人体运动捕捉及运动控制的研究_黄波士.pdf

1、人体运动捕捉及运动控制的研究黄波士陈福民（同济大学计算机科学与工程系，上海 !"""C!）=N50-1：G270.,-0.O&PD$:+5摘 要 在论述了几种方式的人体运动捕捉的基础上，介绍了光学运动捕捉的关键技术，包括摄像机标定、标记点跟踪 和三维重建技术。无标记点的运动捕捉是新兴的技术，它将捕获的图像进行分割并分析，然后用多种约束算法进行三维 重建。基于运动捕捉的人体运动控制相关文献很少，文中列举了现有各种应用运动捕捉数据的方式，包括基于关键帧、运 动学和物理模型等的应用。论文对运动捕捉及运动控制技术进行了总结，可为此领域的研究提供有用的信息。关键词

2、人体运动捕捉 骨架模型 约束算法 运动控制文章编号 &""!NBDD&N（!""#）"%N""P"N"M 文献标识码 / 中图分类号 QRDC&$C!"#"$%& () *+,$) -(./ 0(12() 3$41+%" $). 0(12() 3()1%(5*+$)6 -(#2 3") 7+,2)（I9J06,59., +S (+5J7,96 4:-9.:9 0.> =.A-.996-.A，Q+.AT- U.-8963-,2，4

3、G0.AG0- !"""C!）89#1%$&1： V. ,G9 03-3 +S >-3:733-+. +S G750. +>2 5+,-+.:0J,769，,G9 W92 ,9:G.-X793+S +J,-:015+,-+.:0J,769 069-.,6+>7:9>，-.:17>-.A :05960 :01-60,-+.，506W96,60:W-.A 0.>DI 69:+.3,67:,-+.$*06W9619335+,-+.:0J,769-3 0 .+891,9:G.-X79$), 39A59.,3 0.> 0.0

4、12Y93 ,G9 :0J,769>-50A93 0.> 7393 3989601 :+.3,60-., 01A+6-,G53 ,+ 69:+.3,67:,$QG969 069S9? >+:759.,3 +. 5+,-+. :0J,769 039> +. G750. +>2 5+,-+. :+.,6+1$/ 806-9,2 +S 0JJ1-:0,-+.3 +S 5+,-+. :0J,769 >0,0069 >-3J1029>，-.:17>-.A 0JJ1-:0,-+.3 039> +. W92S6059，>2.05-:3，JG2

5、3-:3 5+>91 0.> 3+ +.$Q9:G.-X793 0+7, 5+,-+.:0J,769 0.> 5+,-+. :+.,6+1 069 37559>，3+ ,G-3 J0J96 502 J6+8->9 9.9S-:-01 -.S+650,-+. S+6 ,G-3 S-91>$:"/;(%.#：G750. +>2 5+,-+. :0J,769，3W919,+.5+>91，:+.3,60-., 01A+6-,G5，5+,-+. :+.,6+1& 引言运动捕捉技术对于人们来说已经不再是陌生的了，一般来 讲，现有的运动捕捉文

6、献可以分为三种：脸部捕捉、躯体捕捉和 手势捕捉。论文只对躯体运动捕捉（即人体运动捕捉）进 行探 讨，以下简称运动捕捉。运动捕捉技术应用范围极为广泛，可以 应用在人机接口（()）、运 动分析（*+,-+. /.0123-3）、智 能监控 （4506, 47689-110.:9）、虚拟现实（;-6,701 <901-,2）、远程教育、军 事训练、游戏和电影制作等方面。人体运动捕捉是由 =0>?906> *726->A9 在 &BB% 年的著 名实验中首次遇到的。由于他在早期的动画电影中的工作，*726->A9 被看成是运动图片之父。在 &C%D 年，心

7、理学家 E+F G0.33+. 做了著名的 *+8-.A H-AG, I-3J102（*HI）实 验 ，来 检测 生物运动的可视化感知K&L。E+G0.33+. 将小的具有反射性的标记 点固定在人体的关节点上，并记下人体的运动。在展示了标记 点的轨迹后，他让表演者辨别已知的运动。这些初步的探讨性 实验开始了运动捕捉的研究。*9.0:G9 给运动捕捉作了如下定 义： 一个通过在时域上跟踪一些关键点的运动来记录生物运 动，然后将其转换成可用的数学表达并合成一个单独的 DI 运动的过程K!L。近年来，有大量的关于运动捕捉的文章发表，说明 了对运动捕捉的研究一直在深入。! 运动捕捉分类人 体运

8、动捕捉可以分为：电 磁式运动捕捉、机电式运动捕捉和光学运动捕捉。电磁式运动捕捉系统是用在从军用飞机所配备的具有显 示信息功能的头盔的技术中派生研发的。典型的电磁式系统包括 & 个发射器、&D 到 &C 个感应器、& 个电子控制部件和软件。发 射器会产生一个低频的电磁场，它 会被接受器所感应，然 后 把信号输入中央电脑，在那里软件会计算每一个标记点的笛卡 尔坐标位置和方向。这些数据会被传送到另外一个运算器，然 后通常把每一个标记点的整体方向和位置转换成一个层级链，只用一个位置和几个方向值，这样就可以接口到动画软件中了KDL。 机电式运动捕捉系统是使用一个运动捕获套

9、身装置，它是由 一些放置在人体主要关节处的电位计或者类似量角仪的仪器构成的一套设备，它由人体的运动来驱动KML。电位计上电阻元 件移动滑块会有不同的电压读数，可以看到总电阻的多少百分 比匹配了电压，用在机电式运动捕获装置上的电位计和电枢非 常复杂。光 学运动捕获是较为精确的一种，但从光学运动捕获系统 捕捉的数据，要经过大量的后期处理才能够使用。在人体关节 点上的标记点是一种涂有特殊反光材料的球状体，利用多个摄 像机从不同角度拍摄，然后利用软件分析图像上标记点的图像坐 标，利 用计算机视觉原理进行三维重建，得 出标记点的运动 数据。光 学运动捕捉系统以其快速、安全、准确、方便等优点，被 广大的科

10、研工作者所采用。基金项目：上海市科技型中小型技术创新基金（种子基金）项目（编号："D#&&D!#）作者简介：黄波士（&C%BN），男，博士研究生，主要研究方向：网络多媒体技术和虚拟现实技术。陈福民（&CM#N），男，博士生导师，主要研究方向：网 络多媒体技术，虚拟现实技术及视频压缩技术。P"!""#$% 计算机工程与应用传统的光学运动捕捉系统中有三个关键的技术，即摄像机 标定（&()* &+,-*.,/0）、标 记点跟踪（(*1)* .*21,03）和 三 维重建（45 6)2/07.*82.,/0）。4

11、传统光学运动捕捉4$9 骨架建立为了描述人体的运动，需要给人体建立一个骨架模型，如 图 9 所示，共 9% 个关节点，包 括 4: 个关节自由度和 ; 个根自 由度<#=。可以把人体的运动看成这些关节点的运动，运动捕捉时 只要捕捉这些关节点的运动，就可以确定骨架的运动。然后对 骨架进行蒙皮，就可以得到形象逼真的虚拟人了。图 9 人体骨架及关节自由度从 骨架模型可以看出不是每一个标记点的旋转运动自由 度都相同，根据标记点的旋转运动自由度可以划分为 > 类：（9）固定的（?,)A），即不可以旋转的标记点，可以用来测量 整个骨架模型在空间的位移，如臀部；（!）铰链状的（B,03)），此标

12、记点连接了两个部位 ，有一个 旋转自由度，如肘部标记点；（4）球状的（-+），此标记点有三个旋转自由度 ，如肩关节 标记点；（>）一般的（80,C)*7+），此标记点有两个旋转自由度 ，如踝 关节标记点。这样的分类有利于在运动捕捉时减少算法的时间复杂度 和提高跟踪的准确性。在具体的操作过程中，标记点过多会增 加计算量，而标记点过少又会使动作没有办法被准确的还原，致 使动作畸形， 因此要根据所要完成的任务来确定标记点的个 数。4$! 摄像机标定摄像机标定主要可以分为两大类：摄 影测量标定（DB/./ 3*().*,2 2+,-*.,/0）以及摄像机自标定（7)+?E2+,-*.,/0）。摄

13、 影测量标定是通过观察一个在 45 空间中已知精确几何位置 的标定体来完成的。FB03<=提出了一种新的灵活的摄像机标定 算法，通 过拍摄同一个物体的不同角度，即 可获得摄像机的内 部矩阵和外部矩阵。罗<%=则采用图形非线性畸变的不共面非线 性摄像机模型。这类标定可以做得非常高效，标定体一般由 !到 4 个彼此垂直的平面组成。摄像机自标定技术在实际的应用过程中非常的方便，通常 仅需要给定摄像机位移前后的图像信息，这样就可以利用场景 的刚性得到摄像机内部参数的两个约束条件。因此，如果使用 一个摄像机在不同位置下拍摄同一个场景的几幅图像，而且在 此过程中摄像机的内部参数保持不变，那么利

14、用这几幅图像之 间的对应关系就可以重建 45 空间结构了。G,7 5*/0<:=提出了一种最小平方算法，通过计算运动序列进行自标定的方法。G,<H=的方法是用活动的物体来决定摄像机的内部参数。他们利用了 场景中的平面信息，当 场景中物体进行正交平面运动时，摄 像 机就得到一个特定值，然后通过这些特定值计算其内部参数。4$4 标记点跟踪根据计算机视觉原理，只有得到同一个标记点同一时间在 不同方向上的两幅图片上的坐标， 才能将其空间三维坐标还 原。标记点跟踪是为了使多个标记点在运动以后能一一对应。 罗<%=是在每一个关节点处附上不同的色块作为标记点，然 后以6IJ 和灰度值作为匹

15、配特征对色块进行匹配和跟踪。在该系 统中，每一个标记点都是相同的材料在相同的光源照射下反射 得到的，所以跟踪的难度较大。这里引入卡尔曼滤波方法，对标 记点的运动轨迹进行建模和跟踪，然后利用 : 连通搜索法就可 以收索到对应的标记点。K)*A<9"=标记点同样也是利用帧与帧 之间的关系，对相邻的四帧图形进行分析和跟踪。跟踪一个标 记点从第一帧开始，一直到这个动作完成或中断。在当前帧中， 要为下一帧定义一个搜索区域，而这个搜索区域的大小与运动 的速度和每秒钟所取的帧数有关。4$> 三维重建和数据输出根据计算机视觉原理，利用同一个标记点在同一时刻的两 幅图像，就可以得到标记点的

16、世界坐标，即双目成像，称之为三 维重建，整个变换过程如图 ! 所示。有时也要用到多个摄像机 得到的图像来进行重建，需要用到三目成像或者多目成像。图 ! 运动捕捉系统三维重建坐标变换过程重 建后的数据，为 了便于接口程序的读取，需 要遵循一定 的格式。数据捕获数据文件有 KL6、JMK 等格式，无论哪种格式 ，都是采用层次化的运动描述方法记录下人体运动数据。KL6 格 式 数 据 文 件 包 括 K)A)*，N)3()0.O()7PK,)*2BQ， J7)R/7,.,/0 以及各骨骼段的运动数据段。K)A)* 文件说明了 文件类型、骨骼段数、记录帧数、数据等。N)3()0.O()7PK,)*S

17、*2BQ 说明各骨骼段的名字和它们之间的父子层次结构，下面 的各骨骼结点记录的运动数据都相对于各自父结点的局部坐 标系下的平动和旋转角度等数据。J7)R/7,.,/0 段记录了各骨 骼段的初始坐标位置。运动数据段记录了各骨骼段在各帧中的 平移和旋转位置数据。> 无标记点光学运动捕捉由于传统的运动捕捉需要特殊的反光材料、特殊光源以及 其它配套设施，实际操作起来较为麻烦。因此科研工作者在寻 找一种更为简单和方便的方法，新兴的光学运动捕捉即无标记 点（T*1)*+)77）的运动捕捉成为现在研究的热点。无标记点运 动捕捉需要分析和表达人体的运动。整个捕捉的过程可以分为 图像分割、图像跟踪、姿势估

18、计和姿势识别等。图像分割和跟踪的目的就是正确地从序列帧中识别目标。 问题是，所跟踪的在场景中的人体不是理想的有连接关节的刚 体运动，目标的外形随着时间发生变化。也有可能目标部分地 或者全部被遮蔽或自遮蔽， 这就意味着跟踪任务是非常困难 的。一般从三个方面来达到这个目的：（9）最基本的阶段是从背景中分割出人体；计算机工程与应用 !""#$% ;9（!）通过更易于操作的算法降低数据的复杂度； （&）最后配置一些帧间的运动模型 ，一般的假设是帧间的运动很小，因此要用一些算法来完成，例如卡尔曼滤波算法，来 预测特征的新位置()。最简单的图像分割方法叫图像差别法（*+,-.

19、/*00.1.23*2-）或者背景减影法（4,35-1672/ 87491,39*62）。两个连续图像 !"#( 和!"，当 摄像机拍摄角度没有很大变化时 ，图 像 !"#( 和 !" 之差就包 括这两帧之间的差别了。既然背景是固定的，帧与帧之间的差 别就是目标的移动了，有时会存在高斯白噪声。另一种方法是 根据目标的外形进行探测，假设人与背景之间的景色是有很大 差别的，可以设置一个门限值通过二值化过程将目标与背景分 离开。图像跟踪和姿势估计的目的是基于一些模型来描述人体 姿势。&: 关节运动的方法是用参数化的人体模型，这样有个优 点就是每个状态代

20、表一个物理的有效姿势，从而可以利用已有 的 &: 先验信息。以上各种方法只能得到人体的 !: 图像，下 面就要利用这 些图像坐标来进行三维重建了，如图 & 是利用人体轮廓进行三 维重建。:,;*/(!)提出了一种从未标定的（723,<*41,9./）多面视角 中进行动态骨架结构的三维重建算法。这种重建方法开发了一 种动态骨架连接结构的约束，特别是旋转关节随着时间的长度 守恒。这些约束使得重建需要至少两个不同的从未标定的平行 投影摄像机上获得的图像。图 & 图像分割及姿势识别:,;*/ =$(&)提出了一种基于 !: 多约束测量的迭代算法来 计算 &

21、: 运动的算法。包括基于 &: 动力模型的动力学约束、关 节角限制、运动平滑、&: 关键帧等。>?6+,8()用基于模型的综 合分析方法，考 虑多种因素，用 目标的 &: 显著点位置和轮廓 减小搜索空间，实现人体的运动捕捉。# 虚拟人运动控制虚 拟人的运动控制包括关键帧法、动力学方法、正逆运动学 方法和运动捕捉方法等。由于是把人体看成多个刚体的连接 ，而关节处看成是由自由度限制的球体 ，为了对虚拟人进行 有效的控制，需要对虚拟人所在的空间建立至少两个坐标系， 即固定不动的全局坐标系和原点变化的每个关节上的局部坐 标系。文献(#)和文献(A)参阅和分析了大量有关的资

22、料，探讨 了虚拟人的控制，对现有的各种实现虚拟人运动控制的方法进 行了总结，并对各种方法的优缺点进行了分析。在这里只探讨基 于运动捕捉的虚拟人控制，国 内外这方面的文献较少，大 致 可以分为以下几类。#$( 运动捕捉数据直接驱动运动捕捉数据直接驱动就是将运动捕捉数据的空间坐标A!""#$% 计算机工程与应用或者关节角赋给虚拟人模型，让模型根据原始数据运动。但是 由于运动捕捉错误数据的存在，再加上表演者和模型的骨干匹 配问题等，这 种方法往往会产生很大的误差，致 使人体运动 变形。#$! 与关键帧综合B,9?.1*2.(%)提出了利用纹理（>.C971*2-）和 综合（

23、DE29?.8*8）的方法，让 动画师先设置少数的关键帧，根 据运动捕捉数据来 帮助制作动画。这样做的原因是由于在人和动物的运动中，关 节之间有很多关联。这种关联在重复动作中，例如行走，更为明 显。例如，右脚向前走，左胳膊向前摆动；当臀部角有一个值时， 膝盖关节角就很可能有着一个角。根据这些关节角之间的关 系，可以用运动捕捉数据来提高关键帧技术的效率。使用这种方法时，为了消除段与段之间动作的不平滑，要 在两段之间进行二次拟合，为 了提高拟合的精度，需 要考虑这 两个点之外的 $ 个点，一般 $ 从 # 到 !" 是比较有效的。对于 拟 合 的 结 果 用 二 次 正 弦 函 数 和

24、原 始 连 接 数 据 进 行 混 合（F<.2/）。定义混合参数 %G（368!" & !$H(）!，这里 $ 是要连接的最短段长度的一半，" 是时间，在连接点处为 "。如果定义 为从拟合中得到的二次函数，( 为匹配后的数据，那么经过平滑 后的数据为：（)"）*%（"）（"）+（(#%（"）(（"）。#$& 动力学匹配动力学匹配是用有人性特点的动力仿真和跟踪控制器来 跟随运动数据，因为在被捕捉的演员和虚拟人之间有很多的动 力学匹配。I*3961(J)提出一种用动力学仿真来改变人体上半身 运动

25、数据的方法。人的运动数据被转成连接的角度且被用来作 为轨迹控制器的期望值。控制器计算转动力矩，是基于系统状 态和期望得到的连接角度的误差。得到的转动力矩应用于动力学模型，同时通过运动方程，就可以计算新的系统状态。动力仿真系统是用一个正比例K差分伺服系统来计算每一个关节的低水平控制转距："*,（#）#,5），其中#（#-.)/0.-12"314-12"3145是实际的角速#12"314 和 #-.)/0.- 对应实际的和想要的关节角，#12"314度，, 和 ,- 是常数增益和阻尼系数。#$ 结合物理模型基于物理模型的好处是能计算出物理的碰撞等数

26、据，虚拟 人可以根据环境约束和任务约束自己调节运动。L6M6;*3(N)利用 低分辨（<6O 1.86<79*62）物 理模型来限制搜索空间和进行轨迹 优化，从而改变运动捕捉中跑和跳的数据。I*3961!")运用一个运动捕捉数据跟踪器，建立了物理仿真模型，并运用动力学计算， 解决了虚拟人的打击（?*9）和反击（1.,39）问题，如图 所示。这 种方法需要用末端效应器的速度对运动捕捉数据进行调整。在 执行角色运动的前一步，记录下末端效应器在碰撞时的速度， 然后根据想要速度的值和先前记录的速度来调整。末端效应器7的速度和根部的关系：6（"）*!0 89（"

27、），这里 0 是描述肢体的0/ * "向量，9（"）是角速度，7 是关节的个数。这样，每一个 9（"）就产/生一个对应的 60。基于物理模型的技术考虑了物体在真实世界中的属性，如 它具有质量、转动惯性、摩擦力、弹性等，并 结合动力学原理来 约束运动捕捉的数据。当场景中的物体受到外力作用时，可以 用牛顿力学中的标准动力学方程自动生成物体在各个时间点 的位置、方向及其形状。此时，不必关心物体运动过程的细节，图 , 虚拟人打击和回击图只需确定物体运动所需的一些物理属性及一些约束关系，如质 量、外力等。基于物理模型的技术可生成非常自然、逼真的动 画，但由于求解物理模型采用

28、数值计算，因而计算量较大。 结论与展望论文总结了国内外的相关文献，全面论述了人体运动捕捉 和运动控制技术，包 括此技术的起因、发展和新兴的发展方向 等等。国外的 U39/8 公司的系统最多已经可以支持在人体上绑 定 ,# 个标记点并用 !, 个摄像机捕捉。 1O4121 的 C/63/8_ TA304=2 也可以将运动捕捉数据和模型进行绑定 ， 从而驱动虚 拟人。国内也有越来越多的公司和研究机构加入此领域的研 究。笔者开发了有自主知识产权的运动捕捉系统，可以用两个 摄像机进行捕捉，下 一步就是要增加摄像机的个数，以 提高捕 捉的精度。运动捕捉技术在现代高级三维仿真游戏数码电影特 技的制作、虚拟

29、会议及体育训练等方面发挥着越来越大的作 用，它 可以增加游戏者的参与感和沉浸感；可 以使电影中的动 画更加人性化；在体育训练中，可以进行模拟训练。相信随着技 术本身的发展和相关应用领域技术水平的提高，运动捕捉及相 关领域将会得到越来越广泛的应用。（收稿日期：!"", 年 V 月）参考文献($*/Q1877/8 $U37A10 .=29=<63/8 /? T3/0/N3910 C/63/8 184 1 C/4=0 ?/2 L67 I810O737)*+$.=29=<63/8 .7O9Q/<QO7397，(V%&；(,（!）：!"(-!( !

30、$C=819Q= I$584=27618438N C/63/8 :1<6A2= ?/2 :/;<A6=2 I83;163/8 184 U34=/ 1;=7)C+$C/2N18 1A?;188，(VVVM("&$U326A10 D=67$D3039/8 D6A43/ F=16A2=7$(VV#M(!,$JO=2 D，C12638 *，A01A? *$C/63/8 :1<6A2= aQ36= .1<=2)>+$B=9Q83910 >=</26$D3039/8 21<Q397，(VV#M(!#$T/RRO T/4=8Q=3;=2 :Q

31、A9P >/7=$BQ= .2/9=77 /? C/63/8 :1<6A2= ： J=1038N b36Q 6Q= J161):+ $ L8 ：WA2/N21<Q397 :IDV% ，WA2/N21<Q397 ， D<238N=2MU=201N，(VV%M"V：&-(c$Q=8NO/A Q18N$I F0=K3R0= =b B=9Q83dA= ?/2 :1;=21 :103R2163/8)*+$ LWWW B21871963/87 /8 .166=28 I810O737 184 C19Q38= L86=003N=89= ， !"&quo

32、t;"；!（(）：(&&"-(&&, %$罗忠祥，庄越挺，潘云鹤等$基于视频的运动捕捉)*+$中国图像图形学报，!""!；（c）c$E371 J2/8$JO81;39 :1;=21 D=0?M:103R2163/8 ?2/; :/862/00=4 C/63/8D=dA=89=7):+$L8：.2/9 LWWW :/8? Z8 :/;<A6=2 U373/8 184 .166=28>=9/N8363/8，(VV&：#"(-#"V$A1 E3 ，A13?=8N Q18N ，FA9Q1/

33、aA =6 10$I =b E38=12 :1;=21 D=0?M:103R2163/8 B=9Q83dA=):+$L8：BQ= #6Q I7318 :/8?=2=89= /8 :/;M <A6=2 U373/8，C=0R/A28=，IA7621031，!""!M"(：!&-!#("$=241 E，FA1 <，.01=8P=27 > =6 10$5738N DP=0=6/8MT17=4 B219P38N 6/ L892=17= 6Q= >=031R3036O /? Z<63910 C/63/8 :1<6A2=)

34、*+$A;18 C/S=M ;=86 D93=89= */A2810，!""(；!"（&）：&(&-&,($1P1431237 L I J$C=61K17 &4 A;18 T/4O C/4=0 I9dA37363/8 ?2/; CA063<0= U3=b7):+$L8：.2/9=438N7 /? 6Q= F3?6Q L86=28163/810 :/8?=2=89= /8 :/;<A6=2 U373/8，T/76/8，CI，(VV#(!$JIULJ ELWTZaLB，DBWFI :I>EDDZ$589103R

35、216=4 C/63/8 :1<M 6A2= WK<0/3638N I2639A016=4 D62A96A2= :/876213867)*+$L86=28163/810 */A2M 810 /? :/;<A6=2 U373/8，!""&；#(（&）：(%(-(c%(&$J1S34 W J3F2189/，B16M*=8 :Q1;，*1;=7 C >=QN$>=9/8762A963/8 /? &MJ F3NA2= C/63/8 ?2/; !MJ :/22=7</84=89=7):+$L8：I<<=1

36、27 38 :/;M <A6=2 U373/8 184 .166=28 >=9/N8363/8（ :U.> "( ），1A13 ，1b133 ， !""(M(,$BQ/;17 T C/=70A84，W23P 218A;$CA063<0= :A=7 A7=4 38 C/4=0M T17=4 A;18 C/63/8 :1<6A2=):+$L8：.2/9 F""，2=8/R0=，F2189=， !"""M"&(#$徐孟 ，孙 守迁 ，潘 云鹤$虚拟人运动控制技术的研究)*+

37、$系统仿真学 报，(#（&）($贺怀清，唐好选$虚拟人的运动控制研究概述)*+$中国民航学院学报，!(（增刊）(%$16Q=238= .A00=8 ，:Q2376/<Q T2=N0=2$C/63/8 :1<6A2= I77376=4 I83M ;163/8：B=K6A238N 184 DO86Q=737):+$L8：.2/9=438N7 /? I:C DL>I. "!，!""!(c$U396/2 T /2418，*=77391 /4N387$B219P38N 184 C/43?O38N 5<<=2M R/4O A;18 C/63/8 J161 b36Q JO81;39 D3;A0163/8):+$L8：:/;<A6=2 I83;163/8 184 D3;A0163/8 VV ，WA2/N21<Q397 I83;163/8 a/2P7Q/< ， D<238N=