Yulduzlarni kompyuter ko'rish (OpenCV) yordamida tanib olish: 11 qadam (rasmlar bilan)

2024 Muallif: John Day | [email protected]. Oxirgi o'zgartirilgan: 2024-01-30 13:24

Bu ko'rsatma sizga tasvirdagi yulduzcha naqshlarini avtomatik aniqlash uchun kompyuterni ko'rish dasturini qanday yaratishni tasvirlab beradi. Bu usul OpenCV (Open Source Computer Vision) kutubxonasidan foydalanib, ma'lum yulduzli naqshlarni tanib olish uchun ishlatilishi mumkin bo'lgan o'qitilgan HAAR kaskadlari to'plamini yaratadi. Garchi bu qo'llanma yulduzcha naqshini aniqlash kontekstida bo'lsa -da, men tasvirlab bergan OpenCV jarayoni boshqa ilovalarga ham qo'llanilishi mumkin - shuning uchun umid qilamanki foydali bo'ladi!

Loyiha videoda umumlashtiriladi:

Nega men buni o'rgatuvchi qilib yozdim?

1. Men ishlab chiqayotgan yulduzlar naqshini aniqlash usuli, havaskor astronomiyaning ko'plab loyihalarida qo'llanilishi mumkin - menimcha, bu teleskop yo'nalishi, tasvirni avtomatik tasnifi, yoki oxir -oqibat ochiq manba yoki havaskor CubeSatdagi yulduz sensori.
2. Bu erda juda ko'p yaxshi OpenCV ko'rsatmalari bor, lekin shunga qaramay, men buni dastlab o'rganish juda qiyin jarayon deb topdim, shuning uchun umid qilamanki, bu qo'llanma OpenCV uchun HAAR tasniflagichlarini o'qitmoqchi bo'lgan boshqa odamlar uchun yaxshi ma'lumot bo'ladi. ehtimol astronomiya!).
3. Men o'zim o'qitilgan dasturchi emasman, shuning uchun bu loyiha haqiqatan ham mening tushunchamni oshirdi. Umid qilamanki, bu ko'rsatmali boshqa, tajribali ishlab chiqaruvchilar ushbu kontseptsiya ustida ishlashga ilhomlanib, GitHub -ga o'z hissalarini qo'shadilar va bu sahifadagi sharhlar orqali.
4. Havaskor astronomiya va yo'nalish usullari menda katta qiziqish uyg'otadi, oldingi ko'rsatmalarni qarang: Teleskoplar uchun Arduino Star-Finder.

Ushbu yo'riqnomaning muqovali fotosurati men dizaynda qatnashgan 3U CubeSat kontseptsiyasidan iborat. Men buni ko'rsatma berish uchun qo'lladim, chunki kompyuterni ko'rish tizimidagi yulduzlarni aniqlash tizimining asl ilovasi Raspberry Pi V2 kamerasi yordamida havaskor CubeSats uchun yo'naltiruvchi sensori bo'lishi kerak edi. Menimcha, kompyuterni ko'rish qobiliyatini aniqlashning boshqa ko'plab mumkin bo'lgan ilovalari bor, lekin menimcha, bu eng zo'ri!

Kichik lug'at:

Kompyuter ko'rish qobiliyatini o'rganish, ishlatilgan maxsus atamalar tufayli sekinlashadi, shuning uchun men bu erda biz uchun ba'zi ta'riflarni beraman:

Kaskad - aniq maqsadli ob'ektni aniqlashga o'rgatilgan klassifikator.

Fiducial marker - tasvirga vizual mos yozuvlar nuqtasini qo'shadigan belgi.

HAAR - Haarga o'xshash xususiyatlar tasniflagichlarni o'qitish uchun ishlatiladigan tasvir xususiyatlarining bir turi.

OpenCV - Ochiq manbali Computer Vision, kompyuter ko'rish asboblari kutubxonasi.

Stellarium - ochiq manbali astronomiya dasturi.

1 -qadam: talablar

OpenCV - bu Linux -ga asoslangan kutubxona, shuning uchun uni Windows -da yaxshi ishlatish mumkin bo'lsa -da, uni Linux muhitida ishlatish ancha oson bo'ladi (buni mendan oling va uni to'liq ishlashiga ko'p kunlar sarflang. Windows!). Tajriba sifatida men Raspberry Pi 3B+-da OpenCV -ni yukladim va ishga tushirdim, bu muvaffaqiyatli bo'ldi, garchi tasniflagichlarni o'qitish juda tezkor operativ jarayon bo'lsa -da, agar siz buni istalgan tezlikda bajarishni xohlasangiz, tavsiya etilgan yo'nalish - Linux virtual serverini yollash. (bu ajablanarli darajada arzon bo'lishi mumkin) bir necha kun/hafta/oy davomida va undan tasniflagich mashg'ulotlarini o'tkazish uchun maxsus muhit sifatida foydalaning. Siz Putty kabi SSH mijozi yordamida serverni Windows kompyuteridan boshqarishingiz mumkin bo'ladi. Kaskadlarni VPS yordamida o'rgatgandan so'ng, ularni Windows kompyuteringizga yuklab olish mumkin va Python yordamida Windows muhitida tasvirni aniqlash dasturini ishga tushirish mumkin.

Linux virtual serveri:

HAAR kaskadli o'quv jarayonlarini bajarish uchun Linux Virtual Server (VPS) kerak. Dastlab men 8 Gb tezkor xotira va Ubuntu 16.04.6 (LTS) x64, keyinroq kaskadlarni o'qitish tezligini ikki barobarga oshiradigan serverni yolladim, garchi sizga faqat bittasi kerak bo'ladi

Dasturiy ta'minot:

• Stellarium - bu virtual planetariy/astronomiya dasturi, bemalol mavjud. Sinovda foydalanish uchun simulyatsiya qilingan yulduz tasvirlarini yig'ish uchun ishlatiladi.
• Putty - bu VPSni buyruq satri orqali boshqarish uchun ishlatiladigan SSH mijozi.
• WinSCP - bu Windows kompyuteridan fayllarni uzatish uchun ishlatiladi.

2 -qadam: VPSni sozlash

VPSni ishga tushirish uchun kichik sozlash jarayoni mavjud. Birinchi marta siz uchun biroz vaqt ketishi mumkin, lekin agar siz qadamlarni yaqindan kuzatib qo'ysangiz, bu unchalik qiyin emas. Bu o'quv qo'llanma men uchun ajoyib ma'lumot edi, men sizga bu ko'rsatma bilan ishlashda o'qishni maslahat beraman. U linux buyruqlarini satrma -bosqich bajarishi uchun zarur bo'lgan xususiyatlarni o'z ichiga oladi.

Umuman olganda, jarayon quyidagilarni o'z ichiga oladi:

1. Linux serverini to'g'ri Ubuntu versiyasi bilan yaratish.
2. Serverni yangilash va yangilash.
3. OpenCV o'rnatilgan ish maydoni katalogini yaratish.
4. Bir nechta muhim narsalarni, ya'ni kompilyatorni, turli kutubxonalarni va Python birikmalarini o'rnatish.

Ushbu bosqichdan so'ng siz mashg'ulotlarga tayyorgarlik ko'rishga tayyormiz.

3 -qadam: Jarayon

HAAR kaskadlari yordamida kompyuterni ko'rishning butun jarayoni dastlab juda chalkash, shuning uchun bu qadam mantiqni biroz batafsilroq tasvirlab beradi:

Asosiy jarayon

1. Qiziqarli ob'ekt bo'lmagan bir necha ming tasvirlardan iborat salbiy tasvirlar to'plami mavjud. Bu VPS -ga yuklanishi kerak.
2. Qiziqish ob'ektini o'z ichiga olgan bitta ijobiy obraz yaratiladi. Bu, shuningdek, VPS -ga yuklanishi kerak.
3. Yagona ijobiy tasvir tanlangan parametrlar majmui bilan buziladi, buriladi, aylanadi va hokazo. Bu bitta rasmdan katta ijobiy ma'lumotlar to'plamini yaratishning sun'iy usuli. (Mushukni aniqlash kabi boshqa real ilovalar uchun siz mushuklarning bir necha ming tasvirini ishlatishingiz mumkin, lekin agar sizda bunday ijobiy tasvirlar to'plami bo'lmasa, bu usul har doim ham mos kelmaydi. Bu erda sun'iy yondashuv qo'llaniladi. kamroq samaraliroq bo'ladi, lekin bu kabi holatlarda yagona variant).
4. O'quv jarayoni amalga oshiriladi, u bosqichma -bosqich ishlaydi. Har bir bosqich tasvirlar to'plamidagi HAAR tipidagi turli xil xususiyatlarni aniqlash uchun kaskadni o'rgatadi. Har bir bosqichni bajarish uchun eksponentli ravishda ko'proq vaqt talab etiladi va tasniflagichning samaradorligi har safar oshadi (siz bilganingizdek ortiqcha mashq qilish ham mumkin!).
5. Bitta o'qitilgan kaskad bitta maqsadli ob'ektni qidira oladi. Agar siz bir nechta noyob ob'ektlarni aniqlamoqchi bo'lsangiz, sizga har biri uchun o'qitilgan kaskad kerak bo'ladi. Bu holda men shimoliy samoviy yarim sharni qamrab oladigan to'plam yaratish uchun noyob yulduz patterlari uchun 50 ga yaqin kaskadni o'rgatdim.
6. Nihoyat, har bir to'plam kaskadini kirish tasviriga qarshi ishlaydigan aniqlovchi dastur ishlatiladi. Kaskad kirish tasviridan o'z maqsadli ob'ektini qidiradi.
7. Muvaffaqiyatli bo'lsa, maqsadli ob'ekt tasvirda aniqlanadi.

nb agar sun'iy yo'ldoshga yo'naltirilgan kontekstda ishlatilsa, bortdagi kamera yordamida tasvir olinadi. Bu rasmdagi eng yorqin yulduzlar aniqlanadi va ularning ustiga markerlar qo'yiladi. Keyin bu rasm o'qitilgan kaskadlar to'plamiga taqdim etiladi, bu kirish tasvirida maqsadli ob'ektlardan birortasi bor -yo'qligini tekshiradi. Agar haqiqiy pozitiv aniqlansa, ma'lum yulduz turkumining burchak pozitsiyasi sun'iy yo'ldosh tanasining o'qlariga nisbatan aniqlanadi.

4 -qadam: salbiy va ijobiy

Salbiy

Kaskadli mashg'ulotlarning haqiqatan ham asosiy jihati - salbiy tasvirlarning iloji boricha katta ma'lumotlar to'plamiga ega bo'lish. Biz minglab, ideal holda o'n minglab tasvirlar haqida gapirayapmiz. Ularda nima borligi muhim emas, maqsad har xil vizual ma'lumotlarni taqdim etishdir. Classifier Training papkasida men tuzgan turli xil salbiy tasvirlar to'plami mavjud. Dastlab, ular faqat Stellariumdan olingan simulyatsiya qilingan yulduzli dala tasvirlaridan iborat edi, lekin men keyinchalik ma'lumotlar bazasini topa oladigan darajada tasodifiy tasvirlar bilan to'ldirdim (ha, shu jumladan mening bayram rasmlarim …). U erda eng katta ma'lumotlar to'plami deyarli 9000 ta tasvirni o'z ichiga oladi, bu men yaratgan eng katta rasm edi. Buni ishlatib, o'zingizni kompilyatsiya qilishdan qutqarasiz.

Ijobiy

Ijobiy tasvir (bu kaskadni tanib olishni o'rgatadigan maqsadli yulduz namunasi) Stellariumdagi yulduzlar naqshining skrinshotidan boshlanadi. Keyin python dasturi tasvirdagi eng yorqin yulduzlarni aniqlaydi va markerlarni (keyinroq ko'rsatma berilgandek) bu yulduz pozitsiyalariga qo'yadi. Keyin bu tasvir 50x50 pikselgacha qisqartiriladi. Bu kichik, lekin kaskadlar uchun talab qilinadigan mashg'ulot vaqti bu kattalik oshgani sayin ko'payib boradi va shuning uchun bu sifat va vaqt o'rtasidagi yaxshi kelishuvdir.

5 -qadam: Stellarium nazorati

GitHub omborining Stellarium skriptlari papkasida men Stellariumdan foydalanishni boshqarish uchun yozgan uchta dastur bor. Ularni ishlatish uchun ularni Stellarium o'rnatish papkasidagi skriptlar papkasiga joylashtiring. Ularni ishga tushirish uchun siz Stellarium menyusidan skriptlar oynasini ochishingiz mumkin, yoki stellarium papkasidagi dasturni ikki marta bosish orqali Stellarium ishga tushadi va darhol tanlangan dastur ishga tushadi.

tezis_4 va tezis_5 har biri shimoliy va janubiy, mos ravishda samoviy yarim sharlarning 2000 ga yaqin tasvirini oladi. Ular salbiy tasvirlarning ma'lumotlar bazalarini shakllantirishda, ijobiy imidjga qarshi mashq qilishda ishlatilgan. Shimoliy va janubni ajratish, maqsadli (musbat) yulduz naqshining salbiy ma'lumotlar to'plamida bo'lmasligini ta'minlashning oddiy usuli bo'lib, shimoliy yarim sharning yulduz naqshlarini janubiy osmon yarim sharining tasvirlar to'plamiga qarshi o'rgatish orqali amalga oshiriladi. (Agar manfiy tasvirlar to'plamida ham ijobiy tasvir bo'lsa, bu tasniflagich sifatiga ta'sir qiladi).

thesis_setup ham foydalidir - bu Stellarium -ni kosmosdan ko'rinishni taqlid qilish uchun ishlatiladigan tasvirlarni olish uchun mos qilib o'rnatadi. Siz har safar rasmni olishni xohlagan vaqtingizni saqlab qolish uchun menyular, tarmoqli chiziqlar, teglar va boshqalarni avtomatik ravishda yashirish kabi amallarni bajaradi.

6 -qadam: Raketa odami

Men o'rgatgan birinchi kaskadlar hech qanday yulduz naqshini to'g'ri aniqlay olmagan. Ular juda ishonchsiz edilar va yolg'on pozitsiyalarga juda moyil edilar. Mening taxminimcha, Stellarium yulduzli tasvirlari (asosan qora fonda oq nuqta) tasniflagichni muvaffaqiyatli o'qitish uchun HAAR tipidagi xususiyatlarni o'z ichiga oladigan vizual ma'lumotni o'z ichiga olmaydi. O'ylaymanki, kech bo'ldi, lekin men har bir yorqin yulduzning joylashuvi ustidan kichik maydon tasvirini avtomatik ravishda joylashtirish uchun dastur yozish g'oyasini sinab ko'rishga qaror qildim.

Elton

Bu ahmoqona sinov edi, lekin har bir yorqin yulduz joyiga Elton Jonning yuzining kichkina rasmini qo'shib, tasniflagichni bu ijobiy tasvirga o'rgatib, keyin kaskadlarni asl tasvirga qarshi ishlatib, to'g'ri topishda ancha samarali bo'ldi. to'g'ri naqsh. Men nimanidir bilardim!

7 -qadam: Ishonchli belgilar

"Eltonlar" nazariyani isbotlagan bo'lsada, menga to'liq aylanish simmetriyasiga ega bo'lgan marker kerak edi, shunda yulduzcha naqshlari qanday yo'nalishda bo'lishidan qat'i nazar, bir xil bo'lib ko'rinadi. Men bir qator markerlarni sinab ko'rdim va o'ng va pastki qismdagi kontrastli qora va oq halqalar eng samarali ekanligini aniqladim. GitHub repo -ning ijobiy papkasida taqdim etilgan python dasturi, bu tasvirdagi eng yorqin yulduzlar qanday aniqlanganligini ko'rsatadi va bu belgilar avtomatik ravishda o'sha pozitsiyalarda yotadi. Biz hozirda yulduzlarning asosiy naqshlari tasvirini yaratdik, ularga qarshi kurashish mumkin.

8 -qadam: Kaskadlardan foydalanish

Kaskadlar to'plamini o'rgatganingizdan so'ng, siz ularni tasvirdagi ob'ektni aniqlash uchun qanday ishlatishni bilishingiz kerak!

GitHub -ning Star Identification papkasini ko'ring, u erda siz cascade_test19.py dasturini topasiz. Bu ajoyib nomlangan dastur ma'lum bir papkadan kaskadlar to'plamini oladi va ularning barchasini kirish tasviri va bajarilgan aniqlovlar haqida hisobotga qarshi ishlaydi. "DetectMultiScale" funktsiyasi uning asosi bo'lib, uni aniqlash jarayonini belgilaydigan turli xil dalillar talab qilinadi. Ularni o'zgartirish kaskad tasniflagichining ishlashi uchun juda muhim va bu borada keyingi bosqichda biz noto'g'ri pozitivlarni qanday yo'q qilishni ko'rib chiqamiz.

Buni sun'iy yo'ldoshga yo'naltirish tizimida, chegara qutisining markazidagi piksel qiymatini aniqlangan yulduz patterining Ra/Dec samoviy koordinatasiga bog'lash va keyin tasvirning markazidan burchakli siljish bilan bog'lash orqali qo'llash mumkin. o'qi). Shundan kelib chiqqan holda, linzalarning buzilishi (gnomonik proyeksiyaga yaqin) tushunchasidan foydalanib, sun'iy yo'ldoshning burchagini faqat ikkita ijobiy identifikatsiyadan topish mumkin.

9 -qadam: Qanday qilib yolg'on pozitivlarga ijobiy munosabatda bo'lish kerak

Bu ikkita tasvir kaskad to'plamini bir xil tasvirga, lekin har xil parametrlarga ega bo'lgan sinov natijalarini ko'rsatadi. Shubhasiz, birinchi rasm haqiqiy identifikatsiyani o'z ichiga oladi, lekin juda ko'p sonli yolg'on pozitsiyalar, ikkinchi rasmda faqat to'g'ri identifikatsiya mavjud.

GitHub repo -ning Star Identification papkasidagi cascade_test19.py dasturi natijalarni saralash uchun ikkita usuldan foydalanadi. Birinchidan, detectMultiScale funktsiyasi topiladigan natijaning Miminum va Maksimal hajmini o'rnatadi, bu mantiqiy, chunki oynadagi maqsadli yulduz naqshining taxminiy o'lchami (berilgan linzalar va kattalashtirish uchun - mening simulyatsiya qilingan Stellarium tasvirlarim Raspberry Pi V2 Kamera) ma'lum. Ikkinchidan, kod eng katta chegara qutisi bo'lgan natijani tanlaydi (oldingi chegaralarda). Sinov jarayonida bu haqiqiy ijobiy ekanligi aniqlandi. Uchinchidan, dastur ushbu identifikatorni haqiqiy ijobiy deb hisoblash uchun zarur bo'lgan minimal "levelWeights" (samarali "ishonch qiymati") ni o'rnatadi. Ushbu usul yordamida kaskadlar to'g'ri natijani topishda samarali bo'lgan.

Yulduzli maydon tasvirlari bilan bir qatorda, men buni stolimdagi rasmlar bilan sinab ko'rdim, masalan, daftarimni, krujkani va boshqalarni aniqlash uchun kaskadlarni o'rgatish, noto'g'ri pozitivlarni yo'q qilishga o'rgatish. Yuqoridagi usullar har qanday sharoitda yaxshi samara berdi.

10 -qadam: muhokama

Yaxshilash uchun joylar

Bu men uchun murakkab loyiha bo'lib, haqiqatan ham bu mavzuni tushunishga undadi. Loyihani shu darajaga etkazish uchun men bir necha oyga to'la vaqtli ishni o'z zimmamga oldim, lekin men bu usulning ish faoliyatini yaxshilash uchun hali ko'p ishlarni bajarishim kerak. Ko'rinib turibdiki, u ma'lum cheklovlar doirasida yaxshi ishlashi mumkin. Men qaysi sohalarda qo'shimcha ishlarga ehtiyoj borligini aniqlash uchun ishladim va umid qilamanki, kelgusi oylarda bu masalalarga vaqt ajrataman. Ular:

Burchak - Bu murakkab maydon, tasniflagichlar natijalari aylanuvchi o'zgarmas bo'lishi kerak degan fikr, ya'ni maqsadli yulduz chizig'ini o'z ichiga olgan tasvirni qaysi burchakda bo'lishidan qat'i nazar, ishonchliligini aniqlab olishi kerak. Yagona yo'nalishda kirish tasviri yordamida o'qitilgan kaskad tasvirni tasodifiy yo'nalishda aniqlay olmaydi, shuning uchun kirish burchaklaridagi diapazonni qabul qila oladigan kaskadlarni o'rgatish uchun o'quv jarayoniga ijobiy tasvir burchagining dispersiyasini kiritish kerak. Kaskadli o'qitish buyruqlaridagi "maxzangle" parametri radianlarda argumentni oladi, bu esa kiruvchi musbat tasvir salbiy tasvirlar ustiga qo'yiladigan burchak chegarasini boshqaradi, shuning uchun hosil bo'lgan musbat tasvirlar to'plami turli yo'nalishlarni o'z ichiga oladi. ijobiy tasvir. Biroq, bu maxzangle ortishi bilan kaskadning qabul qilish darajasi (keng ma'noda, sifat) keskin kamayadi. Menimcha, bu yechim kaskadlarni o'rgatish, men ishlatganimdan ko'ra, salbiy tasvirlarning ancha katta ma'lumotlar bazasidan foydalangan holda, yuqori sifatli kaskad tasniflagichi yaratilishi mumkin, bu katta yo'nalishni ham o'z ichiga oladi.

Yana bir potentsial yechim, har bir kaskadning to'liq 360 graduslik aylanishning ma'lum bir qismini boshqaradigan, ma'lum bir maqsad uchun kaskadlar sonini o'rgatish bo'ladi. Shunday qilib, har bir kaskadning sifatini yuqori darajada ushlab turish mumkin, lekin boshqa tomondan, bu kaskadlarning ko'payishiga olib keladi va shuning uchun identifikatsiyalash jarayoni sekinroq bo'ladi.

"DetectMultiScale" funktsiyasi tomonidan taqdim etilgan "levelWeight" parametri aniqlangan ishonch qiymatiga o'xshaydi. Buni o'rganib, yuqoridagi grafika tuzildi, bu tasvirning yo'nalishi har ikki tomonga ham oshgani sayin, ijobiy identifikatsiyaga bo'lgan ishonchning keskin kamayib borishini ko'rsatadi, bu fikr zaif nuqtadir, degan fikrni tasdiqlaydi.

Piksellarni joylashtirish - oddiyroq, lekin muammoli nuqta - bu ikkita yulduzning individual piksellarini aniq ko'rish uchun yulduz tasvirining kattalashtirilgan ko'rinishini ko'rsatuvchi quyidagi ikkita rasm bilan tasvirlangan piksellarni joylashtirish. Eng yorqin yulduzlardan tashqari hamma tasvirlarni tozalash uchun dasturda ishlatilgan eroziya jarayoni birinchi yulduzni saqlab qoladi va bir xil nashrida bo'lishiga qaramay, ikkinchisini olib tashlaydi. Buning sababi shundaki, birinchi yulduz pikselga markazlashtirilgan, ikkinchisi esa unday emas. Eroziya funktsiyasi guruhning markaziy pikseli atrofidagi piksellarning konsentrik halqalarini ajratadi, shuning uchun birinchi yulduz eroziya funktsiyasidan omon qoladi, lekin ikkinchi yulduz tasvirdan butunlay o'chiriladi. Shuning uchun ishonchli belgilar faqat birinchi yulduzga joylashtiriladi, ikkinchisiga emas. Bu ma'lum bir yulduz maydonida qaysi yorqin yulduzlar markerlarni olishiga (va shuning uchun o'qitilgan tasniflagichlar bilan taqqoslaganda) nomuvofiqliklarga olib keladi, shuning uchun to'g'ri ijobiy kuzatuvni amalga oshirish mumkin emas.

11 -qadam: Oxirgi so'z

Mening ko'rsatmalarni o'qiganingiz uchun tashakkur, umid qilamanki, siz ushbu loyihani qiziqarli deb topdingiz. Uning ustida ishlash juda qiziq jarayon bo'ldi, men kontseptsiya ustida ishlay boshlaganimga bir yildan oshdi va natijalar shu paytgacha meni ruhlantiradi. Men o'qigan adabiyotlardan, bu juda o'ziga xos kontseptsiya va uni yanada rivojlantirish bilan, albatta, havaskor astronomiya yoki undan ko'p dasturlarda qo'llash mumkin.

Bu loyiha men uchun keskin burilish edi va shuning uchun umid qilamanki, dasturlash tajribasi ko'proq bo'lgan ba'zi o'quvchilar ilhomlanib GitHub sahifasi orqali loyihani davom ettirishga o'z hissalarini qo'shadilar va biz bu ochiq manbali vositani ishlab chiqishda davom etishimiz mumkin. Men sizning sharhlaringizni o'qishni orziqib kutaman, lekin juda qiyin savollarni bermang!

Kosmik tanlovda yuguruvchi