環境感知的案例
無人駕駛汽車環境感知技術綜述
清華大學也于2006年研制出可以分為高速和城區兩種環境下不同駕駛模式的無人駕駛汽車，其最高時速為100 km/h[2]。
從2009年起到2016年，我國每年舉辦一次無人駕駛汽車比賽，至今已經舉辦了八屆。此項比賽大大推進了我國無人駕駛技術的發展，但是仍與西方發達國家存在較大的差距。
2 無人駕駛汽車環境感知系統研究現狀
2.1 Boss無人駕駛汽車的環境感知系統
Boss無人駕駛汽車的感知系統是由兩個相機，九個激光雷達和兩個IBEO組成。其中九個雷達又分為一個三維激光雷達，六個二維激光雷達和兩個毫米波雷達。雷達主要用來檢測靜態的障礙，當道路前存在障礙物時，首先由雷達檢測并生成相應的障礙物地圖，如果障礙物為移動障礙物時，會自動從障礙物地圖中剔除。
2.2 Junior無人駕駛汽車的環境感知系統
Junior無人駕駛汽車的感知系統是先由一個測量單元通過與衛星系統相連接感知車輛當前的具體位置。在車輛兩邊安裝兩個傳感器，通過激光感知車輛前方路面情況，并生成車輛周圍路面的3D結構。在車頂、尾部和保險杠處分別安裝2個激光傳感器，感知車輛周邊的障礙物。把多個傳感器感知測量一個時間段內的局部路面情況匯總，組成一個路面情況地圖，防止一個傳感器在一小段路面上存在盲點[3]。
2.3 Talos無人駕駛汽車的環境感知系統
Talos無人駕駛汽車的感知系統主要是由安裝在車前三個，車后四個的近距離傳感器組成，由這些傳感器感知車輛附近的障礙物情況。由車頂的激光雷達傳感器感知車輛周圍障礙物和路面情況，而且該傳感器傳回的信息分類較為精細，能夠明確區分是障礙物還是路面的信息，并且根據不同分類建立相應地圖結構。
但是車頂的激光雷達傳感器檢測也存在盲區，因此在其附近安裝五個近距離傳感器俯視車輛周邊的路面情況，能夠有效避免盲區。
展開 康謀技術 | 高效環境感知：毫米波雷達數據采集、可視化及存儲方案
通過復雜的步驟從原始數據中提出高價值的信息，其中對原始數據的精準采集是實現車輛環境感知的基石。毫米波雷達因其出色的測距、測速能力以及對惡劣天氣的魯棒性，成為不可或缺的傳感器之一。</p><p>本文將以4D毫米波雷達ARS548為例，分享毫米波雷達如何快速實現數據采集，可視化及存儲策略。關于毫米波雷達的特性可進一步了解文章<strong>《毫米波雷達技術解析》</strong>。</p><h2>一、ARS548毫米波雷達概述</h2><p><strong>ARS548</strong>是 4D高分辨率成像毫米波雷達（4D High Resolution Radar），如圖1所示。它能夠有效的測量<strong>距離（Range），速度（Velocity），水平角度（Azimuth）</strong>和<strong>俯仰角度或高度（Elevation）</strong>四個維度的信息，具備感知目標三維空間位置能力。具備以下特性：</p><div contenteditable="false" width="100%"><figure class="figure-image" data-img="https://img.jishulink.com/202411/attachment/becf0c008be644f18d56c04d051bf0ae.png" style="text-align: center"><img src="https://img.jishulink.com/202411/attachment/becf0c008be644f18d56c04d051bf0ae.png"></figure></div><p class="ql-align-center">圖1：ARS548（圖片來源于網絡）</p><p><strong>1.
展開 干貨｜自動駕駛系統中感知傳感器實物仿真測試環境構建
毫米波雷達目標模擬過程中，會需要模擬各不同角度上的目標，由于目標模擬器不方便進行移動，無法模擬出相對測試環境的絕對角度，所以一般還會采用旋轉云臺搭載被測毫米波雷達，進行雷達與目標模擬器之間相對角度的模擬。
圖5 毫米波雷達目標模擬微波暗箱結構示意圖
■ 總結：感知傳感器模擬仿真方案多樣性、實用性強
從上面的介紹不難看出，自動駕駛主要感知傳感器的實物仿真環境構建，都是基于工作原理，靈活運用傳感器感知介質特性，在標準環境下，進行的模擬目標匹配的信號再造。針對與同一類型的感知傳感器，其實物仿真環境的構建方式其實并非是唯一的，只要環境中相對潔凈，未引入其他影響感知傳感器識別目標的噪聲，并能準確有效的對該類型傳感器可感知目標進行模擬，那這就是一個成功的環境構建方案。所以在不同模擬仿真測試系統應用時，可以結合不同的測試需求，對傳感器實物仿真構建方法進行選擇。
從自動駕駛模擬仿真測試產業發展需求角度出發，目前可以實現的感知傳感器環境構建方案還相對較少，后續自動駕駛整車級模擬仿真測試環境中，必定需要多類型感知傳感器融合仿真測試環境。這對感知傳感器實物仿真測試環境構建提出了更高的要求，也期待有更多更優先的構建方法和創新型構想被提出。
---END---
作者：北斗
文章來源：汽車測試網
展開 聲學設計 | 沉浸式虛擬仿真環境，助力感知航空聲學
我希望在飛行器聲學方面也實現類似的功能，讓您可以在任何時間和地點，沉浸在虛擬/仿真環境中，聆聽到在附近飛行器的聲音。”
Infinity Labs成功展示了高保真度建模和仿真功能，使人類能夠在虛擬空域環境中感知飛行器聲學。該團隊利用包括Ansys Fluent和Ansys Sound在內的商用工具實現了這項功能，并基于eVTOL機身和轉子聲學對這種方法進行了驗證和確認。得益于該功能，Infinity Labs可直接支持政府研究和行業硬件開發工作，并將其應用擴展到更廣泛的飛行器類型和操作環境中。由于人類對聲學的感知是飛行器航線規劃的重要影響因素，該公司預計這項功能在商業和國防領域的應用將獲得顯著增長。
可信任的流程
基本流程的概念很簡單：將來自飛行器操作的計算流體動力學（CFD）仿真的壓力流場數據輸入到聽覺化方法中，然后利用該方法可將壓力數據轉換為觀察者所在位置能夠感知到的聲音。
Infinity Labs通過兩種不同的應用建立了該流程，旨在驗證和確認此功能：第一種應用是在城市環境中對概念性eVTOL機身和轉子設計的飛行操作進行仿真。
展開 
研究自動駕駛技術的算法需要哪些知識？
來源 | 巫婆塔里的工程師@知乎
自動駕駛系統包括環境感知和定位，行為預測和規劃控制。作為自動駕駛感知算法工程師，我這里就只說說環境感知方面需要的知識吧。
下面是我在自動駕駛感知專欄中的一篇概述文章，專欄里也包含了各個子領域的介紹性文章。
1 前言
本專欄主要關注自動駕駛中的環境感知任務，內容包括感知技術的起源，現狀以及最新的發展趨勢。感知任務大多涉及算法設計，因此專欄的介紹也以算法為主線，特別是深度學習的算法。此外也會涉及一些數據采集，系統測試，算法部署以及量產感知系統的分析。
自動駕駛中的環境感知包含了自動駕駛和環境感知兩個概念。首先，什么是自動駕駛呢？下面是維基百科上對自動駕駛汽車的定義。
自動駕駛汽車，又稱無人駕駛車、電腦駕駛車、無人車、自駕車，為一種需要駕駛員輔助或者完全不需操控的車輛。作為自動化載具，自動駕駛汽車可以不需要人類操作即能感測其環境及導航。
上述定義里有幾個關鍵詞。首先是汽車，我們這里所說的自動駕駛技術涉及的是汽車，而不是飛機火車之類的交通工具。其次是感知環境和導航，也就是說自動駕駛汽車可以自主的采集和理解周邊環境信息，并根據設定的目的地進行決策和行進。最后是需要駕駛員輔助或者完全不需操控，這里涉及到自動駕駛系統的分級，是一個非常重要的概念，下面稍微展開說一下。
自動駕駛技術不是從0到1的質變，而是一個漸變迭代的過程。關于自動駕駛系統的分級，目前最常用的標準是由SAE（美國汽車工程師學會）制定的。不同機構制定的標準會略有不同，但是基本的概念是一致的。下表對L0（人工駕駛）到L5（完全自動駕駛）六個級別進行了總結。這些定義可能有些難懂，但是與車輛上不同的功能結合起來就容易理解了。
展開 研究自動駕駛技術的算法需要哪些知識？
來源 | 巫婆塔里的工程師@知乎
自動駕駛系統包括環境感知和定位，行為預測和規劃控制。作為自動駕駛感知算法工程師，我這里就只說說環境感知方面需要的知識吧。
下面是我在自動駕駛感知專欄中的一篇概述文章，專欄里也包含了各個子領域的介紹性文章。
1 前言
本專欄主要關注自動駕駛中的環境感知任務，內容包括感知技術的起源，現狀以及最新的發展趨勢。感知任務大多涉及算法設計，因此專欄的介紹也以算法為主線，特別是深度學習的算法。此外也會涉及一些數據采集，系統測試，算法部署以及量產感知系統的分析。
自動駕駛中的環境感知包含了自動駕駛和環境感知兩個概念。首先，什么是自動駕駛呢？下面是維基百科上對自動駕駛汽車的定義。
自動駕駛汽車，又稱無人駕駛車、電腦駕駛車、無人車、自駕車，為一種需要駕駛員輔助或者完全不需操控的車輛。作為自動化載具，自動駕駛汽車可以不需要人類操作即能感測其環境及導航。
上述定義里有幾個關鍵詞。首先是汽車，我們這里所說的自動駕駛技術涉及的是汽車，而不是飛機火車之類的交通工具。其次是感知環境和導航，也就是說自動駕駛汽車可以自主的采集和理解周邊環境信息，并根據設定的目的地進行決策和行進。最后是需要駕駛員輔助或者完全不需操控，這里涉及到自動駕駛系統的分級，是一個非常重要的概念，下面稍微展開說一下。
自動駕駛技術不是從0到1的質變，而是一個漸變迭代的過程。關于自動駕駛系統的分級，目前最常用的標準是由SAE（美國汽車工程師學會）制定的。不同機構制定的標準會略有不同，但是基本的概念是一致的。下表對L0（人工駕駛）到L5（完全自動駕駛）六個級別進行了總結。
展開 研判：基于線控底盤的比亞迪自動駕駛超級電動卡車技術狀態
單從產品本身看，這款用于港口牽引的自動駕駛超級電動卡車，將線控底盤技術（電液一體化線控轉向系統）多種環境感知解決方案的全融合，確定了比亞迪商用車完全從技術層面力壓友商的硬核實力。
新能源情報分析網評測組出品
康謀技術 | 自動駕駛傳感器標定技術：從單一到聯合標定
這一過程對于實現高精度的環境感知和車輛定位至關重要。
①LiDAR與Camera標定
通過確定激光雷達（LiDAR）與相機之間的相對位置和方向，使得兩者捕獲的數據能夠在同一坐標系中準確對齊。這種標定對于將激光雷達的空間點云數據與相機的圖像數據融合至關重要。如下圖所示，使用手動調整旋轉和位移的工具，通過實時可見的結果進行調整，直至場景中物體在兩種傳感器的數據中對齊。
圖片來源于網絡
②LiDAR與LiDAR標定（環視標定）
通過多個激光雷達之間的相對位置和方向的標定。這種標定對于多激光雷達系統，特別是在需要360度環境感知的自動駕駛車輛中非常重要。
圖片來源于網絡
③LiDAR與Radar標定
通過激光雷達與毫米波雷達之間的相對位置和方向進行標定。這種標定有助于整合兩種傳感器的優勢，提高自動駕駛車輛的環境感知能力。
圖片來源于網絡
總的來說，標定是自動駕駛數據采集中必要的一環，它確保了以多傳感器為核心的采集系統能夠提供精確、可靠的環境感知信息。通過精確的聯合標定，自動駕駛車輛能夠更好地理解其周圍環境，做出快速準確的決策，從而提高自動駕駛的安全性和可靠性。
展開 自動駕駛汽車感知系統關鍵技術綜述
2 感知系統
感知系統目的包括：①安全性：實時、準確識別周邊影響交通安全的物體，應對突發事件，為采取必要操作以避免發生交通安全事故；②通過性：基于自身行駛性能、周邊路況和共識規則，能夠實時、可靠、準確識別并規劃出可保證規范、安全、迅速到達目的地的行駛路徑；③經濟舒適性：為車輛高效、經濟、平順行駛提供參考依據。目前，感知系統主要是利用傳感器、定位導航 、車聯通信（VehicIe-to-X，V2X）3種技術組合實現上述目的。
2.1 傳感器
傳感器感知的對象包括行駛路徑、周圍障礙物和行駛環境等。感知行駛路徑是對可通行性道路的識別，在城市中包括信號燈、各種標志牌、車道線、路障等目標的識別；在野外包括車輛前方路面平坦情況、可通行道路分析等。感知周圍障礙物是識別影響自動駕駛車輛行駛的靜止或者移動的各種障礙物，包括路面上的車輛、行人、路障等。感知行駛環境是判別對自動駕駛車輛行駛影響比較大的變化環境，例如路面、交通與天氣等。
主流的傳感器感知技術包括視覺感知、激光感知、微波感知等。視覺感知是基于攝像頭采集的圖像信息，使用視覺相關算法進行處理，認知周圍環境；激光感知是基于激光雷達采集的點云數據，通過濾波、聚類等技術，對環境進行感知；微波感知是基于微波雷達采集的距離信息，使用距離相關算法進行處理，認知周圍環境。3種環境感知方法的比較如表2所示。根據各類傳感器技術特點，不同應用場景和系統功能需求下，應選不同的傳感器技術。例如，在高速公路環境下，由于車輛速度較快，通常選用檢測距離較大的微波感知；在城市環境中，由于環境復雜，通常選擇檢測角度較大、信息量豐富的激光、視覺感知技術。
現在廣泛應用的各類高級駕駛員輔助系統ADAS使用各類傳感器，實現了相應的輔助駕駛功能，為實現完全自動駕駛奠定了基礎，如圖2所示。
展開 無人系統態勢感知系列課程教學設計與實踐
（二） 無人系統態勢感知的實踐教學研究與實踐
2007年，國家教育部就發布了《教育部關于進一步深化本科教學改革全面提高教學質量的若干意見》，在該意見中明確指出，要求全國的各個本科高等院校，要對實踐環節高度重視，培養和提高本科生的實踐能力。無人系統態勢感知涉及到多個領域的知識，跨越比較大，通過幾門課程中難以覆蓋，所以課程內容講授時較為抽象，理解難度大，具有較強的理論性。無人系統態勢感知系列課程建設過程中，將學生通過教育過程最后所取得的學習成果作為教學設計和教學實施的目標，課程教學思路如圖2所示。通過整個教學實踐項目使學生更加直觀、具體的學習無人機系統態勢感知的相關內容，加強實踐創新能力和主動思維能力[6]。
圖2 無人機態勢感知課程教學思路
無人機態勢感知與情報處理技術課程設計的實踐，以學員對無人機圖像處理、目標檢測、情報數據挖掘等關鍵技術的掌握和運用為教學實施的目標。除此之外，還有“無人機系統綜合運用實踐項目”作為教學支撐，通過設置無人機作戰環境感知模擬（如圖3所示）、無人機任務決策與規劃仿真、無人機偵察打擊戰效評估仿真等環節，采用虛擬建模環境，使學員熟練無人機作戰系統運用技術領域中的無人機環境感知、規劃控制等關鍵技術問題，實現無人機系統的“觀察-導向-決策-行動”的OODA回路的仿真運用，為培養適應復雜對抗環境的無人機系統實際應用的高端技術人才和指揮人才提供支撐。
圖3 虛擬復雜環境下無人機環境感知模擬示意圖
“無人機系統綜合運用實踐項目”，需要培養學員在面對復雜現實環境時進行無人機態勢感知問題。通過構建虛擬無人機任務環境，模擬和替代復雜挑戰的實際場景，可以訓練無人機在各種復雜環境下執行偵察探測任務的能力，解決復雜環境中目標檢測需要的大規模多樣性數據集的采集和標注困難。
展開 自動駕駛關鍵技術淺析
自動駕駛的關鍵技術可以概述為三個部分：感知（Perception），規劃（Planning）和控制（Control）。下面小編對自動駕駛技術基礎知識及實用技術進行介紹，僅供參考。
環境感知
感知系統
感知是環境信息和車內信息的采集與處理。為了確保無人車對環境的理解和把握，無人駕駛系統的環境感知部分通常需要獲取周圍環境的大量信息。
感知系統，代替駕駛人的感知，獲取周圍的環境信息。即用攝像頭（眼睛）看前面的路，還在用雷達（耳朵）聽車周圍（前、后、左右）的車、人及實物，用信息識別單元（大腦）在分析、判斷。具體來說包括：障礙物的位置，速度以及可能的行為，可行駛的區域，交通規則等等。
利用傳感器實現車輛感知是自動駕駛的基礎。無人車通常是通過融合激光雷達（Lidar），相機（Camera），毫米波雷達（Millimeter Wave Radar）等多種傳感器的數據來獲取這些信息。深度攝像頭和雷達，相當人的眼睛和耳朵，其主要功能是車輛收集周圍的“實時信息”，為無人駕駛車輛提供完整、準確的環境數據，常用的傳感設備包括：
深度攝像頭；
激光雷達（LiDAR）；
毫米波雷達；
導航系統。
攝像頭是眾多預警、識別類ADAS功能的基礎
車載攝像頭對于智能駕駛是必不可少設備，主要應用于：車道偏離預警（LDW）、車道保持輔助（LKA）、前向碰撞預警（FCW） 行人碰撞預警（PCW）、全景泊車（SVP）、駕駛員疲勞預警、交通標志識別（TSR）。
展開 
自動駕駛關鍵技術淺析
自動駕駛的關鍵技術可以概述為三個部分：感知（Perception），規劃（Planning）和控制（Control）。下面小編對自動駕駛技術基礎知識及實用技術進行介紹，僅供參考。
環境感知
感知系統
感知是環境信息和車內信息的采集與處理。為了確保無人車對環境的理解和把握，無人駕駛系統的環境感知部分通常需要獲取周圍環境的大量信息。
感知系統，代替駕駛人的感知，獲取周圍的環境信息。即用攝像頭（眼睛）看前面的路，還在用雷達（耳朵）聽車周圍（前、后、左右）的車、人及實物，用信息識別單元（大腦）在分析、判斷。具體來說包括：障礙物的位置，速度以及可能的行為，可行駛的區域，交通規則等等。
利用傳感器實現車輛感知是自動駕駛的基礎。無人車通常是通過融合激光雷達（Lidar），相機（Camera），毫米波雷達（Millimeter Wave Radar）等多種傳感器的數據來獲取這些信息。深度攝像頭和雷達，相當人的眼睛和耳朵，其主要功能是車輛收集周圍的“實時信息”，為無人駕駛車輛提供完整、準確的環境數據，常用的傳感設備包括：
深度攝像頭；
激光雷達（LiDAR）；
毫米波雷達；
導航系統。
攝像頭是眾多預警、識別類ADAS功能的基礎
車載攝像頭對于智能駕駛是必不可少設備，主要應用于：車道偏離預警（LDW）、車道保持輔助（LKA）、前向碰撞預警（FCW） 行人碰撞預警（PCW）、全景泊車（SVP）、駕駛員疲勞預警、交通標志識別（TSR）。
展開 無人艇在水面靶標應用與關鍵技術研究
另外，還需解決無人艇與其他平臺的異構組網技術，實現陸海空天潛異構立體組網，為有人/無人平臺協同態勢感知、指揮決策等試驗活動的組織實施提供支撐。
⒊航行環境感知與自主決策
水面靶標模擬目標為作戰艦艇，應用在此場合的無人艇監測對象主要是靶區海域的海面目標。目前采用的外界環境傳感器包括導航雷達、毫米波雷達、激光雷達、光電載荷、AIS和氣象站等各種類型傳感器設備，實現一定距離范圍內的海面目標探測。無人艇基于每種傳感器的探測特性對特定目標進行檢測、跟蹤、識別等由粗至精的融合處理，再結合電子海圖和艇內組合導航單元信息，構建水面環境立體態勢圖，實現無人艇對航行周圍環境自主、準確完整的認知，在此基礎上才能正確快速進行航行規劃、自主航行控制與自主避碰等操作。
不過與其他無人平臺無人車、無人機等相比，無人艇所處的海洋環境更為復雜多變，具有動態、不確定和復雜性，尤其是在惡劣的海況下航行時具有其特殊性，在環境感知方面也更加地困難，除了受海上光照、能見度因素等影響外，還面臨特殊挑戰，如艇體劇烈升沉搖擺、海面目標可觀性弱與尺度變化大、浪花飛濺與不規則海岸線外來干擾等困難；而目前各類艇載傳感器基本上是從其他應用的現有產品中選取使用，很少根據實際使用環境與探測需求進行針對性的設計與研制，更加劇了對航行環境感知的困難。
同時，國內無人艇基于多傳感器的在時間和空間上深入融合理論、實踐應用均尚未成熟，因此目前在較復雜航行環境中，完全依靠無人艇自主安全可靠航行在短時間內技術上尚無法實現。所以在復雜情況下，無人艇就需要依托岸基支持系統給予智能決策和相關背景知識支持，在結合岸基支持系統基礎上構建無人艇智能環境感知與信息融合、風險預警模型和理論，在此方面硬件條件已具備，可由試驗指揮控制中心承擔。
展開 海洋技術▏基于巡管應用的水下機器人研究
圖4 紅外傳感器
圖5 流速傳感器
二、水下環境感知技術
⒈水下環境感知技術
水下環境感知技術是指智能水下機器人通過搭載的光學和聲學傳感器對未知區域進行環境識別，由于水下環境自身的特殊性，使得智能水下機器人在環境感知方面的研究進展較慢。水下環境感知技術主要分為聲吶目標探測技術和光學目標探測技術，其中常見的技術是聲吶目標探測技術。
聲吶目標探測技術：主要指利用聲吶原理和聲吶系統設備對水中目標進行探測的技術。按照聲吶的原理我們可以將其分為聲吶目標主動探測技術和聲吶目標被動探測技術。
有目的地主動從系統中發射聲波的稱為主動聲吶，利用接收換能器基陣接收目標自身發出的噪聲或信號來探測目標的聲吶稱為被動聲吶。
目前，安裝在ROV機器人本體上的探測聲吶主要使用的是前視聲吶、側掃聲吶、剖面聲吶、多普勒聲吶和聲相關聲吶、通信聲吶等。
⒉載體模塊化設計
由載體結構、控制系統、導航系統、能源系統、推進系統、通信系統和任務載荷等模塊組成。
展開 自動泊車技術分析
定義
自動泊車系統主要是利用遍布車輛自身和周邊環境里的傳感器，測量車輛自身與周邊物體之間的相對距離、速度和角度，然后通過車載計算平臺或云計算平臺計算出操作流程，并控制車輛的轉向和加減速，以實現自動泊入、泊出及部分行駛功能。
整個泊車過程大致可包含以下五大環節：環境感知、停車位檢測與識別、泊車路徑規劃、泊車路徑跟隨、控制模擬顯示。按照泊車方式，分為三種模式，如圖1所示：平行式泊車、垂直式泊車、斜列式泊車。
圖1 平行泊車 垂直泊車 斜列式泊車
按照自動化程度等級，自動泊車可以分為：半自動泊車全自動泊車半自動泊車系統為駕駛員操控車速，計算平臺根據車速及周邊環境來確定并執行轉向，對應于SAE自動駕駛級別中的L1；全自動泊車為計算平臺根據周邊環境來確定并執行轉向和加減速等全部操作，駕駛員可在車內或車外監控，對應于SAE L2級。
按照所采用傳感器的種類，半自動/全自動泊車可以分為：超聲波自動泊車基于超聲波與攝像頭的融合式自動泊車。
兩種傳感器的對比如表1所示：
表1
2、原理方案
整個泊車過程是哪幾個環節？環境感知、停車位檢測與識別、泊車路徑規劃、泊車路徑跟隨控制以及模擬顯示五大環節！
下面我們就以最常見的超聲波自動泊車系統為例，從五大環節來介紹：
（1）環境感知：如圖2所示，為一種典型的超聲波自動泊車系統的環境感知方案，由12個超聲波雷達組成。
圖2：8個超聲波雷達：泊車過程中檢測車身周邊的障礙物，避免剮蹭；4個超聲波雷達：泊車開始前進行車位的探測及在泊車過程中提供側向障礙物信息
（2）停車位檢測與識別：自動泊車超聲波車位探測系統主要是由布置在車身側面的超聲測距模塊構成的， 通過超聲傳感器對車輛側面的障礙物進行探測， 即可完成車位探測及定位。
展開 