PatViewer专利搜索

一种避障路径规划方法、装置、设备和介质

发明公布  在审
申请(专利)号:CN201811606572.9国省代码:江苏 32
申请(专利权)人:常州节卡智能装备有限公司
温馨提示:Ctrl+D 请注意收藏,详细著录项请首页检索查看。 Please note the collection. For details, please search the home page.

摘要:
本申请提供了一种避障路径规划方法,该方法包括:获取至少两个采集设备采集的包括机器人所处环境的深度图像,所述深度图像由多个像素组成,每个像素包括所述机器人所处环境的深度信息;对各所述采集设备对应的深度信息进行融合处理,得到所述机器人对应的点云数据;利用所述机器人的姿态信息对所述点云数据进行过滤处理;根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路径。

主权项:
1.一种避障路径规划方法,其特征在于,该方法包括:获取至少两个采集设备采集的包括机器人及其所处环境的深度图像,所述深度图像由多个像素组成,每个像素包括所述机器人所处环境的深度信息,其中,每两个相邻的所述采集设备相对于所述至少两个采集设备的中心之间的角度相同;对各所述采集设备对应的深度信息进行融合处理,得到所述机器人及其所处环境对应的点云数据;利用所述机器人的姿态信息对所述点云数据进行过滤处理;根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路径。


说明书

一种避障路径规划方法、装置、设备和介质

技术领域

本申请涉及机器人技术领域,具体而言,涉及一种避障路径规划方法、装置、设备
和介质。

背景技术

传统工业机器人在进行作业时,通常在工业机器人的周围设置隔离栅栏,或者在
工业机器人周围设置传感器,使得机器人与用户隔离,避免机器人在作业过程中撞到用户。
其中,采用隔离栅栏隔离的方式比较麻烦,通过传感器隔离用户的方式成本比较高,后期维
护也比较麻烦,在机器人所处的环境变化时,需要重新安装并调试传感器,效率较低,若传
感器覆盖的范围不够,导致检测的准确度比较低,机器人可能检测不到规划好的运动路径
中的障碍物,导致规划的路径不准确。

发明内容

有鉴于此,本申请的目的在于提供一种避障路径规划方法、装置、设备和介质,用
于解决现有技术中由于机器人检测周围障碍物的准确度低导致规划路径不准确的问题。

第一方面,本申请实施例提供了一种避障路径规划方法,该方法包括:

获取至少两个采集设备采集的包括机器人及其所处环境的深度图像,所述深度图像由
多个像素组成,每个像素包括所述机器人所处环境的深度信息;

对各所述采集设备对应的深度信息进行融合处理,得到所述机器人及其所处环境对应
的点云数据;

利用所述机器人的姿态信息对所述点云数据进行过滤处理;

根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路径。

可选地,每两个相邻的所述采集设备相对于所述至少两个采集设备的中心之间的
角度相同。

可选地,所述利用所述机器人的姿态信息对所述点云数据进行过滤处理,包括:

将所述机器人的姿态信息输入到预设模型,得到所述机器人的位姿信息;

利用所述机器人的位姿信息,从所述点云数据去除与所述机器人对应的数据。

可选地,所述根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动
路径,包括:

若所述处理结果中包括点云数据,则将所述处理结果中包含的点云数据以及所述机器
人的起止信息输入到路径规划模型,为所述机器人生成运动路径。

可选地,所述对各所述采集设备对应的深度信息进行融合处理,得到所述机器人
及其所处环境对应的点云数据,包括:

针对每个采集设备,对该所述采集设备对应的深度信息进行转换处理,得到该采集设
备在预设坐标系中的深度信息;

对各采集设备在预设坐标中的深度信息进行融合处理,得到所述机器人对应的点云数
据。

第二方面,本申请实施例提供了一种避障路径规划装置,该装置包括:

获取模块,用于获取至少两个采集设备采集的包括机器人及其所处环境的深度图像,
所述深度图像由多个像素组成,每个像素包括所述机器人所处环境的深度信息;

融合模块,用于对各所述采集设备对应的深度信息进行融合处理,得到所述机器人及
其所处环境对应的点云数据;

过滤模块,用于利用所述机器人的姿态信息对所述点云数据进行过滤处理;

生成模块,用于根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路
径。

可选地,每两个相邻的所述采集设备相对于所述至少两个采集设备的中心之间的
角度相同。

可选地,所述过滤模块具体用于:

将所述机器人的姿态信息输入到预设模型,得到所述机器人的位姿信息;

利用所述机器人的位姿信息,从所述点云数据去除与所述机器人对应的数据。

第三方面,本申请实施例提供了一种计算机设备包括存储器、处理器及存储在所
述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实
现上述方法的步骤。

第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储
介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述方法的步骤。

本申请实施例提供的避障路径规划方法,通过至少两个采集设备采集包括机器人
所处环境的深度图像,进一步,对各采集设备对应的深度信息进行融合处理,得到机器人对
应的点云数据,对点云数据进行过滤掉机器人自身的位置,根据过滤结果为机器人生成运
动路径。这样,通过从获取的机器人所处的环境的深度图像中过滤掉机器人的位置,提高检
测障碍物的准确度,从而为机器人规划适合的运动路径,减少机器人与障碍物碰撞的概率。

为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合
所附附图,作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附
图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对
范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这
些附图获得其他相关的附图。

图1为本申请实施例提供的一种避障路径规划方法的流程示意图;

图2为本申请实施例提供的一种机器人的结构示意图;

图3为本申请实施例提供的一种避障路径规划装置的结构示意图;

图4为本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例
中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅
是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实
施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的
实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实
施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所
有其他实施例,都属于本申请保护的范围。

本申请实施例提供了一种避障路径规划方法,如图1所示,应用于计算机设备中,
计算机设备中运行有机器人运行系统(Robot Operating System,ROS),该方法包括以下步
骤:

S101,获取至少两个采集设备采集的包括机器人及其所处环境的深度图像,所述深度
图像由多个像素组成,每个像素包括所述机器人所处环境的深度信息;

这里,采集设备可以包括但不限于深度摄像机等,如,深度摄像机可以是Kinect相机;
在设置采集设备时,可以根据机器人所处的空间环境进行设置,采集设备的设置高度高于
机器人的高度,一般设置在机器人的斜上方,使得多个采集设备采集的图像能够覆盖机器
人所处的环境,设置的采集设备的数目可以根据实际应用环境确定,一般至少设置两个,每
两个相邻的采集设备相对于至少两个采集设备的中心之间的角度相同,若机器人所处的环
境设置了两个采集设备,两个采集设备位于同一水平线上,若机器人所处环境设置了三个
或三个以上的采集设备,采集设备与采集设备之间的角度可以为360/n,其中,n为采集设备
的数目。

在具体实施中,除了利用多个深度摄像机获取机器人所处环境的深度图像外,还
可以利用普通摄像机采集机器人所处环境的常规图像,进一步对常规图像进行处理(如,立
体视觉等方式),实时获取机器人所处环境的深度图像。

S102,对各所述采集设备对应的深度信息进行融合处理,得到所述机器人及其所
处环境对应的点云数据;

这里,采集设备采集的深度信息(RGBD相机采集的深度图像)一般是位于当前采集设备
所处的坐标系中,不同的采集设备采集的深度信息位于不同的坐标系中。其中,深度图像
(depth image)也被称为距离影像(range image),是指将从采集设备到场景中各点的距离
(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状。

在对各所述采集设备对应的深度信息进行融合处理时,具体包括以下步骤:

针对每个采集设备,对该所述采集设备对应的深度信息进行转换处理,得到该采集设
备在预设坐标系中的深度信息;

对各采集设备在预设坐标中的深度信息进行融合处理,得到所述机器人及其所处环境
对应的点云数据。

这里,预设坐标系可以为机器人所处的坐标系、世界坐标系等,由于在后期需要通
过机器人的位置信息对点云数据进行过滤处理,而多次转换坐标系也会对转换后数据的精
度带来一定的影响,因此,为了减少坐标系与坐标系之间的转换,以及对精度的印象,优选
地,将机器人所处的坐标系作为预设坐标系,这样,只需要对深度信息进行一次转换,减少
了转换次数,也减少了多次转换对数据精度带来的影响;融合处理技术在现有技术中已有
详细的介绍,此处不再进行过多说明。

在具体实施中,针对每个采集设备,基于采集设备的坐标系与预设坐标之间的转
换信息,将该采集设备对应的深度信息转换到预设坐标系下,得到该采集设备在预设坐标
系中的深度信息。由于不同的采集设备采集到的深度信息中存在重合的信息,因此,需要进
一步对各采集设备在预设坐标中的深度信息进行融合处理,也就是,将不同的采集设备采
集的深度信息中重叠的信息剔除,最终,得到所述机器人对应的点云数据。

S103,利用所述机器人的姿态信息对所述点云数据进行过滤处理;

这里,机器人的姿态信息一般为机器人中各个关节的属性信息以及各个关节相对于预
设坐标系的角度等,其中,关节的属性信息包括关节的长度、形状、宽度等;过滤处理的技术
在现有技术中已有详细的介绍,此处不再进行过多说明。

在利用所述机器人的姿态信息对所述点云数据进行过滤处理时,包括以下步骤:

将所述机器人的姿态信息输入到预设模型,得到所述机器人的位姿信息;

利用所述机器人的位姿信息,从所述点云数据去除与所述机器人对应的数据。

这里,预设模型包括但不限于统一机器人描述格式模型(Unified Robot
Description Format,URDF模型),URDF模型用于描述机器人硬件尺寸布局;位姿信息一般
是通过模拟的方式生成的机器人在实际应用环境中的模型,表征机器人在所处环境中的位
置和姿态,其中,位置为机器人中各关节的坐标,姿态表征机器人中关节与关节之间的角
度。

在具体实施中,从机器人自身的控制器中获取将机器人中各关节的属性信息以及
关节与关节之间的角度,将获取的机器人的姿态信息输入到URDF模型中,得到机器人在所
处的环境中的模型,也就是,得到机器人的仿真模型,按照预设厚度间隔,对得到的模型进
行分割,得到多个划分后的模型切片,每个切片包含有机器人的位置,针对每个切片,判断
点云数据中是否存在该切片包含的位置,若点云数据中包含该切片包含的位置,则从点云
出去将与切片中包含的位置对应的数据剔除,得到处理后的点云数据。

S104,根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路径。

这里,若处理结果中包含有部分点云数据,则说明采集设备获取的机器人所处的
环境中除了机器人外,还存在其它物品(或者,障碍物);若处理结果中不包含任何数据,则
说明采集设备获取的机器人所处的环境中仅有机器人;起止信息包括机器人的起始位置和
目的位置,起始位置和目的位置均为根据用户需求设置的,可以根据实际情况确定。

在所述根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动路径
时,具体包括以下步骤:

若所述处理结果中包括点云数据,则将所述处理结果中包含的点云数据以及所述机器
人的起止信息输入到路径规划模型,为所述机器人生成运动路径。

这里,路径规划模型包括但不限于优化算法(如蚁群算法)、人工势场算法、图搜索
算法、随机路图法、快速扩展随机树法等,现有技术中已有详细的解释,此处不再进行过多
说明。

在具体实施中,在得到处理结果后,将处理结果和机器人的起始位置和目的位置
输入到路径规划模型中,若输入的处理结果中包含点云数据,路径规划模型会根据点云数
据确定障碍物的位置,进一步,在基于机器人的起始位置和目的位置为机器人规划路径时,
躲避障碍物,最终输出躲避障碍物的运动路径,这样可以实时为机器人规划路径,提高规划
的路径的准确度,减少机器人撞到障碍物的概率。

例如,机器人在分拣快递,起始位置为预先设定好放置快递的起始放置位置,目的
位置是与快递的目的地对应的位置,机器人通过识别快递上的条形码,确定与目的地对应
的目的放置位置,将处理结果、起始放置位置和目的放置位置输入到路径规划模型中,若处
理结果中没有点云数据,则仅根据起始位置和目的位置为机器人规划最短路径,若处理结
果中存在点云数据,则在根据起始位置和目的位置为机器人规划路径时,需要绕开障碍物
之后,规划从起始位置到目的位置的最短路径,在实际应用中,路径规划模型根据实时接收
到的处理结果,为机器人确定最适合机器人的形式路径。

如图2所示,本申请中的机器人可以包括各类六轴机械臂、两个或多个相机(优选
深度相机)、标定板、网线等必要的硬件设备以及主控系统(如,ROS系统)。机器人中的主控
系统包含视觉融合节点、标定节点、机器人点云过滤节点、规划节点、与两个或多个深度相
机通信的相机通信节点(如,OpenNI2节点)、与机器人通信的机器人驱动节点(如小助驱动
节点)以及负责运动规划的规划节点。

相机通信节点为深度相机的驱动节点,通过有线或无线的方式与深度相机通信,
用以获取深度相机采集的点云数据。相机通信节点为OpenNI2节点,能够读取深度摄像机中
的彩色图和深度图,并生成点云。优选的,一个相机通信节点对应一个深度摄像机。其中,深
度摄像机采集色彩和深度等信号,相邻深度摄像机的距离在3m以上,也可设置更多数量或
其他型号规格的相机。

在一个实施例中,两个深度摄像机位于机器人两侧,并且安装位置在确保深度摄
像机有效工作距离的前提下与机器人的距离尽可能的远,这样,既可以确保机器人完全处
于深度摄像机的视野中,又可以预留较大的安全距离使得深度摄像机能够观测到操作人员
接近机器人。深度摄像机安装的高度可根据现场情况进行灵活的调整,优选的,不低于机器
人的基座,以便相机的视野能够完全观测到机器人,深度摄像机的视野包含整个机器人以
及机器人周围2米以上。机械抓手安装于机器人(或机械臂)的末端,可执行各种操作,机械
抓手用以执行抓取任务以及在标定时夹持标定板,障碍物是为了展示机器人在执行现有任
务过程中,一旦遇到环境变化,机器人会重新规划路径从而绕过障碍物继续执行任务。

机器人驱动节点通过有线或无线的方式与机器人连接,以实现对机器人的控制。
机器人驱动节点通过调用ROS service并经由TCP/IP协议连接机器人的控制器,建立ROS系
统与机器人的通信,调用机器人驱动节点的ROS service可以直接控制机器人的IO、关节速
度等。

标定节点用于标定机器人基坐标系和深度摄像机坐标系的位置。一个标定节点标
定一个深度摄像机与机器人基坐标系的位姿,若有多个深度摄像机则开启对应数量的标定
节点。其中,通过标定板进行数据标定,标定板用于在正式使用之前进行标定操作,以生成
标定数据。标定板的形状及图案不作限制,只需能够让系统准确识别即可,标定板的形状可
为5行4列的棋盘格,其中,单元格为正方形,边长25毫米。

视觉融合节点用于将两个或多个深度摄像机采集的点云数据集成,并统一在机器
人的基坐标系下进行描述。视觉融合节点订阅多个相机发布的点云数据以及多个标定节点
发布的位姿信息,根据标识号确定对应的深度摄像机和标定数据,并将多个深度摄像机发
布的点云统一在机器人基坐标系下进行描述。

机器人点云过滤节点通过读取机器人的控制器来获取机器人的姿态位置,并将机
器人自身的点云从点云数据中滤除。机器人点云过滤节点读取控制器当前关节的位置,结
合URDF模型,从视觉融合节点发布的点云中将机器人自身的点云去除。

规划节点用于形成任务以及运动规划,运动规划节点为Movegroup节点,用于建立
机器人任务,如,抓取、搬运等。同时,将避障算法应用于规划过程。

机器人在实际应用中的执行流程如下:

开启ROS系统,启动OpenNI2节点连接相机,该节点为深度相机的驱动,与相机连接,实
时读取颜色、深度等信息,以生成点云;开启小助机器人,启动小助驱动节点(机器人驱动节
点),该节点用于建立ROS系统与小助机器人的通信;检测视觉系统是否已标定,如果存在标
定数据,则询问用户是否使用该数据,如果不存在标定数据,则提示用户进行标定;若不存
在标定数据,则提示用户安装标定板,并开启ROS标定节点执行标定。标定操作可以为自动
标定和/或手动标定,自动标定自动执行上一次标定所使用的位姿,由ROS系统中的标定节
点发布位姿信息,可在标定执行前显示标定过程中机器人的虚拟位姿;在新的环境中不建
议用户使用自动标定,以防止某些位姿与环境发生冲突或相互干扰,手动标定需要用户操
作机器人,使得深度摄像机可以观察到标定板从而进行计算。视觉融合节点读取各个标定
后的点云数据,统一在机器人基坐标系下进行描述,启动机器人点云过滤节点,基于的读取
机器人控制器关节位置以及URDF模型,得到点云中去除机器人自身的点云。开启运动规划
节点,输入运动起始、目标位置过程中约束,启动避障算法进行规划,实时为机器人规划运
动路径。

本申请实施例提供的机器人的运动路径规划方法,通过至少两个采集设备采集包
括机器人所处环境的深度图像,进一步,对各采集设备对应的深度信息进行融合处理,得到
机器人对应的点云数据,对点云数据进行过滤掉机器人自身的位置,根据过滤结果为机器
人生成运动路径。这样,通过从获取的机器人所处的环境的深度图像中过滤掉机器人的位
置,提高检测障碍物的准确度,从而为机器人规划适合的运动路径,减少机器人与障碍物碰
撞的概率。

本申请实施例提供了一种避障路径规划装置,如图3所示,该装置包括:

获取模块31,用于获取至少两个采集设备采集的包括机器人及其所处环境的深度图
像,所述深度图像由多个像素组成,每个像素包括所述机器人所处环境的深度信息;

融合模块32,用于对各所述采集设备对应的深度信息进行融合处理,得到所述机器人
及其所处环境对应的点云数据;

过滤模块33,用于利用预设的所述机器人的位置信息对所述点云数据进行过滤处理;

生成模块34,用于根据处理结果,以及所述机器人的起止信息,为所述机器人生成运动
路径。

可选地,每两个相邻的所述采集设备相对于所述至少两个采集设备的中心之间的
角度相同。

可选地,所述过滤模块33具体用于:

将所述机器人的姿态信息输入到预设模型,得到所述机器人的位姿信息;

利用所述机器人的位姿信息,从所述点云数据去除与所述机器人对应的数据。

可选地,所述生成模块34具体用于:

若所述处理结果中包括点云数据,则将所述处理结果中包含的点云数据以及所述机器
人的起止信息输入到路径规划模型,为所述机器人生成运动路径。

可选地,所述融合模块32具体用于:

针对每个采集设备,对该所述采集设备对应的深度信息进行转换处理,得到该采集设
备在预设坐标系中的深度信息;

对各采集设备在预设坐标中的深度信息进行融合处理,得到所述机器人及其所处环境
对应的点云数据。

如图4所示,本申请一实施例提供了一种计算机设备,用于执行图1中的避障路径
规划方法,该设备包括存储器401、处理器402及存储在该存储器401上并可在该处理器402
上运行的计算机程序,其中,上述处理器402执行上述计算机程序时实现上述避障路径规划
方法的步骤。

具体地,上述存储器401和处理器402能够为通用的存储器和处理器,这里不做具
体限定,当处理器402运行存储器401存储的计算机程序时,能够执行上述避障路径规划方
法,用于解决现有技术中由于机器人检测周围障碍物的准确度低导致规划路径不准确的问
题,本申请通过至少两个采集设备采集包括机器人所处环境的深度图像,进一步,对各采集
设备对应的深度信息进行融合处理,得到机器人对应的点云数据,对点云数据进行过滤掉
机器人自身的位置,根据过滤结果为机器人生成运动路径。这样,通过从获取的机器人所处
的环境的深度图像中过滤掉机器人的位置,提高检测障碍物的准确度,从而为机器人规划
适合的运动路径,减少机器人与障碍物碰撞的概率。

对应于上述避障路径规划方法,本申请实施例还提供了一种计算机设备可读存储
介质,该计算机设备可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执
行避障路径规划方法的步骤。

具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上
的计算机程序被运行时,能够执行上述避障路径规划方法,用于解决现有技术中由于机器
人检测周围障碍物的准确度低导致规划路径不准确的问题,本申请通过至少两个采集设备
采集包括机器人所处环境的深度图像,进一步,对各采集设备对应的深度信息进行融合处
理,得到机器人对应的点云数据,对点云数据进行过滤掉机器人自身的位置,根据过滤结果
为机器人生成运动路径。这样,通过从获取的机器人所处的环境的深度图像中过滤掉机器
人的位置,提高检测障碍物的准确度,从而为机器人规划适合的运动路径,减少机器人与障
碍物碰撞的概率。

在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方
式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻
辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可
以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间
的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连
接,可以是电性,机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显
示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个
网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。

另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可
以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以
存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说
对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计
算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个
人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存
储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一
个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第
一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。

最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请
的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申
请进行了详细的说明,本领域的普通技...

=>>详细说明书全文请进入首页检索查看

图1
©2018 IPPH.cn   PatViewer·专利搜索
主办单位:知识产权出版社有限责任公司  咨询热线:01082000860-8588
浏览器:IE9及以上、火狐等  京ICP备09007110号 京公网安备 11010802026659号