具有多样、高速的特征答案:BCD第二章测试1.人工智能使人类改造自然、适应自然的各类技术发展到最高阶段，智能技术使得工具变得有智能，促使技术在以指数级增长速度加速进化（加速回报定律）。
（）A:错B:对答案:B2.联结主义认为人的思维基元是符号，而不是神经元；人的认知过程是符号操作而不是权值的自组织过程。
（）A:错B:对答案:A3.科学研究能够逐步理解如何从大脑的结构和机制上产生知觉、记忆和行为的意识表现，这些所谓“简单问题”的科学研究，都无法越过物质与精神的藩篱，解决身心关系的“困难问题”，证明主观意识如何从物质基础上涌现出来。
浅谈摄影机定位跟踪技术
需要依靠标记点 来 实 现 摄 影 机 的 定 位 跟 踪, 一 旦 标
的光学式摄影机定位跟踪。
记点发生 遮 挡,则 无 法 正 常 工 作。另 外,该 系 统 的
由外向内的光学 式 摄 影 机 定 位 跟 踪 系 统 的 跟 踪
跟踪精度具有毫 米 级 的 误 差, 跟 踪 区 域 的 大 小 取 决
二类是由内向外的光学式摄影机定位跟踪系统 (
I
n
-
[
3]
s
i
de
ou
tsys
t
ems) 。 摄 影 机 定 位 跟 踪 系 统 分 类 如
图 2 所示。
来进行电影的 创 作, 电 影 《刺 杀 小 说 家》 在 现 场 拍
摄阶段便使用了 NCAM 系 统 来 进 行 现 场 实 时 预 演,
其中包含的双目 摄 影 机 定 位 跟 踪 模 块, 在 实 现 电 影
影机与真实摄影 机 的 运 动 及 构 图 的 同 步, 使 得 实 拍
的转播和直播任 务, 各 类 摄 影 机 跟 踪 系 统 被 广 泛 应
画面与虚拟元素得以实时合成。
用于电视领域,包括 虚 拟 演 播 室 和 大 型 场 外 节 目 的
电视节目制 作 领 域 应 用 的 虚 拟 演 播 室 技 术,是
量区域周围,可以实 时 捕 捉 能 反 射 红 外 光 的 被 动 式
帧率除以标记点 数 量 得 到, 因 为 每 个 红 外 发 光 标 记
标记点,对标记点的 位 置 进 行 三 角 测 量 来 获 得 摄 影
点的频率不一 样, 在 同 一 瞬 间, 所 有 相 机 只 能 捕 捉
机的位置和姿势信息。
距、焦点、光圈、 光 心 位 置 和 畸 变 系 数 等 信 息, 称
增强现实技术(第五章)综述
综合以上三个关系式，得
sx=1/dx s 为水平方向上的图像尺度因子
x
sy=1/dy s 为垂直方向上的图像尺度因子
y
四个坐标系的关系
P称为投影矩阵，含有五个未知数，反映相机的内部参数： f，即相机的焦距，单位是毫米，
Sx即水平方向上的图像尺度因子，单位是像素/毫米
Sy即垂直方向上的图像尺度因子，单位是像素/毫米 (u。，v。)表示图像屏幕中心点像素所处的行数和列数。 D称为旋转平移矩阵，六个未知数，反映相机的外部参数： R含有的三个旋转角 t含有的世界坐标系原点在相机坐标系中的坐标值
在用户看来，无论从任何角度观察，都应该使虚拟物体与 真实场景保持三维欧氏空间的几何一致性。这就是AR中的 三维注册(Registration)所要完成的任务。
5.1 虚实融合原理
实现虚实融合的关键技术，是相机标定与三维注册技术， 通过精准的相机标定与三维注册，使虚拟物体可以与真实 世界进行无缝融合。 在真实世界中人为地设定世界坐标系的原点、X坐标、y坐 标、Z坐标，并测量出多个标志点的三维坐标值。 对摄像机摄取的图像进行视觉识别，找到各标志点在图像 显示坐标系中的二维坐标值。 通过各个标志点在世界坐标系中的三维坐标值和在显示坐 标系中的二维坐标值，实时计算出摄像机的焦距、成像屏 幕大小等内部参数、在世界坐标系中的位置和方向角等外 部参数。
如：“别克汽车十城市巡展潘多拉项目.MOV”
第五章
三维注册与虚实融合
5.1 虚实融合原理
5.2 相机标定技术
5.3 图像的标识识别
5.4 虚实融合
5.2 相机标定技术
通过相机标定技术实时计算出摄像机的焦距、成像屏幕大 小等内部参数、在世界坐标系中的位置和方向角等外部参 数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｐｅｉｃｕ ｉｇｐｎ ｏｅｍｏ ｅ ａ ｄ ｎ ｎｉｅｒ ｄ ｌ ｓａ ｐｉ ｏｔｅｃ ｎ ｔｕ ｔｄ３ ｏ ｊｃ ａ ｄｔ ｅｓ ｌｔｄ ｉ ｌｄｎ ｉｈ ｌ ｎ ｄ ｌ ｎ ｏ ｌ ａ ｅ ｉ ｐ ｌ ｄｔ ｈ ｏ ｓｒｃｅ Ｄ ｂｅｔ ｎ ｈ ｉ ａｅ ｎ ｍｏ ｅ ｍｕ
Ｃ ｍｅａＣ ｌ ｒｔ ｎＴ ｃ ｎｑ ｅＢ ｓｄｏ ｉｔａ Ｄ Ｏｂ ｔ ａ ｒ ａｉ ａｉ ｅｈ ｉｕ ａｅ ｎ Ｖ ｒｕ ｌ ｊ ｂ ｏ ３ ｃ ｅ
ＣＨ ＥＮ ｕ — ｕ ，ＧＵ－ Ｈ ａ ｈ ａＨ ０ ，Ｄ Ｘ 。
ｒ． ｏｌ ｅ ｆＣ ｍｍｕ ｉａｉｎＥｎ ｉｅｒｎ １Ｃ ｌ ｇ ｏ ｅ ｏ ｎｃｔ ｏ ｇ ｎｅｉｇ，Ｈａ ｇ ｈｕＩｓｉ ｔ ｆＥｌｃ ｏ ｉ ｎ ｉｅｒｎ ｎ ｚ ｏ ｎｔ ｕｅ ｔ ｏ ｅｔ ｎｃＥ ｇｎｅｉｇ，Ｈａ ｇ ｈ ｕ３ ０ １ ， ｈｎ １ ｒ ｎ ｚｏ １ ０ ８ Ｃ ｉａ；
Ａｂ ｔａ ｔＡ ｂ ｏｕ ｅ ｒ ｔ ｔ ｎ ａ ｄ ｔａ ｓａ ｉｎ ｍ ａｒｘ ｓｆｏ ｎ ｏ ｓ ｒ ｉｅ ｏ ｅ ｅ ｔ ｆｍ ｕｔｐ ｅ２ ｃ ｐａ ｓｒ ｃ ： ｓ ｌ ｔ ｏ ａ ｉ ｎ ｒｎ ｌｔｏ ｔｉｅ ｒ ｍ ｕ ｃ ｎ ｔａｎ ｄ ｍ ｖ ｍ ｎ ｓｏ ｌｉｌ Ｄ ｏ ｌ— ｏ
具有较高的标定精度 。
关键 词 ： 二维模板； 虚拟三维模板； 摄像机标定
中图分类号 ：Ｐ ４ ． Ｔ ２２ ６
文献标识码 ： Ａ
文章编号 ：Ｏ４ｌ９ （Ｏ ６ｏ－２ ３ｏ ｌＯ－６ ９２ ｏ ）４ｌ５ ＿４
摄像机标定是计算机视觉领域里从二维图像
确性 ， 但是其制造精度要求较高， 同时其三维空间的 控制点坐标的精确测量也较困难 。一些学者提 出采
ｉ ｓ ｕ ａｅ ｓｎ ｈ ｅｅ ｅ ｃ ｏ ｉｉｎｏ ｈ ｌｎ ｎ ｈ ｅａ ｉｅｍ ａ ｒ ｅ ．Ｉ ｖ ｉｓｔ ｅｓ ｏ ｔｏ ｎ ， ｓ ｉ Ｉ ｔｄ ｕ ｉｇ ｔ ｅｒ ｆｒ ｎ ｅｐ ｓｔ ｆｔ ｅｐａ ｅａ ｄ ｔ ｅｒ ｌｔｖ ｔｉ ｓ ｔａ ｏｄ ｈ ｈ ｒｃ ｍｉ ｇ ｍ ｌ ｏ ｘ ｗｈ ｃ ｏ ｅ ｅ ｔ ｆｍｕ ｔｐｅ２ ｃ ｐ ａ ａ ｌｎ ｓａ ｅｐ ｒｏ ｍ ｅ ｙ ｓ ｅ ｉｌｅ ｕｐ ｅ ｔ ｎ ｏ ｄ ｒｔ ｏ ｐ ｔ ｉｈ ｍ ｖ ｍ ｎ ｓｏ ｌｉｌ Ｄ ｏ ｌｎ ｒｐ ａ ｅ ｒ ｅ ｛ ｒ ｄ ｂ ｐ ｃａ ｑ ｉｍ ｎ ｓｉ ｒ ｅ ｏｃ ｍ ｕ ｅ Ｓ ｃ ｅ ｓｕ ｌ ａ ａ ｔｒ ｆｃ ｍｅ ａ ｆｔａ ｉ ｏ ａ Ｄ ｉ ｌｔ ｎ Ａ ａｉ ｒ ｔ ｎｍ ｅｈ ｄ ｂ ｓ ｄ ｏ ｈ ｒｎ ｉ Ｕ ｃｓ ｆ ｌ ｐ ｒ ｍｅ ｅｓｏ ａ ｒ ，ｏ ｒ ｄ ｔ ｎ ｌ ｙ ｉ ３ ｓｍｕ ａ ｉ ． ｃ ｌ ａ ｉ ｔ ｏ ａ ｅ ｎ ｔ ｅｐ ｉｃ— ｏ ｂ ｏ
ＥＥＡ ０Ｃ： ２ ０ ７６
利用虚拟 ３ Ｄ模板 的摄像机标定技术
陈华华 ， 晔 杜 歆 郭 ，
１杭州电子科技大学通信工程学院 ， ． 杭州 ３０ １； １０ ８
２ 浙江大学校园网络中心 ， ． 杭州 ３ ０ ２ ； １０ ７ ３ 浙江大学信息与电子工程系 ， ． 杭州 ３ ０ ２ １０７
ｒ ｓ ｌ ｓ ｏ ｈ ｔｔ ｅｐ ｏ ｏ ａ ｅｈ ｄ ｈ ｓｈ ｇ ｅ ｃ ｕ ａ ｙ ｅ ｕ ｔ ｈ ｗｎ ｔ ａ ｈ ｒ ｐ ｓ ｌ ｔ ｏ ａ ｉｈ ｒａ ｃ ｒｃ ． ｍ
Ｋｅ ｏｄ ：Ｄ ｐａ ａ ｌｎ ；ｖｒｕ ｌ Ｄ ｏ ｊｃ；ｃｍｅａｃ ｌ ｒｔ ｎ ｙｗ ｒｓ ２ ｃ ｌ ｒ ａ ｅ ｉ ａ ３ ｂｅ ｔ ａ ｒ ａｉ ａｉ ｏ ｎ ｐ ｔ ｂ ｏ
ｎ ｒ ｌ ｅ ｒ ｏ ｖ ｒｅ ｅａｉｅ ｎ ｓ ｅ ｐ ｃｉｅｔ ｅｒｆｒｎ ｅ ｉｗ ｏ ｅｃｍｅａ ａ ａ ｓａｅｃ ｎ ｅｔｄｔ ｒｌｔ ｅ ｓ ｅｔ ｔ ｅｅｅ ｃ ｅ ｆ ｈ ａ ｒ．Ａ ｉ ｕ ｌ Ｄ ｏ ｉｃ ｐｎ ｏ ｖｏ ｒ ｖ ｏｈ ｖ ｔ ｖｒ ａ ３ ｂｅｔ ｔ
用 多个 视角 移 动二维 平 面来模 拟 三维 模板 ， ｉｋ— Ｈｅｋ ｉ
获取三维信息的基本要求［ ］是完成许 多视觉工作 １，
摘 要 ： 利用二维平面模板多次 自由移动产生的绝对旋转和平移矩阵， 转换成相对于参考位置的相对旋转和平移矩阵， 结合
模 板参考位置合 成了虚拟的三维模板 ， 成方 法克服 了传统 的合 成方法 需要 特殊 的设备来 对模板 进行 辅助运 动 的缺点 。 该合 并将针 孔模 型和非线 性失真模 型应用于虚拟三维模板 ， 对摄像机参数进行标 定 。经实验验证 ， 虚拟三维模板 的标定技术 采用
维普资讯
第１ ９卷
第４ 期
传 感 技 术 报 学
ＵＡ Ｓ ＣＨＩ Ｅ Ｊ ＲＮ Ｆ Ｓ ＮＳ Ｓ Ａ Ｄ ＮＥＳ ＯＵ ＡＬ Ｏ Ｅ ＯＲ Ｎ ＡＣＩ ＴＯＲ
Ｖｏ ． ９ Ｎｏ ４ １１ ．
２０ ０ ６年 ８月
Ａｕ ． ０ ６ ｇ ２０
Ｉ ＿ Ⅲ ｇｅｅ，ｈｊｎ Ｕｉｒｔ，ａｇｈｕ １０７Ｃｉ ； Ｎ Ｄ ｔ Ｚｅａｇ ｎ ｅｉ Ｈ ｎｚｏ ０２，ｈ ａ ２ ． ｃ ｒ ｎ ｉ ｖ ｓｙ ３ ｎ ｛ Ｉ．ｅａｍｎｏ ｆｒａｏ ｃｎｅｎ ｌｔｎ ｎｉｅｎ，ｈ ｉ ｇ ｎ ｒｔ，ａｇｈｕ ０７Ｃｉ Ｊ Ｄｐ ｉ ｓｙＨｎｚｏ ０２，ｈ ａ ３ ｔ ｌ ｖ ｉ ｅ ｎ ｃｏｃ ｅｉ ｊｎＵ ｖ ｉ ｅ ３ １ ｎ