一种自动驾驶时域构建方法、设备、存储介质及装置

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶时域构建方法、设备、存储介质及装置。

背景技术

目前，国内外均投入大量人力物力开发自动驾驶汽车。在自动驾驶系统的功能定义及系统开发之初，需要定义自动驾驶汽车运行的范围，即自动驾驶汽车行驶在此范围内，系统被激活，超过此范围，系统失效。

国内外现有技术中没有明确的自动驾驶时域构建ODD构建方法，现有的ODD描述多体现在“定性”层面，例如，自动驾驶系统适用于高速公路，白天，雨天等，但没有“定量”层面的描述，比如高速公路的坡度，道路曲率具体值，白天及晚上光照值，降雨量具体数值等等。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种自动驾驶时域构建方法、设备、存储介质及装置，旨在解决现有技术中自动驾驶时域构建过程的技术问题。

为实现上述目的，本发明提供一种自动驾驶时域构建方法，所述自动驾驶时域构建方法包括以下步骤：

在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果；

通过预设定量判断模型从所述驾驶环境信息中确定临界参数集合，并获取所述临界参数集合对应的临界值集合；

获取所述临界参数集合中各临界参数在预设时段内的参数值集合，根据所述临界值集合和所述参数值集合获取定量判断结果；

根据所述定性判断结果和所述定量判断结果构建自动驾驶时域构建。

优选的，所述在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果的步骤之前，还包括：

获取定性判断要素的样本库以及初始定性判断模型；

根据所述样本库构建要素模型的初始要素集合，并根据所述初始要素集合和所述初始定性判断模型构建预设定性判断模型。

优选的，所述在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果的步骤包括：

从所述驾驶信息中获取特征要素信息；

将所述特征要素信息输入至所述预设定性判断模型，将特征要素信息与所述初始要素集合进行比较，获取定性判断结果。

优选的，所述通过预设定量判断模型从所述驾驶环境信息中确定临界参数集合，并获取所述临界参数集合对应的临界值集合的步骤包括：

从所述驾驶环境信息中确定变化环境要素；

根据所述预设定量判断模型和所述变化环境要素获得所述变化环境要素中的临界参数集合；

获取所述临界参数集合的参数值集合作为临界值集合。

优选的，所述根据所述预设定量判断模型和所述变化环境要素获得所述变化环境要素中的临界参数集合的步骤包括：

对所述变化环境要素中的不同环境要素进行遍历，获取当前变化环境要素；

根据所述预设定量判断模型对所述当前变化环境要素进行判断，获取判断结果；

根据所述判断结果获取临界参数，并返回所述对所述变化环境要素进行遍历的步骤，在遍历结束时获取临界参数集合。

优选的，所述获取所述临界参数集合中各临界参数在预设时段内的参数值集合，根据所述临界值集合和所述参数值集合获取定量判断结果的步骤，包括：

获取临界参数集合在预设时间段内的参数值集合；

通过所述临界值集合对所述参数值集合进行筛选，获取临界参数集合的阈值；

根据所述临界参数集合和所述阈值获取定量判断结果。

优选的，所述通过所述临界值集合对所述参数值集合进行筛选，获取临界参数集合的阈值的步骤，包括：

根据所述参数值集合从所述临界值集合中选取相应的参数临界值；

通过所述参数临界值对所述参数值集合进行筛选，获取临界参数集合的阈值。

此外，为实现上述目的，本发明还提出一种自动驾驶时域构建设备，所述自动驾驶时域构建设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶时域构建程序，所述自动驾驶时域构建程序配置为实现如上文所述的自动驾驶时域构建方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶时域构建程序，所述自动驾驶时域构建程序被处理器执行时实现如上文所述的自动驾驶时域构建方法的步骤。

此外，为实现上述目的，本发明还提出一种自动驾驶时域构建装置，所述自动驾驶时域构建装置包括：定性结果获取模块、临界值获取模块、定量结果获取模块和时域构建模块；

所述定性结果获取模块，用于在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果；

所述临界值集合获取模块，用于通过预设定量判断模型从所述驾驶环境信息中确定临界参数集合，并获取所述临界参数集合对应的临界值集合；

所述定量结果获取模块，用于获取所述临界参数集合中各临界参数在预设时段内的参数值集合，根据所述临界值集合和所述参数值集合获取定量判断结果；

所述时域构建模块，用于根据所述定性判断结果和所述定量判断结果构建自动驾驶时域构建。

本发明中，提供一种自动驾驶时域构建方法、设备、存储介质及装置，首先在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果，其次通过预设定量判断模型从驾驶环境信息中确定临界参数集合并获取对应的临界值集合，获取各临界参数在预设时段内的参数值集合，获取定量判断结果，根据定性判断结果和定量判断结果构建自动驾驶时域。在现有技术中没有明确的自动驾驶时域构建方法，而本申请通过获取定性判断结果和定量判断结果，并根据获得到的定性判断结果和定量判断结果构建自动驾驶时域。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的自动驾驶时域构建设备的结构示意图；

图2为本发明自动驾驶时域构建方法第一实施例的流程示意图；

图3为本发明自动驾驶时域构建方法第二实施例的流程示意图；

图4为本发明自动驾驶时域构建方法第三实施例的流程示意图；

图5为本发明自动驾驶时域构建装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的自动驾驶时域构建设备结构示意图。

如图1所示，该自动驾驶时域构建设备可以包括：处理器1001，例如中央处理器，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏，可选用户接口1003还可以包括标准的有线接口、无线接口，对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口。存储器1005可以是高速的随机存取存储器，也可以是稳定的存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对自动驾驶时域构建设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶时域构建程序。

在图1所示的自动驾驶时域构建设备中，网络接口1004主要用于连接后台服务器，与所述后台服务器进行数据通信；用户接口1003主要用于连接用户设备；所述自动驾驶时域构建设备通过处理器1001调用存储器1005中存储的自动驾驶时域构建程序，并执行本发明实施例提供的自动驾驶时域构建方法。

基于上述硬件结构，提出本发明自动驾驶时域构建方法的实施例。

参照图2，图2为本发明自动驾驶时域构建方法第一实施例的流程示意图，提出本发明自动驾驶时域构建方法第一实施例。

在第一实施例中，所述自动驾驶时域构建方法包括以下步骤：

步骤S10：在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果。

应理解的是，本实施例的执行主体可以是自动驾驶时域构建系统，该系统包括驾驶信息采集装置，车辆状态检测装置，自动驾驶时域构建装置；驾驶信息采集装置可以是视觉传感器、摄像头、GPS天线、高精度惯导等装置，用于采集车辆的驾驶信息；车辆状态检测装置，可以是摄像头、测速仪等装置，用于实时检测车辆是否退出自动驾驶模式；自动驾驶时域构建装置，用于构建自动驾驶运行时域。

需要说明的是，预设定性判断模型是一个预先设定，用于判断要素性质对自动驾驶模式产生影响的模型。当前采集的驾驶信息是指在车辆退出自动驾驶模式时，自动驾驶时域构建系统采集到的驾驶信息，该驾驶信息针对要素的性质。定性判断结果是判断要素的性质对驾驶模式造成退出影响的判断结果，例如在自动驾驶模式退出时，当前驾驶信息中存在一个障碍物位于前方道路中间，则该障碍物对自动驾驶模式造成了影响，导致车辆退出自动驾驶模式，那么该障碍物就是影响自动驾驶的定性要素。

可以理解的是，自动驾驶时域构建系统在检测到自动驾驶模式退出时，通过传感器采集当前的驾驶信息，预设定性判断模型通过模型内的定性要素对当前的驾驶信息中的环境要素进行判断，得到当前驾驶信息中影响自动驾驶模式的环境要素的定性判断结果，例如可以对当前驾驶信息中的定性要素逐一进行判断，通过预设定性判断模型模拟自动驾驶模式，将定性要素逐一加入当前驾驶状态，检测定性要素加入后的自动驾驶模式是否退出，进而判断出各定性要素的定性判断结果。

步骤S20：通过预设定量判断模型从所述驾驶环境信息中确定临界参数集合，并获取所述临界参数集合对应的临界值集合。

需要说明的是，预设定量判断模型是一个预先设定的用于判断要素的量值对自动驾驶模式产生影响的模型。临界参数集合是定量要素的集合，定量要素是当前要素的量值会对自动驾驶模式造成影响的要素。临界值是当前要素对自动驾驶模式造成影响的当前要素的量值，临界值集合是当前所有要素的临界值组成的临界值集合。

可以理解的是，通过预设定量模型内部的定量要素集合与当前驾驶信息中的要素进行比较，获取当前驾驶信息中的定量要素集合，作为临界参数集合。通过预设定量模型模拟自动驾驶模式场景，逐个确定临界参数在自动驾驶模式退出时的临界值，获取临界值集合。

步骤S30：获取所述临界参数集合中各临界参数在预设时段内的参数值集合，根据所述临界值集合和所述参数值集合获取定量判断结果。

需要说明的是，预设时间段是预先设定用来判断定量要素的量值对自动驾驶状态影响的的时间，在预设时间段内定量要素的量值随时间的变化呈线性变化趋势，例如在测量雨量对自动驾驶模式的影响时，在一定的时间内，雨量由小变大呈线性逐渐增加，从而判断雨量的大小对自动驾驶模式的影响。参数值集合是在预设时间段内，定性要素量值变化的集合，在具体实施过程中，为了避免测量误差造成的影响，参数值变化需要超出临界值。

可以理解的是，自动驾驶时域构建系统通过传感器检测各个临界参数在预设是时间段内的变化，记录要素量值的变化集合结果，即临界参数的参数值集合。根据要素的临界值对参数值集合进行筛选，获取该要素参数值集合中不会影响自动驾驶模式的参数的阈值，作为该要素的定量判断结果，依次对所有要素的参数值集合进行筛选，获取所有要素的参数阈值，作为定量判断结果，例如在判断光照强度对自动驾驶模式的影响时，需要在一定的时间内，光照强度从标准光强逐渐减小，直至光强逐渐趋近于零，获取自动驾驶模式退出的弱光光强临界值，通过弱光光强临界值对变化的光强进行筛选，选取从弱光光强临界值到标准光强的阈值作为弱光阈值，之后以同样的方式获取强光阈值，根据弱光阈值和强光阈值获取光强的阈值，作为光强要素的定量判断结果。

步骤S40：根据所述定性判断结果和所述定量判断结果构建自动驾驶时域。

需要说明的是，自动驾驶时域是车辆在自动驾驶模式状态下，在是域内的定性要素或定量要素的变化不会对自动驾驶模式造成退出的影响的时域。

可以理解的是，根据定性判断结果可以得到不会对自动驾驶模式造成退出影响的定性要素阈值；根据定量判断结果可以得到不会对自动驾驶模式造成退出影响的定量要素的量值集合。根据定性要素的阈值和定量要素的量值集合可以构建出定性与定量要素的自动驾驶时域。

在第一实施例中，提供一种自动驾驶时域构建方法，首先在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果，其次通过预设定量判断模型从驾驶环境信息中确定临界参数集合并获取对应的临界值集合，获取各临界参数在预设时段内的参数值集合，获取定量判断结果，根据定性判断结果和定量判断结果构建自动驾驶时域。在现有技术中没有明确的自动驾驶时域构建方法，而本实施例通过获取定性判断结果和定量判断结果，并根据获得到的定性判断结果和定量判断结果构建自动驾驶时域。

参照图3，图3为本发明自动驾驶时域构建方法第二实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明自动驾驶时域构建方法的第二实施例。

在第二实施例中，所述步骤S10之前，还包括：

步骤S101'：获取定性判断要素的样本库以及初始定性判断模型。

需要说明的是，定性判断要素的样本库是定性要素的集合，可以根据集合内的要素模拟自动驾驶模式。初始定性判断模型是未经调节的定性判断模型，该模型内没有任何的定性要素集合无法对定性要素进行判断。

可以理解的是，获取定性判断要素的样本库可以通过实际的驾驶场景进行获取，在不同的场景下可针对不对的定性要素进行获取，例如在落石路段可以获取落石或者其他易出现在道路上的障碍物以及注意落石的提示标志等。

步骤S102'：根据所述样本库构建要素模型的初始要素集合，并根据所述初始要素集合和所述初始定性判断模型构建预设定性判断模型。

需要说明的是，初始要素集合是具有模拟自动驾驶模式要素的集合，该集合中包括影响走动驾驶模式退出的各种要素。

可以理解的是，根据初始要素集合和初始定性判断模型可以对预设定性判断模式进行构建，以使初始判断模式能够完成自动驾驶状态的模拟，即预设定性判断模型。

相应的，步骤S10包括：

步骤S101：从所述驾驶信息中获取特征要素信息。

需要说明的是，驾驶信息是在车辆退出自动驾驶状态时自动驾驶时域构建系统传感器采集到的驾驶信息。特征要素信息是具有定性要素的信息，可以对自动驾驶模式造成退出影响的信息。

需要说明的是，自动驾驶时域构建系统的传感器实时采集驾驶信息，在自动驾驶模式退出时，采集当前的驾驶信息。对驾驶信息中的特征要素进行识别，获取驾驶信息中的特征要素信息。

步骤S102：将所述特征要素信息输入至所述预设定性判断模型，将特征要素信息与所述初始要素集合进行比较，获取定性判断结果。

可以理解的是，将特征要素信息输入至预设定性判断模型，对输入的特征要素信息逐一进行比较判断，利用预设定性判断模型搭建当前特征信息的判断条件的自动驾驶模式，对当前特征要素进行判断，之后重新选取当前特征，直至所述特征要素全部选取结束，获取不影响当前自动驾驶模式的定性要素作为定性判断结果。

在第二实施例中，提供一种自动驾驶时域构建方法，首先在检测到目标车辆退出自动驾驶模式时，主要针对通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果，其次通过预设定量判断模型从驾驶环境信息中确定临界参数集合并获取对应的临界值集合，获取各临界参数在预设时段内的参数值集合，获取定量判断结果，根据定性判断结果和定量判断结果构建自动驾驶时域。在现有技术中没有明确的自动驾驶时域构建方法，而本实施例通过获取定性判断结果和定量判断结果，并根据获得到的定性判断结果和定量判断结果构建自动驾驶时域。

参照图4，图4为本发明自动驾驶时域构建方法第三实施例的流程示意图，基于上述图2所示的第一实施例，提出本发明自动驾驶时域构建方法的第三实施例。

在第三实施例中，所述步骤S20，包括：

步骤S201：从所述驾驶环境信息中确定变化环境要素。

需要说明的是，自动驾驶时域构建系统在自动驾驶过程中实时监测驾驶环境信息。变化环境要素是在自动驾驶过程中要素量值变化的环境要素，例如在驾驶过程中，道路具有上坡路段，每个上坡的坡度是不同的，即变化的坡度。

可以理解的是，在驾驶环境信息中，可以通过对环境要素进行不同时间的量值进行记录，可以得到变化的环境要素。在本实施列中通过高精度惯导测量道路坡度信息，可以采用其他装置或方法，在此不做具体要求。

步骤S2021：对所述变化环境要素中的不同环境要素进行遍历，获取当前变化环境要素。

需要说明的是，遍历是一个对当前集合中要素进行不放回的选取的过程。遍历时每次遍历到当前集合中的一个要素，在所有要素均被遍历到时，结束便利过程。当前变化环境要素是变化环境要素集合中的一个变化环境要素。

可以理解的是，对变化环境要素中的不同环境要素进行遍历，从变化环境要素集合中选取一个变化的环境要素，执行接下来的步骤。

步骤S2022：根据所述预设定量判断模型对所述当前变化环境要素进行判断，获取判断结果。

需要说明的是，预设定量判断模型在对变化环境要素进行判断时，需要判处其他变化环境因素对当前变化环境因素的影响，预设定量判断模型对其他的环境要素进行标准化设定，也可以进行正常状态的设定，在此不做具体要求。所以预设定量判断模型一次仅能对一个变化的环境要素进行判断。判断结果是当前变化环境要素对自动驾驶模式是否造成退出影响的判断结果。

可以理解的是，预设定量判断模型在对其他环境要素进行限定，模拟自动驾驶模式，在当前环境要素呈线性变化的情况下，获取当前变化环境的量值结果作为判断结果。

步骤S2023：根据所述判断结果获取临界参数，并返回所述对所述变化环境要素进行遍历的步骤，在遍历结束时获取临界参数集合。

需要说明的是，临界参数是上述步骤当前变化环境要素的临界参数。临界参数集合是所有变化环境要素的临界参数组成的集合。

可以理解的是，在对当前变化环境要素临界参数进行获取之后，需要对其他的变化环境要素进行临界参数获取，则需要返回对变化环境要素进行遍历的步骤，重新遍历当前变化环境要素，在遍历结束时，获取所述变化环境要素的临界参数集合。

步骤S203：获取所述临界参数集合的参数值集合作为临界值集合。

需要说明的是，临界值集合是所述变化的环境要素的阈值内参数值集合。根据具体实施状况确定临界参数的参数值集合，例如道路曲率变化具有一定的范围值，在拐弯处变化值较大，普通路面变化值较小，需要对变化的值进行全部获取，作为曲率变化值集合。

相应的，所述步骤S30，包括：

步骤S301：获取临界参数集合在预设时间段内的参数值集合。

需要说明的是，在自动驾驶模式退出前的一点时间内，影响自动驾驶模式退出的当前变化环境因素并没有造成自动驾驶模式退出，为了避免大量的数据处理，需要获取自动驾驶模式退出前后的一段时间内的当前变化环境要素的变化量值进行处理。

步骤S3021：根据所述参数值集合从所述临界值集合中选取相应的参数临界值。

可以理解的是，上述步骤获取了参数值集合和临界值集合，通过当前变化环境信息从临界值集合中选取与当前变化环境信息参数值对应的临界值，将所有变化环境要素的参数值集合与其对应的临界值进行一一对应。

步骤S3022：通过所述参数临界值对所述参数值集合进行筛选，获取临界参数集合的阈值。

需要说明的是，临界参数集合的阈值是当前变化环境信息不会造成自动驾驶模式退出的阈值。

可以理解的是，根据影响自动驾驶模式退出的当前变化环境要素的参数临界值对参数值集合进行筛选，获取不会造成自动驾驶模式退出的参数值的阈值，排除会造成自动驾驶模式退出的参数值阈值。

步骤S303：根据所述临界参数集合和所述阈值获取定量判断结果。

需要说明的是，阈值是参数值阈值的集合，是各个临界参数对应的参数值的阈值，临界参数集合是影响自动驾驶模式的定量环境要素的集合。

可以理解的是，在获取影响自动驾驶模式的定量环境要素以及该定量环境要素的阈值，可以确定该定量环境要素对自动驾驶模式的定量判断结果，对所有定量环境要素以及阈值进行确定，获取所有定量要素的判断结果即定量判断结果。

在第三实施例中，提供一种自动驾驶时域构建方法，首先在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果，之后通过预设定量判断模型从驾驶环境信息中确定临界参数集合并获取对应的临界值集合，获取各临界参数在预设时段内的参数值集合，获取定量判断结果，根据定性判断结果和定量判断结果构建自动驾驶时域。在现有技术中没有明确的自动驾驶时域构建方法，而本实施例通过获取定性判断结果和定量判断结果，并根据获得到的定性判断结果和定量判断结果构建自动驾驶时域。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶时域构建程序，所述自动驾驶时域构建程序被处理器执行时实现如上文所述的自动驾驶时域构建方法的步骤。

此外，参照图5，本发明实施例还提出一种自动驾驶时域构建装置，该装置包括：定性结果获取模块10、临界值获取模块20、定量结果获取模块30和时域构建模块40。

所述定性结果获取模块10，用于在检测到目标车辆退出自动驾驶模式时，通过预设定性判断模型从当前采集的驾驶信息中获取定性判断结果；

所述临界值集合获取模块20，用于通过预设定量判断模型从所述驾驶环境信息中确定临界参数集合，并获取所述临界参数集合对应的临界值集合；

所述定量结果获取模块30，用于获取所述临界参数集合中各临界参数在预设时段内的参数值集合，根据所述临界值集合和所述参数值集合获取定量判断结果；

所述时域构建模块40，用于根据所述定性判断结果和所述定量判断结果构建自动驾驶时域构建。

在本实施例中，通过定性结果获取模块10获取影响自动驾驶模式的定性判断结果，其次临界值集合获取模块20获取定量的临界参数和临界值集合，之后定量结果获取模块30获取影响自动驾驶模式的定量判断结果，最后时域构建模块40根据定性判断结果与定量判断结果构建自动驾驶时域。在现有技术中没有明确的自动驾驶时域构建方法，而本实施例通过获取定性判断结果和定量判断结果，并根据获得到的定性判断结果和定量判断结果构建自动驾驶时域。

本发明所述自动驾驶时域构建装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image，ROM)/随机存取存储器(Random AccessMemory，RAM)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。