Python 将谷歌街景的深度地图（base64）转换为图像

我想知道是否有人知道如何将google street view的深度图（编码为base64）转换为图像或2D矩阵。我正在使用Python，能够获取base64字符串，对其进行解码并将其保存到.png文件中。但是，任何图形查看器都无法打开导出的png文件。。。我猜base64代码没有正确解码

是一篇提到GSV中base64字符串的帖子

这是我的密码：

#URL of the json file of a GSV depth map
url_depthmap='http://maps.google.com/cbk?output=json&cb_client=maps_sv&v=4&dm=1&pm=1&ph=1&hl=en&panoid=lcptgwtxfJ6DccSzyWp0zA'
# getting the json file
r = requests.get(url_depthmap)
# open it
depth_json= r.json()

# get the base64 string of the depth map
data=depth_json['model']['depth_map']
# fix the 'inccorrect padding' error. The length of the string needs to be divisible by 4.
data += "=" * ((4 - len(data) % 4) % 4)
# convert the URL safe format to regular format.
data=data.replace('-','+').replace('_','/')



data = base64.decodestring(data) # decode the string
data=zlib.decompress(data) #decompress the data

# write it to a png file
image_result = open('downloads/deer_decode.png', 'wb')
image_result.write(data)

查看并从您的代码开始，以下是我的总体处理过程：

import base64
import zlib
import numpy as np
import struct
import matplotlib.pyplot as plt


def parse(b64_string):
    # fix the 'inccorrect padding' error. The length of the string needs to be divisible by 4.
    b64_string += "=" * ((4 - len(b64_string) % 4) % 4)
    # convert the URL safe format to regular format.
    data = b64_string.replace("-", "+").replace("_", "/")

    data = base64.b64decode(data)  # decode the string
    data = zlib.decompress(data)  # decompress the data
    return np.array([d for d in data])


def parseHeader(depthMap):
    return {
        "headerSize": depthMap[0],
        "numberOfPlanes": getUInt16(depthMap, 1),
        "width": getUInt16(depthMap, 3),
        "height": getUInt16(depthMap, 5),
        "offset": getUInt16(depthMap, 7),
    }


def get_bin(a):
    ba = bin(a)[2:]
    return "0" * (8 - len(ba)) + ba


def getUInt16(arr, ind):
    a = arr[ind]
    b = arr[ind + 1]
    return int(get_bin(b) + get_bin(a), 2)


def getFloat32(arr, ind):
    return bin_to_float("".join(get_bin(i) for i in arr[ind : ind + 4][::-1]))


def bin_to_float(binary):
    return struct.unpack("!f", struct.pack("!I", int(binary, 2)))[0]


def parsePlanes(header, depthMap):
    indices = []
    planes = []
    n = [0, 0, 0]

    for i in range(header["width"] * header["height"]):
        indices.append(depthMap[header["offset"] + i])

    for i in range(header["numberOfPlanes"]):
        byteOffset = header["offset"] + header["width"] * header["height"] + i * 4 * 4
        n = [0, 0, 0]
        n[0] = getFloat32(depthMap, byteOffset)
        n[1] = getFloat32(depthMap, byteOffset + 4)
        n[2] = getFloat32(depthMap, byteOffset + 8)
        d = getFloat32(depthMap, byteOffset + 12)
        planes.append({"n": n, "d": d})

    return {"planes": planes, "indices": indices}


def computeDepthMap(header, indices, planes):

    v = [0, 0, 0]
    w = header["width"]
    h = header["height"]

    depthMap = np.empty(w * h)

    sin_theta = np.empty(h)
    cos_theta = np.empty(h)
    sin_phi = np.empty(w)
    cos_phi = np.empty(w)

    for y in range(h):
        theta = (h - y - 0.5) / h * np.pi
        sin_theta[y] = np.sin(theta)
        cos_theta[y] = np.cos(theta)

    for x in range(w):
        phi = (w - x - 0.5) / w * 2 * np.pi + np.pi / 2
        sin_phi[x] = np.sin(phi)
        cos_phi[x] = np.cos(phi)

    for y in range(h):
        for x in range(w):
            planeIdx = indices[y * w + x]

            v[0] = sin_theta[y] * cos_phi[x]
            v[1] = sin_theta[y] * sin_phi[x]
            v[2] = cos_theta[y]

            if planeIdx > 0:
                plane = planes[planeIdx]
                t = np.abs(
                    plane["d"]
                    / (
                        v[0] * plane["n"][0]
                        + v[1] * plane["n"][1]
                        + v[2] * plane["n"][2]
                    )
                )
                depthMap[y * w + (w - x - 1)] = t
            else:
                depthMap[y * w + (w - x - 1)] = 9999999999999999999.0
    return {"width": w, "height": h, "depthMap": depthMap}


# see  https://stackoverflow.com/questions/56242758/python-equivalent-for-javascripts-dataview
# for bytes-parsing reference

# see https://github.com/proog128/GSVPanoDepth.js/blob/master/src/GSVPanoDepth.js
# for overall processing reference

# Base64 string from request to:
# https://maps.google.com/cbk?output=xml&ll=45.508457,-73.532738&dm=1
# edit long and lat
s = "eJzt2gt0FNUdx_FsQtgEFJIQiAlvQglBILzktTOZ2YitloKKD6qAFjy2KD5ABTlqMxUsqICcVqqC1VoUqS34TkMhydjaorYCStXSKkeEihQoICpUFOzuJruZO4_dmdmZe2fY3_cc4RCS-L_z-c_sguaNy8rKzgrkZSGEEEIIIYQQQgghhBBCCCGEEEIIIYQQQgghhBBCCCGEEEIIIYQQQgghhBBCCCGEEEIIIYQQQgghhBBCCCGEEEIIIYQQQgghhBBCCCGEEEIIIYQQQgghhBCbgsFgB9YzIFYFo_wdsAAZWbC5DliATCwYVPhjATKsYNC0f5s2baiNhagUDFrzb47aeMjVgkF7_liC06JgWv7YAX-n1rfjjx3wbVp-m_5YAV_mpH-bPGpjI4dy1h8L4Lcc9scC-Cyn_bEA_sq6vzF_zB8b4Ktc8McC-Cg3_LEAvkmH3wF_LIBfcskfC-CTHH37r_DHAvgj1_yxAL7IPX8sgB9y0R8L4IPc9McCeD9X_bEAns9dfyyA13PZHwvg8Rz11_LnFVI7SVZWO2UU_71-7jTybwd_67nuT28B4G8j-Gd2LvsXFtJbAPjbyLq_MT_8_RcFf1oLAH8bwd9fFRQUOPr9aPhTWoDT378glqPfEv4-qSCRo98W_v6owM_-dBYA_jaCvz_ytz-VBYC_jeDvsfprP1SeRd0_yVfA39W0_uV0_R393z_gbzX42w3-1rP-8g9_d9P4D4C_yeBvOfhTr7Q06W_D33Z-8Y-l-ABBrvYf4B9_LX_Cf6iTQxsFf8vBn3qp_FULAH_T-cq_dQHgr1v37t0tfgX8LUfJf6hp_-7KLB4G_paj5W96IL_5d9Yp-VeY9j839qPX_I35k_zxT9d_2LDmn3v06NH6wdPBP_kCkP4jR44s7T8y1pCWRkeL_2JI1L9Xr14K_16tpT0-e_8ePUj_jq2d3v6juUhRxNL-vZIV8Q-Hwwr_0YO02R2fhf-w-M8a_45kp4l_GVncv8xs5eWRHxT-0Y_1S6T8TOvjwz_NdP1LkhXDN_zdLjqVR_5R-Ot9ijZz48PffmdF0_XvZjtDTl3_Ir3OUhcZtahrJL0z0PIfWl1dPSqWrv-YWB70P6O1Tt9qqahoYLwuXXT9E5e-p8V0QWMp_I2cI3VqLqv5M7oqa9tWcZb48QJG_n2jFTdX0ru1qip7_pWVY6OFolVWVtacE68y5h_5UKUgCGr_wZr68Txf0jpQ_BwjonOS_n365ChqTxbIVpZzpiLlZYoVCASIX8eucGIXdP31bmA9LnVdOnXS0YwX91d9WCT2RGUejTwLmZF_RUVFbl9FxfFK7PkrX-IqiWL-Le9lVP6xz-5NVBVpRLRiorMj5eYS_sb47SPnJv1ziA04k7xmigun3YNOhLvunTtQ8bRIUSfDRN1vrSVvqyiZeyr_6GWraC43Wusm2PJXvcnppyjm3wxbpfKvimsXG9TMHq1Pczk66ehr_VUroLmAqquoswjKWl8p3MjI2wK7Kf9EFcpNsOOv8z63Kn5Hx_xbPFX-KdUT8HruSfR1_bUPgRRLYGIR9NfC9F4kdTZUN8Ge0j83d7je1YwsgQ1_o9tXk7E_YZ7ihk_ysp9I199gA1IugY1V0C0lcnr3ujX_WDpLYN1f9Q7CvD8pbsU9hb6hf47ey4ClLdDZBbPLQIncir_OElj11zFsKXFvJz6i8rfJnlo_mb_xQ8DyFljcCPe1tRn4a7ESS2DRn3jvoLsAirtc7W8d3QC_vfrcyfxzkj4E0toCz2Xi9lctgSX_FErq76_ytwOvp69z7hT-KR8CBlvguzWw5h_Ngn9Kp-bv2PprZ_xT65vwzzHzEPD_08DAP3JR0vW3I-eEvxl9c_5mHwJ-fh4Y-xttgCl-W3IO-JvDD5j1t7MCvtqE_Pwk_vorkNrfJn6stPxN61vwz7H0OmB2GbyyDfn5mg0g_HU2IIW_7l8bWci2vwX8gDV_-w8BK1HxVhf1z49cAWN_zQYk9Vd-4nCbq2DL35q-VX8aK0BBW1vcP1bCP1tdUn-jN4o6mVsJy_5W8QM2_F1fAbepdSP8m5dAq0-sgFXyVCXbADv6Jg9ux9_VFXCV2TCtv3EOoqfyzzHtbws_YNvfvRVwzzhZVvzdWQGjy2zG38ZzP559f_UKOLQDbgknz6K_GyuQZAGs6Fs8eFr-mh3IIH_HV8D4EifzTws_4IC_egXS3QHnbc1ky9_ZFbBx4dO0j-aEv2YHMsffwRVIx94mfsA5f8d2wEFUC6Xh79QK2MZP6-BO-mt2wMYSOORptfT8HdkBW_bp4Qec99cuQYb4p70D1vGdOLgr_tolML0FTpzJRs74p7cDVuwdO7h7_va2wLGDWcs5f_s7QJs-ltv-eluQbA2cPZ3pnPW3twS06WPR8TfcBM0quHBEM7ngb3kJktC7d3Da_qly76RJc8vfyha0XgQK7vHIQdm5x3P_xLq5ym9yD3JoeGuCfzQ6_im2gcnJ4R-Nhb8mJicnJmCtD3_qEROw1oc_9YgJWOvDn3rEBKz14U89YgLW-vCnHjEBa334U4-YgLU-_KlHTMBaH_7UIyZgrc_K392__jcbk6MTE7DWhz_1iAlY68OfesQErPXhTz1iAtb68KceMQFrffhTj5iAtT78qUdMwFof_tQjJmCtD3_qEROw1oc_9YgJWOvDn3rEBKz14U89YgLW-vCnHjEBa334U48cgTU_Q3825srYnJ0YgTU__KlHjMCaH_7UI0ZgzQ9_6hEjsOaHP_WIEVjzw596xAis-eFPPWIE1vxs_L3xx3_4w59BxAis-eFPPWIE1vzwpx4xAmt--FOPGIE1P_ypR4zAmh_-1CNGYM0Pf-oRI7Dmhz_1yBky1p8NORGTs3vsAcDkCsA_EfzZxeTs8Ie_okzkh39rmejvkbf_8Ic_i4gZ4M8uJoeHP_wVwZ9dTA4P_0z399ICMDm_R_jhD38mEUPAn1lMDh_IeH-vvPzDH_5MIoaAP7NYHD4aMQT8mcXi8NHIKTLSnw24KhaHj0VMAX9WsTh8LGKKTPP3zOMf_vBnEzEF_FnF4PDNkWNkoD8bb3UMDt8SMQb8GcXg8C0RY2SWv3ce__CHP6PIOTLOnw23JvqHT0TMAX820T98ImKOTPL30OPfM_4MF4D6wT3Ez9LfKw8A2sf20u0Pf_izi5gko_wZaWujfXgiYpJM8ffU7c_W3xsLQPfI3uJn7O-JBaB7Ym_xw5-yv8duf9b-XlgAmsf1Gj9zfw8sAMXDeo6fvT_7BaB3VO_xe8Cf-QZQO6f39L3hz3gBKB3Sgzd_tkf8mW4AnQN6U98z_gz_ayCNw3kUP9tD_gFWK-D6sbyLn-0t_2jkdL7397R9NFdPbztiRH_ye_UFX5Vbx3coYlY_-PuEvTWHz-9q5OQe4fcbuKr0L4CnUp0uTX6f25qKCos3Y33pvRNrCfqxvuIeKUvVBQ0jQy8dv5C7_YQk140qE4-83eepF-Z-wT24W5KXc2XigpsnbdxVvzm0-ZQkDy_sJRZ1v1n4a93vmy5ecTs3ZG_X8M79k0PrF3UNzftGkis79BVnnXw-9P6Yu7l_H5Pk54RuYtuCvsLaBePkg8d3b1pQf1CcW1Ar5F57lN8-OJc__itZvGPKkL6XjNvCn6qrlee8Wyqurb5OXpW_vemSPuWNt71WUBN8f0moYO_chuD_JPny1eXi2ZMWhW6pq-BrX5fknPMGidftnh5aOvylhkOHJXluTkfxH5-WC7vHjxM6S8P5rhUrxQtH1cqzO-1r_OxnbRqrpn5P3DbuDuHXt11affmCjvzkSavDnz8_T5i0eHH1-Y915jeWXCRW1LXhpq96gbvlkCQLh7qIQnZJaOs5O7hv9knyd0b1jcw_ivt0wmBueGSeV7qVicOO3yEf2XF-de23X2zo0P7l8DfTa7i3nsjj978nyVPaDxWv--JYqG7UWu6uI5J84vVssfc7S7gfHdjDf_fqWrlnzzXiwH43yBc98Jdq4doZDbMW7ArnPXkF94fupfz1b0ry2qfGiOUFU7mTg5bxA6-S5Jo3ponbP-rIHdh4Fv_xNknu-dYocdn6WfKkvZub_jOxd2P9_iPhpaHb5SfvW9j0xtbixp-ce1icemxE6Muc5dyrX0jyhyfyxPlPZ_GLd57kBr0iySsmni3-MHsPd2LgyYZ7XpPkZy6bL55x_ZpN0z7N4St2SnL_2lzxq9_dKry54ZdN78jLuKpFi8Rrjrbnp67b1rhpca28_IKnxaG_HTj2uaPjG_ZH9mdhzUcCt6eSG_O3eu6rA5HzF58SpoXncdMmzGl8dZEk3_f0LeJD22bLby1ZX716xIKGrEVbw48-_CB39d7_chv-KcmPbn1PuC1vjsBNXNc0uHAh9_gnPcWmLl0aTn18H79wpiSPLXpC-NOPV4cOX5zVUHVSklcW7xBKtrfj31-6heeX18qXzd0nHp5ZyAtlsxpXXC_JM2pfFIuXLOS4wjHcVZ9J8rEzy8Qb7_6aO1BXyq9_UZLnyJeLj7w0R9jz0Nrq-9_syn__vZlC0Q2z5WObn21a1K174_3zDof3DPhNw_qartWTv75LLlp-hfBo2XNjz7t3PP_1s5K8ZcXjQocr53NjpD3c0A8j86z5l9D5gUF8Xtk6vtfOWnnSlQPCo_94KdfuyM9Db38pyatu3iB-_uS73Auz2_HhP0vyzG4jxKcmb-Rq9q0MTYrsW1Hdw-K-D-7hz19X3zj-xlp5SoUY3lA_ketdsJM7GLkfHzv3A-Guv-fzB7aM5JetjJxv-kLx6ISXN065cwI_a70kZxVdKVx7sIo_OKy0cfUvJPnWxmvCcu-e_FUzahse3yzJ9bPXiHN2_GTTK5_Mb_xBxOPolEeqZxQIPBd4g__kzlo5f9op8YwdS7mbJr7LleyS5HvXfSnsWjVHvrXgmeqbLvxpw6G9H4n_Bz8_xLw"
# decode string + decompress zip
depthMapData = parse(s)
# parse first bytes to describe data
header = parseHeader(depthMapData)
# parse bytes into planes of float values
data = parsePlanes(header, depthMapData)
# compute position and values of pixels
depthMap = computeDepthMap(header, data["indices"], data["planes"])
# process float 1D array into int 2D array with 255 values
im = depthMap["depthMap"]
im[np.where(im == max(im))[0]] = 255
if min(im) < 0:
    im[np.where(im < 0)[0]] = 0
im = im.reshape((depthMap["height"], depthMap["width"])).astype(int)
# display image
plt.imshow(im)
plt.show()

导入base64
进口zlib
将numpy作为np导入
导入结构
将matplotlib.pyplot作为plt导入
def解析（b64_字符串）：
#修复“正确填充”错误。字符串的长度需要可以被4整除。
b64_字符串+=“=”*（（4-len（b64_字符串）%4）%4）
#将URL安全格式转换为常规格式。
数据=b64_字符串。替换（“-”，“+”）。替换（“”，“/”）
data=base64.b64解码（data）#解码字符串
数据=zlib.解压（数据）#解压数据
返回np.array（[d代表数据中的d]）
def parseHeader（depthMap）：
返回{
“headerSize”：深度映射[0]，
“飞机数量”：getUInt16（深度图，1），
“宽度”：getUInt16（深度图，3），
“高度”：getUInt16（深度图，5），
“偏移量”：getUInt16（深度映射，7），
}
def get_bin（a）：
ba=bin（a）[2:]
返回“0”*（8-len（ba））+ba
def getUInt16（arr，ind）：
a=arr[ind]
b=arr[ind+1]
返回int（get_bin（b）+get_bin（a），2）
def getFloat32（arr，ind）：
将bin_返回到\u float（“.”。join（在arr[ind:ind+4][：：-1]）中为i获取\u bin（i）
def bin_到_浮点（二进制）：
返回结构解包（“！f”，结构包（“！I”，int（二进制，2））[0]
def parsePlanes（标题、深度映射）：
指数=[]
平面=[]
n=[0,0,0]
对于范围内的i（标题[“宽度”]*标题[“高度”]）：
index.append（depthMap[header[“offset”]+i]）
对于范围内的i（标题[“numberOfPlanes”]）：
字节偏移=头[“偏移”]+头[“宽度”]*头[“高度”]+i*4*4
n=[0,0,0]
n[0]=getFloat32（深度映射，字节偏移）
n[1]=getFloat32（深度映射，字节偏移量+4）
n[2]=getFloat32（深度映射，字节偏移量+8）
d=getFloat32（深度映射，字节偏移+12）
append（{“n”：n，“d”：d}）
返回{“平面”：平面，“索引”：索引}
def computeDepthMap（标题、索引、平面）：
v=[0,0,0]
w=标题[“宽度”]
h=收割台[“高度”]
深度映射=np.空（w*h）
sin_θ=np.空（h）
cos_theta=np.空（h）
sin_phi=np.空（w）
cos_phi=np.空（w）
对于范围（h）内的y：
θ=（h-y-0.5）/h*np.pi
sin_θ[y]=np.sin（θ）
cos_θ[y]=np.cos（θ）
对于范围（w）内的x：
φ=（w-x-0.5）/w*2*np.pi+np.pi/2
sin_phi[x]=np.sin（phi）
cos_phi[x]=np.cos（phi）
对于范围（h）内的y：
对于范围（w）内的x：
planeIdx=指数[y*w+x]
v[0]=sin_theta[y]*cos_phi[x]
v[1]=sin_theta[y]*sin_phi[x]
v[2]=cos_θ[y]
如果planeIdx>0：
平面=平面[planeIdx]
t=np.abs(
平面[“d”]
/ (
v[0]*平面[“n”][0]
+v[1]*平面[“n”][1]
+v[2]*平面[“n”][2]
)
)
深度映射[y*w+（w-x-1）]=t
其他：
深度映射[y*w+（w-x-1）]=999999999999.0
返回{“宽度”：w，“高度”：h，“深度映射”：深度映射}
#看https://stackoverflow.com/questions/56242758/python-equivalent-for-javascripts-dataview
#用于字节解析参考
#看https://github.com/proog128/GSVPanoDepth.js/blob/master/src/GSVPanoDepth.js
#供整体处理参考
#从请求到的Base64字符串：
# https://maps.google.com/cbk?output=xml&ll=45.508457，-73.532738&dm=1
#编辑长和宽
s="2.这两个研究结果表明，一个研究成果是一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究成果，一个研究一个研究成果，一个研究成果，一个研究一个研究成果，一个研究一个研究成果，一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究一个研究F5S2BainhagudFRZB47AEMJVG一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一个单词，一OPR9APHTWODT378GLQPFEV4-qSCRo98W\U v6owM\UDBYA\U jaCvz\U ytz-VBYC\U jeDvsfprP1SeRd0\U yV在中国，一个城市的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区的一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一个社区一U 16tpT0-e_8ePUj_JQ2D3V6JUHRXNL-vZIV8Q-Hwwr_0YO02R2fhf-w-M8a_45kp4l_GVncv8xs5eWRHxT-0Y_1S6T8TOvjwz_NdP1LkhXDN_zdLjq研究结果表明，他们的研究成果是一个非政府组织的一个非政府组织的一个非政府组织的一个非政府组织的一个非政府组织的非政府组织的一个非政府组织的非政府组织的一个非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府组织的非政府FFK7PKRX-IqiWL-Le9lVP6xz-5NVBVpRLRiorMj5eYS_sb47SPnJv1ziA04k7xmigun2.在过去的六年中，我们在过去的六年中，在过去的六年中，在过去的六年中，在过去的六年中，他们在过去的六年中，在过去的六年中，他们在过去的六年中，他们在未来的六年中，他们在未来的六年中，他们在未来的六年中，他们在过去的六年中，他们在过去的六年中，他们在未来的六年中，他们在未来的一个新的一年中，他们在未来的一个新的一个新的一个新的一年，他们在未来的一个新的一个新的一个新的一个新的一年中，他们在一个新的一个新的一个10年的一个10年中，他们在一个10年的一个10年中，他们在一个10年的一个10年中，他们在一个10年的一个10年的10年中，他们在一个10年的10个10年的10年ZFSKXFVJZ6I8Rfjnlo_mb_xQ8DyFljcCPe1tRn4a7ESS2DRn3jvoLsAirtc7W8d3QC_vfrcyfxzkj4E0toCz2Xi9lctgSX_FErq76_ytwOvp69z7hT-KR8CBlvguzWw5h_Ngn9Kp-bv2PprZ_XT65VWZHZEPD_08DAP3JR0vW3I-eEvxl9c-5MHWWJJ-fh4Y-xttgCl-W3IO-JvDD5j1t7MCvtqE_Pwk_-VORFJN6STPxN617H0OMB2G W0GB2I