add data transmission functions in DataTrans Class

modules/cnn_3dobj/include/opencv2/cnn_3dobj.hpp

@@ -45,15 +45,24 @@ the use of this software, even if advised of the possibility of such damage.
 #ifndef __OPENCV_CNN_3DOBJ_HPP__
 #define __OPENCV_CNN_3DOBJ_HPP__
 #ifdef __cplusplus
-
+#include <glog/logging.h>
+#include <leveldb/db.h>
+#include <caffe/proto/caffe.pb.h>
 #include <opencv2/calib3d.hpp>
 #include <opencv2/viz/vizcore.hpp>
 #include <opencv2/highgui.hpp>
+#include <opencv2/highgui/highgui_c.h>
+//#include <opencv2/imgproc/imgproc.hpp>
 #include <string>
 #include <fstream>
 #include <vector>
 #include <stdio.h>
 #include <iostream>
+#include <string>
+#include <set>
+#include <string.h>
+#include <stdlib.h>
+#include <dirent.h>
 using std::string;
 /** @defgroup cnn_3dobj CNN based on Caffe aimming at 3D object recognition and pose estimation
 */
@@ -113,8 +122,21 @@ class CV_EXPORTS_W IcoSphere
 		*/
 
 };
-//! @}
 
+class CV_EXPORTS_W DataTrans
+{
+	private:
+		std::set<string> all_class_name;
+		std::map<string,int> class2id;
+	public:
+		DataTrans();
+		CV_WRAP void list_dir(const char *path,std::vector<string>& files,bool r);
+		CV_WRAP string get_classname(string path);
+		CV_WRAP int get_labelid(string fileName);
+		CV_WRAP void loadimg(string path,char* buffer,bool is_color);
+		CV_WRAP void convert(string imgdir,string outputdb,string attachdir,int channel,int width,int height);	
+};
+//! @}
 }}
 
 

modules/cnn_3dobj/samples/3Dmodel/teapot.ply

-ply
-format ascii 1.0
-element vertex 1177
-property float32 x
-property float32 y
-property float32 z
-element face 2256
-property list uint8 int32 vertex_indices
-end_header
-1.38137 0 2.45469 
-1.4 0 2.4 
-1.35074 -0.375926 2.4 
-1.33276 -0.370922 2.45469 
-1.38426 0 2.4875 
-1.33555 -0.371699 2.4875 
-1.40312 0 2.49844 
-1.35376 -0.376765 2.49844 
-1.43241 0 2.4875 
-1.38201 -0.384628 2.4875 
-1.46655 0 2.45469 
-1.41495 -0.393796 2.45469 
-1.5 0 2.4 
-1.44722 -0.402778 2.4 
-1.21126 -0.711407 2.4 
-1.19514 -0.701938 2.45469 
-1.19764 -0.703409 2.4875 
-1.21396 -0.712995 2.49844 
-1.2393 -0.727875 2.4875 
-1.26884 -0.745225 2.45469 
-1.29778 -0.762222 2.4 
-0.994 -0.994 2.4 
-0.98077 -0.98077 2.45469 
-0.982824 -0.982824 2.4875 
-0.996219 -0.996219 2.49844 
-1.01701 -1.01701 2.4875 
-1.04125 -1.04125 2.45469 
-1.065 -1.065 2.4 
-0.711407 -1.21126 2.4 
-0.701938 -1.19514 2.45469 
-0.703409 -1.19764 2.4875 
-0.712995 -1.21396 2.49844 
-0.727875 -1.2393 2.4875 
-0.745225 -1.26884 2.45469 
-0.762222 -1.29778 2.4 
-0.375926 -1.35074 2.4 
-0.370922 -1.33276 2.45469 
-0.371699 -1.33555 2.4875 
-0.376765 -1.35376 2.49844 
-0.384628 -1.38201 2.4875 
-0.393796 -1.41495 2.45469 
-0.402778 -1.44722 2.4 
-0 -1.4 2.4 
-0 -1.38137 2.45469 
-0 -1.38426 2.4875 
-0 -1.40312 2.49844 
-0 -1.43241 2.4875 
-0 -1.46655 2.45469 
-0 -1.5 2.4 
--0.375926 -1.35074 2.4 
--0.370922 -1.33276 2.45469 
--0.371699 -1.33555 2.4875 
--0.376765 -1.35376 2.49844 
--0.384628 -1.38201 2.4875 
--0.393796 -1.41495 2.45469 
--0.402778 -1.44722 2.4 
--0.711407 -1.21126 2.4 
--0.701938 -1.19514 2.45469 
--0.703409 -1.19764 2.4875 
--0.712995 -1.21396 2.49844 
--0.727875 -1.2393 2.4875 
--0.745225 -1.26884 2.45469 
--0.762222 -1.29778 2.4 
--0.994 -0.994 2.4 
--0.98077 -0.98077 2.45469 
--0.982824 -0.982824 2.4875 
--0.996219 -0.996219 2.49844 
--1.01701 -1.01701 2.4875 
--1.04125 -1.04125 2.45469 
--1.065 -1.065 2.4 
--1.21126 -0.711407 2.4 
--1.19514 -0.701938 2.45469 
--1.19764 -0.703409 2.4875 
--1.21396 -0.712995 2.49844 
--1.2393 -0.727875 2.4875 
--1.26884 -0.745225 2.45469 
--1.29778 -0.762222 2.4 
--1.35074 -0.375926 2.4 
--1.33276 -0.370922 2.45469 
--1.33555 -0.371699 2.4875 
--1.35376 -0.376765 2.49844 
--1.38201 -0.384628 2.4875 
--1.41495 -0.393796 2.45469 
--1.44722 -0.402778 2.4 
--1.4 0 2.4 
--1.38137 0 2.45469 
--1.38426 0 2.4875 
--1.40312 0 2.49844 
--1.43241 0 2.4875 
--1.46655 0 2.45469 
--1.5 0 2.4 
--1.35074 0.375926 2.4 
--1.33276 0.370922 2.45469 
--1.33555 0.371699 2.4875 
--1.35376 0.376765 2.49844 
--1.38201 0.384628 2.4875 
--1.41495 0.393796 2.45469 
--1.44722 0.402778 2.4 
--1.21126 0.711407 2.4 
--1.19514 0.701938 2.45469 
--1.19764 0.703409 2.4875 
--1.21396 0.712995 2.49844 
--1.2393 0.727875 2.4875 
--1.26884 0.745225 2.45469 
--1.29778 0.762222 2.4 
--0.994 0.994 2.4 
--0.98077 0.98077 2.45469 
--0.982824 0.982824 2.4875 
--0.996219 0.996219 2.49844 
--1.01701 1.01701 2.4875 
--1.04125 1.04125 2.45469 
--1.065 1.065 2.4 
--0.711407 1.21126 2.4 
--0.701938 1.19514 2.45469 
--0.703409 1.19764 2.4875 
--0.712995 1.21396 2.49844 
--0.727875 1.2393 2.4875 
--0.745225 1.26884 2.45469 
--0.762222 1.29778 2.4 
--0.375926 1.35074 2.4 
--0.370922 1.33276 2.45469 
--0.371699 1.33555 2.4875 
--0.376765 1.35376 2.49844 
--0.384628 1.38201 2.4875 
--0.393796 1.41495 2.45469 
--0.402778 1.44722 2.4 
-0 1.4 2.4 
-0 1.38137 2.45469 
-0 1.38426 2.4875 
-0 1.40312 2.49844 
-0 1.43241 2.4875 
-0 1.46655 2.45469 
-0 1.5 2.4 
-0.375926 1.35074 2.4 
-0.370922 1.33276 2.45469 
-0.371699 1.33555 2.4875 
-0.376765 1.35376 2.49844 
-0.384628 1.38201 2.4875 
-0.393796 1.41495 2.45469 
-0.402778 1.44722 2.4 
-0.711407 1.21126 2.4 
-0.701938 1.19514 2.45469 
-0.703409 1.19764 2.4875 
-0.712995 1.21396 2.49844 
-0.727875 1.2393 2.4875 
-0.745225 1.26884 2.45469 
-0.762222 1.29778 2.4 
-0.994 0.994 2.4 
-0.98077 0.98077 2.45469 
-0.982824 0.982824 2.4875 
-0.996219 0.996219 2.49844 
-1.01701 1.01701 2.4875 
-1.04125 1.04125 2.45469 
-1.065 1.065 2.4 
-1.21126 0.711407 2.4 
-1.19514 0.701938 2.45469 
-1.19764 0.703409 2.4875 
-1.21396 0.712995 2.49844 
-1.2393 0.727875 2.4875 
-1.26884 0.745225 2.45469 
-1.29778 0.762222 2.4 
-1.35074 0.375926 2.4 
-1.33276 0.370922 2.45469 
-1.33555 0.371699 2.4875 
-1.35376 0.376765 2.49844 
-1.38201 0.384628 2.4875 
-1.41495 0.393796 2.45469 
-1.44722 0.402778 2.4 
-1.62384 0 2.13785 
-1.56671 -0.436032 2.13785 
-1.74074 0 1.87778 
-1.67949 -0.467421 1.87778 
-1.84375 0 1.62187 
-1.77888 -0.495081 1.62188 
-1.92593 0 1.37222 
-1.85816 -0.517147 1.37222 
-1.98032 0 1.1309 
-1.91065 -0.531754 1.1309 
-2 0 0.9 
-1.92963 -0.537037 0.9 
-1.40492 -0.825153 2.13785 
-1.50606 -0.884554 1.87778 
-1.59519 -0.936898 1.62188 
-1.66628 -0.978656 1.37222 
-1.71335 -1.0063 1.1309 
-1.73037 -1.0163 0.9 
-1.15293 -1.15293 2.13785 
-1.23593 -1.23593 1.87778 
-1.30906 -1.30906 1.62187 
-1.36741 -1.36741 1.37222 
-1.40603 -1.40603 1.1309 
-1.42 -1.42 0.9 
-0.825153 -1.40492 2.13785 
-0.884554 -1.50606 1.87778 
-0.936898 -1.59519 1.62188 
-0.978656 -1.66628 1.37222 
-1.0063 -1.71335 1.1309 
-1.0163 -1.73037 0.9 
-0.436032 -1.56671 2.13785 
-0.467421 -1.67949 1.87778 
-0.495081 -1.77888 1.62187 
-0.517147 -1.85816 1.37222 
-0.531754 -1.91065 1.1309 
-0.537037 -1.92963 0.9 
-0 -1.62384 2.13785 
-0 -1.74074 1.87778 
-0 -1.84375 1.62187 
-0 -1.92593 1.37222 
-0 -1.98032 1.1309 
-0 -2 0.9 
--0.436032 -1.56671 2.13785 
--0.467421 -1.67949 1.87778 
--0.495081 -1.77888 1.62188 
--0.517147 -1.85816 1.37222 
--0.531754 -1.91065 1.1309 
--0.537037 -1.92963 0.9 
--0.825153 -1.40492 2.13785 
--0.884554 -1.50606 1.87778 
--0.936898 -1.59519 1.62188 
--0.978656 -1.66628 1.37222 
--1.0063 -1.71335 1.1309 
--1.0163 -1.73037 0.9 
--1.15293 -1.15293 2.13785 
--1.23593 -1.23593 1.87778 
--1.30906 -1.30906 1.62187 
--1.36741 -1.36741 1.37222 
--1.40603 -1.40603 1.1309 
--1.42 -1.42 0.9 
--1.40492 -0.825153 2.13785 
--1.50606 -0.884554 1.87778 
--1.59519 -0.936898 1.62188 
--1.66628 -0.978656 1.37222 
--1.71335 -1.0063 1.1309 
--1.73037 -1.0163 0.9 
--1.56671 -0.436032 2.13785 
--1.67949 -0.467421 1.87778 
--1.77888 -0.495081 1.62187 
--1.85816 -0.517147 1.37222 
--1.91065 -0.531754 1.1309 
--1.92963 -0.537037 0.9 
--1.62384 0 2.13785 
--1.74074 0 1.87778 
--1.84375 0 1.62187 
--1.92593 0 1.37222 
--1.98032 0 1.1309 
--2 0 0.9 
--1.56671 0.436032 2.13785 
--1.67949 0.467421 1.87778 
--1.77888 0.495081 1.62188 
--1.85816 0.517147 1.37222 
--1.91065 0.531754 1.1309 
--1.92963 0.537037 0.9 
--1.40492 0.825153 2.13785 
--1.50606 0.884554 1.87778 
--1.59519 0.936898 1.62188 
--1.66628 0.978656 1.37222 
--1.71335 1.0063 1.1309 
--1.73037 1.0163 0.9 
--1.15293 1.15293 2.13785 
--1.23593 1.23593 1.87778 
--1.30906 1.30906 1.62187 
--1.36741 1.36741 1.37222 
--1.40603 1.40603 1.1309 
--1.42 1.42 0.9 
--0.825153 1.40492 2.13785 
--0.884554 1.50606 1.87778 
--0.936898 1.59519 1.62188 
--0.978656 1.66628 1.37222 
--1.0063 1.71335 1.1309 
--1.0163 1.73037 0.9 
--0.436032 1.56671 2.13785 
--0.467421 1.67949 1.87778 
--0.495081 1.77888 1.62187 
--0.517147 1.85816 1.37222 
--0.531754 1.91065 1.1309 
--0.537037 1.92963 0.9 
-0 1.62384 2.13785 
-0 1.74074 1.87778 
-0 1.84375 1.62187 
-0 1.92593 1.37222 
-0 1.98032 1.1309 
-0 2 0.9 
-0.436032 1.56671 2.13785 
-0.467421 1.67949 1.87778 
-0.495081 1.77888 1.62188 
-0.517147 1.85816 1.37222 
-0.531754 1.91065 1.1309 
-0.537037 1.92963 0.9 
-0.825153 1.40492 2.13785 
-0.884554 1.50606 1.87778 
-0.936898 1.59519 1.62188 
-0.978656 1.66628 1.37222 
-1.0063 1.71335 1.1309 
-1.0163 1.73037 0.9 
-1.15293 1.15293 2.13785 
-1.23593 1.23593 1.87778 
-1.30906 1.30906 1.62187 
-1.36741 1.36741 1.37222 
-1.40603 1.40603 1.1309 
-1.42 1.42 0.9 
-1.40492 0.825153 2.13785 
-1.50606 0.884554 1.87778 
-1.59519 0.936898 1.62188 
-1.66628 0.978656 1.37222 
-1.71335 1.0063 1.1309 
-1.73037 1.0163 0.9 
-1.56671 0.436032 2.13785 
-1.67949 0.467421 1.87778 
-1.77888 0.495081 1.62187 
-1.85816 0.517147 1.37222 
-1.91065 0.531754 1.1309 
-1.92963 0.537037 0.9 
-1.96296 0 0.693403 
-1.8939 -0.527092 0.693403 
-1.87037 0 0.522222 
-1.80456 -0.502229 0.522222 
-1.75 0 0.384375 
-1.68843 -0.469907 0.384375 
-1.62963 0 0.277778 
-1.57229 -0.437586 0.277778 
-1.53704 0 0.200347 
-1.48296 -0.412723 0.200347 
-1.5 0 0.15 
-1.44722 -0.402778 0.15 
-1.69833 -0.997476 0.693403 
-1.61822 -0.950425 0.522222 
-1.51407 -0.889259 0.384375 
-1.40993 -0.828093 0.277778 
-1.32982 -0.781043 0.200347 
-1.29778 -0.762222 0.15 
-1.3937 -1.3937 0.693403 
-1.32796 -1.32796 0.522222 
-1.2425 -1.2425 0.384375 
-1.15704 -1.15704 0.277778 
-1.0913 -1.0913 0.200347 
-1.065 -1.065 0.15 
-0.997476 -1.69833 0.693403 
-0.950425 -1.61822 0.522222 
-0.889259 -1.51407 0.384375 
-0.828093 -1.40993 0.277778 
-0.781043 -1.32982 0.200347 
-0.762222 -1.29778 0.15 
-0.527092 -1.8939 0.693403 
-0.502229 -1.80456 0.522222 
-0.469907 -1.68843 0.384375 
-0.437586 -1.57229 0.277778 
-0.412723 -1.48296 0.200347 
-0.402778 -1.44722 0.15 
-0 -1.96296 0.693403 
-0 -1.87037 0.522222 
-0 -1.75 0.384375 
-0 -1.62963 0.277778 
-0 -1.53704 0.200347 
-0 -1.5 0.15 
--0.527092 -1.8939 0.693403 
--0.502229 -1.80456 0.522222 
--0.469907 -1.68843 0.384375 
--0.437586 -1.57229 0.277778 
--0.412723 -1.48296 0.200347 
--0.402778 -1.44722 0.15 
--0.997476 -1.69833 0.693403 
--0.950425 -1.61822 0.522222 
--0.889259 -1.51407 0.384375 
--0.828093 -1.40993 0.277778 
--0.781043 -1.32982 0.200347 
--0.762222 -1.29778 0.15 
--1.3937 -1.3937 0.693403 
--1.32796 -1.32796 0.522222 
--1.2425 -1.2425 0.384375 
--1.15704 -1.15704 0.277778 
--1.0913 -1.0913 0.200347 
--1.065 -1.065 0.15 
--1.69833 -0.997476 0.693403 
--1.61822 -0.950425 0.522222 
--1.51407 -0.889259 0.384375 
--1.40993 -0.828093 0.277778 
--1.32982 -0.781043 0.200347 
--1.29778 -0.762222 0.15 
--1.8939 -0.527092 0.693403 
--1.80456 -0.502229 0.522222 
--1.68843 -0.469907 0.384375 
--1.57229 -0.437586 0.277778 
--1.48296 -0.412723 0.200347 
--1.44722 -0.402778 0.15 
--1.96296 0 0.693403 
--1.87037 0 0.522222 
--1.75 0 0.384375 
--1.62963 0 0.277778 
--1.53704 0 0.200347 
--1.5 0 0.15 
--1.8939 0.527092 0.693403 
--1.80456 0.502229 0.522222 
--1.68843 0.469907 0.384375 
--1.57229 0.437586 0.277778 
--1.48296 0.412723 0.200347 
--1.44722 0.402778 0.15 
--1.69833 0.997476 0.693403 
--1.61822 0.950425 0.522222 
--1.51407 0.889259 0.384375 
--1.40993 0.828093 0.277778 
--1.32982 0.781043 0.200347 
--1.29778 0.762222 0.15 
--1.3937 1.3937 0.693403 
--1.32796 1.32796 0.522222 
--1.2425 1.2425 0.384375 
--1.15704 1.15704 0.277778 
--1.0913 1.0913 0.200347 
--1.065 1.065 0.15 
--0.997476 1.69833 0.693403 
--0.950425 1.61822 0.522222 
--0.889259 1.51407 0.384375 
--0.828093 1.40993 0.277778 
--0.781043 1.32982 0.200347 
--0.762222 1.29778 0.15 
--0.527092 1.8939 0.693403 
--0.502229 1.80456 0.522222 
--0.469907 1.68843 0.384375 
--0.437586 1.57229 0.277778 
--0.412723 1.48296 0.200347 
--0.402778 1.44722 0.15 
-0 1.96296 0.693403 
-0 1.87037 0.522222 
-0 1.75 0.384375 
-0 1.62963 0.277778 
-0 1.53704 0.200347 
-0 1.5 0.15 
-0.527092 1.8939 0.693403 
-0.502229 1.80456 0.522222 
-0.469907 1.68843 0.384375 
-0.437586 1.57229 0.277778 
-0.412723 1.48296 0.200347 
-0.402778 1.44722 0.15 
-0.997476 1.69833 0.693403 
-0.950425 1.61822 0.522222 
-0.889259 1.51407 0.384375 
-0.828093 1.40993 0.277778 
-0.781043 1.32982 0.200347 
-0.762222 1.29778 0.15 
-1.3937 1.3937 0.693403 
-1.32796 1.32796 0.522222 
-1.2425 1.2425 0.384375 
-1.15704 1.15704 0.277778 
-1.0913 1.0913 0.200347 
-1.065 1.065 0.15 
-1.69833 0.997476 0.693403 
-1.61822 0.950425 0.522222 
-1.51407 0.889259 0.384375 
-1.40993 0.828093 0.277778 
-1.32982 0.781043 0.200347 
-1.29778 0.762222 0.15 
-1.8939 0.527092 0.693403 
-1.80456 0.502229 0.522222 
-1.68843 0.469907 0.384375 
-1.57229 0.437586 0.277778 
-1.48296 0.412723 0.200347 
-1.44722 0.402778 0.15 
-0.605903 0 0.005903 
-0 0 0 
-0.584584 0.162696 0.005903 
-1.02222 0 0.022222 
-0.986255 0.274486 0.022222 
-1.28437 0 0.046875 
-1.23918 0.344878 0.046875 
-1.42778 0 0.077778 
-1.37754 0.383385 0.077778 
-1.48785 0 0.112847 
-1.4355 0.399515 0.112847 
-0.524218 0.307888 0.005903 
-0.884412 0.51944 0.022222 
-1.11122 0.652653 0.046875 
-1.23529 0.725523 0.077778 
-1.28726 0.756047 0.112847 
-0.430191 0.430191 0.005903 
-0.725778 0.725778 0.022222 
-0.911906 0.911906 0.046875 
-1.01372 1.01372 0.077778 
-1.05637 1.05637 0.112847 
-0.307888 0.524218 0.005903 
-0.51944 0.884412 0.022222 
-0.652653 1.11122 0.046875 
-0.725523 1.23529 0.077778 
-0.756047 1.28726 0.112847 
-0.162696 0.584584 0.005903 
-0.274486 0.986255 0.022222 
-0.344878 1.23918 0.046875 
-0.383385 1.37754 0.077778 
-0.399515 1.4355 0.112847 
-0 0.605903 0.005903 
-0 1.02222 0.022222 
-0 1.28437 0.046875 
-0 1.42778 0.077778 
-0 1.48785 0.112847 
--0.162696 0.584584 0.005903 
--0.274486 0.986255 0.022222 
--0.344878 1.23918 0.046875 
--0.383385 1.37754 0.077778 
--0.399515 1.4355 0.112847 
--0.307888 0.524218 0.005903 
--0.51944 0.884412 0.022222 
--0.652653 1.11122 0.046875 
--0.725523 1.23529 0.077778 
--0.756047 1.28726 0.112847 
--0.430191 0.430191 0.005903 
--0.725778 0.725778 0.022222 
--0.911906 0.911906 0.046875 
--1.01372 1.01372 0.077778 
--1.05637 1.05637 0.112847 
--0.524218 0.307888 0.005903 
--0.884412 0.51944 0.022222 
--1.11122 0.652653 0.046875 
--1.23529 0.725523 0.077778 
--1.28726 0.756047 0.112847 
--0.584584 0.162696 0.005903 
--0.986255 0.274486 0.022222 
--1.23918 0.344878 0.046875 
--1.37754 0.383385 0.077778 
--1.4355 0.399515 0.112847 
--0.605903 0 0.005903 
--1.02222 0 0.022222 
--1.28437 0 0.046875 
--1.42778 0 0.077778 
--1.48785 0 0.112847 
--0.584584 -0.162696 0.005903 
--0.986255 -0.274486 0.022222 
--1.23918 -0.344878 0.046875 
--1.37754 -0.383385 0.077778 
--1.4355 -0.399515 0.112847 
--0.524218 -0.307888 0.005903 
--0.884412 -0.51944 0.022222 
--1.11122 -0.652653 0.046875 
--1.23529 -0.725523 0.077778 
--1.28726 -0.756047 0.112847 
--0.430191 -0.430191 0.005903 
--0.725778 -0.725778 0.022222 
--0.911906 -0.911906 0.046875 
--1.01372 -1.01372 0.077778 
--1.05637 -1.05637 0.112847 
--0.307888 -0.524218 0.005903 
--0.51944 -0.884412 0.022222 
--0.652653 -1.11122 0.046875 
--0.725523 -1.23529 0.077778 
--0.756047 -1.28726 0.112847 
--0.162696 -0.584584 0.005903 
--0.274486 -0.986255 0.022222 
--0.344878 -1.23918 0.046875 
--0.383385 -1.37754 0.077778 
--0.399515 -1.4355 0.112847 
-0 -0.605903 0.005903 
-0 -1.02222 0.022222 
-0 -1.28437 0.046875 
-0 -1.42778 0.077778 
-0 -1.48785 0.112847 
-0.162696 -0.584584 0.005903 
-0.274486 -0.986255 0.022222 
-0.344878 -1.23918 0.046875 
-0.383385 -1.37754 0.077778 
-0.399515 -1.4355 0.112847 
-0.307888 -0.524218 0.005903 
-0.51944 -0.884412 0.022222 
-0.652653 -1.11122 0.046875 
-0.725523 -1.23529 0.077778 
-0.756047 -1.28726 0.112847 
-0.430191 -0.430191 0.005903 
-0.725778 -0.725778 0.022222 
-0.911906 -0.911906 0.046875 
-1.01372 -1.01372 0.077778 
-1.05637 -1.05637 0.112847 
-0.524218 -0.307888 0.005903 
-0.884412 -0.51944 0.022222 
-1.11122 -0.652653 0.046875 
-1.23529 -0.725523 0.077778 
-1.28726 -0.756047 0.112847 
-0.584584 -0.162696 0.005903 
-0.986255 -0.274486 0.022222 
-1.23918 -0.344878 0.046875 
-1.37754 -0.383385 0.077778 
-1.4355 -0.399515 0.112847 
-0.2 0 2.7 
-0.171296 0 2.78542 
-0.165279 -0.046045 2.78542 
-0.192963 -0.053704 2.7 
-0.148234 -0.087106 2.78542 
-0.173037 -0.10163 2.7 
-0.121672 -0.121672 2.78542 
-0.142 -0.142 2.7 
-0.087106 -0.148234 2.78542 
-0.10163 -0.173037 2.7 
-0.046045 -0.165279 2.78542 
-0.053704 -0.192963 2.7 
-0 -0.171296 2.78542 
-0 -0.2 2.7 
--0.046045 -0.165279 2.78542 
--0.053704 -0.192963 2.7 
--0.087106 -0.148234 2.78542 
--0.10163 -0.173037 2.7 
--0.121672 -0.121672 2.78542 
--0.142 -0.142 2.7 
--0.148234 -0.087106 2.78542 
--0.173037 -0.10163 2.7 
--0.165279 -0.046045 2.78542 
--0.192963 -0.053704 2.7 
--0.171296 0 2.78542 
--0.2 0 2.7 
--0.165279 0.046045 2.78542 
--0.192963 0.053704 2.7 
--0.148234 0.087106 2.78542 
--0.173037 0.10163 2.7 
--0.121672 0.121672 2.78542 
--0.142 0.142 2.7 
--0.087106 0.148234 2.78542 
--0.10163 0.173037 2.7 
--0.046045 0.165279 2.78542 
--0.053704 0.192963 2.7 
-0 0.171296 2.78542 
-0 0.2 2.7 
-0.046045 0.165279 2.78542 
-0.053704 0.192963 2.7 
-0.087106 0.148234 2.78542 
-0.10163 0.173037 2.7 
-0.121672 0.121672 2.78542 
-0.142 0.142 2.7 
-0.148234 0.087106 2.78542 
-0.173037 0.10163 2.7 
-0.165279 0.046045 2.78542 
-0.192963 0.053704 2.7 
-0.350926 0 2.63611 
-0.338579 -0.09423 2.63611 
-0.574074 0 2.58889 
-0.553875 -0.15415 2.58889 
-0.825 0 2.55 
-0.795972 -0.221528 2.55 
-1.05926 0 2.51111 
-1.02199 -0.284431 2.51111 
-1.23241 0 2.46389 
-1.18904 -0.330924 2.46389 
-1.3 0 2.4 
-1.25426 -0.349074 2.4 
-0.303616 -0.178322 2.63611 
-0.49668 -0.291715 2.58889 
-0.713778 -0.419222 2.55 
-0.916455 -0.538261 2.51111 
-1.06626 -0.626246 2.46389 
-1.12474 -0.660593 2.4 
-0.249157 -0.249157 2.63611 
-0.407593 -0.407593 2.58889 
-0.58575 -0.58575 2.55 
-0.752074 -0.752074 2.51111 
-0.875009 -0.875009 2.46389 
-0.923 -0.923 2.4 
-0.178322 -0.303616 2.63611 
-0.291715 -0.49668 2.58889 
-0.419222 -0.713778 2.55 
-0.538261 -0.916455 2.51111 
-0.626246 -1.06626 2.46389 
-0.660593 -1.12474 2.4 
-0.09423 -0.338579 2.63611 
-0.15415 -0.553875 2.58889 
-0.221528 -0.795972 2.55 
-0.284431 -1.02199 2.51111 
-0.330924 -1.18904 2.46389 
-0.349074 -1.25426 2.4 
-0 -0.350926 2.63611 
-0 -0.574074 2.58889 
-0 -0.825 2.55 
-0 -1.05926 2.51111 
-0 -1.23241 2.46389 
-0 -1.3 2.4 
--0.09423 -0.338579 2.63611 
--0.15415 -0.553875 2.58889 
--0.221528 -0.795972 2.55 
--0.284431 -1.02199 2.51111 
--0.330924 -1.18904 2.46389 
--0.349074 -1.25426 2.4 
--0.178322 -0.303616 2.63611 
--0.291715 -0.49668 2.58889 
--0.419222 -0.713778 2.55 
--0.538261 -0.916455 2.51111 
--0.626246 -1.06626 2.46389 
--0.660593 -1.12474 2.4 
--0.249157 -0.249157 2.63611 
--0.407593 -0.407593 2.58889 
--0.58575 -0.58575 2.55 
--0.752074 -0.752074 2.51111 
--0.875009 -0.875009 2.46389 
--0.923 -0.923 2.4 
--0.303616 -0.178322 2.63611 
--0.49668 -0.291715 2.58889 
--0.713778 -0.419222 2.55 
--0.916455 -0.538261 2.51111 
--1.06626 -0.626246 2.46389 
--1.12474 -0.660593 2.4 
--0.338579 -0.09423 2.63611 
--0.553875 -0.15415 2.58889 
--0.795972 -0.221528 2.55 
--1.02199 -0.284431 2.51111 
--1.18904 -0.330924 2.46389 
--1.25426 -0.349074 2.4 
--0.350926 0 2.63611 
--0.574074 0 2.58889 
--0.825 0 2.55 
--1.05926 0 2.51111 
--1.23241 0 2.46389 
--1.3 0 2.4 
--0.338579 0.09423 2.63611 
--0.553875 0.15415 2.58889 
--0.795972 0.221528 2.55 
--1.02199 0.284431 2.51111 
--1.18904 0.330924 2.46389 
--1.25426 0.349074 2.4 
--0.303616 0.178322 2.63611 
--0.49668 0.291715 2.58889 
--0.713778 0.419222 2.55 
--0.916455 0.538261 2.51111 
--1.06626 0.626246 2.46389 
--1.12474 0.660593 2.4 
--0.249157 0.249157 2.63611 
--0.407593 0.407593 2.58889 
--0.58575 0.58575 2.55 
--0.752074 0.752074 2.51111 
--0.875009 0.875009 2.46389 
--0.923 0.923 2.4 
--0.178322 0.303616 2.63611 
--0.291715 0.49668 2.58889 
--0.419222 0.713778 2.55 
--0.538261 0.916455 2.51111 
--0.626246 1.06626 2.46389 
--0.660593 1.12474 2.4 
--0.09423 0.338579 2.63611 
--0.15415 0.553875 2.58889 
--0.221528 0.795972 2.55 
--0.284431 1.02199 2.51111 
--0.330924 1.18904 2.46389 
--0.349074 1.25426 2.4 
-0 0.350926 2.63611 
-0 0.574074 2.58889 
-0 0.825 2.55 
-0 1.05926 2.51111 
-0 1.23241 2.46389 
-0 1.3 2.4 
-0.09423 0.338579 2.63611 
-0.15415 0.553875 2.58889 
-0.221528 0.795972 2.55 
-0.284431 1.02199 2.51111 
-0.330924 1.18904 2.46389 
-0.349074 1.25426 2.4 
-0.178322 0.303616 2.63611 
-0.291715 0.49668 2.58889 
-0.419222 0.713778 2.55 
-0.538261 0.916455 2.51111 
-0.626246 1.06626 2.46389 
-0.660593 1.12474 2.4 
-0.249157 0.249157 2.63611 
-0.407593 0.407593 2.58889 
-0.58575 0.58575 2.55 
-0.752074 0.752074 2.51111 
-0.875009 0.875009 2.46389 
-0.923 0.923 2.4 
-0.303616 0.178322 2.63611 
-0.49668 0.291715 2.58889 
-0.713778 0.419222 2.55 
-0.916455 0.538261 2.51111 
-1.06626 0.626246 2.46389 
-1.12474 0.660593 2.4 
-0.338579 0.09423 2.63611 
-0.553875 0.15415 2.58889 
-0.795972 0.221528 2.55 
-1.02199 0.284431 2.51111 
-1.18904 0.330924 2.46389 
-1.25426 0.349074 2.4 
--1.92454 0 2.02396 
--1.6 0 2.025 
--1.59259 -0.125 2.04167 
--1.92704 -0.125 2.04055 
--2.1963 0 2.01667 
--2.20645 -0.125 2.03272 
--2.4125 0 1.99687 
--2.42824 -0.125 2.01146 
--2.57037 0 1.95833 
--2.58985 -0.125 1.97006 
--2.66713 0 1.89479 
--2.6887 -0.125 1.90181 
--2.7 0 1.8 
--2.72222 -0.125 1.8 
--1.57407 -0.2 2.08333 
--1.9333 -0.2 2.08202 
--2.23182 -0.2 2.07284 
--2.46759 -0.2 2.04792 
--2.63855 -0.2 1.99938 
--2.74263 -0.2 1.91937 
--2.77778 -0.2 1.8 
--1.55 -0.225 2.1375 
--1.94144 -0.225 2.13594 
--2.26481 -0.225 2.125 
--2.51875 -0.225 2.09531 
--2.70185 -0.225 2.0375 
--2.81273 -0.225 1.94219 
--2.85 -0.225 1.8 
--1.52593 -0.2 2.19167 
--1.94957 -0.2 2.18985 
--2.29781 -0.2 2.17716 
--2.56991 -0.2 2.14271 
--2.76516 -0.2 2.07562 
--2.88284 -0.2 1.96501 
--2.92222 -0.2 1.8 
--1.50741 -0.125 2.23333 
--1.95583 -0.125 2.23133 
--2.32318 -0.125 2.21728 
--2.60926 -0.125 2.17917 
--2.81385 -0.125 2.10494 
--2.93676 -0.125 1.98256 
--2.97778 -0.125 1.8 
--1.5 0 2.25 
--1.95833 0 2.24792 
--2.33333 0 2.23333 
--2.625 0 2.19375 
--2.83333 0 2.11667 
--2.95833 0 1.98958 
--3 0 1.8 
--1.50741 0.125 2.23333 
--1.95583 0.125 2.23133 
--2.32318 0.125 2.21728 
--2.60926 0.125 2.17917 
--2.81385 0.125 2.10494 
--2.93676 0.125 1.98256 
--2.97778 0.125 1.8 
--1.52593 0.2 2.19167 
--1.94957 0.2 2.18985 
--2.29781 0.2 2.17716 
--2.56991 0.2 2.14271 
--2.76516 0.2 2.07562 
--2.88284 0.2 1.96501 
--2.92222 0.2 1.8 
--1.55 0.225 2.1375 
--1.94144 0.225 2.13594 
--2.26481 0.225 2.125 
--2.51875 0.225 2.09531 
--2.70185 0.225 2.0375 
--2.81273 0.225 1.94219 
--2.85 0.225 1.8 
--1.57407 0.2 2.08333 
--1.9333 0.2 2.08202 
--2.23182 0.2 2.07284 
--2.46759 0.2 2.04792 
--2.63855 0.2 1.99938 
--2.74263 0.2 1.91937 
--2.77778 0.2 1.8 
--1.59259 0.125 2.04167 
--1.92704 0.125 2.04055 
--2.20645 0.125 2.03272 
--2.42824 0.125 2.01146 
--2.58985 0.125 1.97006 
--2.6887 0.125 1.90181 
--2.72222 0.125 1.8 
--2.68287 0 1.67083 
--2.70418 -0.125 1.66398 
--2.62963 0 1.51667 
--2.64829 -0.125 1.50535 
--2.5375 0 1.35 
--2.55185 -0.125 1.33576 
--2.4037 0 1.18333 
--2.41221 -0.125 1.16687 
--2.22546 0 1.02917 
--2.22668 -0.125 1.01033 
--1.99259 -0.125 0.877778 
--2.75747 -0.2 1.64684 
--2.69492 -0.2 1.47706 
--2.58773 -0.2 1.30017 
--2.43347 -0.2 1.12572 
--2.22972 -0.2 0.963227 
--1.97407 -0.2 0.822222 
--2.82674 -0.225 1.62457 
--2.75556 -0.225 1.44028 
--2.63437 -0.225 1.25391 
--2.46111 -0.225 1.07222 
--2.23368 -0.225 0.901997 
--1.95 -0.225 0.75 
--2.896 -0.2 1.60229 
--2.81619 -0.2 1.4035 
--2.68102 -0.2 1.20764 
--2.48875 -0.2 1.01872 
--2.23764 -0.2 0.840766 
--1.92593 -0.2 0.677778 
--2.94929 -0.125 1.58515 
--2.86283 -0.125 1.37521 
--2.7169 -0.125 1.17205 
--2.51001 -0.125 0.977572 
--2.24068 -0.125 0.793666 
--1.90741 -0.125 0.622222 
--2.9706 0 1.5783 
--2.88148 0 1.36389 
--2.73125 0 1.15781 
--2.51852 0 0.961111 
--2.2419 0 0.774826 
--1.9 0 0.6 
--2.94929 0.125 1.58515 
--2.86283 0.125 1.37521 
--2.7169 0.125 1.17205 
--2.51001 0.125 0.977572 
--2.24068 0.125 0.793666 
--1.90741 0.125 0.622222 
--2.896 0.2 1.60229 
--2.81619 0.2 1.4035 
--2.68102 0.2 1.20764 
--2.48875 0.2 1.01872 
--2.23764 0.2 0.840766 
--1.92593 0.2 0.677778 
--2.82674 0.225 1.62457 
--2.75556 0.225 1.44028 
--2.63437 0.225 1.25391 
--2.46111 0.225 1.07222 
--2.23368 0.225 0.901997 
--1.95 0.225 0.75 
--2.75747 0.2 1.64684 
--2.69492 0.2 1.47706 
--2.58773 0.2 1.30017 
--2.43347 0.2 1.12572 
--2.22972 0.2 0.963227 
--1.97407 0.2 0.822222 
--2.70418 0.125 1.66398 
--2.64829 0.125 1.50535 
--2.55185 0.125 1.33576 
--2.41221 0.125 1.16687 
--2.22668 0.125 1.01033 
--1.99259 0.125 0.877778 
-2.0588 0 1.47639 
-1.7 0 1.425 
-1.7 -0.275 1.36389 
-2.07238 -0.262346 1.42521 
-2.27037 0 1.61111 
-2.29012 -0.23071 1.57202 
-2.3875 0 1.8 
-2.40972 -0.189583 1.77361 
-2.46296 0 2.01389 
-2.48765 -0.148457 1.99928 
-2.54954 0 2.22361 
-2.5804 -0.116821 2.21831 
-2.7 0 2.4 
-2.74444 -0.104167 2.4 
-1.7 -0.44 1.21111 
-2.10633 -0.419753 1.29725 
-2.33951 -0.369136 1.47428 
-2.46528 -0.303333 1.70764 
-2.54938 -0.237531 1.96276 
-2.65756 -0.186914 2.20507 
-2.85556 -0.166667 2.4 
-1.7 -0.495 1.0125 
-2.15046 -0.472222 1.1309 
-2.4037 -0.415278 1.34722 
-2.5375 -0.34125 1.62187 
-2.62963 -0.267222 1.91528 
-2.75787 -0.210278 2.18785 
-3 -0.1875 2.4 
-1.7 -0.44 0.813889 
-2.1946 -0.419753 0.964558 
-2.4679 -0.369136 1.22016 
-2.60972 -0.303333 1.53611 
-2.70988 -0.237531 1.8678 
-2.85818 -0.186914 2.17063 
-3.14444 -0.166667 2.4 
-1.7 -0.275 0.661111 
-2.22855 -0.262346 0.8366 
-2.51728 -0.23071 1.12243 
-2.66528 -0.189583 1.47014 
-2.7716 -0.148457 1.83128 
-2.93534 -0.116821 2.15738 
-3.25556 -0.104167 2.4 
-1.7 0 0.6 
-2.24213 0 0.785417 
-2.53704 0 1.08333 
-2.6875 0 1.44375 
-2.7963 0 1.81667 
-2.9662 0 2.15208 
-3.3 0 2.4 
-1.7 0.275 0.661111 
-2.22855 0.262346 0.8366 
-2.51728 0.23071 1.12243 
-2.66528 0.189583 1.47014 
-2.7716 0.148457 1.83128 
-2.93534 0.116821 2.15738 
-3.25556 0.104167 2.4 
-1.7 0.44 0.813889 
-2.1946 0.419753 0.964558 
-2.4679 0.369136 1.22016 
-2.60972 0.303333 1.53611 
-2.70988 0.237531 1.8678 
-2.85818 0.186914 2.17063 
-3.14444 0.166667 2.4 
-1.7 0.495 1.0125 
-2.15046 0.472222 1.1309 
-2.4037 0.415278 1.34722 
-2.5375 0.34125 1.62187 
-2.62963 0.267222 1.91528 
-2.75787 0.210278 2.18785 
-3 0.1875 2.4 
-1.7 0.44 1.21111 
-2.10633 0.419753 1.29725 
-2.33951 0.369136 1.47428 
-2.46528 0.303333 1.70764 
-2.54938 0.237531 1.96276 
-2.65756 0.186914 2.20507 
-2.85556 0.166667 2.4 
-1.7 0.275 1.36389 
-2.07238 0.262346 1.42521 
-2.29012 0.23071 1.57202 
-2.40972 0.189583 1.77361 
-2.48765 0.148457 1.99928 
-2.5804 0.116821 2.21831 
-2.74444 0.104167 2.4 
-2.74907 0 2.43125 
-2.79641 -0.101032 2.43193 
-2.79259 0 2.45 
-2.83978 -0.092978 2.45123 
-2.825 0 2.45625 
-2.86968 -0.082031 2.45781 
-2.84074 0 2.45 
-2.88121 -0.070216 2.45154 
-2.83426 0 2.43125 
-2.86949 -0.059558 2.43231 
-2.8 0 2.4 
-2.82963 -0.052083 2.4 
-2.91474 -0.161574 2.43361 
-2.95775 -0.148148 2.45432 
-2.98137 -0.129167 2.46172 
-2.98237 -0.107407 2.4554 
-2.95756 -0.085648 2.43496 
-2.9037 -0.066667 2.4 
-3.06858 -0.181684 2.43581 
-3.11111 -0.165972 2.45833 
-3.12656 -0.142969 2.4668 
-3.11389 -0.115278 2.46042 
-3.07205 -0.085504 2.43841 
-3 -0.05625 2.4 
-3.22241 -0.16142 2.438 
-3.26447 -0.146914 2.46235 
-3.27176 -0.125 2.47187 
-3.2454 -0.097531 2.46543 
-3.18654 -0.066358 2.44186 
-3.0963 -0.033333 2.4 
-3.34075 -0.100839 2.43969 
-3.38244 -0.091435 2.46543 
-3.38345 -0.076823 2.47578 
-3.34657 -0.05787 2.46929 
-3.27461 -0.035446 2.44451 
-3.17037 -0.010417 2.4 
-3.38808 0 2.44036 
-3.42963 0 2.46667 
-3.42813 0 2.47734 
-3.38704 0 2.47083 
-3.30984 0 2.44557 
-3.2 0 2.4 
-3.34075 0.10108 2.43969 
-3.38244 0.093364 2.46543 
-3.38345 0.083333 2.47578 
-3.34657 0.073303 2.46929 
-3.27461 0.065586 2.44451 
-3.17037 0.0625 2.4 
-3.22241 0.161728 2.438 
-3.26447 0.149383 2.46235 
-3.27176 0.133333 2.47187 
-3.2454 0.117284 2.46543 
-3.18654 0.104938 2.44186 
-3.0963 0.1 2.4 
-3.06858 0.181944 2.43581 
-3.11111 0.168056 2.45833 
-3.12656 0.15 2.4668 
-3.11389 0.131944 2.46042 
-3.07205 0.118056 2.43841 
-3 0.1125 2.4 
-2.91474 0.161728 2.43361 
-2.95775 0.149383 2.45432 
-2.98137 0.133333 2.46172 
-2.98237 0.117284 2.4554 
-2.95756 0.104938 2.43496 
-2.9037 0.1 2.4 
-2.79641 0.10108 2.43193 
-2.83978 0.093364 2.45123 
-2.86968 0.083333 2.45781 
-2.88121 0.073303 2.45154 
-2.86949 0.065586 2.43231 
-2.82963 0.0625 2.4 
-0.278704 0 3.12708 
-0 0 3.15 
-0.268946 -0.075078 3.12708 
-0.362963 0 3.06667 
-0.350254 -0.097771 3.06667 
-0.325 0 2.98125 
-0.313617 -0.087529 2.98125 
-0.237037 0 2.88333 
-0.228728 -0.063803 2.88333 
-0.241285 -0.141931 3.12708 
-0.314228 -0.184834 3.06667 
-0.281352 -0.165481 2.98125 
-0.20518 -0.120647 2.88333 
-0.19814 -0.19814 3.12708 
-0.258037 -0.258037 3.06667 
-0.231031 -0.231031 2.98125 
-0.168463 -0.168463 2.88333 
-0.141931 -0.241285 3.12708 
-0.184834 -0.314228 3.06667 
-0.165481 -0.281352 2.98125 
-0.120647 -0.20518 2.88333 
-0.075078 -0.268946 3.12708 
-0.097771 -0.350254 3.06667 
-0.087529 -0.313617 2.98125 
-0.063803 -0.228728 2.88333 
-0 -0.278704 3.12708 
-0 -0.362963 3.06667 
-0 -0.325 2.98125 
-0 -0.237037 2.88333 
--0.075078 -0.268946 3.12708 
--0.097771 -0.350254 3.06667 
--0.087529 -0.313617 2.98125 
--0.063803 -0.228728 2.88333 
--0.141931 -0.241285 3.12708 
--0.184834 -0.314228 3.06667 
--0.165481 -0.281352 2.98125 
--0.120647 -0.20518 2.88333 
--0.19814 -0.19814 3.12708 
--0.258037 -0.258037 3.06667 
--0.231031 -0.231031 2.98125 
--0.168463 -0.168463 2.88333 
--0.241285 -0.141931 3.12708 
--0.314228 -0.184834 3.06667 
--0.281352 -0.165481 2.98125 
--0.20518 -0.120647 2.88333 
--0.268946 -0.075078 3.12708 
--0.350254 -0.097771 3.06667 
--0.313617 -0.087529 2.98125 
--0.228728 -0.063803 2.88333 
--0.278704 0 3.12708 
--0.362963 0 3.06667 
--0.325 0 2.98125 
--0.237037 0 2.88333 
--0.268946 0.075078 3.12708 
--0.350254 0.097771 3.06667 
--0.313617 0.087529 2.98125 
--0.228728 0.063803 2.88333 
--0.241285 0.141931 3.12708 
--0.314228 0.184834 3.06667 
--0.281352 0.165481 2.98125 
--0.20518 0.120647 2.88333 
--0.19814 0.19814 3.12708 
--0.258037 0.258037 3.06667 
--0.231031 0.231031 2.98125 
--0.168463 0.168463 2.88333 
--0.141931 0.241285 3.12708 
--0.184834 0.314228 3.06667 
--0.165481 0.281352 2.98125 
--0.120647 0.20518 2.88333 
--0.075078 0.268946 3.12708 
--0.097771 0.350254 3.06667 
--0.087529 0.313617 2.98125 
--0.063803 0.228728 2.88333 
-0 0.278704 3.12708 
-0 0.362963 3.06667 
-0 0.325 2.98125 
-0 0.237037 2.88333 
-0.075078 0.268946 3.12708 
-0.097771 0.350254 3.06667 
-0.087529 0.313617 2.98125 
-0.063803 0.228728 2.88333 
-0.141931 0.241285 3.12708 
-0.184834 0.314228 3.06667 
-0.165481 0.281352 2.98125 
-0.120647 0.20518 2.88333 
-0.19814 0.19814 3.12708 
-0.258037 0.258037 3.06667 
-0.231031 0.231031 2.98125 
-0.168463 0.168463 2.88333 
-0.241285 0.141931 3.12708 
-0.314228 0.184834 3.06667 
-0.281352 0.165481 2.98125 
-0.20518 0.120647 2.88333 
-0.268946 0.075078 3.12708 
-0.350254 0.097771 3.06667 
-0.313617 0.087529 2.98125 
-0.228728 0.063803 2.88333 
-3 0 1 2 
-3 0 2 3 
-3 4 0 3 
-3 4 3 5 
-3 6 4 5 
-3 6 5 7 
-3 8 6 7 
-3 8 7 9 
-3 10 8 9 
-3 10 9 11 
-3 12 10 11 
-3 12 11 13 
-3 3 2 14 
-3 3 14 15 
-3 5 3 15 
-3 5 15 16 
-3 7 5 16 
-3 7 16 17 
-3 9 7 17 
-3 9 17 18 
-3 11 9 18 
-3 11 18 19 
-3 13 11 19 
-3 13 19 20 
-3 15 14 21 
-3 15 21 22 
-3 16 15 22 
-3 16 22 23 
-3 17 16 23 
-3 17 23 24 
-3 18 17 24 
-3 18 24 25 
-3 19 18 25 
-3 19 25 26 
-3 20 19 26 
-3 20 26 27 
-3 22 21 28 
-3 22 28 29 
-3 23 22 29 
-3 23 29 30 
-3 24 23 30 
-3 24 30 31 
-3 25 24 31 
-3 25 31 32 
-3 26 25 32 
-3 26 32 33 
-3 27 26 33 
-3 27 33 34 
-3 29 28 35 
-3 29 35 36 
-3 30 29 36 
-3 30 36 37 
-3 31 30 37 
-3 31 37 38 
-3 32 31 38 
-3 32 38 39 
-3 33 32 39 
-3 33 39 40 
-3 34 33 40 
-3 34 40 41 
-3 36 35 42 
-3 36 42 43 
-3 37 36 43 
-3 37 43 44 
-3 38 37 44 
-3 38 44 45 
-3 39 38 45 
-3 39 45 46 
-3 40 39 46 
-3 40 46 47 
-3 41 40 47 
-3 41 47 48 
-3 43 42 49 
-3 43 49 50 
-3 44 43 50 
-3 44 50 51 
-3 45 44 51 
-3 45 51 52 
-3 46 45 52 
-3 46 52 53 
-3 47 46 53 
-3 47 53 54 
-3 48 47 54 
-3 48 54 55 
-3 50 49 56 
-3 50 56 57 
-3 51 50 57 
-3 51 57 58 
-3 52 51 58 
-3 52 58 59 
-3 53 52 59 
-3 53 59 60 
-3 54 53 60 
-3 54 60 61 
-3 55 54 61 
-3 55 61 62 
-3 57 56 63 
-3 57 63 64 
-3 58 57 64 
-3 58 64 65 
-3 59 58 65 
-3 59 65 66 
-3 60 59 66 
-3 60 66 67 
-3 61 60 67 
-3 61 67 68 
-3 62 61 68 
-3 62 68 69 
-3 64 63 70 
-3 64 70 71 
-3 65 64 71 
-3 65 71 72 
-3 66 65 72 
-3 66 72 73 
-3 67 66 73 
-3 67 73 74 
-3 68 67 74 
-3 68 74 75 
-3 69 68 75 
-3 69 75 76 
-3 71 70 77 
-3 71 77 78 
-3 72 71 78 
-3 72 78 79 
-3 73 72 79 
-3 73 79 80 
-3 74 73 80 
-3 74 80 81 
-3 75 74 81 
-3 75 81 82 
-3 76 75 82 
-3 76 82 83 
-3 78 77 84 
-3 78 84 85 
-3 79 78 85 
-3 79 85 86 
-3 80 79 86 
-3 80 86 87 
-3 81 80 87 
-3 81 87 88 
-3 82 81 88 
-3 82 88 89 
-3 83 82 89 
-3 83 89 90 
-3 85 84 91 
-3 85 91 92 
-3 86 85 92 
-3 86 92 93 
-3 87 86 93 
-3 87 93 94 
-3 88 87 94 
-3 88 94 95 
-3 89 88 95 
-3 89 95 96 
-3 90 89 96 
-3 90 96 97 
-3 92 91 98 
-3 92 98 99 
-3 93 92 99 
-3 93 99 100 
-3 94 93 100 
-3 94 100 101 
-3 95 94 101 
-3 95 101 102 
-3 96 95 102 
-3 96 102 103 
-3 97 96 103 
-3 97 103 104 
-3 99 98 105 
-3 99 105 106 
-3 100 99 106 
-3 100 106 107 
-3 101 100 107 
-3 101 107 108 
-3 102 101 108 
-3 102 108 109 
-3 103 102 109 
-3 103 109 110 
-3 104 103 110 
-3 104 110 111 
-3 106 105 112 
-3 106 112 113 
-3 107 106 113 
-3 107 113 114 
-3 108 107 114 
-3 108 114 115 
-3 109 108 115 
-3 109 115 116 
-3 110 109 116 
-3 110 116 117 
-3 111 110 117 
-3 111 117 118 
-3 113 112 119 
-3 113 119 120 
-3 114 113 120 
-3 114 120 121 
-3 115 114 121 
-3 115 121 122 
-3 116 115 122 
-3 116 122 123 
-3 117 116 123 
-3 117 123 124 
-3 118 117 124 
-3 118 124 125 
-3 120 119 126 
-3 120 126 127 
-3 121 120 127 
-3 121 127 128 
-3 122 121 128 
-3 122 128 129 
-3 123 122 129 
-3 123 129 130 
-3 124 123 130 
-3 124 130 131 
-3 125 124 131 
-3 125 131 132 
-3 127 126 133 
-3 127 133 134 
-3 128 127 134 
-3 128 134 135 
-3 129 128 135 
-3 129 135 136 
-3 130 129 136 
-3 130 136 137 
-3 131 130 137 
-3 131 137 138 
-3 132 131 138 
-3 132 138 139 
-3 134 133 140 
-3 134 140 141 
-3 135 134 141 
-3 135 141 142 
-3 136 135 142 
-3 136 142 143 
-3 137 136 143 
-3 137 143 144 
-3 138 137 144 
-3 138 144 145 
-3 139 138 145 
-3 139 145 146 
-3 141 140 147 
-3 141 147 148 
-3 142 141 148 
-3 142 148 149 
-3 143 142 149 
-3 143 149 150 
-3 144 143 150 
-3 144 150 151 
-3 145 144 151 
-3 145 151 152 
-3 146 145 152 
-3 146 152 153 
-3 148 147 154 
-3 148 154 155 
-3 149 148 155 
-3 149 155 156 
-3 150 149 156 
-3 150 156 157 
-3 151 150 157 
-3 151 157 158 
-3 152 151 158 
-3 152 158 159 
-3 153 152 159 
-3 153 159 160 
-3 155 154 161 
-3 155 161 162 
-3 156 155 162 
-3 156 162 163 
-3 157 156 163 
-3 157 163 164 
-3 158 157 164 
-3 158 164 165 
-3 159 158 165 
-3 159 165 166 
-3 160 159 166 
-3 160 166 167 
-3 162 161 1 
-3 162 1 0 
-3 163 162 0 
-3 163 0 4 
-3 164 163 4 
-3 164 4 6 
-3 165 164 6 
-3 165 6 8 
-3 166 165 8 
-3 166 8 10 
-3 167 166 10 
-3 167 10 12 
-3 168 12 13 
-3 168 13 169 
-3 170 168 169 
-3 170 169 171 
-3 172 170 171 
-3 172 171 173 
-3 174 172 173 
-3 174 173 175 
-3 176 174 175 
-3 176 175 177 
-3 178 176 177 
-3 178 177 179 
-3 169 13 20 
-3 169 20 180 
-3 171 169 180 
-3 171 180 181 
-3 173 171 181 
-3 173 181 182 
-3 175 173 182 
-3 175 182 183 
-3 177 175 183 
-3 177 183 184 
-3 179 177 184 
-3 179 184 185 
-3 180 20 27 
-3 180 27 186 
-3 181 180 186 
-3 181 186 187 
-3 182 181 187 
-3 182 187 188 
-3 183 182 188 
-3 183 188 189 
-3 184 183 189 
-3 184 189 190 
-3 185 184 190 
-3 185 190 191 
-3 186 27 34 
-3 186 34 192 
-3 187 186 192 
-3 187 192 193 
-3 188 187 193 
-3 188 193 194 
-3 189 188 194 
-3 189 194 195 
-3 190 189 195 
-3 190 195 196 
-3 191 190 196 
-3 191 196 197 
-3 192 34 41 
-3 192 41 198 
-3 193 192 198 
-3 193 198 199 
-3 194 193 199 
-3 194 199 200 
-3 195 194 200 
-3 195 200 201 
-3 196 195 201 
-3 196 201 202 
-3 197 196 202 
-3 197 202 203 
-3 198 41 48 
-3 198 48 204 
-3 199 198 204 
-3 199 204 205 
-3 200 199 205 
-3 200 205 206 
-3 201 200 206 
-3 201 206 207 
-3 202 201 207 
-3 202 207 208 
-3 203 202 208 
-3 203 208 209 
-3 204 48 55 
-3 204 55 210 
-3 205 204 210 
-3 205 210 211 
-3 206 205 211 
-3 206 211 212 
-3 207 206 212 
-3 207 212 213 
-3 208 207 213 
-3 208 213 214 
-3 209 208 214 
-3 209 214 215 
-3 210 55 62 
-3 210 62 216 
-3 211 210 216 
-3 211 216 217 
-3 212 211 217 
-3 212 217 218 
-3 213 212 218 
-3 213 218 219 
-3 214 213 219 
-3 214 219 220 
-3 215 214 220 
-3 215 220 221 
-3 216 62 69 
-3 216 69 222 
-3 217 216 222 
-3 217 222 223 
-3 218 217 223 
-3 218 223 224 
-3 219 218 224 
-3 219 224 225 
-3 220 219 225 
-3 220 225 226 
-3 221 220 226 
-3 221 226 227 
-3 222 69 76 
-3 222 76 228 
-3 223 222 228 
-3 223 228 229 
-3 224 223 229 
-3 224 229 230 
-3 225 224 230 
-3 225 230 231 
-3 226 225 231 
-3 226 231 232 
-3 227 226 232 
-3 227 232 233 
-3 228 76 83 
-3 228 83 234 
-3 229 228 234 
-3 229 234 235 
-3 230 229 235 
-3 230 235 236 
-3 231 230 236 
-3 231 236 237 
-3 232 231 237 
-3 232 237 238 
-3 233 232 238 
-3 233 238 239 
-3 234 83 90 
-3 234 90 240 
-3 235 234 240 
-3 235 240 241 
-3 236 235 241 
-3 236 241 242 
-3 237 236 242 
-3 237 242 243 
-3 238 237 243 
-3 238 243 244 
-3 239 238 244 
-3 239 244 245 
-3 240 90 97 
-3 240 97 246 
-3 241 240 246 
-3 241 246 247 
-3 242 241 247 
-3 242 247 248 
-3 243 242 248 
-3 243 248 249 
-3 244 243 249 
-3 244 249 250 
-3 245 244 250 
-3 245 250 251 
-3 246 97 104 
-3 246 104 252 
-3 247 246 252 
-3 247 252 253 
-3 248 247 253 
-3 248 253 254 
-3 249 248 254 
-3 249 254 255 
-3 250 249 255 
-3 250 255 256 
-3 251 250 256 
-3 251 256 257 
-3 252 104 111 
-3 252 111 258 
-3 253 252 258 
-3 253 258 259 
-3 254 253 259 
-3 254 259 260 
-3 255 254 260 
-3 255 260 261 
-3 256 255 261 
-3 256 261 262 
-3 257 256 262 
-3 257 262 263 
-3 258 111 118 
-3 258 118 264 
-3 259 258 264 
-3 259 264 265 
-3 260 259 265 
-3 260 265 266 
-3 261 260 266 
-3 261 266 267 
-3 262 261 267 
-3 262 267 268 
-3 263 262 268 
-3 263 268 269 
-3 264 118 125 
-3 264 125 270 
-3 265 264 270 
-3 265 270 271 
-3 266 265 271 
-3 266 271 272 
-3 267 266 272 
-3 267 272 273 
-3 268 267 273 
-3 268 273 274 
-3 269 268 274 
-3 269 274 275 
-3 270 125 132 
-3 270 132 276 
-3 271 270 276 
-3 271 276 277 
-3 272 271 277 
-3 272 277 278 
-3 273 272 278 
-3 273 278 279 
-3 274 273 279 
-3 274 279 280 
-3 275 274 280 
-3 275 280 281 
-3 276 132 139 
-3 276 139 282 
-3 277 276 282 
-3 277 282 283 
-3 278 277 283 
-3 278 283 284 
-3 279 278 284 
-3 279 284 285 
-3 280 279 285 
-3 280 285 286 
-3 281 280 286 
-3 281 286 287 
-3 282 139 146 
-3 282 146 288 
-3 283 282 288 
-3 283 288 289 
-3 284 283 289 
-3 284 289 290 
-3 285 284 290 
-3 285 290 291 
-3 286 285 291 
-3 286 291 292 
-3 287 286 292 
-3 287 292 293 
-3 288 146 153 
-3 288 153 294 
-3 289 288 294 
-3 289 294 295 
-3 290 289 295 
-3 290 295 296 
-3 291 290 296 
-3 291 296 297 
-3 292 291 297 
-3 292 297 298 
-3 293 292 298 
-3 293 298 299 
-3 294 153 160 
-3 294 160 300 
-3 295 294 300 
-3 295 300 301 
-3 296 295 301 
-3 296 301 302 
-3 297 296 302 
-3 297 302 303 
-3 298 297 303 
-3 298 303 304 
-3 299 298 304 
-3 299 304 305 
-3 300 160 167 
-3 300 167 306 
-3 301 300 306 
-3 301 306 307 
-3 302 301 307 
-3 302 307 308 
-3 303 302 308 
-3 303 308 309 
-3 304 303 309 
-3 304 309 310 
-3 305 304 310 
-3 305 310 311 
-3 306 167 12 
-3 306 12 168 
-3 307 306 168 
-3 307 168 170 
-3 308 307 170 
-3 308 170 172 
-3 309 308 172 
-3 309 172 174 
-3 310 309 174 
-3 310 174 176 
-3 311 310 176 
-3 311 176 178 
-3 312 178 179 
-3 312 179 313 
-3 314 312 313 
-3 314 313 315 
-3 316 314 315 
-3 316 315 317 
-3 318 316 317 
-3 318 317 319 
-3 320 318 319 
-3 320 319 321 
-3 322 320 321 
-3 322 321 323 
-3 313 179 185 
-3 313 185 324 
-3 315 313 324 
-3 315 324 325 
-3 317 315 325 
-3 317 325 326 
-3 319 317 326 
-3 319 326 327 
-3 321 319 327 
-3 321 327 328 
-3 323 321 328 
-3 323 328 329 
-3 324 185 191 
-3 324 191 330 
-3 325 324 330 
-3 325 330 331 
-3 326 325 331 
-3 326 331 332 
-3 327 326 332 
-3 327 332 333 
-3 328 327 333 
-3 328 333 334 
-3 329 328 334 
-3 329 334 335 
-3 330 191 197 
-3 330 197 336 
-3 331 330 336 
-3 331 336 337 
-3 332 331 337 
-3 332 337 338 
-3 333 332 338 
-3 333 338 339 
-3 334 333 339 
-3 334 339 340 
-3 335 334 340 
-3 335 340 341 
-3 336 197 203 
-3 336 203 342 
-3 337 336 342 
-3 337 342 343 
-3 338 337 343 
-3 338 343 344 
-3 339 338 344 
-3 339 344 345 
-3 340 339 345 
-3 340 345 346 
-3 341 340 346 
-3 341 346 347 
-3 342 203 209 
-3 342 209 348 
-3 343 342 348 
-3 343 348 349 
-3 344 343 349 
-3 344 349 350 
-3 345 344 350 
-3 345 350 351 
-3 346 345 351 
-3 346 351 352 
-3 347 346 352 
-3 347 352 353 
-3 348 209 215 
-3 348 215 354 
-3 349 348 354 
-3 349 354 355 
-3 350 349 355 
-3 350 355 356 
-3 351 350 356 
-3 351 356 357 
-3 352 351 357 
-3 352 357 358 
-3 353 352 358 
-3 353 358 359 
-3 354 215 221 
-3 354 221 360 
-3 355 354 360 
-3 355 360 361 
-3 356 355 361 
-3 356 361 362 
-3 357 356 362 
-3 357 362 363 
-3 358 357 363 
-3 358 363 364 
-3 359 358 364 
-3 359 364 365 
-3 360 221 227 
-3 360 227 366 
-3 361 360 366 
-3 361 366 367 
-3 362 361 367 
-3 362 367 368 
-3 363 362 368 
-3 363 368 369 
-3 364 363 369 
-3 364 369 370 
-3 365 364 370 
-3 365 370 371 
-3 366 227 233 
-3 366 233 372 
-3 367 366 372 
-3 367 372 373 
-3 368 367 373 
-3 368 373 374 
-3 369 368 374 
-3 369 374 375 
-3 370 369 375 
-3 370 375 376 
-3 371 370 376 
-3 371 376 377 
-3 372 233 239 
-3 372 239 378 
-3 373 372 378 
-3 373 378 379 
-3 374 373 379 
-3 374 379 380 
-3 375 374 380 
-3 375 380 381 
-3 376 375 381 
-3 376 381 382 
-3 377 376 382 
-3 377 382 383 
-3 378 239 245 
-3 378 245 384 
-3 379 378 384 
-3 379 384 385 
-3 380 379 385 
-3 380 385 386 
-3 381 380 386 
-3 381 386 387 
-3 382 381 387 
-3 382 387 388 
-3 383 382 388 
-3 383 388 389 
-3 384 245 251 
-3 384 251 390 
-3 385 384 390 
-3 385 390 391 
-3 386 385 391 
-3 386 391 392 
-3 387 386 392 
-3 387 392 393 
-3 388 387 393 
-3 388 393 394 
-3 389 388 394 
-3 389 394 395 
-3 390 251 257 
-3 390 257 396 
-3 391 390 396 
-3 391 396 397 
-3 392 391 397 
-3 392 397 398 
-3 393 392 398 
-3 393 398 399 
-3 394 393 399 
-3 394 399 400 
-3 395 394 400 
-3 395 400 401 
-3 396 257 263 
-3 396 263 402 
-3 397 396 402 
-3 397 402 403 
-3 398 397 403 
-3 398 403 404 
-3 399 398 404 
-3 399 404 405 
-3 400 399 405 
-3 400 405 406 
-3 401 400 406 
-3 401 406 407 
-3 402 263 269 
-3 402 269 408 
-3 403 402 408 
-3 403 408 409 
-3 404 403 409 
-3 404 409 410 
-3 405 404 410 
-3 405 410 411 
-3 406 405 411 
-3 406 411 412 
-3 407 406 412 
-3 407 412 413 
-3 408 269 275 
-3 408 275 414 
-3 409 408 414 
-3 409 414 415 
-3 410 409 415 
-3 410 415 416 
-3 411 410 416 
-3 411 416 417 
-3 412 411 417 
-3 412 417 418 
-3 413 412 418 
-3 413 418 419 
-3 414 275 281 
-3 414 281 420 
-3 415 414 420 
-3 415 420 421 
-3 416 415 421 
-3 416 421 422 
-3 417 416 422 
-3 417 422 423 
-3 418 417 423 
-3 418 423 424 
-3 419 418 424 
-3 419 424 425 
-3 420 281 287 
-3 420 287 426 
-3 421 420 426 
-3 421 426 427 
-3 422 421 427 
-3 422 427 428 
-3 423 422 428 
-3 423 428 429 
-3 424 423 429 
-3 424 429 430 
-3 425 424 430 
-3 425 430 431 
-3 426 287 293 
-3 426 293 432 
-3 427 426 432 
-3 427 432 433 
-3 428 427 433 
-3 428 433 434 
-3 429 428 434 
-3 429 434 435 
-3 430 429 435 
-3 430 435 436 
-3 431 430 436 
-3 431 436 437 
-3 432 293 299 
-3 432 299 438 
-3 433 432 438 
-3 433 438 439 
-3 434 433 439 
-3 434 439 440 
-3 435 434 440 
-3 435 440 441 
-3 436 435 441 
-3 436 441 442 
-3 437 436 442 
-3 437 442 443 
-3 438 299 305 
-3 438 305 444 
-3 439 438 444 
-3 439 444 445 
-3 440 439 445 
-3 440 445 446 
-3 441 440 446 
-3 441 446 447 
-3 442 441 447 
-3 442 447 448 
-3 443 442 448 
-3 443 448 449 
-3 444 305 311 
-3 444 311 450 
-3 445 444 450 
-3 445 450 451 
-3 446 445 451 
-3 446 451 452 
-3 447 446 452 
-3 447 452 453 
-3 448 447 453 
-3 448 453 454 
-3 449 448 454 
-3 449 454 455 
-3 450 311 178 
-3 450 178 312 
-3 451 450 312 
-3 451 312 314 
-3 452 451 314 
-3 452 314 316 
-3 453 452 316 
-3 453 316 318 
-3 454 453 318 
-3 454 318 320 
-3 455 454 320 
-3 455 320 322 
-3 456 457 458 
-3 459 456 458 
-3 459 458 460 
-3 461 459 460 
-3 461 460 462 
-3 463 461 462 
-3 463 462 464 
-3 465 463 464 
-3 465 464 466 
-3 322 465 466 
-3 322 466 455 
-3 458 457 467 
-3 460 458 467 
-3 460 467 468 
-3 462 460 468 
-3 462 468 469 
-3 464 462 469 
-3 464 469 470 
-3 466 464 470 
-3 466 470 471 
-3 455 466 471 
-3 455 471 449 
-3 467 457 472 
-3 468 467 472 
-3 468 472 473 
-3 469 468 473 
-3 469 473 474 
-3 470 469 474 
-3 470 474 475 
-3 471 470 475 
-3 471 475 476 
-3 449 471 476 
-3 449 476 443 
-3 472 457 477 
-3 473 472 477 
-3 473 477 478 
-3 474 473 478 
-3 474 478 479 
-3 475 474 479 
-3 475 479 480 
-3 476 475 480 
-3 476 480 481 
-3 443 476 481 
-3 443 481 437 
-3 477 457 482 
-3 478 477 482 
-3 478 482 483 
-3 479 478 483 
-3 479 483 484 
-3 480 479 484 
-3 480 484 485 
-3 481 480 485 
-3 481 485 486 
-3 437 481 486 
-3 437 486 431 
-3 482 457 487 
-3 483 482 487 
-3 483 487 488 
-3 484 483 488 
-3 484 488 489 
-3 485 484 489 
-3 485 489 490 
-3 486 485 490 
-3 486 490 491 
-3 431 486 491 
-3 431 491 425 
-3 487 457 492 
-3 488 487 492 
-3 488 492 493 
-3 489 488 493 
-3 489 493 494 
-3 490 489 494 
-3 490 494 495 
-3 491 490 495 
-3 491 495 496 
-3 425 491 496 
-3 425 496 419 
-3 492 457 497 
-3 493 492 497 
-3 493 497 498 
-3 494 493 498 
-3 494 498 499 
-3 495 494 499 
-3 495 499 500 
-3 496 495 500 
-3 496 500 501 
-3 419 496 501 
-3 419 501 413 
-3 497 457 502 
-3 498 497 502 
-3 498 502 503 
-3 499 498 503 
-3 499 503 504 
-3 500 499 504 
-3 500 504 505 
-3 501 500 505 
-3 501 505 506 
-3 413 501 506 
-3 413 506 407 
-3 502 457 507 
-3 503 502 507 
-3 503 507 508 
-3 504 503 508 
-3 504 508 509 
-3 505 504 509 
-3 505 509 510 
-3 506 505 510 
-3 506 510 511 
-3 407 506 511 
-3 407 511 401 
-3 507 457 512 
-3 508 507 512 
-3 508 512 513 
-3 509 508 513 
-3 509 513 514 
-3 510 509 514 
-3 510 514 515 
-3 511 510 515 
-3 511 515 516 
-3 401 511 516 
-3 401 516 395 
-3 512 457 517 
-3 513 512 517 
-3 513 517 518 
-3 514 513 518 
-3 514 518 519 
-3 515 514 519 
-3 515 519 520 
-3 516 515 520 
-3 516 520 521 
-3 395 516 521 
-3 395 521 389 
-3 517 457 522 
-3 518 517 522 
-3 518 522 523 
-3 519 518 523 
-3 519 523 524 
-3 520 519 524 
-3 520 524 525 
-3 521 520 525 
-3 521 525 526 
-3 389 521 526 
-3 389 526 383 
-3 522 457 527 
-3 523 522 527 
-3 523 527 528 
-3 524 523 528 
-3 524 528 529 
-3 525 524 529 
-3 525 529 530 
-3 526 525 530 
-3 526 530 531 
-3 383 526 531 
-3 383 531 377 
-3 527 457 532 
-3 528 527 532 
-3 528 532 533 
-3 529 528 533 
-3 529 533 534 
-3 530 529 534 
-3 530 534 535 
-3 531 530 535 
-3 531 535 536 
-3 377 531 536 
-3 377 536 371 
-3 532 457 537 
-3 533 532 537 
-3 533 537 538 
-3 534 533 538 
-3 534 538 539 
-3 535 534 539 
-3 535 539 540 
-3 536 535 540 
-3 536 540 541 
-3 371 536 541 
-3 371 541 365 
-3 537 457 542 
-3 538 537 542 
-3 538 542 543 
-3 539 538 543 
-3 539 543 544 
-3 540 539 544 
-3 540 544 545 
-3 541 540 545 
-3 541 545 546 
-3 365 541 546 
-3 365 546 359 
-3 542 457 547 
-3 543 542 547 
-3 543 547 548 
-3 544 543 548 
-3 544 548 549 
-3 545 544 549 
-3 545 549 550 
-3 546 545 550 
-3 546 550 551 
-3 359 546 551 
-3 359 551 353 
-3 547 457 552 
-3 548 547 552 
-3 548 552 553 
-3 549 548 553 
-3 549 553 554 
-3 550 549 554 
-3 550 554 555 
-3 551 550 555 
-3 551 555 556 
-3 353 551 556 
-3 353 556 347 
-3 552 457 557 
-3 553 552 557 
-3 553 557 558 
-3 554 553 558 
-3 554 558 559 
-3 555 554 559 
-3 555 559 560 
-3 556 555 560 
-3 556 560 561 
-3 347 556 561 
-3 347 561 341 
-3 557 457 562 
-3 558 557 562 
-3 558 562 563 
-3 559 558 563 
-3 559 563 564 
-3 560 559 564 
-3 560 564 565 
-3 561 560 565 
-3 561 565 566 
-3 341 561 566 
-3 341 566 335 
-3 562 457 567 
-3 563 562 567 
-3 563 567 568 
-3 564 563 568 
-3 564 568 569 
-3 565 564 569 
-3 565 569 570 
-3 566 565 570 
-3 566 570 571 
-3 335 566 571 
-3 335 571 329 
-3 567 457 572 
-3 568 567 572 
-3 568 572 573 
-3 569 568 573 
-3 569 573 574 
-3 570 569 574 
-3 570 574 575 
-3 571 570 575 
-3 571 575 576 
-3 329 571 576 
-3 329 576 323 
-3 572 457 456 
-3 573 572 456 
-3 573 456 459 
-3 574 573 459 
-3 574 459 461 
-3 575 574 461 
-3 575 461 463 
-3 576 575 463 
-3 576 463 465 
-3 323 576 465 
-3 323 465 322 
-3 577 578 579 
-3 577 579 580 
-3 580 579 581 
-3 580 581 582 
-3 582 581 583 
-3 582 583 584 
-3 584 583 585 
-3 584 585 586 
-3 586 585 587 
-3 586 587 588 
-3 588 587 589 
-3 588 589 590 
-3 590 589 591 
-3 590 591 592 
-3 592 591 593 
-3 592 593 594 
-3 594 593 595 
-3 594 595 596 
-3 596 595 597 
-3 596 597 598 
-3 598 597 599 
-3 598 599 600 
-3 600 599 601 
-3 600 601 602 
-3 602 601 603 
-3 602 603 604 
-3 604 603 605 
-3 604 605 606 
-3 606 605 607 
-3 606 607 608 
-3 608 607 609 
-3 608 609 610 
-3 610 609 611 
-3 610 611 612 
-3 612 611 613 
-3 612 613 614 
-3 614 613 615 
-3 614 615 616 
-3 616 615 617 
-3 616 617 618 
-3 618 617 619 
-3 618 619 620 
-3 620 619 621 
-3 620 621 622 
-3 622 621 623 
-3 622 623 624 
-3 624 623 578 
-3 624 578 577 
-3 625 577 580 
-3 625 580 626 
-3 627 625 626 
-3 627 626 628 
-3 629 627 628 
-3 629 628 630 
-3 631 629 630 
-3 631 630 632 
-3 633 631 632 
-3 633 632 634 
-3 635 633 634 
-3 635 634 636 
-3 626 580 582 
-3 626 582 637 
-3 628 626 637 
-3 628 637 638 
-3 630 628 638 
-3 630 638 639 
-3 632 630 639 
-3 632 639 640 
-3 634 632 640 
-3 634 640 641 
-3 636 634 641 
-3 636 641 642 
-3 637 582 584 
-3 637 584 643 
-3 638 637 643 
-3 638 643 644 
-3 639 638 644 
-3 639 644 645 
-3 640 639 645 
-3 640 645 646 
-3 641 640 646 
-3 641 646 647 
-3 642 641 647 
-3 642 647 648 
-3 643 584 586 
-3 643 586 649 
-3 644 643 649 
-3 644 649 650 
-3 645 644 650 
-3 645 650 651 
-3 646 645 651 
-3 646 651 652 
-3 647 646 652 
-3 647 652 653 
-3 648 647 653 
-3 648 653 654 
-3 649 586 588 
-3 649 588 655 
-3 650 649 655 
-3 650 655 656 
-3 651 650 656 
-3 651 656 657 
-3 652 651 657 
-3 652 657 658 
-3 653 652 658 
-3 653 658 659 
-3 654 653 659 
-3 654 659 660 
-3 655 588 590 
-3 655 590 661 
-3 656 655 661 
-3 656 661 662 
-3 657 656 662 
-3 657 662 663 
-3 658 657 663 
-3 658 663 664 
-3 659 658 664 
-3 659 664 665 
-3 660 659 665 
-3 660 665 666 
-3 661 590 592 
-3 661 592 667 
-3 662 661 667 
-3 662 667 668 
-3 663 662 668 
-3 663 668 669 
-3 664 663 669 
-3 664 669 670 
-3 665 664 670 
-3 665 670 671 
-3 666 665 671 
-3 666 671 672 
-3 667 592 594 
-3 667 594 673 
-3 668 667 673 
-3 668 673 674 
-3 669 668 674 
-3 669 674 675 
-3 670 669 675 
-3 670 675 676 
-3 671 670 676 
-3 671 676 677 
-3 672 671 677 
-3 672 677 678 
-3 673 594 596 
-3 673 596 679 
-3 674 673 679 
-3 674 679 680 
-3 675 674 680 
-3 675 680 681 
-3 676 675 681 
-3 676 681 682 
-3 677 676 682 
-3 677 682 683 
-3 678 677 683 
-3 678 683 684 
-3 679 596 598 
-3 679 598 685 
-3 680 679 685 
-3 680 685 686 
-3 681 680 686 
-3 681 686 687 
-3 682 681 687 
-3 682 687 688 
-3 683 682 688 
-3 683 688 689 
-3 684 683 689 
-3 684 689 690 
-3 685 598 600 
-3 685 600 691 
-3 686 685 691 
-3 686 691 692 
-3 687 686 692 
-3 687 692 693 
-3 688 687 693 
-3 688 693 694 
-3 689 688 694 
-3 689 694 695 
-3 690 689 695 
-3 690 695 696 
-3 691 600 602 
-3 691 602 697 
-3 692 691 697 
-3 692 697 698 
-3 693 692 698 
-3 693 698 699 
-3 694 693 699 
-3 694 699 700 
-3 695 694 700 
-3 695 700 701 
-3 696 695 701 
-3 696 701 702 
-3 697 602 604 
-3 697 604 703 
-3 698 697 703 
-3 698 703 704 
-3 699 698 704 
-3 699 704 705 
-3 700 699 705 
-3 700 705 706 
-3 701 700 706 
-3 701 706 707 
-3 702 701 707 
-3 702 707 708 
-3 703 604 606 
-3 703 606 709 
-3 704 703 709 
-3 704 709 710 
-3 705 704 710 
-3 705 710 711 
-3 706 705 711 
-3 706 711 712 
-3 707 706 712 
-3 707 712 713 
-3 708 707 713 
-3 708 713 714 
-3 709 606 608 
-3 709 608 715 
-3 710 709 715 
-3 710 715 716 
-3 711 710 716 
-3 711 716 717 
-3 712 711 717 
-3 712 717 718 
-3 713 712 718 
-3 713 718 719 
-3 714 713 719 
-3 714 719 720 
-3 715 608 610 
-3 715 610 721 
-3 716 715 721 
-3 716 721 722 
-3 717 716 722 
-3 717 722 723 
-3 718 717 723 
-3 718 723 724 
-3 719 718 724 
-3 719 724 725 
-3 720 719 725 
-3 720 725 726 
-3 721 610 612 
-3 721 612 727 
-3 722 721 727 
-3 722 727 728 
-3 723 722 728 
-3 723 728 729 
-3 724 723 729 
-3 724 729 730 
-3 725 724 730 
-3 725 730 731 
-3 726 725 731 
-3 726 731 732 
-3 727 612 614 
-3 727 614 733 
-3 728 727 733 
-3 728 733 734 
-3 729 728 734 
-3 729 734 735 
-3 730 729 735 
-3 730 735 736 
-3 731 730 736 
-3 731 736 737 
-3 732 731 737 
-3 732 737 738 
-3 733 614 616 
-3 733 616 739 
-3 734 733 739 
-3 734 739 740 
-3 735 734 740 
-3 735 740 741 
-3 736 735 741 
-3 736 741 742 
-3 737 736 742 
-3 737 742 743 
-3 738 737 743 
-3 738 743 744 
-3 739 616 618 
-3 739 618 745 
-3 740 739 745 
-3 740 745 746 
-3 741 740 746 
-3 741 746 747 
-3 742 741 747 
-3 742 747 748 
-3 743 742 748 
-3 743 748 749 
-3 744 743 749 
-3 744 749 750 
-3 745 618 620 
-3 745 620 751 
-3 746 745 751 
-3 746 751 752 
-3 747 746 752 
-3 747 752 753 
-3 748 747 753 
-3 748 753 754 
-3 749 748 754 
-3 749 754 755 
-3 750 749 755 
-3 750 755 756 
-3 751 620 622 
-3 751 622 757 
-3 752 751 757 
-3 752 757 758 
-3 753 752 758 
-3 753 758 759 
-3 754 753 759 
-3 754 759 760 
-3 755 754 760 
-3 755 760 761 
-3 756 755 761 
-3 756 761 762 
-3 757 622 624 
-3 757 624 763 
-3 758 757 763 
-3 758 763 764 
-3 759 758 764 
-3 759 764 765 
-3 760 759 765 
-3 760 765 766 
-3 761 760 766 
-3 761 766 767 
-3 762 761 767 
-3 762 767 768 
-3 763 624 577 
-3 763 577 625 
-3 764 763 625 
-3 764 625 627 
-3 765 764 627 
-3 765 627 629 
-3 766 765 629 
-3 766 629 631 
-3 767 766 631 
-3 767 631 633 
-3 768 767 633 
-3 768 633 635 
-3 769 770 771 
-3 769 771 772 
-3 773 769 772 
-3 773 772 774 
-3 775 773 774 
-3 775 774 776 
-3 777 775 776 
-3 777 776 778 
-3 779 777 778 
-3 779 778 780 
-3 781 779 780 
-3 781 780 782 
-3 772 771 783 
-3 772 783 784 
-3 774 772 784 
-3 774 784 785 
-3 776 774 785 
-3 776 785 786 
-3 778 776 786 
-3 778 786 787 
-3 780 778 787 
-3 780 787 788 
-3 782 780 788 
-3 782 788 789 
-3 784 783 790 
-3 784 790 791 
-3 785 784 791 
-3 785 791 792 
-3 786 785 792 
-3 786 792 793 
-3 787 786 793 
-3 787 793 794 
-3 788 787 794 
-3 788 794 795 
-3 789 788 795 
-3 789 795 796 
-3 791 790 797 
-3 791 797 798 
-3 792 791 798 
-3 792 798 799 
-3 793 792 799 
-3 793 799 800 
-3 794 793 800 
-3 794 800 801 
-3 795 794 801 
-3 795 801 802 
-3 796 795 802 
-3 796 802 803 
-3 798 797 804 
-3 798 804 805 
-3 799 798 805 
-3 799 805 806 
-3 800 799 806 
-3 800 806 807 
-3 801 800 807 
-3 801 807 808 
-3 802 801 808 
-3 802 808 809 
-3 803 802 809 
-3 803 809 810 
-3 805 804 811 
-3 805 811 812 
-3 806 805 812 
-3 806 812 813 
-3 807 806 813 
-3 807 813 814 
-3 808 807 814 
-3 808 814 815 
-3 809 808 815 
-3 809 815 816 
-3 810 809 816 
-3 810 816 817 
-3 812 811 818 
-3 812 818 819 
-3 813 812 819 
-3 813 819 820 
-3 814 813 820 
-3 814 820 821 
-3 815 814 821 
-3 815 821 822 
-3 816 815 822 
-3 816 822 823 
-3 817 816 823 
-3 817 823 824 
-3 819 818 825 
-3 819 825 826 
-3 820 819 826 
-3 820 826 827 
-3 821 820 827 
-3 821 827 828 
-3 822 821 828 
-3 822 828 829 
-3 823 822 829 
-3 823 829 830 
-3 824 823 830 
-3 824 830 831 
-3 826 825 832 
-3 826 832 833 
-3 827 826 833 
-3 827 833 834 
-3 828 827 834 
-3 828 834 835 
-3 829 828 835 
-3 829 835 836 
-3 830 829 836 
-3 830 836 837 
-3 831 830 837 
-3 831 837 838 
-3 833 832 839 
-3 833 839 840 
-3 834 833 840 
-3 834 840 841 
-3 835 834 841 
-3 835 841 842 
-3 836 835 842 
-3 836 842 843 
-3 837 836 843 
-3 837 843 844 
-3 838 837 844 
-3 838 844 845 
-3 840 839 846 
-3 840 846 847 
-3 841 840 847 
-3 841 847 848 
-3 842 841 848 
-3 842 848 849 
-3 843 842 849 
-3 843 849 850 
-3 844 843 850 
-3 844 850 851 
-3 845 844 851 
-3 845 851 852 
-3 847 846 770 
-3 847 770 769 
-3 848 847 769 
-3 848 769 773 
-3 849 848 773 
-3 849 773 775 
-3 850 849 775 
-3 850 775 777 
-3 851 850 777 
-3 851 777 779 
-3 852 851 779 
-3 852 779 781 
-3 853 781 782 
-3 853 782 854 
-3 855 853 854 
-3 855 854 856 
-3 857 855 856 
-3 857 856 858 
-3 859 857 858 
-3 859 858 860 
-3 861 859 860 
-3 861 860 862 
-3 245 861 862 
-3 245 862 863 
-3 854 782 789 
-3 854 789 864 
-3 856 854 864 
-3 856 864 865 
-3 858 856 865 
-3 858 865 866 
-3 860 858 866 
-3 860 866 867 
-3 862 860 867 
-3 862 867 868 
-3 863 862 868 
-3 863 868 869 
-3 864 789 796 
-3 864 796 870 
-3 865 864 870 
-3 865 870 871 
-3 866 865 871 
-3 866 871 872 
-3 867 866 872 
-3 867 872 873 
-3 868 867 873 
-3 868 873 874 
-3 869 868 874 
-3 869 874 875 
-3 870 796 803 
-3 870 803 876 
-3 871 870 876 
-3 871 876 877 
-3 872 871 877 
-3 872 877 878 
-3 873 872 878 
-3 873 878 879 
-3 874 873 879 
-3 874 879 880 
-3 875 874 880 
-3 875 880 881 
-3 876 803 810 
-3 876 810 882 
-3 877 876 882 
-3 877 882 883 
-3 878 877 883 
-3 878 883 884 
-3 879 878 884 
-3 879 884 885 
-3 880 879 885 
-3 880 885 886 
-3 881 880 886 
-3 881 886 887 
-3 882 810 817 
-3 882 817 888 
-3 883 882 888 
-3 883 888 889 
-3 884 883 889 
-3 884 889 890 
-3 885 884 890 
-3 885 890 891 
-3 886 885 891 
-3 886 891 892 
-3 887 886 892 
-3 887 892 893 
-3 888 817 824 
-3 888 824 894 
-3 889 888 894 
-3 889 894 895 
-3 890 889 895 
-3 890 895 896 
-3 891 890 896 
-3 891 896 897 
-3 892 891 897 
-3 892 897 898 
-3 893 892 898 
-3 893 898 899 
-3 894 824 831 
-3 894 831 900 
-3 895 894 900 
-3 895 900 901 
-3 896 895 901 
-3 896 901 902 
-3 897 896 902 
-3 897 902 903 
-3 898 897 903 
-3 898 903 904 
-3 899 898 904 
-3 899 904 905 
-3 900 831 838 
-3 900 838 906 
-3 901 900 906 
-3 901 906 907 
-3 902 901 907 
-3 902 907 908 
-3 903 902 908 
-3 903 908 909 
-3 904 903 909 
-3 904 909 910 
-3 905 904 910 
-3 905 910 911 
-3 906 838 845 
-3 906 845 912 
-3 907 906 912 
-3 907 912 913 
-3 908 907 913 
-3 908 913 914 
-3 909 908 914 
-3 909 914 915 
-3 910 909 915 
-3 910 915 916 
-3 911 910 916 
-3 911 916 917 
-3 912 845 852 
-3 912 852 918 
-3 913 912 918 
-3 913 918 919 
-3 914 913 919 
-3 914 919 920 
-3 915 914 920 
-3 915 920 921 
-3 916 915 921 
-3 916 921 922 
-3 917 916 922 
-3 917 922 923 
-3 918 852 781 
-3 918 781 853 
-3 919 918 853 
-3 919 853 855 
-3 920 919 855 
-3 920 855 857 
-3 921 920 857 
-3 921 857 859 
-3 922 921 859 
-3 922 859 861 
-3 923 922 861 
-3 923 861 245 
-3 924 925 926 
-3 924 926 927 
-3 928 924 927 
-3 928 927 929 
-3 930 928 929 
-3 930 929 931 
-3 932 930 931 
-3 932 931 933 
-3 934 932 933 
-3 934 933 935 
-3 936 934 935 
-3 936 935 937 
-3 927 926 938 
-3 927 938 939 
-3 929 927 939 
-3 929 939 940 
-3 931 929 940 
-3 931 940 941 
-3 933 931 941 
-3 933 941 942 
-3 935 933 942 
-3 935 942 943 
-3 937 935 943 
-3 937 943 944 
-3 939 938 945 
-3 939 945 946 
-3 940 939 946 
-3 940 946 947 
-3 941 940 947 
-3 941 947 948 
-3 942 941 948 
-3 942 948 949 
-3 943 942 949 
-3 943 949 950 
-3 944 943 950 
-3 944 950 951 
-3 946 945 952 
-3 946 952 953 
-3 947 946 953 
-3 947 953 954 
-3 948 947 954 
-3 948 954 955 
-3 949 948 955 
-3 949 955 956 
-3 950 949 956 
-3 950 956 957 
-3 951 950 957 
-3 951 957 958 
-3 953 952 959 
-3 953 959 960 
-3 954 953 960 
-3 954 960 961 
-3 955 954 961 
-3 955 961 962 
-3 956 955 962 
-3 956 962 963 
-3 957 956 963 
-3 957 963 964 
-3 958 957 964 
-3 958 964 965 
-3 960 959 966 
-3 960 966 967 
-3 961 960 967 
-3 961 967 968 
-3 962 961 968 
-3 962 968 969 
-3 963 962 969 
-3 963 969 970 
-3 964 963 970 
-3 964 970 971 
-3 965 964 971 
-3 965 971 972 
-3 967 966 973 
-3 967 973 974 
-3 968 967 974 
-3 968 974 975 
-3 969 968 975 
-3 969 975 976 
-3 970 969 976 
-3 970 976 977 
-3 971 970 977 
-3 971 977 978 
-3 972 971 978 
-3 972 978 979 
-3 974 973 980 
-3 974 980 981 
-3 975 974 981 
-3 975 981 982 
-3 976 975 982 
-3 976 982 983 
-3 977 976 983 
-3 977 983 984 
-3 978 977 984 
-3 978 984 985 
-3 979 978 985 
-3 979 985 986 
-3 981 980 987 
-3 981 987 988 
-3 982 981 988 
-3 982 988 989 
-3 983 982 989 
-3 983 989 990 
-3 984 983 990 
-3 984 990 991 
-3 985 984 991 
-3 985 991 992 
-3 986 985 992 
-3 986 992 993 
-3 988 987 994 
-3 988 994 995 
-3 989 988 995 
-3 989 995 996 
-3 990 989 996 
-3 990 996 997 
-3 991 990 997 
-3 991 997 998 
-3 992 991 998 
-3 992 998 999 
-3 993 992 999 
-3 993 999 1000 
-3 995 994 1001 
-3 995 1001 1002 
-3 996 995 1002 
-3 996 1002 1003 
-3 997 996 1003 
-3 997 1003 1004 
-3 998 997 1004 
-3 998 1004 1005 
-3 999 998 1005 
-3 999 1005 1006 
-3 1000 999 1006 
-3 1000 1006 1007 
-3 1002 1001 925 
-3 1002 925 924 
-3 1003 1002 924 
-3 1003 924 928 
-3 1004 1003 928 
-3 1004 928 930 
-3 1005 1004 930 
-3 1005 930 932 
-3 1006 1005 932 
-3 1006 932 934 
-3 1007 1006 934 
-3 1007 934 936 
-3 1008 936 937 
-3 1008 937 1009 
-3 1010 1008 1009 
-3 1010 1009 1011 
-3 1012 1010 1011 
-3 1012 1011 1013 
-3 1014 1012 1013 
-3 1014 1013 1015 
-3 1016 1014 1015 
-3 1016 1015 1017 
-3 1018 1016 1017 
-3 1018 1017 1019 
-3 1009 937 944 
-3 1009 944 1020 
-3 1011 1009 1020 
-3 1011 1020 1021 
-3 1013 1011 1021 
-3 1013 1021 1022 
-3 1015 1013 1022 
-3 1015 1022 1023 
-3 1017 1015 1023 
-3 1017 1023 1024 
-3 1019 1017 1024 
-3 1019 1024 1025 
-3 1020 944 951 
-3 1020 951 1026 
-3 1021 1020 1026 
-3 1021 1026 1027 
-3 1022 1021 1027 
-3 1022 1027 1028 
-3 1023 1022 1028 
-3 1023 1028 1029 
-3 1024 1023 1029 
-3 1024 1029 1030 
-3 1025 1024 1030 
-3 1025 1030 1031 
-3 1026 951 958 
-3 1026 958 1032 
-3 1027 1026 1032 
-3 1027 1032 1033 
-3 1028 1027 1033 
-3 1028 1033 1034 
-3 1029 1028 1034 
-3 1029 1034 1035 
-3 1030 1029 1035 
-3 1030 1035 1036 
-3 1031 1030 1036 
-3 1031 1036 1037 
-3 1032 958 965 
-3 1032 965 1038 
-3 1033 1032 1038 
-3 1033 1038 1039 
-3 1034 1033 1039 
-3 1034 1039 1040 
-3 1035 1034 1040 
-3 1035 1040 1041 
-3 1036 1035 1041 
-3 1036 1041 1042 
-3 1037 1036 1042 
-3 1037 1042 1043 
-3 1038 965 972 
-3 1038 972 1044 
-3 1039 1038 1044 
-3 1039 1044 1045 
-3 1040 1039 1045 
-3 1040 1045 1046 
-3 1041 1040 1046 
-3 1041 1046 1047 
-3 1042 1041 1047 
-3 1042 1047 1048 
-3 1043 1042 1048 
-3 1043 1048 1049 
-3 1044 972 979 
-3 1044 979 1050 
-3 1045 1044 1050 
-3 1045 1050 1051 
-3 1046 1045 1051 
-3 1046 1051 1052 
-3 1047 1046 1052 
-3 1047 1052 1053 
-3 1048 1047 1053 
-3 1048 1053 1054 
-3 1049 1048 1054 
-3 1049 1054 1055 
-3 1050 979 986 
-3 1050 986 1056 
-3 1051 1050 1056 
-3 1051 1056 1057 
-3 1052 1051 1057 
-3 1052 1057 1058 
-3 1053 1052 1058 
-3 1053 1058 1059 
-3 1054 1053 1059 
-3 1054 1059 1060 
-3 1055 1054 1060 
-3 1055 1060 1061 
-3 1056 986 993 
-3 1056 993 1062 
-3 1057 1056 1062 
-3 1057 1062 1063 
-3 1058 1057 1063 
-3 1058 1063 1064 
-3 1059 1058 1064 
-3 1059 1064 1065 
-3 1060 1059 1065 
-3 1060 1065 1066 
-3 1061 1060 1066 
-3 1061 1066 1067 
-3 1062 993 1000 
-3 1062 1000 1068 
-3 1063 1062 1068 
-3 1063 1068 1069 
-3 1064 1063 1069 
-3 1064 1069 1070 
-3 1065 1064 1070 
-3 1065 1070 1071 
-3 1066 1065 1071 
-3 1066 1071 1072 
-3 1067 1066 1072 
-3 1067 1072 1073 
-3 1068 1000 1007 
-3 1068 1007 1074 
-3 1069 1068 1074 
-3 1069 1074 1075 
-3 1070 1069 1075 
-3 1070 1075 1076 
-3 1071 1070 1076 
-3 1071 1076 1077 
-3 1072 1071 1077 
-3 1072 1077 1078 
-3 1073 1072 1078 
-3 1073 1078 1079 
-3 1074 1007 936 
-3 1074 936 1008 
-3 1075 1074 1008 
-3 1075 1008 1010 
-3 1076 1075 1010 
-3 1076 1010 1012 
-3 1077 1076 1012 
-3 1077 1012 1014 
-3 1078 1077 1014 
-3 1078 1014 1016 
-3 1079 1078 1016 
-3 1079 1016 1018 
-3 1080 1081 1082 
-3 1083 1080 1082 
-3 1083 1082 1084 
-3 1085 1083 1084 
-3 1085 1084 1086 
-3 1087 1085 1086 
-3 1087 1086 1088 
-3 578 1087 1088 
-3 578 1088 579 
-3 1082 1081 1089 
-3 1084 1082 1089 
-3 1084 1089 1090 
-3 1086 1084 1090 
-3 1086 1090 1091 
-3 1088 1086 1091 
-3 1088 1091 1092 
-3 579 1088 1092 
-3 579 1092 581 
-3 1089 1081 1093 
-3 1090 1089 1093 
-3 1090 1093 1094 
-3 1091 1090 1094 
-3 1091 1094 1095 
-3 1092 1091 1095 
-3 1092 1095 1096 
-3 581 1092 1096 
-3 581 1096 583 
-3 1093 1081 1097 
-3 1094 1093 1097 
-3 1094 1097 1098 
-3 1095 1094 1098 
-3 1095 1098 1099 
-3 1096 1095 1099 
-3 1096 1099 1100 
-3 583 1096 1100 
-3 583 1100 585 
-3 1097 1081 1101 
-3 1098 1097 1101 
-3 1098 1101 1102 
-3 1099 1098 1102 
-3 1099 1102 1103 
-3 1100 1099 1103 
-3 1100 1103 1104 
-3 585 1100 1104 
-3 585 1104 587 
-3 1101 1081 1105 
-3 1102 1101 1105 
-3 1102 1105 1106 
-3 1103 1102 1106 
-3 1103 1106 1107 
-3 1104 1103 1107 
-3 1104 1107 1108 
-3 587 1104 1108 
-3 587 1108 589 
-3 1105 1081 1109 
-3 1106 1105 1109 
-3 1106 1109 1110 
-3 1107 1106 1110 
-3 1107 1110 1111 
-3 1108 1107 1111 
-3 1108 1111 1112 
-3 589 1108 1112 
-3 589 1112 591 
-3 1109 1081 1113 
-3 1110 1109 1113 
-3 1110 1113 1114 
-3 1111 1110 1114 
-3 1111 1114 1115 
-3 1112 1111 1115 
-3 1112 1115 1116 
-3 591 1112 1116 
-3 591 1116 593 
-3 1113 1081 1117 
-3 1114 1113 1117 
-3 1114 1117 1118 
-3 1115 1114 1118 
-3 1115 1118 1119 
-3 1116 1115 1119 
-3 1116 1119 1120 
-3 593 1116 1120 
-3 593 1120 595 
-3 1117 1081 1121 
-3 1118 1117 1121 
-3 1118 1121 1122 
-3 1119 1118 1122 
-3 1119 1122 1123 
-3 1120 1119 1123 
-3 1120 1123 1124 
-3 595 1120 1124 
-3 595 1124 597 
-3 1121 1081 1125 
-3 1122 1121 1125 
-3 1122 1125 1126 
-3 1123 1122 1126 
-3 1123 1126 1127 
-3 1124 1123 1127 
-3 1124 1127 1128 
-3 597 1124 1128 
-3 597 1128 599 
-3 1125 1081 1129 
-3 1126 1125 1129 
-3 1126 1129 1130 
-3 1127 1126 1130 
-3 1127 1130 1131 
-3 1128 1127 1131 
-3 1128 1131 1132 
-3 599 1128 1132 
-3 599 1132 601 
-3 1129 1081 1133 
-3 1130 1129 1133 
-3 1130 1133 1134 
-3 1131 1130 1134 
-3 1131 1134 1135 
-3 1132 1131 1135 
-3 1132 1135 1136 
-3 601 1132 1136 
-3 601 1136 603 
-3 1133 1081 1137 
-3 1134 1133 1137 
-3 1134 1137 1138 
-3 1135 1134 1138 
-3 1135 1138 1139 
-3 1136 1135 1139 
-3 1136 1139 1140 
-3 603 1136 1140 
-3 603 1140 605 
-3 1137 1081 1141 
-3 1138 1137 1141 
-3 1138 1141 1142 
-3 1139 1138 1142 
-3 1139 1142 1143 
-3 1140 1139 1143 
-3 1140 1143 1144 
-3 605 1140 1144 
-3 605 1144 607 
-3 1141 1081 1145 
-3 1142 1141 1145 
-3 1142 1145 1146 
-3 1143 1142 1146 
-3 1143 1146 1147 
-3 1144 1143 1147 
-3 1144 1147 1148 
-3 607 1144 1148 
-3 607 1148 609 
-3 1145 1081 1149 
-3 1146 1145 1149 
-3 1146 1149 1150 
-3 1147 1146 1150 
-3 1147 1150 1151 
-3 1148 1147 1151 
-3 1148 1151 1152 
-3 609 1148 1152 
-3 609 1152 611 
-3 1149 1081 1153 
-3 1150 1149 1153 
-3 1150 1153 1154 
-3 1151 1150 1154 
-3 1151 1154 1155 
-3 1152 1151 1155 
-3 1152 1155 1156 
-3 611 1152 1156 
-3 611 1156 613 
-3 1153 1081 1157 
-3 1154 1153 1157 
-3 1154 1157 1158 
-3 1155 1154 1158 
-3 1155 1158 1159 
-3 1156 1155 1159 
-3 1156 1159 1160 
-3 613 1156 1160 
-3 613 1160 615 
-3 1157 1081 1161 
-3 1158 1157 1161 
-3 1158 1161 1162 
-3 1159 1158 1162 
-3 1159 1162 1163 
-3 1160 1159 1163 
-3 1160 1163 1164 
-3 615 1160 1164 
-3 615 1164 617 
-3 1161 1081 1165 
-3 1162 1161 1165 
-3 1162 1165 1166 
-3 1163 1162 1166 
-3 1163 1166 1167 
-3 1164 1163 1167 
-3 1164 1167 1168 
-3 617 1164 1168 
-3 617 1168 619 
-3 1165 1081 1169 
-3 1166 1165 1169 
-3 1166 1169 1170 
-3 1167 1166 1170 
-3 1167 1170 1171 
-3 1168 1167 1171 
-3 1168 1171 1172 
-3 619 1168 1172 
-3 619 1172 621 
-3 1169 1081 1173 
-3 1170 1169 1173 
-3 1170 1173 1174 
-3 1171 1170 1174 
-3 1171 1174 1175 
-3 1172 1171 1175 
-3 1172 1175 1176 
-3 621 1172 1176 
-3 621 1176 623 
-3 1173 1081 1080 
-3 1174 1173 1080 
-3 1174 1080 1083 
-3 1175 1174 1083 
-3 1175 1083 1085 
-3 1176 1175 1085 
-3 1176 1085 1087 
-3 623 1176 1087 
-3 623 1087 578 
-

modules/cnn_3dobj/samples/CMakeLists.txt

@@ -7,3 +7,7 @@ set(SOURCES sphereview_3dobj_demo.cpp)
 include_directories(${OpenCV_INCLUDE_DIRS})
 add_executable(sphereview_test ${SOURCES})
 target_link_libraries(sphereview_test ${OpenCV_LIBS})
+
+set(SOURCES2 images2db_demo.cpp)
+add_executable(images2db_test ${SOURCES2})
+target_link_libraries(images2db_test ${OpenCV_LIBS})

modules/cnn_3dobj/samples/feature_extraction.cpp

-#include <stdio.h>  // for snprintf
-#include <string>
-#include <vector>
-
-#include "boost/algorithm/string.hpp"
-#include "google/protobuf/text_format.h"
-#define CPU_ONLY
-#include "caffe/blob.hpp"
-#include "caffe/common.hpp"
-#include "caffe/net.hpp"
-#include "caffe/proto/caffe.pb.h"
-#include "caffe/util/db.hpp"
-#include "caffe/util/io.hpp"
-#include "caffe/vision_layers.hpp"
-
-using caffe::Blob;
-using caffe::Caffe;
-using caffe::Datum;
-using caffe::Net;
-using boost::shared_ptr;
-using std::string;
-namespace db = caffe::db;
-
-template<typename Dtype>
-int feature_extraction_pipeline(int argc, char** argv);
-int main(int argc, char** argv) {
-  return feature_extraction_pipeline<float>(argc, argv);
-//  return feature_extraction_pipeline<double>(argc, argv);
-}
-
-template<typename Dtype>
-int feature_extraction_pipeline(int argc, char** argv) {
-  ::google::InitGoogleLogging(argv[0]);
-  const int num_required_args = 7;
-  /*if (argc < num_required_args) {
-    LOG(ERROR)<<
-    "This program takes in a trained network and an input data layer, and then"
-    " extract features of the input data produced by the net.\n"
-    "Usage: extract_features  pretrained_net_param"
-    "  feature_extraction_proto_file  extract_feature_blob_name1[,name2,...]"
-    "  save_feature_dataset_name1[,name2,...]  num_mini_batches  db_type"
-    "  [CPU/GPU] [DEVICE_ID=0]\n"
-    "Note: you can extract multiple features in one pass by specifying"
-    " multiple feature blob names and dataset names seperated by ','."
-    " The names cannot contain white space characters and the number of blobs"
-    " and datasets must be equal.";
-    return 1;
-  }*/
-  int arg_pos = num_required_args;
-
-  arg_pos = num_required_args;
-  //if (argc > arg_pos && strcmp(argv[arg_pos], "GPU") == 0) {
-  if (argc > arg_pos && strcmp("CPU", "GPU") == 0) {
-    LOG(ERROR)<< "Using GPU";
-    int device_id = 0;
-    if (argc > arg_pos + 1) {
-      device_id = atoi(argv[arg_pos + 1]);
-      CHECK_GE(device_id, 0);
-    }
-    LOG(ERROR) << "Using Device_id=" << device_id;
-    Caffe::SetDevice(device_id);
-    Caffe::set_mode(Caffe::GPU);
-  } else {
-    LOG(ERROR) << "Using CPU";
-    Caffe::set_mode(Caffe::CPU);
-  }
-
-  arg_pos = 0;  // the name of the executable
-  //std::string pretrained_binary_proto(argv[++arg_pos]);
-  std::string pretrained_binary_proto("/home/wangyida/Desktop/caffe/examples/triplet/3d_triplet_iter_200.caffemodel");
-
-  // Expected prototxt contains at least one data layer such as
-  //  the layer data_layer_name and one feature blob such as the
-  //  fc7 top blob to extract features.
-  /*
-   layers {
-     name: "data_layer_name"
-     type: DATA
-     data_param {
-       source: "/path/to/your/images/to/extract/feature/images_leveldb"
-       mean_file: "/path/to/your/image_mean.binaryproto"
-       batch_size: 128
-       crop_size: 227
-       mirror: false
-     }
-     top: "data_blob_name"
-     top: "label_blob_name"
-   }
-   layers {
-     name: "drop7"
-     type: DROPOUT
-     dropout_param {
-       dropout_ratio: 0.5
-     }
-     bottom: "fc7"
-     top: "fc7"
-   }
-   */
-  //std::string feature_extraction_proto(argv[++arg_pos]);
-  std::string feature_extraction_proto("/home/wangyida/Desktop/caffe/examples/triplet/3d_triplet.prototxt");
-  boost::shared_ptr<Net<Dtype> > feature_extraction_net(
-      new Net<Dtype>(feature_extraction_proto, caffe::TEST));
-  feature_extraction_net->CopyTrainedLayersFrom(pretrained_binary_proto);
-
-  //std::string extract_feature_blob_names(argv[++arg_pos]);
-  std::string extract_feature_blob_names("feat");
-  std::vector<std::string> blob_names;
-  boost::split(blob_names, extract_feature_blob_names, boost::is_any_of(","));
-
-  //std::string save_feature_dataset_names(argv[++arg_pos]);
-  std::string save_feature_dataset_names("/home/wangyida/Desktop/caffe/examples/triplet/feature_extracted");
-  std::vector<std::string> dataset_names;
-  boost::split(dataset_names, save_feature_dataset_names,
-               boost::is_any_of(","));
-  CHECK_EQ(blob_names.size(), dataset_names.size()) <<
-      " the number of blob names and dataset names must be equal";
-  size_t num_features = blob_names.size();
-
-  for (size_t i = 0; i < num_features; i++) {
-    CHECK(feature_extraction_net->has_blob(blob_names[i]))
-        << "Unknown feature blob name " << blob_names[i]
-        << " in the network " << feature_extraction_proto;
-  }
-
-  //int num_mini_batches = atoi(argv[++arg_pos]);
-  int num_mini_batches = atoi("6");
-
-  /*std::vector<shared_ptr<db::DB> > feature_dbs;
-  std::vector<shared_ptr<db::Transaction> > txns;
-  const char* db_type = argv[++arg_pos];
-  for (size_t i = 0; i < num_features; ++i) {
-    LOG(INFO)<< "Opening dataset " << dataset_names[i];
-    shared_ptr<db::DB> db(db::GetDB(db_type));
-    db->Open(dataset_names.at(i), db::NEW);
-    feature_dbs.push_back(db);
-    shared_ptr<db::Transaction> txn(db->NewTransaction());
-    txns.push_back(txn);
-  }*/
-  std::vector<FILE*> files;
-  for (size_t i = 0; i < num_features; ++i)
-  {
-	  LOG(INFO) << "Opening file " << dataset_names[i];
-	  FILE * temp = NULL;
-	  temp = fopen(dataset_names[i].c_str(), "wb");
-	  files.push_back(temp);
-  }
-
-
-  LOG(ERROR)<< "Extacting Features";
-
-  //bool header_flag = true;
-
-  Datum datum;
-  //const int kMaxKeyStrLength = 100;
-  //char key_str[kMaxKeyStrLength];
-  std::vector<Blob<float>*> input_vec;
-  std::vector<int> image_indices(num_features, 0);
-  for (int batch_index = 0; batch_index < num_mini_batches; ++batch_index) {
-    feature_extraction_net->Forward(input_vec);
-    for (int i = 0; i < num_features; ++i) {
-		const boost::shared_ptr<Blob<Dtype> > feature_blob = feature_extraction_net
-          ->blob_by_name(blob_names[i]);
-      int batch_size = feature_blob->num();
-      int dim_features = feature_blob->count() / batch_size;
-	  if (batch_index == 0)
-	  {
-		  int fea_num = batch_size*num_mini_batches;
-		  fwrite(&dim_features, sizeof(int), 1, files[i]);
-		  fwrite(&fea_num, sizeof(int), 1, files[i]);
-		  //bool header_flag = false;
-	  }
-      const Dtype* feature_blob_data;
-      for (int n = 0; n < batch_size; ++n) {
-
-        feature_blob_data = feature_blob->cpu_data() +
-            feature_blob->offset(n);
-		fwrite(feature_blob_data, sizeof(Dtype), dim_features, files[i]);
-
-        ++image_indices[i];
-        if (image_indices[i] % 1000 == 0) {
-          LOG(ERROR)<< "Extracted features of " << image_indices[i] <<
-              " query images for feature blob " << blob_names[i];
-        }
-      }  // for (int n = 0; n < batch_size; ++n)
-    }  // for (int i = 0; i < num_features; ++i)
-  }  // for (int batch_index = 0; batch_index < num_mini_batches; ++batch_index)
-  // write the last batch
-  for (int i = 0; i < num_features; ++i) {
-   /* if (image_indices[i] % 1000 != 0) {
-      txns.at(i)->Commit();
-    }
-    LOG(ERROR)<< "Extracted features of " << image_indices[i] <<
-        " query images for feature blob " << blob_names[i];
-    feature_dbs.at(i)->Close();*/
-	  fclose(files[i]);
-  }
-
-  LOG(ERROR)<< "Successfully extracted the features!";
-  return 0;
-}
-
-

modules/cnn_3dobj/samples/image2db.cpp

-#include <google/protobuf/text_format.h>
-#include <glog/logging.h>
-#include <leveldb/db.h>
-
-#include <stdint.h>
-#include <fstream>  // NOLINT(readability/streams)
-#include <string>
-#include <set>
-#include <stdio.h>
-#include <string.h>
-#include <stdlib.h>
-#include <dirent.h>
-#include <sys/stat.h>
-#include <unistd.h>
-#include <sys/types.h>
-#include "caffe/proto/caffe.pb.h"
-#include <opencv2/highgui/highgui.hpp>
-#include <opencv2/highgui/highgui_c.h>
-#include <opencv2/imgproc/imgproc.hpp>
-
-using std::string;
-using namespace std;
-
-
-set<string> all_class_name;
-map<string,int> class2id;
-
-void list_dir(const char *path,vector<string>& files,bool r = false)
-{
-  DIR *pDir;
-  struct dirent *ent;
-  char childpath[512];
-  pDir = opendir(path);
-  memset(childpath, 0, sizeof(childpath));
-  while ((ent = readdir(pDir)) != NULL)
-  {
-    if (ent->d_type & DT_DIR)
-    {
-
-      if (strcmp(ent->d_name, ".") == 0 || strcmp(ent->d_name, "..") == 0)
-      {
-        continue;
-      }
-      if(r)
-      {
-        sprintf(childpath, "%s/%s", path, ent->d_name);
-        list_dir(childpath,files);
-      }
-    }
-    else
-    {
-      files.push_back(ent->d_name);
-    }
-  }
-  sort(files.begin(),files.end());
-
-}
-
-string get_classname(string path)
-{
-  int index = path.find_last_of('_');
-  return path.substr(0, index);
-}
-
-
-int get_labelid(string fileName)
-{
-  string class_name_tmp = get_classname(fileName);
-  all_class_name.insert(class_name_tmp);
-  map<string,int>::iterator name_iter_tmp = class2id.find(class_name_tmp);
-  if (name_iter_tmp == class2id.end())
-  {
-    int id = class2id.size();
-    class2id.insert(name_iter_tmp, std::make_pair(class_name_tmp, id));
-    return id;
-  }
-  else
-  {
-    return name_iter_tmp->second;
-  }
-}
-
-void loadimg(string path,char* buffer)
-{
-  cv::Mat img = cv::imread(path, CV_LOAD_IMAGE_COLOR);
-  string val;
-  int rows = img.rows;
-  int cols = img.cols;
-  int pos=0;
-  for (int c = 0; c < 3; c++)
-  {
-    for (int row = 0; row < rows; row++)
-    {
-      for (int col = 0; col < cols; col++)
-      {
-        buffer[pos++]=img.at<cv::Vec3b>(row,col)[c];
-      }
-    }
-  }
-
-}
-void convert(string imgdir,string outputdb,string attachdir,int channel,int width,int height)
-{
-  leveldb::DB* db;
-  leveldb::Options options;
-  options.create_if_missing = true;
-  options.error_if_exists = true;
-  caffe::Datum datum;
-  datum.set_channels(channel);
-  datum.set_height(height);
-  datum.set_width(width);
-  int image_size = channel*width*height;
-  char buffer[image_size];
-
-  string value;
-  CHECK(leveldb::DB::Open(options, outputdb, &db).ok());
-  vector<string> filenames;
-  list_dir(imgdir.c_str(),filenames);
-  string img_log = attachdir+"image_filename";
-  ofstream writefile(img_log.c_str());
-  for(int i=0;i<filenames.size();i++)
-  {
-    string path= imgdir;
-    path.append(filenames[i]);
-
-    loadimg(path,buffer);
-
-    int labelid = get_labelid(filenames[i]);
-
-    datum.set_label(labelid);
-    datum.set_data(buffer,image_size);
-    datum.SerializeToString(&value);
-    snprintf(buffer, image_size, "%05d", i);
-    printf("\nclassid:%d classname:%s abspath:%s",labelid,get_classname(filenames[i]).c_str(),path.c_str());
-    db->Put(leveldb::WriteOptions(),string(buffer),value);
-    //printf("%d %s\n",i,fileNames[i].c_str());
-
-    assert(writefile.is_open());
-    writefile<<i<<" "<<filenames[i]<<"\n";
-
-  }
-  delete db;
-  writefile.close();
-
-  img_log = attachdir+"image_classname";
-  writefile.open(img_log.c_str());
-  set<string>::iterator iter = all_class_name.begin();
-  while(iter != all_class_name.end())
-  {
-    assert(writefile.is_open());
-    writefile<<(*iter)<<"\n";
-    //printf("%s\n",(*iter).c_str());
-    iter++;
-  }
-  writefile.close();
-
-}
-
-int main(int argc, char** argv)
-{
-  if (argc < 6)
-  {
-      LOG(ERROR) << "convert_imagedata src_dir dst_dir attach_dir channel width height";
-      return 0;
-  }
-//./convert_imagedata.bin  /home/linger/imdata/collarTest/ /home/linger/linger/testfile/dbtest/  /home/linger/linger/testfile/test_attachment/ 3 250 250
-  //   ./convert_imagedata.bin /home/linger/imdata/collar_train/ /home/linger/linger/testfile/crop_train_db/ /home/linger/linger/testfile/crop_train_attachment/ 3 50 50
-  google::InitGoogleLogging(argv[0]);
-  string src_dir = argv[1];
-  string src_dst = argv[2];
-  string attach_dir = argv[3];
-  int channel = atoi(argv[4]);
-  int width = atoi(argv[5]);
-  int height = atoi(argv[6]);
-
-  //for test
-  /*
-  src_dir = "/home/linger/imdata/collarTest/";
-  src_dst = "/home/linger/linger/testfile/dbtest/";
-  attach_dir = "/home/linger/linger/testfile/";
-  channel = 3;
-  width = 250;
-  height = 250;
-   */
-
-  convert(src_dir,src_dst,attach_dir,channel,width,height);
-
-
-
-}
-

modules/cnn_3dobj/samples/images2db_demo.cpp

+/*
+ * Software License Agreement (BSD License)
+ *
+ *  Copyright (c) 2009, Willow Garage, Inc.
+ *  All rights reserved.
+ *
+ *  Redistribution and use in source and binary forms, with or without
+ *  modification, are permitted provided that the following conditions
+ *  are met:
+ *
+ *   * Redistributions of source code must retain the above copyright
+ *     notice, this list of conditions and the following disclaimer.
+ *   * Redistributions in binary form must reproduce the above
+ *     copyright notice, this list of conditions and the following
+ *     disclaimer in the documentation and/or other materials provided
+ *     with the distribution.
+ *   * Neither the name of Willow Garage, Inc. nor the names of its
+ *     contributors may be used to endorse or promote products derived
+ *     from this software without specific prior written permission.
+ *
+ *  THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND CONTRIBUTORS
+ *  "AS IS" AND ANY EXPRESS OR IMPLIED WARRANTIES, INCLUDING, BUT NOT
+ *  LIMITED TO, THE IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS
+ *  FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT SHALL THE
+ *  COPYRIGHT OWNER OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT,
+ *  INCIDENTAL, SPECIAL, EXEMPLARY, OR CONSEQUENTIAL DAMAGES (INCLUDING,
+ *  BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE GOODS OR SERVICES;
+ *  LOSS OF USE, DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER
+ *  CAUSED AND ON ANY THEORY OF LIABILITY, WHETHER IN CONTRACT, STRICT
+ *  LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR OTHERWISE) ARISING IN
+ *  ANY WAY OUT OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE
+ *  POSSIBILITY OF SUCH DAMAGE.
+ *
+ */
+#include <opencv2/cnn_3dobj.hpp>
+using namespace cv;
+using namespace std;
+using namespace cv::cnn_3dobj;
+int main(int argc, char* argv[])
+{
+	const String keys = "{help | | demo :$ ./sphereview_test -ite_depth=2 -plymodel=../3Dmodel/ape.ply -imagedir=../data/images_ape/ -labeldir=../data/label_ape.txt -num_class=4 -label_class=0, then press 'q' to run the demo for images generation when you see the gray background and a coordinate.}"
+		     "{src_dir | | Source direction of the images ready for being converted to leveldb dataset.}"
+		     "{src_dst | | Aim direction of the converted to leveldb dataset. }"
+		     "{attach_dir |  | Path for saving additional files which describe the transmission results. }"
+		     "{channel | 1 | Channel of the images. }"
+		     "{width | 64 | Width of images}"
+		     "{height | 64 | Height of images}";
+	cv::CommandLineParser parser(argc, argv, keys);
+	parser.about("Demo for Sphere View data generation");
+	if (parser.has("help"))
+	{
+		parser.printMessage();
+		return 0;
+	}
+	string src_dir = parser.get<string>("src_dir");
+	string src_dst = parser.get<string>("src_dst");
+	string attach_dir = parser.get<string>("attach_dir");
+	int channel = parser.get<int>("channel");
+	int width = parser.get<int>("width");
+	int height = parser.get<int>("height");
+	cv::cnn_3dobj::DataTrans transTemp();
+	transTemp.convert(src_dir,src_dst,attach_dir,channel,width,height);
+}

modules/cnn_3dobj/samples/sphereview_3dobj_demo.cpp

@@ -112,9 +112,12 @@ int main(int argc, char *argv[]){
 		if (camera_pov)
 			myWindow.setViewerPose(cam_pose);
 		char* temp = new char;
-		sprintf (temp,"%d",pose);
+		sprintf (temp,"%d",label_class);
 		string filename = temp;
+		filename += "_";
 		filename = imagedir + filename;
+		sprintf (temp,"%d",pose);
+		filename += temp;
 		filename += ".png";
 		myWindow.saveScreenshot(filename);
 		ViewSphere.writeBinaryfile(filename, binaryPath, headerPath,(int)campos.size()*num_class, label_class);

modules/cnn_3dobj/src/cnn_image2db.cpp

+#include "precomp.hpp"
+using std::string;
+using namespace std;
+
+namespace cv
+{
+namespace cnn_3dobj
+{
+	DataTrans::DataTrans()
+	{
+	};
+	void DataTrans::list_dir(const char *path,vector<string>& files,bool r)
+	{
+	  DIR *pDir;
+	  struct dirent *ent;
+	  char childpath[512];
+	  pDir = opendir(path);
+	  memset(childpath, 0, sizeof(childpath));
+	  while ((ent = readdir(pDir)) != NULL)
+	  {
+	    if (ent->d_type & DT_DIR)
+	    {
+
+	      if (strcmp(ent->d_name, ".") == 0 || strcmp(ent->d_name, "..") == 0)
+	      {
+		continue;
+	      }
+	      if(r)
+	      {
+		sprintf(childpath, "%s/%s", path, ent->d_name);
+		list_dir(childpath,files,false);
+	      }
+	    }
+	    else
+	    {
+	      files.push_back(ent->d_name);
+	    }
+	  }
+	  sort(files.begin(),files.end());
+
+	};
+
+	string DataTrans::get_classname(string path)
+	{
+	  int index = path.find_last_of('_');
+	  return path.substr(0, index);
+	}
+
+
+	int DataTrans::get_labelid(string fileName)
+	{
+	  string class_name_tmp = get_classname(fileName);
+	  all_class_name.insert(class_name_tmp);
+	  map<string,int>::iterator name_iter_tmp = class2id.find(class_name_tmp);
+	  if (name_iter_tmp == class2id.end())
+	  {
+	    int id = class2id.size();
+	    class2id.insert(name_iter_tmp, std::make_pair(class_name_tmp, id));
+	    return id;
+	  }
+	  else
+	  {
+	    return name_iter_tmp->second;
+	  }
+	}
+
+	void DataTrans::loadimg(string path,char* buffer,const bool is_color)
+	{
+	  cv::Mat img = cv::imread(path, is_color);
+	  string val;
+	  int rows = img.rows;
+	  int cols = img.cols;
+	  int pos=0;
+	  int channel;
+	  if (is_color == 0)
+	  {
+		  channel = 1;
+	  }else{
+		  channel = 3;
+	  }
+	  for (int c = 0; c < channel; c++)
+	  {
+	    for (int row = 0; row < rows; row++)
+	    {
+	      for (int col = 0; col < cols; col++)
+	      {
+		buffer[pos++]=img.at<cv::Vec3b>(row,col)[c];
+	      }
+	    }
+	  }
+
+	};
+
+	void DataTrans::convert(string imgdir,string outputdb,string attachdir,int channel,int width,int height)
+	{
+	  leveldb::DB* db;
+	  leveldb::Options options;
+	  options.create_if_missing = true;
+	  options.error_if_exists = true;
+	  caffe::Datum datum;
+	  datum.set_channels(channel);
+	  datum.set_height(height);
+	  datum.set_width(width);
+	  int image_size = channel*width*height;
+	  char buffer[image_size];
+
+	  string value;
+	  CHECK(leveldb::DB::Open(options, outputdb, &db).ok());
+	  vector<string> filenames;
+	  list_dir(imgdir.c_str(),filenames, false);
+	  string img_log = attachdir+"image_filename";
+	  ofstream writefile(img_log.c_str());
+	  for(int i=0;i<(int)filenames.size();i++)
+	  {
+	    string path= imgdir;
+	    path.append(filenames[i]);
+
+	    loadimg(path,buffer,false);
+
+	    int labelid = get_labelid(filenames[i]);
+
+	    datum.set_label(labelid);
+	    datum.set_data(buffer,image_size);
+	    datum.SerializeToString(&value);
+	    snprintf(buffer, image_size, "%05d", i);
+	    printf("\nclassid:%d classname:%s abspath:%s",labelid,get_classname(filenames[i]).c_str(),path.c_str());
+	    db->Put(leveldb::WriteOptions(),string(buffer),value);
+	    //printf("%d %s\n",i,fileNames[i].c_str());
+
+	    assert(writefile.is_open());
+	    writefile<<i<<" "<<filenames[i]<<"\n";
+
+	  }
+	  delete db;
+	  writefile.close();
+
+	  img_log = attachdir+"image_classname";
+	  writefile.open(img_log.c_str());
+	  set<string>::iterator iter = all_class_name.begin();
+	  while(iter != all_class_name.end())
+	  {
+	    assert(writefile.is_open());
+	    writefile<<(*iter)<<"\n";
+	    //printf("%s\n",(*iter).c_str());
+	    iter++;
+	  }
+	  writefile.close();
+
+	};
+}}

modules/cnn_3dobj/src/cnn_3dobj.cpp → modules/cnn_3dobj/src/cnn_sphereview.cpp

@@ -6,7 +6,6 @@ namespace cv
 {
 namespace cnn_3dobj
 {
-
 	IcoSphere::IcoSphere(float radius_in, int depth_in)
 	{
 
@@ -50,7 +49,7 @@ namespace cnn_3dobj
 		for(int i=0; i < (int)CameraPos.size(); i++) {
 			cout << CameraPos.at(i).x <<' '<< CameraPos.at(i).y << ' ' << CameraPos.at(i).z << endl;
 		}
-	}
+	};
 	void IcoSphere::norm(float v[])
 	{
 
@@ -65,7 +64,7 @@ namespace cnn_3dobj
 		for (int i = 0; i < 3; ++i) {
 			v[i] /= ((float)len);
 		}
-	}
+	};
 
 	void IcoSphere::add(float v[])
 	{
@@ -78,7 +77,7 @@ namespace cnn_3dobj
 		}
 		temp_Campos.x = temp->at(0);temp_Campos.y = temp->at(1);temp_Campos.z = temp->at(2);
 		CameraPos.push_back(temp_Campos);
-	}
+	};
 
 	void IcoSphere::subdivide(float v1[], float v2[], float v3[], int depth)
 	{
@@ -111,13 +110,13 @@ namespace cnn_3dobj
 		subdivide(v2, v23, v12, depth - 1);
 		subdivide(v3, v31, v23, depth - 1);
 		subdivide(v12, v23, v31, depth - 1);
-	}
+	};
 
 	uint32_t IcoSphere::swap_endian(uint32_t val)
 	{
     		val = ((val << 8) & 0xFF00FF00) | ((val >> 8) & 0xFF00FF);
     		return (val << 16) | (val >> 16);
-	}
+	};
 
 	cv::Point3d IcoSphere::getCenter(cv::Mat cloud)
 	{
@@ -133,7 +132,7 @@ namespace cnn_3dobj
 		dataout.y = dataout.y/cloud.cols;
 		dataout.z = dataout.z/cloud.cols;
 		return dataout;
-	}
+	};
 
 	float IcoSphere::getRadius(cv::Mat cloud, cv::Point3d center)
 	{