车道线定位方法、装置、电子设备及可读介质与流程
本申请涉及智能驾驶领域，尤其涉及一种车道线定位方法、装置、电子设备及计算机可读介质。
背景技术：
在车辆行驶过程中，可采取车道线检测定位方法对车道线进行识别，以实现智能驾驶。目前基于视觉车道线检测的方法较多，也较为成熟。然而，为获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，车道线定位算法对车道检测算法的要求比较高，要求能够检测出连续的直线或曲线车道线。
在不良路况下，车道线标志通常呈现为不连续且不清晰的状态，现有的车辆检测算法难以检测出连续的直线或曲线车道线，通常只能得到断续的车道线或者离散的车道线边缘点。在这一情况下，无法准确获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，难以实现车道线的准确定位。
技术实现要素：
有鉴于此，本申请提供一种车道线定位方法、装置、电子设备及计算机可读介质，在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。
本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
根据本申请实施例的第一方面，提出一种车道线定位方法，该方法包括：通过图像获取车道线的多个二维点信息；根据三维投影关系与相机参数确定坐标转换方程；基于所述多个二维点信息，对所述坐标转换方程进行参数估计，以确定车辆的二维偏移参数；以及根据所述二维偏移参数进行所述车道线的定位。
在本申请的一种示例性实施例中，车道线定位方法还包括：通过惯性测量单元获取所述车辆的动态偏移角度信息。
在本申请的一种示例性实施例中，根据三维投影关系与相机参数确定坐标转换方程包括：根据相机参数与所述动态偏移角度信息确定外参数据；根据相机参数确定内参数据；以及根据所述外参数据、所述内参数据以及三维投影关系确定坐标转换方程。
在本申请的一种示例性实施例中，根据相机参数与所述动态偏移角度信息确定外参数据包括：根据相机参数与所述动态偏移角度信息确定姿态角信息，所述姿态角信息包括偏航角、俯仰角以及滚转角；以及根据所述姿态角信息确定外参数据。
在本申请的一种示例性实施例中，通过图像获取车道线的多个二维点信息包括：通过装载在车辆上的单目相机拍摄图像；对所述图像进行识别获取车道线的多个点；以及获取所述多个点的像素坐标，以获取多个二维点信息。
在本申请的一种示例性实施例中，所述二维偏移参数包括偏移角度与横向偏移。
在本申请的一种示例性实施例中，根据所述二维偏移参数进行所述车道线的定位包括：根据所述二维偏移参数确定所述车辆与所述车道线的相对位置，以对所述车道线进行定位。
根据本申请实施例的第二方面，提出一种车道线定位装置，该装置包括：图像模块，用于通过图像获取车道线的多个二维点信息；坐标模块，用于根据三维投影关系与相机参数确定坐标转换方程；估计模块，用于基于所述多个二维点信息，对所述坐标转换方程进行参数估计，以确定车辆的二维偏移参数；以及定位模块，用于根据所述二维偏移参数进行所述车道线的定位。
在本申请的一种示例性实施例中，车道线定位装置还包括：惯性测量单元，用于获取所述车辆的动态偏移角度信息。
根据本申请实施例的第三方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的车道线定位方法。
根据本申请实施例的第四方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如上述任一项所述的车道线定位方法。
根据本申请的车道线定位方法、装置、电子设备及计算机可读介质，在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。下面描述的附图仅仅是本申请的一些实施例，对于本领域的普通技术人员来讲，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的附图。
图1是根据一示例性实施例示出的一种车道线定位方法及装置的系统框图。
图2是根据一示例性实施例示出的一种车道线定位方法的流程图。
图3是根据一示例性实施例示出的一种车道线定位方法的示意图。
图4是根据一示例性实施例示出的一种车道线定位方法的流程图。
图5是根据一示例性实施例示出的一种车道线定位方法的流程图。
图6是根据另一示例性实施例示出的一种车道线定位方法的流程图。
图7是根据另一示例性实施例示出的一种车道线定位方法的示意图。
图8是根据一示例性实施例示出的一种车道线定位装置的框图。
图9是根据一示例性实施例示出的一种用于车道线定位的电子设备的框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本发明将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图仅为本发明的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和步骤，也不是必须按所描述的顺序执行。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
下面结合附图对本发明示例实施方式进行详细说明。
图1是根据一示例性实施例示出的一种车道线定位方法及装置的系统框图。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所进行操作的车道线定位系统提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的车道线定位请求等数据进行分析等处理，并将处理结果(例如二维偏移参数--仅为示例)反馈给终端设备。
服务器105可例如通过图像获取车道线的多个二维点信息；服务器105可例如根据三维投影关系与相机参数确定坐标转换方程；服务器105可例如基于所述多个二维点信息，对所述坐标转换方程进行参数估计，以确定车辆的二维偏移参数。服务器105可例如根据所述二维偏移参数进行所述车道线的定位。
服务器105可以是一个实体的服务器，还可例如为多个服务器组成，服务器105中的一部分可例如作为本申请中的车道线定位任务提交系统，用于获取将要执行车道线定位命令的任务；以及服务器105中的一部分还可例如作为本申请中的车道线定位系统，用于通过图像获取车道线的多个二维点信息；根据三维投影关系与相机参数确定多个坐标转换方程；基于所述多个二维点信息，对所述坐标转换方程进行参数估计，以确定车辆的二维偏移参数；以及根据所述二维偏移参数进行所述车道线的定位。
需要说明的是，本申请实施例所提供的车道线定位的方法可以由服务器105执行，相应地，车道线定位的装置可以设置于服务器105中。而提供给用户用于提交车道线定位任务与获取车道线定位结果的请求端一般位于终端设备101、102、103中。
图2是根据一示例性实施例示出的一种车道线定位方法的流程图。根据图2示出的车道线定位方法，在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。下面，将参照图2，对本申请示例性实施例中的车道线定位方法进行说明。
在步骤s210中，通过图像获取车道线的多个二维点信息。其中，图像可通过车辆上随车安装的相机拍摄。
根据示例实施例，可通过装载在车辆上的单目相机拍摄图像；对所述图像进行识别获取车道线的多个点；以及获取所述多个点的像素坐标，以获取多个二维点信息。其中，所述图像可为车辆行驶的前方拍摄得到的。所述图像中可包含车辆前方的车道线信息，且可展示车辆前方的路况信息。在对所述图像进行识别时，可识别得到车辆前方的至少两条车道线，即车辆左右两侧的车道线。可对图像中识别得到的车道线进行提取，以获取车道线上的多个点，但本发明对点的数量并不作特殊限定。所述多个二维点信息可包含多个点的在图像中的位置信息。所述图像是由像素组成的，像素坐标可表示像素在图像中的位置。因此，可通过所述多个点的像素坐标确定多个二维点信息。
根据示例实施例，还可通过惯性测量单元获取动态偏移角度信息。其中，惯性测量单元(inertialmeasurementunit，简称imu)是测量物体三轴姿态角(或角速率)以及加速度的装置。惯性测量单元可包含三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。动态偏移角度信息可包含姿态角信息，例如车辆加速或减速过程中的俯仰角以及滚转角信息。姿态角来源于飞机定位，其是按欧拉概念定义的，故亦称欧拉角。飞机姿态角是由机体坐标系与地理坐标系之间的关系确定的，用偏航角(亦称航向角)、俯仰角和滚转角三个欧拉角表示。不同的转动顺序会形成不同的坐标变换矩阵，通常按航向角ψ、俯仰角θ和滚转角φ的顺序来表示机体坐标系相对地理坐标系的空间转动。在飞机行驶过程中，飞机坐标系以飞机行驶方向为x轴，飞机横轴指右的方向为y轴，z轴在飞机对称平面内，与x轴垂直并指向机身下方。在飞机坐标系中，偏航角为飞机坐标系x轴与地面坐标系x轴之间的夹角，以机头向右偏航为正；俯仰角为飞机坐标系与水平面的夹角，以飞机抬头为正；滚转角为飞机坐标系z与与通过机体x轴的铅垂面间的夹角，以机体向右滚为正。在本示例实施例中，可将装载在车上的相机视为飞机，以其光心oc为原点，并根据其行驶方向确定相机坐标系(类比于飞机坐标系)，并以车道线中心点为原点，根据车辆行驶方向确定车辆坐标系(类比于世界坐标系)，从而计算得到相应的航向角、俯仰角和滚转角。
在步骤s220中，根据三维投影关系与相机参数确定坐标转换方程。坐标转换方程可将三维坐标转换为图像中的二维像素坐标。例如，可以相机中心投影到地面正下方的点为原点建立三维坐标系。三维坐标系建立方式可如图3所示。在三维坐标系中，可以地面所在平面中，车辆静止时与车道线平行的方向为x轴，与车道线垂直的方向为y轴，并以垂直地面的方向为z轴。如图3所示，车辆的行驶方向为xg所在方向。xg所在方向为x轴，zg所在方向为z轴，与x、z轴所在平面垂直的方向为y轴。其中，相机参数可例如为相机的焦距、相机中心与地面的高度、车辆静止时相机光轴与道路平面的俯仰角、滚转角以及航向角。相机参数与动态偏移角度信息可用于坐标转换方程中所需的转换参数，例如内参数据以及外参数据。
根据示例实施例，可根据相机参数与所述动态偏移角度信息确定外参数据；根据相机参数确定内参数据；以及根据所述外参数据、所述内参数据以及三维投影关系确定坐标转换方程。其中，内参矩阵描述了如何把点从图像坐标系转换到像素坐标系。外参数据描述了如何把点从三维坐标系转换到图像坐标系。图像坐标系是一个二维平面，如图3所示，oc点为相机的光心，图像坐标系位于xc方向上与oc相距为相机焦距的位置，且图像坐标系与xc垂直。其中，可将图像坐标系原点设置于xc与图像坐标系所在像平面的交点处。
其中，图像中的多个二维点信息中，每一点可根据其像素坐标代入坐标转换方程。在坐标转换方程中，可将每一点的三维坐标作为未知数；还可将相机相对车辆的航向角作为未知数。由于多个点均来自于车道线，则同一车道线对应的三维坐标中，至少有两个方向的坐标值相同，即水平面方向与横轴方向。
根据示例实施例，在获取外参数据时，可根据相机参数与所述动态偏移角度信息确定姿态角信息，所述姿态角信息包括偏航角、俯仰角以及滚转角；以及根据所述姿态角信息确定外参数据。其中，外参数据包含旋转矩阵以及平移矩阵，旋转矩阵可根据姿态角信息确定，平移矩阵可根据相机光心oc与og之间的平移参数确定。前述已对姿态角进行了详细解释，在此不再赘述。
在步骤s230中，基于所述多个二维点信息，对所述坐标转换方程进行参数估计，以获取车辆的二维偏移参数。其中，可通过优化估计方法对所述坐标转换方程进行参数估计，以获取车辆的二维偏移参数。优化估计方法可用于求解最优化问题。最优化问题指工业、农业、交通运输、商业、国防、建筑、通信、政府机关等各部门各领域的实际工作中，常会遇到的求函数的极值或最大值最小值的问题。通过优化估计方法，可求解多个坐标转换方程中的未知数，即车道线中的多个点在三维坐标系中的坐标以及航向角。其中，在同一车道线中，由于多个点在三维坐标系中的坐标中其水平面方向与横轴方向的坐标值相同，可减小未知数量，以提高优化估计方法的准确度。
根据示例实施例，优化估计方法可包括最小二乘估计方法。最小二乘估计方法又称最小平方法，是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘估计法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
其中，二维偏移参数可包括偏移角度与横向偏移。其中，偏移角度可为航向角，即相机光心oc的正前方向相对车道线方向的夹角。横向偏移可为相机光心oc与车道线中心点的横向偏移距离。
在步骤s240中，根据所述二维偏移参数进行所述车道线的定位。根据示例实施例，根据二维偏移参数确定车辆与车道线的相对位置，以对车道线进行定位。其中，由于在图像中识别车道线时，当车道线标志不够清晰或不连续时，车道线的定位将不够准确。根据步骤s230中获取的二维偏移参数将具有较高的准确度，以用于准确定位车道线的位置。
根据本申请的车道线定位方法，通过图像识别得到车道线中的多个点，并对多个点建立的多个坐标转换方程进行参数估计，以获得需要的二维偏移参数。本申请的车道线定位方法在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。
图4是根据一示例性实施例示出的一种车道线定位方法的流程图。参照图4，车道线定位方法可包括：
步骤s410，根据相机参数与所述动态偏移角度信息确定外参数据。其中，外参数据中可包括旋转矩阵与平移矩阵。旋转矩阵是一个3×3的正交矩阵，描述了如何将三维坐标系旋转至与图像坐标系平行；平移矩阵是是一个3×1的矩阵，描述了如何将三维坐标系原点平移至与图像坐标系原点重合。
步骤s420，根据相机参数确定内参数据。内参数据包含有五个参数：1/dx、1/dy、u0、v0以及相机焦距f。dx和dy表示x方向和y方向的一个像素分别占多少长度单位，即一个像素代表的实际物理值的大小，其是实现图像物理坐标系与像素坐标系转换的关键。u0，v0表示图像的中心像素坐标和图像原点像素坐标之间相差的横向和纵向像素数。
步骤s430，根据所述外参数据、所述内参数据以及三维投影关系确定坐标转换方程。其中，坐标转换方程描述了如何将三维坐标转换为图像中的二维像素坐标。坐标转换方程例如表示为：
其中，(xg，yg，zg)与(u，v)分别是三维坐标与像素坐标中的坐标，
图5是根据一示例性实施例示出的一种车道线定位方法的流程图。参照图5，车道线定位方法可包括：
步骤s510，通过装载在车辆上的单目相机拍摄图像。其中，单目相机只可得到平面信息，无法获取深度信息。在本示例实施例中，仅使用单目相机获取图像信息，并可获取车辆的二维偏移参数，以对车道线进行定位。应该理解，本发明对相机的具体形式并不作特殊限定，还可使用双目相机。
步骤s520，对所述图像进行识别获取车道线的多个点。其中，当车道线不清晰，在车道线检测算法无法检测得到连续的曲线或直线时，仍可通过本步骤识别得到车道线的多个点。
步骤s530，获取所述多个点的像素坐标，以获取多个二维点信息。其中，二维点信息可包含对应点的像素坐标。
图6是根据另一示例性实施例示出的一种车道线定位方法的流程图。参照图6，车道线定位方法可包括：
步骤s610，获取已知参数。参见图3，已知参数包括：车辆静止时相机中心与地面的高度h，车辆静止时相机光轴与道路平面夹角θ0，滚转角ψ0，相机与车身方向的偏角
步骤s620，通过惯性测量单元获取动态偏移角度信息。动态偏移角度信息包括车辆加减速过程中的俯仰角δθ,滚转角δψ。
在本示例性实施例中，待求解的为二维偏移参数，其包括：车辆自身相对于车道线方向的夹角
其中，xl1,xl2,xr1,xr2为引入的四个未知参数，dl,dr以及
步骤s630，确定坐标转换方程。其中，可首先确定外参数据。外参数据包括旋转矩阵以及平移矩阵。旋转矩阵的构建过程如下：
(1)绕z轴旋转角度
(2)绕y轴旋转θ＝θ0+δθ为俯仰角，旋转矩阵为：
(3)绕x轴旋转φ＝ψ0+δψ为滚转角，旋转矩阵为：
(4)根据姿态变化顺序：航向、俯仰以及滚转确定旋转矩阵
参照图3、图7，根据og与oc的位置关系可确定平移矩阵
根据已知参数以及外参数据，可搭建坐标转换方程：
其中，(xg，yg，zg)与(u，v)分别是三维坐标与像素坐标中的坐标。
步骤s640，对图像识别得到多个二维点信息，并根据多个二维点信息获取多个坐标转换方程。其中，多个二维点信息中包含多个点的像素坐标，为已知量。未知量为多个点的三维坐标以及旋转矩阵中的航向角。
步骤s650，根据多个点的坐标转换方程获取多个第二方程。其中，每一点的坐标转换方程可分别形成两个第二方程。第二方程形如u＝f1(xg，yg，zg)以及v＝f2(xg，yg，zg)。
步骤s660，对多个第二方程构建最小二乘估计，获取dl、dr以及
根据本申请的车道线定位方法，通过图像识别得到车道线中的多个点，并对多个点建立的多个坐标转换方程进行优化估计，以获得需要的偏移参数。本申请的车道线定位方法在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。综上，本申请的车道线定位方法基于传统的单目相机车道线检测算法，在车道线标志不清晰的不良路况下，能仅利用断续的车道线检测结果和离散的车道线边缘点，融合车载惯性检测单元(imu)数据信息，根据相机投影模型，以非线性优化的方法估计车身相对于车道线的夹角以及车身在车道中的横向偏移。
图8是根据一示例性实施例示出的一种车道线定位装置的框图。参照图8，车道线定位装置可以包括：图像模块810、坐标模块820、估计模块830以及定位模块840。
在车道线定位装置中，图像模块810用于通过图像获取车道线的多个二维点信息。根据示例实施例，图像模块810可用于通过装载在车辆上的单目相机拍摄图像；对所述图像进行识别获取车道线的多个点；以及获取所述多个点的像素坐标，以获取多个二维点信息。
坐标模块820用于根据三维投影关系与相机参数确定坐标转换方程。根据示例实施例，坐标模块820可用于根据相机参数与所述动态偏移角度信息确定外参数据；根据相机参数确定内参数据；以及根据所述外参数据、所述内参数据以及三维投影关系确定坐标转换方程。
根据示例实施例，坐标模块820还可用于根据相机参数与所述动态偏移角度信息确定姿态角信息，所述姿态角信息包括偏航角、俯仰角以及滚转角；以及根据所述姿态角信息确定外参数据。
估计模块830用于基于多个二维点信息，对所述坐标转换方程进行参数估计，以获取车辆的二维偏移参数。所述二维偏移参数包括偏移角度与横向偏移。根据示例实施例，估计模块830可用于通过最小二乘估计方法对所多个述坐标转换方程进行参数估计。
定位模块840用于根据所述二维偏移参数进行所述车道线的定位。根据示例实施例，定位模块840用于根据所述二维偏移参数确定所述车辆与所述车道线的相对位置，以对所述车道线进行定位。其中，由于在图像中识别车道线时，当车道线标志不够清晰或不连续时，车道线的定位将不够准确。根据估计模块830中获取的二维偏移参数将具有较高的准确度，以用于准确定位车道线的位置。
根据本申请的车道线定位装置，通过图像识别得到车道线中的多个点，并对多个点建立的多个坐标转换方程进行参数估计，以获得需要的二维偏移参数。本申请的车道线定位装置在车道线检测不准确时仍能获得高精度的车身相对于车道线的夹角以及车身在车道中的横向偏移，以准确定位车道线。
图9是根据一示例性实施例示出的一种用于商品推荐的电子设备的框图。
下面参照图9来描述根据本申请的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括中央处理单元(cpu)901，其可以根据存储在只读存储器(rom)902中的程序或者从储存部分908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。例如，中央处理单元901可以执行如图2、图4、图5、图6中的一个或多个所示的步骤。
在ram903中，还存储有系统操作所需的各种程序和数据，例如外参数据、内参数据、动态偏移角度信息等。cpu901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
以下部件连接至i/o接口905：包括触摸屏、键盘等的输入部分906；包括诸如液晶显示器(lcd)等以及扬声器等的输出部分907；包括闪存等的储存部分908；以及包括诸如无线网卡、高速网卡等的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如半导体存储器、磁盘等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入储存部分908。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，本发明实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中，包括若干指令用以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者智能设备等)执行根据本发明实施例的方法，例如图2、图4、图5、图6中的一个或多个所示的步骤。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不限于这里已经示出的详细结构、附图方式或实现方法，相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。
- 还没有人留言评论。精彩留言会获得点赞！