基于激光雷达的多旋翼无人机室内定位与避障研究
多旋翼无人机避障技术研究与展望
多旋翼无人机避障技术研究与展望随着无人机应用领域的不断扩大，对其操作自主性和安全性的要求也不断提升。
其中，避障技术是关键的研究方向之一。
本文主要介绍多旋翼无人机避障技术的研究现状、存在的问题及未来的发展方向。
多旋翼无人机的避障技术主要包括三种：基于传感器的避障、基于视觉的避障和基于机器学习的避障。
1. 基于传感器的避障多旋翼无人机可以搭载多种传感器，如红外、超声波、激光雷达等，以获取周围环境的信息。
传感器将信息反馈给飞控系统，飞控系统再根据信息控制无人机进行相应的动作，从而避免撞击。
这种方法的优点在于精度高、反应快，但缺点是对传感器有严格的要求，同时受环境干扰较大。
基于视觉的避障是让无人机借助相机来获取周围环境的图像并进行处理分析，从而识别出障碍物并进行规避。
这种方法的优点在于依赖相机，无需购买过多的传感器，但缺点是对于较差的环境（比如光线较暗）容易失效。
机器学习技术能够让无人机自主学习避障方法和规则，不断完善自己的避障能力。
这种方法的优点在于适应性强，可以根据不同环境进行学习和调整，但缺点是需要大量的数据集和时间训练，同时成本较高。
1. 识别率问题当前多旋翼无人机避障技术的最大问题是识别率。
在复杂的环境下，传感器或相机可能无法准确识别出障碍物的形状和位置，从而导致避障失败。
2. 反应速度问题目前多数的多旋翼无人机避障技术反应速度较慢，难以在快速飞行中及时发现障碍物并做出反应，这也是导致多数无人机意外事故的主要原因。
3. 避障路径规划问题当前多旋翼无人机的避障路径规划存在缺陷，难以快速准确规划最短的避障路径，尤其是对于复杂的环境而言。
1. 传感器和相机性能的提高传感器和相机的精度和灵敏度的提高是多旋翼无人机避障技术发展的关键。
未来的技术可能会针对不同场景和障碍物类型增加更多的辅助传感器，如红外、口红雷达、超声波，来提高避障的精度和有效范围，同时对相机的性能进行优化，适应更为复杂的拍摄环境。
2. 机器学习技术的广泛应用尽管机器学习技术的应用还面临着一些技术难题，但它已经被视为未来无人机避障技术的重要方向之一。
浅谈多旋翼无人机避障系统
浅谈多旋翼无人机避障系统1. 引言1.1 多旋翼无人机简介多旋翼无人机是一种以多个旋翼为主要推进装置的无人驾驶飞行器。
相比传统固定翼飞机，多旋翼无人机更为灵活多变，能够实现垂直起降和定点悬停等特殊飞行动作。
这种飞行器在军事、民用和科研领域有着广泛的应用。
多旋翼无人机不仅可以用于侦察、监测、搜救等任务，还可以用于航拍、地形测绘、农业喷洒等民用领域。
多旋翼无人机的工作原理是通过控制不同旋翼的转速实现飞行方向的调节。
通常，多旋翼无人机的旋翼数量在四个以上，最常见的为四旋翼和六旋翼。
这些旋翼通常由无刷电机驱动，可根据飞行任务的需要搭载各种传感器和设备。
多旋翼无人机的简单设计和易操作性使得它成为了无人机市场中的主力产品之一。
随着无人机技术的不断发展，多旋翼无人机的避障系统也日益完善，为其在复杂环境下的应用提供了更大的可能性。
1.2 避障系统概述避障系统是多旋翼无人机中至关重要的部分，其作用是保证无人机在飞行过程中能够避开障碍物，保证飞行的安全性和稳定性。
随着无人机技术的不断发展，避障系统也在不断改进和完善。
在避障系统中，传感器技术扮演着至关重要的角色，通过传感器对周围环境进行实时监测和感知，为无人机提供必要的信息，帮助其做出正确的飞行决策。
除了传感器技术，机载计算能力也是影响多旋翼无人机避障性能的重要因素。
机载计算能力的提升能够帮助无人机更快速地做出决策，提高避障的效率和准确性。
避障算法的研究也是避障系统中的关键内容，不断优化和改进避障算法能够使无人机更加灵活和智能地躲避障碍物。
避障系统是多旋翼无人机中不可或缺的一部分，其不仅关乎飞行安全和稳定性，也是无人机智能化和自主化的重要体现。
随着技术的不断进步和发展，多旋翼无人机的避障系统也将会不断提升和完善，为无人机的应用领域带来更广阔的发展空间。
2. 正文2.1 传感器技术在多旋翼无人机避障中的应用传感器技术在多旋翼无人机避障中的应用是非常关键的。
传感器可以实时获取周围环境的信息，包括距离、位置、速度等数据，为无人机提供准确的导航和避障能力。
浅谈多旋翼无人机避障系统
浅谈多旋翼无人机避障系统多旋翼无人机在近些年来得到了广泛的应用，例如以影像记录为主要任务的航拍无人机、作为送货工具的无人机等。
无人机在飞行中往往面临着各种各样的障碍物，如楼房、电线杆、树木等，这给无人机的安全飞行带来了很大的风险。
无人机的避障系统变得十分重要。
本文将就多旋翼无人机的避障系统进行浅谈。
多旋翼无人机的避障系统主要由传感器、处理器和执行器组成。
传感器用于感知周围环境，如摄像头、激光雷达等。
处理器负责接收和处理传感器获取到的数据，并做出相应的决策。
执行器则用于控制无人机的飞行动作，以便避开障碍物。
常见的避障系统有基于视觉的避障系统和基于激光雷达的避障系统。
基于视觉的避障系统利用摄像头获取周围环境的图像，并通过图像处理算法提取出障碍物的特征，然后根据这些特征进行路径规划，避开障碍物。
这种方法的优点是成本相对较低，但是在光照条件不好或者景象复杂的情况下容易受到干扰，导致避障效果不佳。
基于激光雷达的避障系统则是通过激光雷达扫描周围环境，获取障碍物的距离和位置信息，然后根据这些信息进行路径规划。
相比于基于视觉的避障系统，基于激光雷达的避障系统具有更高的准确性和可靠性，但也相应地价格较高。
除了传感器的选择之外，避障系统的算法也是十分重要的。
常见的算法有基于模型的避障算法和基于学习的避障算法。
基于模型的避障算法是根据无人机和障碍物的运动模型进行路径规划，例如通过物体运动的速度、方向等信息来确定无人机的最佳路径。
基于学习的避障算法则是通过机器学习的方法，通过大量的训练数据来学习无人机在不同环境下的避障策略。
这种算法的优点是适应性强，可以根据实际情况进行调整，但是需要较长的训练时间。
无人机的避障系统对于保障无人机的安全飞行至关重要。
传感器的选择、算法的设计以及执行器的控制都是影响避障系统效果的关键因素。
随着技术的不断进步，无人机的避障系统也将不断优化，为无人机的应用提供更加安全可靠的保障。
基于激光雷达的无人机避障技术
基于激光雷达的无人机避障技术近年来，无人机技术的快速发展为人们的生活带来了许多便利和创新。
然而，无人机在飞行过程中遇到障碍物的问题一直困扰着工程师们。
其中，基于激光雷达的无人机避障技术正逐渐成为解决这一问题的重要手段。
激光雷达是一种技术先进的遥感设备，利用激光脉冲进行扫描和探测，能够准确测量和获取周围环境的三维空间信息。
在无人机中，激光雷达主要用于实现对周围环境的感知和避障。
下面将从三个方面介绍基于激光雷达的无人机避障技术。
首先，激光雷达可以快速且准确地测量距离。
传统的无人机避障方法通常使用摄像头来获取环境信息，但在光线不足或者复杂环境中，很容易受到干扰导致误判。
激光雷达则不受光线的限制，能够在各种环境下准确测量物体与无人机的距离，并通过实时数据分析算法，为无人机提供安全的飞行路径。
其次，激光雷达可以提供高精度的三维空间信息。
激光雷达每秒钟可以进行数以万计的测距，虽然无人机飞行速度较快，但激光雷达能够快速并准确地获取飞行路径上的周围物体信息。
利用这些三维空间信息，无人机可以根据飞行目标制定更合理的飞行轨迹，避免与障碍物发生碰撞。
最后，基于激光雷达的无人机避障技术还可以实现运动规划和实时决策。
通过对激光雷达获取的环境信息进行分析和处理，无人机可以自主感知并理解周围环境的动态变化，根据需要做出相应的决策。
例如，当无人机接近障碍物时，激光雷达可以及时发现并传输相关信息给无人机的控制系统，从而使其调整飞行轨迹或避开障碍物。
基于激光雷达的无人机避障技术不仅可以提高飞行安全性，而且还对无人机应用领域的拓展起到了重要作用。
目前，基于激光雷达的无人机避障技术已广泛应用于航拍、物流运输、农业植保等领域。
例如，在航拍中，无人机可以根据激光雷达感知的地形变化和障碍物信息，自动调整飞行高度和路径，实现更加精确的航拍成果。
总之，基于激光雷达的无人机避障技术在无人机行业中发挥着重要的作用。
激光雷达的高精度测量能力、三维空间信息提供和实时决策等特点，使得无人机能够在复杂、多变的环境中安全、高效地飞行。
多旋翼无人机避障技术研究与展望
多旋翼无人机避障技术研究与展望多旋翼无人机是近年来发展迅猛的航空器，它具有垂直起降、灵活机动等优势，被广泛应用于农业、测绘、物流等领域。
无人机在复杂环境下的飞行依然存在一些挑战，其中最主要的问题之一就是避障技术。
多旋翼无人机在飞行过程中需要及时识别和规避障碍物，以保证航行的安全性和精准性。
多旋翼无人机避障技术的研究和发展具有重要意义。
目前，多旋翼无人机在避障方面主要依靠传感器和智能算法来实现。
传感器方面，无人机常用的传感器包括激光雷达、红外线传感器、超声波传感器等，这些传感器可以有效地感知周围环境中的障碍物。
而在智能算法方面，无人机通常采用视觉识别、深度学习等技术，对传感器采集到的数据进行处理和分析，进而作出相应的避障决策。
这些技术的不断进步和应用，使得无人机在避障方面具有了更高的精准度和可靠性。
在避障技术研究与展望方面，首先需要进一步完善无人机的传感器系统。
传感器是无人机实现避障的重要组成部分，因此需要不断提升传感器的感知范围、准确度和稳定性，以适应不同环境下的飞行需求。
需要加强智能算法的研究。
由于复杂环境下的避障问题具有一定的随机性和不确定性，因此需要进一步加强对智能算法的研究和优化，提高其对复杂环境的适应能力。
需要加强对多旋翼无人机的自主飞行能力的研究与提升。
自主飞行能力是无人机实现避障的重要基础，因此需要着重加强对自主飞行能力的研究和提升，以确保无人机在避障过程中能够做出更加精准和可靠的决策。
多旋翼无人机避障技术的研究和展望具有重要意义。
随着传感器技术、智能算法技术和飞行控制系统技术的不断进步，多旋翼无人机的避障能力将会得到大幅度提升，为无人机在各种复杂环境下的应用提供了更加稳定和可靠的技术支持。
未来，无人机在农业、物流、测绘等领域的应用前景也将更加广阔，为人类社会的发展和进步带来更多的可能性。
浅谈多旋翼无人机避障系统
浅谈多旋翼无人机避障系统随着科技的不断发展，无人机技术也日益成熟，无人机在军事、农业、航拍、地质勘测等领域得到了广泛的应用。
无人机的安全性和稳定性一直是人们关注的焦点之一。
特别是在无人机执行任务时，遇到障碍物如建筑物或其他飞行物体可能会导致严重的事故，因此避障系统成为了无人机技术研发领域的重要方向之一。
本文将从多旋翼无人机避障系统的原理、技术方案和发展趋势等方面进行浅谈。
多旋翼无人机避障系统的原理主要是利用传感器实时感知周围环境，通过算法对障碍物进行识别、跟踪和避让。
常见的传感器包括激光雷达、红外线传感器、超声波传感器和视觉传感器等。
这些传感器可以实时采集周围环境的相关数据，采用不同的传感器可以有效地提高避障系统的可靠性和适用性。
避障系统的核心算法是障碍物检测与避障算法，其中障碍物检测主要包括对周围环境进行感知，通过传感器获取的数据进行物体的识别和跟踪；而避障算法主要是基于实时数据进行路径规划和决策，使无人机能够在飞行过程中避开障碍物并完成任务。
二、多旋翼无人机避障系统的技术方案1. 感知式避障：该技术方案通过激光雷达、红外线传感器、超声波传感器等感知设备对周围环境进行实时感知，然后通过算法进行障碍物检测和避让。
感知式避障系统可以实现较高的精度和可靠性，但受到传感器自身精度和环境影响较大。
2. 视觉式避障：该技术方案主要依靠无人机上搭载的摄像头或红外相机实现对周围环境的感知和障碍物检测。
视觉式避障系统的优势在于对于复杂环境的适应性较强，但同时也受到光线、雨雾等自然因素的影响。
3. 混合式避障：该技术方案是将感知式和视觉式避障系统进行有效结合，以提高避障系统的可靠性和适用性。
混合式避障系统通常会采用多种传感器进行环境感知，然后综合利用各种传感器的数据进行障碍物检测和避让，以提高无人机的避障效果。
随着无人机技术的不断发展和智能传感器技术的进步，多旋翼无人机避障系统也将迎来新的发展机遇。
未来的多旋翼无人机避障系统有望在以下几个方面有更多的突破和创新：1. 传感器技术的进步：随着传感器技术的不断提升，多旋翼无人机将有更多更先进的传感器可供选择，如毫米波雷达、红外热像仪等，这将大大提高无人机避障系统的感知能力和可靠性。
无人机的自主避障技术研究
无人机的自主避障技术研究近年来，无人机的应用越来越广泛，涉及到农业、电力、环保、测绘等领域。
然而，在无人机的运行过程中，遇到障碍物往往会导致危险或无法完成任务。
为了解决这个问题，科学家们开发了无人机自主避障技术。
一、无人机自主避障技术的研究现状目前，无人机自主避障技术已经被广泛研究。
主要分为两种方法，一种是基于传感器的方法，一种是基于视觉的方法。
基于传感器的方法主要利用激光雷达、超声波、红外线等传感器对周围环境进行测量和感知，根据传感器获取的障碍物信息，进行路径规划和避障决策。
这种方法具有准确度高、可靠性强等优点，但也存在成本较高、无法适应复杂环境等缺点。
基于视觉的方法则是利用相机、深度摄像头等设备，通过图像处理算法进行环境感知和路径规划。
这种方法具有成本低、适应性强等优点，但是受到光照、雨雪等自然因素的影响比较大，同时对硬件设备的性能要求也较高。
二、避障算法的选择如何选择合适的避障算法，直接影响到无人机自主避障技术的效果。
目前，较为流行的算法包括A*算法、D*算法、RRT算法、EM 算法等，这些算法都有其优点和缺点。
其中，A*算法是比较流行的一种路径规划算法，具有执行效率高、规划速度快等优点，然而在复杂环境下，计算复杂度较高不易实现。
相比之下，D*算法可以通过动态更新路径解决复杂环境下的路径规划问题。
三、硬件设备的选择在研究无人机自主避障技术时，硬件设备的选择也非常重要。
常用的硬件设备包括激光雷达、超声波、红外线传感器、视觉传感器等。
这些设备都有自己的特点和适用范围。
例如，激光雷达具有测距精度高、不受光照等自然因素的影响等优点，但成本较高；超声波传感器成本较低，但是测距范围较小。
另外，还需要选择合适的飞控系统和控制算法。
飞控系统主要负责控制无人机的飞行动作，控制算法则是无人机自主避障的核心，需要根据实际情况选择合适的算法。
四、应用前景无人机自主避障技术的应用前景十分广阔。
在农业领域，无人机可以对农田进行巡视，检测作物状况，提高农业生产效率。
《旋翼飞行器3D避障规划系统设计及高精度定轨飞行研究》范文
《旋翼飞行器3D避障规划系统设计及高精度定轨飞行研究》篇一一、引言随着科技的进步和无人技术的飞速发展，旋翼飞行器已成为众多领域中不可或缺的装备。
而其中最为关键的便是其导航系统以及避障技术。
对于旋翼飞行器来说，准确的3D避障规划系统和高精度的定轨飞行技术不仅影响着其工作效率，还对其安全性、可靠性起着至关重要的作用。
本文将详细探讨旋翼飞行器3D避障规划系统的设计以及高精度定轨飞行研究的相关内容。
二、旋翼飞行器3D避障规划系统设计1. 系统概述旋翼飞行器3D避障规划系统是一种基于三维空间环境感知、路径规划以及控制算法的集成系统。
该系统能够实时获取飞行环境信息，进行障碍物检测与识别，并依据这些信息规划出安全、高效的飞行路径。
2. 系统组成（1）环境感知模块：该模块主要依靠各类传感器（如雷达、红外、激光等）实时获取周围环境信息，如障碍物的位置、大小、形状等。
（2）路径规划模块：依据环境感知模块提供的信息，路径规划模块将计算并规划出从起点到终点的最优路径，同时确保在飞行过程中避开障碍物。
（3）控制执行模块：根据路径规划模块的指令，控制执行模块将控制旋翼飞行器的飞行动作，如升降、转向等。
3. 设计策略设计时需充分考虑系统的实时性、准确性以及鲁棒性。
在算法选择上，可采用基于机器视觉和深度学习的障碍物检测与识别技术，以提高系统的准确性。
同时，结合优化算法，如遗传算法、蚁群算法等，进行路径规划，以提高系统的效率。
三、高精度定轨飞行研究1. 研究目标高精度定轨飞行研究的主要目标是提高旋翼飞行器的定位精度和飞行稳定性。
通过精确的定位和稳定的飞行，可以保证旋翼飞行器在执行任务时的准确性和效率。
2. 研究方法（1）优化导航系统：通过改进导航算法，提高GPS、GLONASS等卫星导航系统的定位精度。
同时，结合惯性测量单元（IMU）等技术，实现更精确的定位和姿态测量。
（2）增强控制算法：通过优化控制算法，如PID控制、模糊控制等，提高旋翼飞行器的飞行稳定性。
- 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)。
34 | 电子制作 2018年8月
超声波模块和距离报警模块，其中光流传感器及激光雷达装置，负责主要的定位和探测障碍物的功能。
而超声波模块作为辅助，通过使用超声波代替激光，弥补在某些特定环境下激光失能时作为替代设备。
图1 控制集成电路板图
激光雷达如图2所示,使用360度全平面扫描型雷达，
扫描频率10Hz，采样频率8000次/秒，高达18米的探测距离，足以应付一般室内定位的要求。
图2 激光雷达探测
激光雷达系统使用经典的三角测距算法来计算环境距
离如图3所示,距离d=s·f/x/tan(beta)。
2 组合导航
在提升导航系统的冗余度和精度方面，组合导航具有明
显的优势，依托传感器提供的互补信息来完成这一过程。
针对任何一种组合导航系统，无论是采用的何种配置(惯性导
航、卫星导航、雷达、摄像机、多普勒测速仪、高度计等传基础。
图3 经典的三角测距算法
事实上，在组合导航系统需求的引导下，组合导航的EKF
应运而生。
在近几十年的发展中，非线性滤波在该行业取得了众人瞩目的成绩，更加领先的非线性滤波器在组合导航系统的信息融合策略中也逐步渗透其中，成为发展的趋势。
依据含噪声的观测量，通过在线估计方法计算出系统的
隐含状态，是滤波的最终目的。
经过半个世界的快速发展，工程界和统计学界将非线性滤波作为重要的研究课题一直在继续。
基于局部线性化(一阶 Taylor 级数展开)的EKF 是当前应用最广的方法。
目前，众多的学科和工程领域都已离不开EKF 技术，获得了人们的高度青睐。
虽然具有众多的应用优势，但是EKF 的收敛性在目前看来缺少可操作的理论证明。
为了更好的克服EKF 的该弱点， Uhlmann 和Julier 共同指出，“对概率分布进行近似要比对非线性函数进行近似容易的多”，并针对该问题提出了更深入的研究结论即 Unscented 卡尔曼滤波器(Unscented Kalman Filter，UKF)。
基于随机服从高斯分布的前提下，排除针对系统模型的假设，即EKF 不要求系统的近似线性。
UKF 不需要计算 Jacobian 导数矩阵，甚至可以应用于不连续统。
UKF 的变形也可以在一定程度上放松高斯分布的假设。
可
以证明:UKF 的理论估计精度优于 EKF。
本方案使用中值滤波的算法对激光扫描仪数据进行处
智能应用
理，提取线段特征构建局部地图。
匹配局部地图和全局地图
中的角点，将匹配角点的数据点作为对应点进行参数变换
求解，利用加权LSETP算法解算出多旋翼无人机的位姿信
息。
然后采用扩展卡尔曼滤波算法融合激光扫描仪位姿估计
和IMU数据实现了多旋翼无人机室内精确定位，在多旋翼
无人机定位的基础上更新全局地图。
3 试验及结果
我们先后进行了软件仿真实验和实际环境的飞行试验。
仿真环境我们使用基于DJI的assitant桌面软件，将飞控
通过usb口直接连接到电脑，打开模拟器软件，设定初始
位置，即可模拟无人机的飞行。
在模拟飞行的过程中，我们
在实际环境中使用障碍物靠近激光雷达本体，用来模拟飞机靠近障碍物的情况，在这种情况下，观察飞机在模拟器中做出的反应，即规避动作，是否符合预期。
通过与实物激光雷达的不同互动，来检测我们的算法是否达到设计要求。
然后我们进行了实际飞行。
测试环境为一个10×10米较为规整的房间。
房间内放有少量桌椅，飞机从空旷的中心位置起飞，在房间内自有飞行，并能自主作出躲避动作防止撞向障碍物。
飞行结束后，让无人机在原起飞点降落，通过测量降落位置与起飞位置的偏差，我们能计算出无人机的室内定位精度如图4所示。
4 结论
通过搭载激光雷达，并选择合适的数据处理和导航算法，多旋翼无人机实现了室内环境下厘米级的定位，并在复杂室内环境实现了飞向目标点的任务规划。
图4 测量降落、起飞位置与定位精度
图像传感器具有较高的信息量，因此惯性/图像传感器信息合理高效融合的组合导航是自主导航系统发展的总趋势，它将具有高自主性、高精度、高可靠性、高动态性、高抗干扰性和隐身性，并能根 据各个战术阶段、任务目标、威胁环境、各导航传感器的可获得程度，动态、智能地选择最好的图像传感器信息源，提供一个容错的融合导航信息来满足航行任务的要求。
参考文献
＊ [1]梁韵基,周兴社,於志文,等.普适环境室内定位系统研究[J].计算机科学,2010,37(3):112-116.
＊ [2]赵军,李鸿斌,王智.无线网络室内定位系统研究[J].信息与控制,2008,37(4):465-471.
可能性；其九，企业要科学合理的设置机房，既要防止因过度振动对机房产生影响，又要防止电磁对机房形成干扰。
6 结语
综上所述，当前我国计算机电子信息工程技术发展速度是较快的，但是其在技术的发展和应用上是相当落后的，与欧美发达国家存在非常大的差距。
目前，我国相关计算机行业要注意的问题是在社会不同领域中应用计算机电子信息工程技术，对其进行不断的完善。
同时，加强计算机电子信息工程技术的安全管理，保证信息的安全性，从而为人们的生产和生活提供优质服务。
参考文献
＊ [1]孙锐,施洋.计算机网络技术在电子信息工程中的应用[J].电子技术与软件工程,2017(22):10[2018-06-02]
＊ [2]李晓鹏.计算机网络技术在电子信息工程中的应用分析[J].机电工程技术,2017(S1):140-143[2018-06-02].
＊ [3]闵路.计算机电子信息工程技术的应用和安全管理[J].电子技术与软件工程,2017(06):205.
＊ [4]史媛芳.计算机网络技术在电子信息工程中的应用[J].淮海工学院学报(自然科学版),2015,24(01):45-47.
＊ [5]王凯.我国计算机电子信息工程技术的应用与安全[J].信息与电脑(理论版),2015(01):46-47.
＊ [6]陈永强.我国计算机电子信息工程技术的应用和安全[J].中小企业管理与科技(下旬刊),2014(08):236-237.
＊ [7]刘沛佳.浅析计算机网络技术在电子信息工程中的应用[J].中国科教创新导刊,2012(35):174.
（上接第50页）
www�ele169�com | 35。