專利名稱：一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法
一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法技術(shù)領(lǐng)域
本方法屬于影像處理方法技術(shù)領(lǐng)域，特別是涉及一種基于LiDAR數(shù)據(jù)與正射影像相結(jié)合的高精度、自動(dòng)化的3維屋頂重建方法。
背景技術(shù)：
3維建筑模型是數(shù)字城市的重要組成部分，廣泛應(yīng)用于測(cè)繪遙感、虛擬現(xiàn)實(shí)、城市規(guī)劃、科學(xué)研究等領(lǐng)域。通過人工數(shù)字化、3維手工建模構(gòu)建3維建筑模型，效率低、成本高， 很難滿足大范圍、實(shí)時(shí)建筑模型的需求。伴隨著攝影測(cè)量技術(shù)、圖像處理技術(shù)、計(jì)算機(jī)視覺技術(shù)、地理信息技術(shù)等學(xué)科的發(fā)展，各類建筑模型構(gòu)建方法不斷涌現(xiàn)，這些方法主要可以分為基于影像的自動(dòng)化重建方法、基于LiDAR數(shù)據(jù)的自動(dòng)化重建方法以及LiDAR與影像相結(jié)合的自動(dòng)化重建方法?；谟跋竦淖詣?dòng)化重建是目前最經(jīng)濟(jì)快捷的城市建筑物的建模方法，但這種方法存在一定問題(1)影像數(shù)據(jù)包含大量的陰影以及噪聲，對(duì)噪聲的相關(guān)處理還不是很成熟；⑵像對(duì)匹配特征的選擇比較困難；⑶利用攝影測(cè)量的方法從影像重建3 維模型是一個(gè)綜合性的復(fù)雜問題，完全的自動(dòng)化提取不大現(xiàn)實(shí)。
近年來，一種新型的測(cè)量技術(shù)機(jī)載激光雷達(dá)發(fā)展迅速，并被廣泛地應(yīng)用于遙感測(cè)繪以及3維模型構(gòu)建中，逐漸成為了城市3維模型構(gòu)建的重要方法。已有一系列學(xué)者針對(duì)從LiDAR數(shù)據(jù)出發(fā)重建建筑物模型展開了研究并提出了一些方法。這些方法多數(shù)是先對(duì) LiDAR點(diǎn)進(jìn)行面片分割，得到初始面片范圍，而后進(jìn)行精化。但由于LiDAR點(diǎn)間距約一米，精度有限，初始的面片分割得到的輪廓不可能是準(zhǔn)確輪廓，對(duì)于這一問題的解決目前多采用規(guī)則化的方法，但規(guī)則化方法存在了一定問題(1)初始面片的構(gòu)建可能并不完全準(zhǔn)確，局部凹凸多邊形的出現(xiàn)可能使規(guī)則化后的結(jié)果出現(xiàn)多余多邊形或者局部特征的丟失；(2)單個(gè)面片的規(guī)則化，對(duì)各個(gè)面片的拓?fù)潢P(guān)系的考慮有所欠缺，這樣的規(guī)則化容易導(dǎo)致輪廓線的偏移。
單純以影像數(shù)據(jù)或者是LiDAR數(shù)據(jù)進(jìn)行建筑物的自動(dòng)重建都存在著一定的問題，為了獲取更好的建模效果可以考慮二者的結(jié)合。目前，已經(jīng)有一些LiDAR與高分辨率影像結(jié)合的建筑物重建方法。2003年，Sohn等人在hternational Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences of the ISPRS 會(huì)議中撰文《Building extraction using Lidar DEMs and Ikonos images》，將 LiDAR 點(diǎn)與IKONOS影像相結(jié)合，通過濾波將地面點(diǎn)與非地面點(diǎn)分離，再利用影像計(jì)算NDVI指數(shù)，剔除植被數(shù)據(jù)。對(duì)建筑物點(diǎn)，使用模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的方法獲取輪廓線，最后完成模型的重建。這一方法在建筑物輪廓線的提取上比較獨(dú)特，但是由于其使用了固定的閾值，對(duì)于大區(qū)域的數(shù)據(jù)來說不夠靈活。2004年，Chen等人在hternational archives of Photogrammetry and Remote Sensing 會(huì)議中撰文〈〈Fusion of LIDAR data and optical imagery for building modeling》，提出從LiDAR點(diǎn)云中檢測(cè)邊緣，再結(jié)合高分辨率航空影像，提高邊緣的幾何精度，組合成閉合的多邊形，最后進(jìn)行模型的重建。這種方法能夠很好地修正建筑物的邊緣，但建模的精度很大程度依賴于影像分割的精度，未能充分發(fā)揮LiDAR點(diǎn)的數(shù)據(jù)優(yōu)勢(shì)。
LiDAR數(shù)據(jù)與影像之間是有很強(qiáng)的互補(bǔ)性特征，兩者的結(jié)合會(huì)對(duì)重建帶來顯著的改善。發(fā)明內(nèi)容
1.發(fā)明要解決的技術(shù)問題本發(fā)明的目的是提供一種自動(dòng)化構(gòu)建3維屋頂模型的方法，該方法根據(jù)LiDAR數(shù)據(jù)進(jìn)行屋頂面片的分割以及各面片噪聲的剔除，再進(jìn)行屋頂面片的擬合，提高了建模的正確性與完整性，同時(shí)結(jié)合LiDAR數(shù)據(jù)與正射影像提取精確的屋脊線、輪廓線，提高了建模的精確性，最后進(jìn)行3維屋頂模型的自動(dòng)化構(gòu)建，實(shí)現(xiàn)了建模的自動(dòng)化。
2.本發(fā)明的技術(shù)方案如下原理對(duì)LiDAR數(shù)據(jù)構(gòu)建Delaimay三角網(wǎng)，利用LiDAR點(diǎn)提供的高程信息使用三角形簇的方法(三角形簇的方法即根據(jù)高程信息把鄰接的三角形集合組合成不同的組，構(gòu)成三角形簇，并采用TNI結(jié)構(gòu)形式，繪制時(shí)以三角形簇為單位進(jìn)行調(diào)度和構(gòu)網(wǎng))提取出屋頂面片；利用高分影像的高分辨率特性提取精確邊緣線并構(gòu)建左右多邊形，根據(jù)兩側(cè)多邊形內(nèi) LiDAR點(diǎn)所屬面片情況進(jìn)行屋脊線、輪廓線的提取；根據(jù)屋頂面片內(nèi)的LiDAR點(diǎn)進(jìn)行屋頂面片擬合，結(jié)合屋脊線、輪廓線進(jìn)行3維屋頂模型的構(gòu)建。
一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法，主要包括3個(gè)關(guān)鍵步驟 (參照附圖1)步驟1 基于三角形簇的LiDAR點(diǎn)屋頂面片分割，即對(duì)LiDAR點(diǎn)構(gòu)建Delaunay三角網(wǎng)， 根據(jù)LiDAR點(diǎn)的高程使用三角形簇的方法進(jìn)行屋頂面片的分割。具體步驟為(參照附圖2) (1)對(duì)LiDAR數(shù)據(jù)進(jìn)行預(yù)處理，包括重采樣和濾波。重采樣時(shí)把鄰閾內(nèi)最高值賦予采樣點(diǎn)的高程，以便有效剔除墻面噪聲，保持?jǐn)?shù)據(jù)的真實(shí)性，保留建筑物的輪廓信息。濾波時(shí)采用中值濾波，在剔除噪聲的同時(shí)有效保留邊緣信息。
(2)對(duì)預(yù)處理后的LiDAR數(shù)據(jù)構(gòu)建Delaunay三角網(wǎng)。使用基于格網(wǎng)索引的生長(zhǎng)算法進(jìn)行三角網(wǎng)的實(shí)現(xiàn)，并與常規(guī)生長(zhǎng)算法和基于拓?fù)浣Y(jié)構(gòu)和凸殼的生成算法進(jìn)行了比較， 比較發(fā)現(xiàn)基于格網(wǎng)索引的生長(zhǎng)算法效率最高。
(3)對(duì)構(gòu)建好的Delaunay三角網(wǎng)進(jìn)行邊緣線的篩選。傳統(tǒng)的篩選是使用三角形法向量法進(jìn)行篩選，即計(jì)算相鄰三角形法向量之間的夾角，這種方法以相鄰三角形為處理單元，處理單元過小，難以反映整體邊緣情況，會(huì)保留大量噪聲。本發(fā)明在三角形法向量基礎(chǔ)上，進(jìn)一步使用三角形簇的點(diǎn)法向量方法篩選，即把三角形簇內(nèi)的三角形法向量算術(shù)平均作為該三角形簇的法向量，計(jì)算三角形簇法向量之間的夾角。經(jīng)過以上處理后，能夠剔除大量的非邊緣線，但是會(huì)保留一部分位于墻面上的法向量變化較大的三角形邊，對(duì)于這些三角形邊，根據(jù)邊兩個(gè)端點(diǎn)的高差以及邊與水平面之間的夾角進(jìn)行篩選。
(4)對(duì)篩選出的面片邊緣線進(jìn)行面片的生成。Delaunay三角網(wǎng)經(jīng)過邊緣線篩選得到線是間斷的且?guī)в蟹植娴?，利用這些線進(jìn)行面片生成需要進(jìn)行一定的簡(jiǎn)化和連接。根據(jù) Delaunay三角網(wǎng)邊的相鄰關(guān)系，把這些獨(dú)立的三角網(wǎng)邊組合成邊緣線，剔除長(zhǎng)度過短的線， 同時(shí)對(duì)于帶有分叉的線，保留兩個(gè)較長(zhǎng)的分叉，剔除細(xì)小分叉。最后進(jìn)行邊緣線的連接，找到邊緣線的端點(diǎn)，再根據(jù)端點(diǎn)高程值，進(jìn)行大致面片劃分，高程差在10內(nèi)厘米可認(rèn)為屬于同一個(gè)面片，這些間斷點(diǎn)才可以連接，尋找兩兩最近端點(diǎn)相連接。
步驟2 基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取，即對(duì)正射影像進(jìn)行邊緣檢測(cè)， 再對(duì)邊緣線構(gòu)建左右多邊形，根據(jù)點(diǎn)面空間關(guān)系確定落在多邊形內(nèi)的LiDAR點(diǎn)，根據(jù)左右多邊形內(nèi)LiDAR點(diǎn)所屬面片情況進(jìn)行屋脊線的篩選，最后進(jìn)行完整屋脊線的恢復(fù)，具體步驟為(參照附圖3)(1)根據(jù)已有的建筑物區(qū)域的LiDAR數(shù)據(jù)確定影像工作區(qū)，套合LiDAR數(shù)據(jù)與正射影像，對(duì)LiDAR點(diǎn)內(nèi)插并外擴(kuò)，對(duì)外擴(kuò)后的區(qū)域做最小外接矩形，以此切割過濾后的影像，使用外擴(kuò)后的面過濾切割的影像，并得到線段提取的工作影像。
(2)對(duì)影響工作區(qū)進(jìn)行邊緣檢測(cè)和Hough變換，獲取矢量的邊緣線數(shù)據(jù)。對(duì)影像工作區(qū)使用Edison邊緣檢測(cè)方法得到柵格化的邊緣信息，經(jīng)過Hough變換得到矢量化的線性邊緣數(shù)據(jù)。
( 3 )對(duì)從影像上獲取的邊緣線進(jìn)行屋脊線的提取。對(duì)所有邊緣線構(gòu)建左右多邊形， 根據(jù)點(diǎn)面空間關(guān)系確定落在左右多邊形里面的LiDAR點(diǎn)，根據(jù)LiDAR點(diǎn)所屬面片情況進(jìn)行邊緣線的篩選，得到屬于屋脊線或者位于屋脊線附近的邊緣線。
(4)對(duì)篩選出來的屋脊線進(jìn)行編組及融合。在某些屋頂面片交界處存在多條線段。 將相互平行且距離小于閾值的線段編組。當(dāng)組內(nèi)存在多條線段時(shí)，根據(jù)這些線段的端點(diǎn)擬合新的線段，完成屋脊線的融合處理。
(5)利用融合后的屋脊線進(jìn)行屋脊線的恢復(fù)。對(duì)屋脊線進(jìn)行延長(zhǎng)，與輪廓線相交， 把屋頂分割成多個(gè)細(xì)小多邊形，確定落在這些多邊形內(nèi)LiDAR點(diǎn)。兩兩比較多邊形的LiDAR 點(diǎn)，如果所屬面片基本相同則合并為同一個(gè)多邊形。
步驟3 3維屋頂模型重建，即根據(jù)已得到的屋頂面片，確定落在各屋頂面片內(nèi)的 LiDAR點(diǎn)，擬合各個(gè)屋頂面片，再根據(jù)屋脊線和輪廓線確定的每個(gè)屋頂面片的精確范圍，構(gòu)建3維屋頂模型，具體步驟為(1)對(duì)于第一步驟得到的屋頂面片，根據(jù)點(diǎn)面空間關(guān)系，確定各面片內(nèi)的LiDAR點(diǎn)，使用隨機(jī)采樣一致性方法擬合面片。
(2)把屋脊線與擬合的面片進(jìn)行套合，確定面片與屋脊線的對(duì)應(yīng)關(guān)系，根據(jù)擬合的面片計(jì)算屋脊線各角點(diǎn)的3維坐標(biāo)。
(3)在ArcEngine中使用MultiPatch類進(jìn)行3維模型的構(gòu)建。
3.有益效果本發(fā)明集成LiDAR數(shù)據(jù)與高分辨率影像，綜合利用LiDAR數(shù)據(jù)高程特性與影像高分辨率特性的互補(bǔ)優(yōu)勢(shì)，以“屋頂面片分割-屋脊線提取-3維屋頂模型重建”為主線，形成了基于三角形簇的LiDAR點(diǎn)屋頂面片分割方法、基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取方法， 并最終構(gòu)成了一種3維屋頂模型重建的新方法。
相比于現(xiàn)有技術(shù)，該方法主要優(yōu)勢(shì)在于(1)本發(fā)明構(gòu)建的3維屋頂模型正確性和完整性較高。基于三角形簇的LiDAR點(diǎn)屋頂面片分割過程中，使用三角形簇方法進(jìn)行邊緣線提取相比于三角形法向量方法，能夠剔除更多的噪聲，同時(shí)有效保留邊緣信息，提取的結(jié)果經(jīng)過高差、傾斜度篩選、線的簡(jiǎn)化和線的連接操作后，能夠有效地形成建筑物各個(gè)面片，正確性和完整性較高；(2)本發(fā)明構(gòu)建的3維屋頂模型定位精度較高?；贚iDAR與正射影像的屋脊線提取過程中，從高分辨率影像中提取邊緣線再進(jìn)行屋脊線的篩選，充分發(fā)揮了高分影像的高分辨率特性以及LiDAR數(shù)據(jù)高程特性的優(yōu)勢(shì)，相比于規(guī)則化方法，精度較高；(3)本發(fā)明的自動(dòng)化程度高、建模速度快。在Delaimay三角網(wǎng)生成過程中，研究了常規(guī)生長(zhǎng)算法、基于格網(wǎng)的生長(zhǎng)算法和基于拓?fù)浣Y(jié)構(gòu)和凸殼的三角網(wǎng)生成算法，發(fā)現(xiàn)基于格網(wǎng)的生長(zhǎng)算法效率最高，時(shí)間消耗最小。在屋脊線提取的過程中根據(jù)LiDAR進(jìn)行影像工作區(qū)的建立，在影像工作區(qū)內(nèi)進(jìn)行后續(xù)處理，大量減少了工作量；綜上，本發(fā)明能夠快速自動(dòng)化地實(shí)現(xiàn)3維屋頂模型的構(gòu)建，構(gòu)建模型的正確性、完整性和定位精度較高，能夠廣泛應(yīng)用于測(cè)繪遙感、虛擬現(xiàn)實(shí)、城市規(guī)劃、科學(xué)研究等領(lǐng)域。


附圖1研究技術(shù)路線圖；附圖2基于三角形簇的LiDAR點(diǎn)屋頂面片分割流程圖；附圖3基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取流程圖；附圖4實(shí)施例的LiDAR數(shù)據(jù)與正射影像圖；附圖5三角形簇方法提取邊緣線結(jié)果圖；附圖6高差和傾斜度篩選結(jié)果圖；附圖7分叉處理結(jié)果圖；附圖8面片分割結(jié)果圖；附圖9影響工作區(qū)的建立示意圖；附圖10影像線段提取結(jié)果圖；附圖11屋脊線篩選結(jié)果；附圖12屋脊線融合結(jié)果；附圖13完整屋脊線的恢復(fù)；附圖14分割后屋頂面片與屋脊線數(shù)據(jù)套合；附圖15建模結(jié)果圖；附圖16為3維屋頂模型平面誤差向量圖。
具體實(shí)施方式
以下通過實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。 實(shí)施例
以附圖4所示的LiDAR數(shù)據(jù)與正射影像的兩個(gè)實(shí)驗(yàn)區(qū)為例說明。正射影像數(shù)據(jù)分辨率為5cm，LiDAR數(shù)據(jù)以不同的灰度值來表示不同的高程，平均點(diǎn)間距為lm，高程精度為 15cm，平面精度約為30cm。實(shí)驗(yàn)區(qū)內(nèi)包含了不同屋頂結(jié)構(gòu)、不同走向、不同復(fù)雜程度的多個(gè)建筑物。
參照技術(shù)方案描述的三個(gè)步驟來對(duì)LiDAR數(shù)據(jù)和正射影像進(jìn)行處理，具體流程步驟如下步驟一基于三角形簇的LiDAR點(diǎn)屋頂面片分割 (1)對(duì)LiDAR數(shù)據(jù)進(jìn)行預(yù)處理，包括重采樣和濾波。
①重采樣常用重采樣方法包括最鄰近法、雙線性插值法和三次卷積方法，不過這三種方法都不太適合LiDAR數(shù)據(jù)。最鄰近法重采樣會(huì)保留大量墻面點(diǎn)，帶來大量的噪聲；使用雙線性插值法和三次卷積的方法重采樣的結(jié)果較為平滑，淡化建筑物邊緣信息。這里在計(jì)算采樣點(diǎn)的高程時(shí)，把鄰域內(nèi)最高點(diǎn)的Z值賦給采樣點(diǎn)，有效剔除墻面點(diǎn)信息，保持?jǐn)?shù)據(jù)真實(shí)性，保留輪廓信息，重采樣間隔為原始數(shù)據(jù)的平均點(diǎn)間距l(xiāng)m。
②濾波由于LiDAR數(shù)據(jù)存在大量噪聲，為了有效剔除噪聲，同時(shí)保留建筑物的邊緣信息，采用中值濾波方法，這里選用3X3的濾波器進(jìn)行濾波。
(2)對(duì)預(yù)處理后的LiDAR數(shù)據(jù)構(gòu)建Delaunay三角網(wǎng)。
從LiDAR點(diǎn)提取建筑物面片主要的運(yùn)算量在于TIN的生成，其生成效率直接關(guān)系到整個(gè)自動(dòng)化提取的效率，所以有必要選擇一種效率最高的生成算法。發(fā)明中采用了基于格網(wǎng)索引的生長(zhǎng)算法進(jìn)行Delaimay三角網(wǎng)的實(shí)現(xiàn)，并把該方法與常規(guī)生長(zhǎng)算法以及基于拓?fù)浜屯箽さ纳伤惴ㄟM(jìn)行了對(duì)比，比較結(jié)果如表1。
表ITIN生成算法比較
權(quán)利要求
1.一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法，包括以下步驟步驟1 基于三角形簇的LiDAR點(diǎn)屋頂面片分割，首先對(duì)LiDAR數(shù)據(jù)進(jìn)行預(yù)處理，包括重采樣和中值濾波；對(duì)于預(yù)處理后的LiDAR點(diǎn)，使用基于格網(wǎng)索引的生長(zhǎng)算法，實(shí)現(xiàn)對(duì)大量 LiDAR點(diǎn)的不規(guī)則三角網(wǎng)的快速生成；對(duì)于生成的Delaunay三角網(wǎng)，在三角形法向量法進(jìn)行篩選的基礎(chǔ)上，進(jìn)一步采用基于三角形簇的點(diǎn)法向量估計(jì)技術(shù)，通過相鄰點(diǎn)法向量的差異分析，探測(cè)建筑物頂部變化之處，并結(jié)合三角網(wǎng)邊的高差和傾斜度信息剔除部分噪聲；為了從復(fù)雜的線數(shù)據(jù)中有效形成屋頂各個(gè)面片，采用基于分叉點(diǎn)的簡(jiǎn)化方法以及基于間斷點(diǎn)的連接方法，最終生成屋頂面片；步驟2 基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取，把LiDAR數(shù)據(jù)與影像套合，根據(jù) LiDAR內(nèi)插外擴(kuò)的結(jié)果進(jìn)行影像工作區(qū)的建立；利用Edison算子和Hough變換提取建筑物范圍內(nèi)的邊緣線數(shù)據(jù)；通過對(duì)每條邊緣線數(shù)據(jù)構(gòu)建左右多邊形，根據(jù)點(diǎn)面空間關(guān)系確定落在左右多邊形內(nèi)的LiDAR點(diǎn)，對(duì)比左右多邊形的LiDAR點(diǎn)分布情況，選取出位于建筑物屋脊線附近的線；為了進(jìn)一步簡(jiǎn)化屋脊線，對(duì)于近似平行且距離較近的屋脊線進(jìn)行融合；通過屋脊線的自延伸與輪廓線相交構(gòu)成一個(gè)個(gè)面片，兩兩比較面片內(nèi)的LiDAR點(diǎn)，若都來自于同一屋頂面片，則合并兩個(gè)面，最終可以得到準(zhǔn)確的屋脊線數(shù)據(jù)；步驟3 :3維屋頂模型重建，獲取落在每個(gè)屋頂面片內(nèi)的LiDAR點(diǎn)，使用隨機(jī)采樣一致性算法擬合3維屋頂面片；屋頂面片數(shù)據(jù)與屋脊線面片數(shù)據(jù)套合，實(shí)現(xiàn)兩種面片數(shù)據(jù)的一一對(duì)應(yīng)，利用擬合面片方程以及屋脊線角點(diǎn)的平面坐標(biāo)計(jì)算屋脊線角點(diǎn)的3維坐標(biāo)；使用 ArcEngine的MultiPatch類實(shí)現(xiàn)3維屋頂模型的重建。
2.根據(jù)權(quán)利要求1所述的一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法，其特征在于步驟1中進(jìn)行的以下處理在預(yù)處理重采樣的過程中，采樣點(diǎn)的高程被賦予了鄰閾內(nèi)最高值，有效剔除了部分墻面噪聲。
全文摘要
本發(fā)明屬于影像處理方法領(lǐng)域，公開了一種基于LiDAR數(shù)據(jù)與正射影像的3維屋頂重建方法。本方法包括以下步驟(1)基于三角形簇的LiDAR點(diǎn)屋頂面片分割；(2)基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取；(3)3維屋頂模型重建。本方法面向3維屋頂模型精細(xì)重建的需求，集成LiDAR數(shù)據(jù)與高分辨率影像，綜合利用LiDAR數(shù)據(jù)高程特性與影像高分辨率特性的互補(bǔ)優(yōu)勢(shì)，以“屋頂面片分割-屋脊線提取-3維屋頂模型重建”為主線，實(shí)現(xiàn)了基于三角形簇的LiDAR點(diǎn)屋頂面片分割算法、基于LiDAR數(shù)據(jù)與正射影像的屋脊線提取算法，形成了一種3維屋頂模型重建的新方法，實(shí)驗(yàn)證明本方法建模的自動(dòng)化程度高，正確性和完整性較高、定位精度較高，符合實(shí)際應(yīng)用需求。
文檔編號(hào)G06T17/10GK102521884SQ201110423560
公開日2012年6月27日 申請(qǐng)日期2011年12月16日 優(yōu)先權(quán)日2011年12月16日
發(fā)明者劉永學(xué), 張?chǎng)? 李滿春, 李 真, 楊康, 潘航, 程亮, 童禮華, 蔡文婷, 鄒偉, 陳焱明 申請(qǐng)人:南京大學(xué)