移动机器人的底层避障方法及相关装置

技术领域

本申请涉及计算机技术领域，尤其涉及移动机器人的底层避障方法、装置、电子设备及计算机可读存储介质。

背景技术

移动机器人具有复杂的工作环境，机器人避障的主要任务之一是规避移动中的障碍物，例如，以不同速度行走的行人。因此，机器人运动规划和执行的响应速度是重要的。当例如在人流密集的场所中，移动机器人可通过的路径可能会瞬间消失，从而导致移动机器人中的导航系统与运动控制的通信延时，而无法正常驱动机器人来避开障碍物。

现有移动机器人的避障导航一般集成在一起，可能导致机器人可以通过的区域被误判为不能通过。另外，在通过上层应用的控制来进行避障操作的情况下，需要下层的移动机器人的核心控制板首先接入超声波传感器数据，然后通过通信协议转发给上层应用，上层应用才能产生避障业务功能。由于上层应用需要通信协议间的双向交互，因此存在通信延迟、通信阻塞、协议封装解析等影响响应速度和精度的问题。

发明内容

本申请的目的在于提供一种移动机器人的底层避障方法、装置、电子设备及计算机可读存储介质，从而实现移动机器人避障的低延迟、高精度和高稳定性。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了移动机器人的底层避障方法，包括：采集所述移动机器人周围的障碍物的多个障碍物数据；对所述多个障碍物数据进行预处理；通过对预处理后的所述多个障碍物数据进行融合，获得所述障碍物的定位信息；基于获得的所述障碍物的定位信息，设定使所述移动机器人能够避开所述障碍物而运动的运动策略信息；以及将设定的所述移动机器人的运动策略信息转换成控制信号，以控制所述移动机器人的避障运动。该技术方案的有益效果在于，可以减少与上层系统的传感器数据传输的网络传输延时以及数据拷贝延时，从而使得移动机器人能够快速响应以避开障碍物；可以提升底层的传动电机的指令执行优先级，同时减少底层的传动电机控制的阻塞延时；还可以减少上层应用的业务开发，并且提供完全独立于上层应用的避障控制，以提高以此为基础的移动机器人安全性。

在一些可选的实施例中，所述通过对预处理后的所述多个障碍物数据进行融合，获得所述障碍物的定位信息，包括：通过对所述多个障碍物数据进行融合，获得所述障碍物的轮廓位置、移动速度和移动方向。该技术方案的有益效果在于，基于障碍物的轮廓、速度和方向，对移动中的障碍物进行实时避障。

在一些可选的实施例中，所述通过对预处理后的所述多个障碍物数据进行融合，获得障碍物的定位信息，包括：通过对预处理后的所述多个障碍物数据进行模糊处理，获得所述多个障碍物数据的重叠区域的模糊化输出；以及将所述模糊化输出转换为精准化输出，以获得所述障碍物的定位信息。该技术方案的有益效果在于，通过模糊神经网络，能够提高获取的障碍物位置的精确性。

在一些可选的实施例中，通过对预处理后的所述多个障碍物数据进行模糊处理，获得所述多个障碍物数据的重叠区域的模糊化输出，包括：通过对所述多个障碍物数据进行模糊划分，产生所述多个障碍物数据的隶属函数值，以获得所述多个障碍物数据的重叠区域的模糊化输出。该技术方案的有益效果在于，能够提高获取的障碍物位置的精确性。

在一些可选的实施例中，所述将所述模糊化输出转换为精准化输出，以获得所述障碍物的定位信息，包括：通过对所述模糊化输出进行权值运算，将所述模糊化输出转换为精准化输出。该技术方案的有益效果在于，能够提高获取的障碍物位置的精确性。

在一些可选的实施例中，所述通过对预处理后的所述多个障碍物数据进行融合，获得障碍物的定位信息，包括：根据所述多个障碍物数据的时间、位置和方向信息，选择符合预定的障碍物数据融合条件的所述障碍物数据进行融合。该技术方案的有益效果在于，能够去除不符合融合条件的数据，从而能够更有效地进行数据融合处理，进一步提高获取的障碍物位置的精确性。

在一些可选的实施例中，所述基于获得的所述障碍物的定位信息，设定使所述移动机器人能够避开所述障碍物而运动的运动策略信息，包括：根据所述障碍物的定位信息，构建所述移动机器人的用于采集所述多个障碍物数据的多个数据采集装置与所述障碍物的位置关系模型；以及基于所述位置关系模型中的各所述数据采集装置与所述障碍物的相对距离，设定所述运动策略信息。该技术方案的有益效果在于，根据传感器(例如是超声波传感器)的动态建模，设置避障策略，使得移动机器人可以以最优的运动轨迹例如最小转向角度避开障碍物，从而达到良好的避障效果。

在一些可选的实施例中，所述对所述多个障碍物数据进行预处理，包括：对所述多个障碍物数据进行滤波、补偿和入栈的处理；以及基于所述滤波、补偿和入栈的处理结果，将所述多个障碍物数据转换成融合处理所需的格式化数据。该技术方案的有益效果在于，能够使待融合的数据格式化，从而能够有效地进行数据融合处理，进一步提高获取的障碍物位置的精确性。

在一些可选的实施例中，在基于获得的所述障碍物的定位信息设定所述移动机器人的运动策略信息之后，还包括：将所述移动机器人的所述运动策略信息发送至所述移动机器人的上层应用系统。该技术方案的有益效果在于，对于上层应用层，能够提供实时状态的广播，从而能够具有更多的应用功能。

第二方面，本申请提供了一种移动机器人的底层避障装置，包括：采集模块，用于采集所述移动机器人周围的障碍物的多个障碍物数据；预处理模块，用于对所述多个障碍物数据进行预处理；融合模块，用于通过对预处理后的所述多个障碍物数据进行融合，获得所述障碍物的定位信息；设定模块，用于基于获得的所述障碍物的定位信息，设定使所述移动机器人能够避开所述障碍物而运动的运动策略信息；以及控制模块，用于将设定的所述移动机器人的运动策略信息转换成控制信号，以控制所述移动机器人的避障运动。

第三方面，本申请提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项移动机器人的底层避障方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项移动机器人的底层避障方法的步骤。

附图说明

下面结合附图和实施例对本申请进一步说明。

图1是本申请实施例提供的一种移动机器人的底层避障方法的示意图；

图2是本申请实施例提供的一种对障碍物数据进行预处理的示意图；

图3是本申请实施例提供的一种获得障碍物的定位信息的示意图；

图4是本申请实施例提供的一种设定运动策略信息的示意图；

图5是本申请实施例提供的另一种移动机器人的底层避障方法的示意图；

图6是本申请实施例提供的一种移动机器人的底层避障装置的结构示意图；

图7是本申请实施例提供的一种融合模块的具体结构示意图；

图8是本申请实施例提供的一种预处理模块的具体结构示意图；

图9是本申请实施例提供的一种设定模块的具体结构示意图；

图10是本申请实施例提供的另一种移动机器人的底层避障装置的结构示意图；

图11是本申请实施例提供的一种移动机器人及其底层避障装置的具体结构示意图；

图12是本申请实施例提供的一种模糊神经网络的示意图；

图13是本申请实施例提供的一种超声波建模感知图；

图14是本申请实施例提供的一种超声波建模关系图；

图15是本申请实施例提供的一种超声波建模环境融合图；

图16是本申请实施例提供的一种移动机器人的底层避障方法的具体实例的框图；

图17是本申请实施例提供的一种移动机器人的底层避障方法的具体实例的流程示意图；

图18是本申请实施例提供的一种电子设备的结构示意图；以及

图19是本申请实施例提供的一种用于实现移动机器人的底层避障方法的程序产品的结构示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

参见图1，本申请实施例提供了一种移动机器人的底层避障方法，包括：采集所述移动机器人周围的障碍物的多个障碍物数据(步骤S1)；对所述多个障碍物数据进行预处理(步骤S2)；通过对预处理后的所述多个障碍物数据进行融合，获得所述障碍物的定位信息(步骤S3)；基于获得的所述障碍物的定位信息，设定使所述移动机器人能够避开所述障碍物而运动的运动策略信息(步骤S4)；以及将设定的所述移动机器人的运动策略信息转换成控制信号，以控制所述移动机器人的避障运动(步骤S5)。

由此，可以减少与上层系统的超声波传感器数据传输的网络传输延时以及数据拷贝延时；可以提升底层(固件层)的传动电机的指令执行优先级，同时减少底层的传动电机控制的阻塞延时；还可以减少上层应用的业务开发，并且提供完全独立于上层应用的避障控制，以提高以此为基础的移动机器人安全性。

如图2所示，步骤S2包括：对多个障碍物数据进行滤波、补偿和入栈的处理(步骤S21)；以及基于所述滤波、补偿和入栈的处理结果，将所述多个障碍物数据转换成融合处理所需的格式化数据(步骤S22)。

由此，能够去除不符合融合条件的数据，从而能够更有效地进行数据融合处理，进一步提高获取的障碍物位置的精确性。

步骤S3包括：通过对所述多个障碍物数据进行融合，获得障碍物的轮廓位置、移动速度和移动方向。

由此，基于障碍物的轮廓、速度和方向，对移动中的障碍物进行实时避障。

如图3所示，步骤S3包括：通过对预处理后的所述多个障碍物数据进行模糊处理，获得所述多个障碍物数据的重叠区域的模糊化输出(步骤S31)；以及将所述模糊化输出转换为精准化输出，以获得所述障碍物的定位信息(步骤S32)。

由此，通过模糊神经网络，能够提高获取的障碍物位置的精确性。

步骤S31包括：通过对所述多个障碍物数据进行模糊划分，产生所述多个障碍物数据的隶属函数值，以获得所述多个障碍物数据的重叠区域的模糊化输出。由此，能够提高获取的障碍物位置的精确性。

步骤S32包括：通过对所述模糊化输出进行权值运算，将所述模糊化输出转换为精准化输出。由此，能够提高获取的障碍物位置的精确性。

步骤S3还包括：根据所述多个障碍物数据的时间、位置和方向信息，选择符合预定的障碍物数据融合条件的所述障碍物数据进行融合。

由此，能够去除不符合融合条件的数据，从而能够更有效地进行数据融合处理，进一步提高获取的障碍物位置的精确性。

如图4所示，步骤S4包括：根据所述障碍物的定位信息，构建所述移动机器人的用于采集所述多个障碍物数据的多个数据采集装置与所述障碍物的位置关系模型(步骤S41)；以及基于所述位置关系模型中的各所述数据采集装置与所述障碍物的相对距离，设定所述运动策略信息(步骤S42)。由此，根据超声波传感器的动态建模，设置超声波避障策略，使得移动机器人可以以最优的运动轨迹例如最小转向角度避开障碍物，从而达到良好的避障效果。

如图5所示，在本实施例的移动机器人的底层避障方法中，在步骤S5之后，还包括：将所述移动机器人的所述运动策略信息发送至所述移动机器人的上层应用系统(步骤S6)。

由此，对于上层应用层，能够提供实时状态的广播，从而能够具有更多的应用功能，例如，告知应用层不是故障信息，并同时更新路径规划。

参见图6至图10，本申请实施例还提供了一种移动机器人的底层避障装置，所述底层避障装置具体实现方式与上述底层避障装置的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

如图6所示，移动机器人的底层避障装置1a，包括：采集模块11a，用于采集所述移动机器人周围的障碍物的多个障碍物数据；预处理模块12a，用于对所述多个障碍物数据进行预处理；融合模块13a，用于通过对预处理后的所述多个障碍物数据进行融合，获得所述障碍物的定位信息；设定模块14a，用于基于获得的所述障碍物的定位信息，设定使所述移动机器人能够避开所述障碍物而运动的运动策略信息；以及控制模块15a，用于将设定的所述移动机器人的运动策略信息转换成控制信号，以控制所述移动机器人的避障运动。

融合模块13a可以通过对所述多个障碍物数据进行融合，获得障碍物的轮廓位置、移动速度和移动方向。

如图7所示，融合模块13a可以包括：模糊输出单元101a，用于通过对预处理后的所述多个障碍物数据进行模糊处理，获得所述多个障碍物数据的重叠区域的模糊化输出；以及转换单元102a，用于将所述模糊化输出转换为精准化输出，以获得所述障碍物的定位信息。

模糊输出单元101a通过对所述多个障碍物数据进行模糊划分，产生所述多个障碍物数据的隶属函数值，以获得所述多个障碍物数据的重叠区域的模糊化输出。

转换单元102a通过对所述模糊化输出进行权值运算，将所述模糊化输出转换为精准化输出。

融合模块13a还可以包括：选择单元，用于根据所述多个障碍物数据的时间、位置和方向信息，选择符合预定的障碍物数据融合条件的所述障碍物数据进行融合。

如图8所示，预处理模块12a包括：处理单元111a，用于对所述多个障碍物数据进行滤波、补偿和入栈的处理；以及格式化单元112a，用于基于所述滤波、补偿和入栈的处理结果，将所述多个障碍物数据转换成融合处理所需的格式化数据。

如图9所示，设定模块14a包括：模型构建单元104a，用于根据所述障碍物的定位信息，构建所述移动机器人的用于采集所述多个障碍物数据的多个数据采集装置与所述障碍物的位置关系模型；以及运动策略设定单元105a，用于基于所述位置关系模型中的各所述数据采集装置与所述障碍物的相对距离，设定所述运动策略信息。

如图10所示，移动机器人的避障装置1a还包括：发送模块16a，用于将所述移动机器人的所述运动策略信息发送至所述移动机器人的上层应用系统。

以下参考图11至15描述申请实施例提供的移动机器人及其避障装置的具体实例。

如图11所示，移动机器人1A包括8个超声波传感器102A、核心控制板101A和双轮差分电机30A，其中，超声波传感器102A和核心控制板101A构成移动机器人的避障装置10A。

超声波传感器102A用于获取移动机器人1A周围的障碍物的相对距离、移动速度和方向，作为障碍物的数据。核心控制板101A用于对8个超声波传感器采集的数据进行融合，并根据融合后的数据，设置双轮差分电机的运动规划策略。双轮差分电机30A提供动力输出源。核心控制板101A基于设置的运动规划策略，控制双轮差分电机30A的运行，以使移动机器人本体进行前进、后退、停止、转向等移动操作。

在本具体实例中，超声波传感器、双驱差分电机与核心控制板深度结合。核心控制板101A获取到超声波的传感数据后，进行滤波、补偿、入栈等预处理，使得超声波传感数据转换成融合算法所需的格式化数据。此外，核心控制板101A还在多个传感器数据中进行数据的时间同步，并根据时间、位置、方向等筛选符合数据融合条件的传感器数据进行融合。融合后的数据依据模糊避障算法进行运动规划策略的实时生成。

由于在核心控制板101A与双驱差分电机30A之间具有高效且稳定的指令控制系统，因此在避障过程中，响应速度、执行精度和回馈延迟都极大高于通过上层应用层的避障控制。此外，对于上层应用层，核心控制板101A还提供实时状态的广播，以便开展更多丰富的应用功能。

在对8个超声波传感器102A采集的数据进行融合的过程中，使用了模糊神经网络以将8个超声波传感器中感知到的障碍物数据进行融合，从而更准确的定位出障碍物的精确位置，获得更优的避障效果。

如图12所示，模糊神经网络包括输入层(第一层)、隶属度层(第二层)、T-范数层(第三层)、归一化层(第四层)和输出层(第五层)。8个超声波传感器所采集的障碍物数据从输入层输入至模糊神经网络，而后，被转换为对应论域(超声波传感器探测区域的重叠部分)上的模糊化集合，例如输入的超声波传感器的数据x1至xr分别有多个模糊划分，产生隶属函数值，计算每个模糊规则的输出，进一步得到每个N节点的输出，最后进行加权求和，实现模糊输出到精确输出的转换，进而输出障碍物的精准位置。

根据上述障碍物数据融合得到的例如障碍物的轮廓位置、移动速度和移动方向的障碍物定位信息，对超声波传感器进行动态建模。在本具体实例中，采用了基于8个超声波传感器的动态建模算法。图13是各超声波传感器所覆盖的范围图，其中，各扇形区域张角均为α。超声波传感器测得的距离关系分为如下三种：a)r

图14进一步示出了超声波建模关系，其中，当前考察的传感器编号为i，按照相邻的远近将临近的4个传感器编号为i、k、l、m。相邻的5个测量数据之间有4对关系，即i与j，i与k，j与k，k与m，分别记为(ij)，(ik)，(jl)，(km)。这4对关系的取值为前面所述的(+/-1)，(+/-2)，(+/-3)。

图15是超声波建模环境融合图。如图15所示，在环境融合中，传感器i与j，i与k，j与l，k与m之间的关系分别为(1)，(-2)，(-1)，(-2)，即r

超声波避障策略基于超声波传感器的动态建模中的各超声波传感器与障碍物的相对距离而设置。在通常情况下，当一个超声波传感器感测到障碍物时，移动机器人进行转动以避开障碍物。此时，相邻的超声波传感器能够感测到障碍物，因此，移动机器人需要继续旋转，直达下一个超声波传感器检测不到障碍物为止，从而移动机器人完成避障操作。根据本具体实例中的上述超声波传感器的动态建模，设置超声波避障策略，使得移动机器人可以以最小的转向角度绕过障碍物，同时又不碰到障碍物，从而达到良好的避障效果。

优选地，超声波避障策略可以基于超声波传感器的安装位置、各超声波传感器与障碍物的相对距离，以及扇形角度大小而设置，从而能够更准确地进行避障，进而获得更优的避障效果。

上述具体实例中的超声波传感器的数量为8个，然而，可以不限于该数量，超声波传感器的数量可以是2个以上的任意数量。

本申请的具体实例通过核心控制板直接接入超声波传感器，经过数据处理和算法运算获取到规划策略，直接操作指令集控制动力传动电机，并向上层应用广播当前状态。根据本申请的具体实例，能够提高避障的及时性、易用性和普及性。核心控制板的直接超声波避障比上层应用超声波避障更有优势，在于以下五个方面：(1)可以减少超声波传感器数据传输之间的网络传输延时、数据拷贝延时；(2)可以提升传动电机的指令执行优先级，同时减少传动电机控制的阻塞延时；(3)可以减少应用业务的调度延时；(4)可以独立功能模块共上层应用使用，减少上层应用的业务开发；以及(5)提供完全独立于上层应用的避障控制，提高以此为基础的移动机器人安全性。

以下参考图16描述本申请实施例提供的移动机器人的避障方法的具体实例。

如图16所示，本具体实例包括：传感器驱动步骤S101、数据预处理步骤S102、数据融合步骤S103、策略规划步骤S104、运动控制步骤S105和状态广播步骤S106。在传感器驱动步骤S101中，可以对超声波传感数据进行实时采集的驱动；在数据预处理步骤S102中，对已采集到的超声波传感器数据进行滤波、补偿、入栈等，以便得到格式化的数据；在数据融合步骤S103中，在多个传感器数据中进行数据的时间同步，依据时间、位置、方向等筛选符合融合条件的传感器数据，而后进行多超声波之间的数据融合，精确定位出移动机器人周围的障碍物位置和方向；在策略规划步骤S104中，基于定位的障碍物的位置和方向，进行移动机器人的运动方向同障碍物、周遭环境的预期运动规划；在运动控制步骤S105中，根据预期的运动规划，直接控制双驱差分电机的传动属性，使其按照策略规划结果进行行走；在状态广播步骤S106中，进行与上层软件系统的通信状态广播，以便整个系统保持良好的在线交互能力。

图17示出了避障方法的更具体的流程实例，其中，对8个超声波传感数据进行实时采集，并对判断为有效的传感器数据进行格式化、滤波、入栈的预处理操作，将预处理后的数据进行融合，以进行运动策略的规划和运动控制，最后将状态广播给上层软件系统。

参见图18，本申请实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。

存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。

其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中移动机器人的避障方法的步骤，其具体实现方式与上述移动机器人的避障方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

存储器210还可以包括具有至少一个程序模块215的实用工具214，这样的程序模块215包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

相应的，处理器220可以执行上述计算机程序，以及可以执行实用工具214。

总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中移动机器人的避障方法的步骤，其具体实现方式与上述移动机器人的避障方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。

图19示出了本实施例提供的用于实现上述移动机器人的避障方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本申请中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。