• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 9
    • 下载费用:30 金币  

    c重庆时时彩开奖记录: 低空目标的多步邻域灰度差指标图像检测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201410217432.8

    申请日:

    2014.05.16

    公开号:

    CN103971373A

    公开日:

    2014.08.06

    当前法律状态:

    终止

    有效性:

    无权

    法律详情: 未缴年费专利权终止IPC(主分类):G06T 7/00申请日:20140516授权公告日:20161130终止日期:20170516|||授权|||实质审查的生效IPC(主分类):G06T 7/00申请日:20140516|||公开
    IPC分类号: G06T7/00 主分类号: G06T7/00
    申请人: 西安建筑科技大学
    发明人: 张宇
    地址: 710055 陕西省西安市碑林区雁塔路中段13号
    优先权:
    专利代理机构: 代理人:
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201410217432.8

    授权公告号:

    |||||||||

    法律状态公告日:

    2018.06.08|||2016.11.30|||2014.09.03|||2014.08.06

    法律状态类型:

    专利权的终止|||授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种低空目标的多步邻域灰度差指标图像检测方法,用于解决现有低空目标图像检测技术在检测低空目标时容易受到地面背景干扰的缺陷,属于载运工具安全与检测技术领域。技术方案是根据图像的行间灰度差指标水平投影特性分割天空和背景区域,在去除地面背景后,在天空区域图像中根据混合灰度差指标的水平和垂直投影特性检测目标,得到目标在图像中的位置坐标。本发明可以解决低空目标检测受到地形地物干扰的难题。

    权利要求书

    1.低空目标的多步邻域灰度差指标图像检测方法,其特征包括以下步骤:
    步骤一、分割地面背景和天空区域
    (a)将彩色图像转换为灰度图像,并对灰度图像进行滤波平滑,以去除噪点的干扰,灰
    度化和滤波后的图像为I,
    (b)对I计算每行的行间邻域灰度差指标水平投影,令(i,j)为像素点的坐标,代表像素
    点位于图像的第i行,第j列,I(i,j)为图像I中像素点(i,j)的灰度值,则一副大小为M×N
    的图像(M为图像行数,N为图像列数),其第i行的行间邻域灰度差指标水平投影Sx(i)为:
    S x ( i ) = 1 N exp { Σ j = 1 N [ I ( i + 1 , j ) - I ( i , j ) I ( i + 1 , j ) + I ( i , j ) ] 2 } , i = 1,2 , L , M - 1 S x ( i ) = 0 , i = M - - - ( 1 ) ]]>
    (c)求行坐标iL,使得在iL行,满足
    Sx(iL)=max{Sx(i),(i=1,2,L,M)} (2)
    考虑到地面物体的起伏,在图像中iL行上部留取一定余量,沿水平方向画一条直线,为地面
    和天空区域的水平分界线,将图像分成直线下方的地面背景区域和直线上方的天空区域图像
    I1两部分,
    步骤二、提取图像坐标系中目标的第一组候选位置坐标
    (a)对天空区域图像I1,计算每行的混合邻域灰度差指标水平投影,图像中像素点(i,j)的
    灰度值为I1(i,j),对一副大小为M×N的图像,其第i行的混合邻域灰度差指标水平投影
    Ux(i),(i=1,2,L,M)为:
    U x ( i ) = 1 N exp { Σ j = 1 N [ I 1 ( i + 1 , j ) - I 1 ( i , j ) I 1 ( i + 1 , j ) + I 1 ( i , j ) ] 2 + Σ j = 1 N - 1 [ I 1 ( i , j + 1 ) - I 1 ( i , j ) I 1 ( i , j + 1 ) + I 1 ( i , j ) ] 2 } , i = 1,2 , L , M - 1 U x ( i ) = 0 , i = M - - - ( 3 ) ]]>
    求行坐标i0,使得在i0行,满足
    Ux(i0)=max{Ux(i),(i=1,2,L,M)} (4)
    则i0为目标在图像坐标系的水平位置坐标,设定阈值T1等于Ux(i)的中值,求取i0的邻域半径
    Δi0,使得在区间[i0-Δi0,i0+Δi0]内,满足Ux(i)>T1,则[i0-Δi0,i0+Δi0]为目标所在的水平
    区域,在图像中的第i0-Δi0行和第i0+Δi0行沿水平方向画两条直线,截取两条直线内的水
    平带状图像I2,作为潜在目标区域,i0为目标在图像坐标中的候选水平位置坐标,
    (b)对截取的水平带状图像I2,计算每列的混合邻域灰度差指标垂直投影,图像中像素
    点(i,j)的灰度值为I2(i,j),对一副大小为M×N的图像,其第j列的混合邻域灰度差指标垂
    直投影Uy(j),(j=1,2,L,N)为:
    U y ( j ) = 1 M exp { Σ i = 1 M [ I 2 ( i , j + 1 ) - I 2 ( i , j ) I 2 ( i , j + 1 ) + I 2 ( i , j ) ] 2 + Σ i = 1 M - 1 [ I 2 ( i + 1 , j ) - I 2 ( i , j ) I 2 ( i + 1 , j ) + I 2 ( i , j ) ] 2 } , j = 1,2 , L , N - 1 U y ( j ) = 0 , j = N - - - ( 5 ) ]]>
    求列坐标j0,使得在j0列,满足
    Uy(j0)=max{Uy(j),(j=1,2,L,N)} (6)
    则j0为目标在图像坐标系中的垂直位置坐标,得到目标的第一组候选位置坐标(i0,j0),
    步骤三、提取图像坐标系中目标的第二组候选位置坐标
    (a)与步骤二的做法顺序相反,首先根据(5)式计算天空部分图像I1每列的混合邻域灰
    度差指标垂直投影Uy(j),(j=1,2,L,N),并由(6)式求使Uy(j)最大的列坐标j1,随后设
    定阈值T2等于Uy(j)的中值,求取j1的邻域半径Δj1,使得在区间[j1-Δj1,j1+Δj1]内,满足
    Uy(j)>T2,则[j1-Δj1,j1+Δj1]为目标所在垂直区域,在图像中的第j1-Δj1列和第j1+Δj1
    列沿垂直方向画两条直线,截取两条直线内的垂直带状图像I3,作为潜在目标区域,j1为目
    标在图像坐标系的垂直位置坐标,
    (b)对截取的垂直带状图像I3,根据(3)式计算每行的混合邻域灰度差指标水平投影
    Ux(i),(i=1,2,L,M),并由(4)式求使Ux(i)最大的点i1,则i1为目标在图像坐标系的水平
    位置坐标,得到目标的第二组候选位置坐标即为(i1,j1),
    步骤四、验证和计算目标位置坐标,检查两组候选目标位置坐标(i0,j0)和(i0,j0),若这
    两组候选位置坐标之间的差值很小,则认为候选目标位置有效,取这两组候选位置坐标的平
    均值作为目标位置坐标,否则,认为这两组候选目标位置坐标无效,将其剔除。

    说明书

    低空目标的多步邻域灰度差指标图像检测方法

    技术领域

    本发明涉及一种图像检测方法,特别是涉及一种具有复杂地面背景情况下的低空目标检
    测方法,属于载运工具安全与检测技术领域。

    背景技术

    低空飞行目标的检测,是保证低空空域飞行安全的关键技术。

    文献“基于图像行相关空中目标实时检测算法,彭超,毛征,郑利苹等,《兵工自动化》,
    2012,V0l.31(2),p40-42”公开了一种弱小目标的去除背景检测方法,该方法首先对图像做
    灰度反转,根据图像相邻行之间的相关性做去除背景的预处理,并计算图像中灰度值最大的
    像素点,得到目标的位置坐标。但是在实际应用中,低空目标背景中不仅有较为单调的天空
    背景,还会有复杂地面背景出现,而复杂地面背景相邻行之间的相关性小,上述方法无法根
    据相邻行之间的相关性做去除背景预处理,因此无法有效检测目标。

    发明内容

    为了克服现有技术在检测低空目标时容易受到地面背景干扰的缺陷,本发明提供一种低
    空目标的多步邻域灰度差指标图像检测方法,根据图像的行间邻域灰度差指标水平投影特性
    分割天空和背景区域,在去除地面背景后,在天空区域图像中根据混合邻域灰度差指标的水
    平和垂直投影特性检测目标,得到目标在图像中的位置坐标。

    本发明解决其技术问题所采用的技术方案是:低空目标的多步邻域灰度差指标图像检测
    方法,其特征包括以下步骤:

    步骤一、分割地面背景和天空区域

    (a)将彩色图像转换为灰度图像,并对灰度图像进行滤波平滑,以去除噪点的干扰,灰
    度化和滤波后的图像为I,

    (b)对I计算每行的行间邻域灰度差指标水平投影,令(i,j)为像素点的坐标,代表像素
    点位于图像的第i行,第j列,I(i,j)为图像I中像素点(i,j)的灰度值,则一副大小为M×N
    的图像(M为图像行数,N为图像列数),其第i行的行间邻域灰度差指标水平投影Sx(i)为:

    S x ( i ) = 1 N exp { Σ j = 1 N [ I ( i + 1 , j ) - I ( i , j ) I ( i + 1 , j ) + I ( i , j ) ] 2 } , i = 1,2 , L , M - 1 S x ( i ) = 0 , i = M - - - ( 1 ) ]]>

    (c)求行坐标iL,使得在iL行,满足

    Sx(iL)=max{Sx(i),(i=1,2,L,M)} (2)

    考虑到地面物体的起伏,在图像中iL行上部留取一定余量,沿水平方向画一条直线,为地面
    和天空区域的水平分界线,将图像分成直线下方的地面背景区域和直线上方的天空区域图像
    I1两部分,

    步骤二、提取图像坐标系中目标的第一组候选位置坐标

    (a)对天空区域图像I1,计算每行的混合邻域灰度差指标水平投影,图像中像素点(i,j)的
    灰度值为I1(i,j),对一副大小为M×N的图像,其第i行的混合邻域灰度差指标水平投影
    Ux(i),(i=1,2,L,M)为:

    U x ( i ) = 1 N exp { Σ j = 1 N [ I 1 ( i + 1 , j ) - I 1 ( i , j ) I 1 ( i + 1 , j ) + I 1 ( i , j ) ] 2 + Σ j = 1 N - 1 [ I 1 ( i , j + 1 ) - I 1 ( i , j ) I 1 ( i , j + 1 ) + I 1 ( i , j ) ] 2 } , i = 1,2 , L , M - 1 U x ( i ) = 0 , i = M - - - ( 3 ) ]]>

    求行坐标i0,使得在i0行,满足

    Ux(i0)=max{Ux(i),(i=1,2,L,M)} (4)

    则i0为目标在图像坐标系的水平位置坐标,设定阈值T1等于Ux(i)的中值,求取i0的邻域半径
    Δi0,使得在区间[i0-Δi0,i0+Δi0]内,满足Ux(i)>T1,则[i0-Δi0,i0+Δi0]为目标所在的水平
    区域,在图像中的第i0-Δi0行和第i0+Δi0行沿水平方向画两条直线,截取两条直线内的水
    平带状图像I2,作为潜在目标区域,i0为目标在图像坐标中的候选水平位置坐标,

    (b)对截取的水平带状图像I2,计算每列的混合邻域灰度差指标垂直投影,图像中像素
    点(i,j)的灰度值为I2(i,j),对一副大小为M×N的图像,其第j列的混合邻域灰度差指标垂
    直投影Uy(j),(j=1,2,L,N)为:

    U y ( j ) = 1 M exp { Σ i = 1 M [ I 2 ( i , j + 1 ) - I 2 ( i , j ) I 2 ( i , j + 1 ) + I 2 ( i , j ) ] 2 + Σ i = 1 M - 1 [ I 2 ( i + 1 , j ) - I 2 ( i , j ) I 2 ( i + 1 , j ) + I 2 ( i , j ) ] 2 } , j = 1,2 , L , N - 1 U y ( j ) = 0 , j = N - - - ( 5 ) ]]>

    求列坐标j0,使得在j0列,满足

    Uy(j0)=max{Uy(j),(j=1,2,L,N)} (6)

    则j0为目标在图像坐标系中的垂直位置坐标,得到目标的第一组候选位置坐标(i0,j0),

    步骤三、提取图像坐标系中目标的第二组候选位置坐标

    (a)与步骤二的做法顺序相反,首先根据(5)式计算天空部分图像I1每列的混合邻域灰
    度差指标垂直投影Uy(j),(j=1,2,L,N),并由(6)式求使Uy(j)最大的列坐标j1,随后设
    定阈值T2等于Uy(j)的中值,求取j1的邻域半径Δj1,使得在区间[j1-Δj1,j1+Δj1]内,满足
    Uy(j)>T2,则[j1-Δj1,j1+Δj1]为目标所在垂直区域,在图像中的第j1-Δj1列和第j1+Δj1
    列沿垂直方向画两条直线,截取两条直线内的垂直带状图像I3,作为潜在目标区域,j1为目
    标在图像坐标系的垂直位置坐标,

    (b)对截取的垂直带状图像I3,根据(3)式计算每行的混合邻域灰度差指标水平投影
    Ux(i),(i=1,2,L,M),并由(4)式求使Ux(i)最大的点i1,则i1为目标在图像坐标系的水平
    位置坐标,得到目标的第二组候选位置坐标即为(i1,j1),

    步骤四、验证和计算目标位置坐标,检查两组候选目标位置坐标(i0,j0)和(i1,j1),若这
    两组候选位置坐标之间的差值很小,则认为候选目标位置有效,取这两组候选位置坐标的平
    均值作为目标位置坐标,否则,认为这两组候选目标位置坐标无效,将其剔除。

    本发明的有益结果是:通过技术方案中的第1步,根据图像的行间邻域灰度差指标水平
    投影最大值确定地面和天空背景的分界线,移除地面背景区域;在第2步中,对天空区域图
    像首先根据每行的混合邻域灰度差指标水平投影最大值确定目标在图像坐标系中的水平位置
    坐标,并截取包含目标在内的水平带状图像,再根据水平带状图像每列的混合邻域灰度差指
    标垂直投影最大值确定目标在图像坐标系中的垂直位置坐标,得到第一组候选目标位置坐标;
    在技术方案第3步中,与第二步的步骤相反,先根据天空区域图像每列的混合邻域灰度差指
    标垂直投影最大值确定目标在图像坐标系中的垂直位置坐标,并截取包含目标在内的垂直带
    状图像,再根据垂直带状图像每行的混合邻域灰度差指标水平投影确定目标在图像坐标系中
    的水平位置坐标,得到第二组候选目标位置坐标;在技术方案第4步中,将得到的两组候选
    位置坐标进行比较,验证是否为有效目标位置,并计算目标位置。本发明中给出的方法能够
    有效去除地面背景干扰,检测出目标,并通过验证提高目标检测的正确率,使得低空目标检
    测的效果得到显著提高。

    下面通过实例对本发明作详细说明。

    附图说明

    图1是本发明方法的流程图。

    具体实施方式

    参照图1。

    步骤一、图像预处理,将采集到的彩色图像转换为灰度图像,对灰度图像进行滤波平滑,
    以去除噪点的干扰,得到图像I,图像分辨率为240×320,

    步骤二、分割地面背景和天空区域

    (a)预处理后图像I中像素点(i,j)的灰度值为I(i,j),计算图像第i行的行间邻域灰度差
    指标水平投影Sx(i):

    S x ( i ) = 1 320 exp { Σ j = 1 320 [ I ( i + 1 , j ) - I ( i , j ) I ( i + 1 , j ) + I ( i , j ) ] 2 } , i = 1,2 , L , 239 S x ( i ) = 0 , i = 240 - - - ( 1 ) ]]>

    (b)求行坐标iL,使得在iL行,满足

    Sx(iL)=max{Sx(i),(i=1,2,L,240)} (2)

    考虑到地面物体的起伏,取i′L=iL-10为地面背景和天空区域分界线的水平位置坐标,在图
    像上第i′L行画一条水平直线,将图像分成下方的地面背景图像和上方的天空区域图像I1两部
    分,去除地面背景图像,

    步骤三、提取图像坐标系中目标的第一组候选位置坐标

    (a)天空部分图像I1尺寸为h1×320,图像I1中像素点(i,j)的灰度值为I1(i,j),计算I1每
    行的混合邻域灰度差指标水平投影Ux(i),(i=1,2,L,h1):

    U x ( i ) = 1 320 exp { Σ j = 1 320 [ I 1 ( i + 1 , j ) - I 1 ( i , j ) I 1 ( i + 1 , j ) + I 1 ( i , j ) ] 2 + Σ j = 1 319 [ I 1 ( i , j + 1 ) - I 1 ( i , j ) I 1 ( i , j + 1 ) + I 1 ( i , j ) ] 2 } , i = 1,2 , L , h 1 - 1 U x ( i ) = 0 , i = h 1 - - - ( 3 ) ]]>

    求行坐标i0,使得在i0行,满足

    Ux(i0)=max{Ux(i),(i=1,2,L,h1)} (4)

    则i0为目标在图像坐标系的水平位置坐标。设定阈值T1等于Ux(i)的中值,求取i0的邻域半径
    Δi0,使得在[i0-Δi0,i0+Δi0]内,满足Ux(i)>T1,则[i0-Δi0,i0+Δi0]为目标所在水平区域,
    在图像中第i0-Δi0行和第i0+Δi0行沿水平方向画两条直线,截取两条直线内的水平带状图
    像I2,作为潜在目标区域,i0为目标在图像中的候选水平位置坐标,

    (b)截取的水平带状图像I2尺寸为h2×320,图像中像素点(i,j)的灰度值为I2(i,j),计
    算I2每列的混合邻域灰度差指标垂直投影Uy(j),(j=1,2,L,320):

    U y ( j ) = 1 h 2 exp { Σ i = 1 h 2 [ I 2 ( i , j + 1 ) - I 2 ( i , j ) I 2 ( i , j + 1 ) + I 2 ( i , j ) ] 2 + Σ i = 1 h 2 - 1 [ I 2 ( i + 1 , j ) - I 2 ( i , j ) I 2 ( i + 1 , j ) + I 2 ( i , j ) ] 2 } , j = 1,2 , L , 319 U y ( j ) = 0 , j = 320 - - - ( 5 ) ]]>

    求列坐标j0,使得在j0列,满足

    Uy(j0)=max{Uy(j),(j=1,2,L,320)} (6)

    则j0为目标在图像坐标系的垂直位置坐标,得到目标的第一组候选位置坐标(i0,j0),

    步骤四、提取图像坐标系中目标的第二组候选位置坐标

    (a)计算天空部分图像I1每列的混合邻域灰度差指标垂直投影Uy(j),(j=1,2,L,320):

    U y ( j ) = 1 h 1 exp { Σ i = 1 h 1 [ I 1 ( i , j + 1 ) - I 1 ( i , j ) I 1 ( i , j + 1 ) + I 1 ( i , j ) ] 2 + Σ i = 1 h 1 - 1 [ I 1 ( i + 1 , j ) - I 1 ( i , j ) I 1 ( i + 1 , j ) + I 1 ( i , j ) ] 2 } , j = 1,2 , L , 319 U y ( j ) = 0 , j = 320 - - - ( 7 ) ]]>

    求列坐标j1,使得在j1列,满足

    Uy(j1)=max{Uy(j),(j=1,2,L,320)} (8)

    则j1为目标在图像坐标系中的垂直位置坐标,设定阈值T2等于Uy(j)的中值,求取j1的邻域
    半径Δj1,使得在[j1-Δj1,j1+Δj1]内,满足Uy(j)>T2,则[j1-Δj1,j1+Δj1]为目标所在垂直
    区域,在图像上第j1-Δj1列和第j1+Δj1列沿垂直方向画两条直线,截取两条直线内的垂直
    带状图像I3,作为潜在目标区域,j1为目标在图像中的候选垂直位置坐标,

    (b)截取的垂直带状图像I3尺寸为h1×h3,图像I3中像素点(i,j)的灰度值为I3(i,j),计
    算I3每行的混合邻域灰度差指标水平投影Ux(i),(i=1,2,L,h1):

    U x ( i ) = 1 h 3 exp { Σ j = 1 h 3 [ I 3 ( i + 1 , j ) - I 3 ( i , j ) I 3 ( i + 1 , j ) + I 3 ( i , j ) ] 2 + Σ j = 1 h 3 - 1 [ I 3 ( i , j + 1 ) - I 3 ( i , j ) I 3 ( i , j + 1 ) + I 3 ( i , j ) ] 2 } , i = 1,2 , L , h 1 - 1 U x ( i ) = 0 , i = h 1 - - - ( 9 ) ]]>

    求行坐标i1,使得在i1行,满足

    Ux(i1)=max{Ux(i),(i=1,2,L,h1)} (10)

    则i1为目标在图像坐标系的水平位置坐标,得到目标的第二组候选位置坐标为(i1,j1),

    步骤五、验证和计算目标位置坐标。

    若目标的两组候选位置坐标(i0,j0)和(i1,j1)满足

    | i 1 - i 0 | 10 | j 1 - j 0 | 10 - - - ( 11 ) ]]>

    则认为候选目标位置(i0,j0)和(i1,j1)有效,按照下式计算目标位置(i,j)

    i = ( i 1 - i 0 ) / 2 j = ( j 1 - j 0 ) / 2 - - - ( 12 ) ]]>

    若(i0,j0)和(i1,j1)不满足(11)式,则认为得到的两组候选目标位置坐标(i0,j0)和(i1,j1)无效,
    将其剔除。

    关 键 词:
    低空 目标 邻域 灰度 指标 图像 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:低空目标的多步邻域灰度差指标图像检测方法.pdf
    链接地址://www.4mum.com.cn/p-6141988.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03