车道线处理方法、车辆和可读存储介质

技术领域

本发明涉及车辆领域，尤其涉及一种车道线处理方法、车辆和计算机可读存储介质。

背景技术

目前国内外大部分搭载智能驾驶辅助系统(ADAS)的车辆，对车载视觉传感器设备探测到的车道线，都会在后端系统做置信度阈值判断和滤波，以使车辆的ADAS系统可依据判断和滤波结果对探测到的车道线进行处理，进而对车辆驾驶进行调整。然而车载视觉传感器设备所探测到的车道线往往存在车道线不完整、断断续续，甚至模糊不清不易识别等问题，导致ADAS系统无法获取准确的车道线信息，进而无法对车辆做出正确的调整，影响用户驾乘体验，更严重者还可能引发交通事故。

发明内容

本发明的主要目的在于提供一种车道线处理方法、车辆和可读存储介质，旨在解决因车道线不清晰或车道线不完整，而导致车载视觉传感器设备对车道线识别不稳的问题。

为实现上述目的，本发明提供一种车道线处理方法，所述车道线处理方法包括以下步骤：

在车辆行使过程中，获取车辆行使道路的车道图像，根据所述图像获得对应的车道线类型、车道线存在时间和道路边沿信息；

根据所述车道线类型和所述道路边沿信息分析得到道路类型；

根据所述道路类型和所述车道线存在时间分析得到动态置信度阈值；

根据所述车道图像获取对应的车道线可信度，并判断所述实际车道线的可信度是否小于所述动态置信度阈值；

若所述实际车道线的可信度小于所述动态置信度阈值，则根据所述道路类型及其对应获取的车道线模拟出虚拟车道线。

优选地，所述道路类型包括高速/快速车道；所述动态置信度阈值包括第一动态置信度阈值、第二动态置信度阈值和第三动态置信度阈值；所述根据所述道路类型和所述车道线存在时间分析得到对应的动态置信度阈值的步骤包括：

若所述道路类型为高速/快速车道，则判断所述车道线存在时间是否大于第一预设阈值；

若否，则获取第一动态置信度阈值；

若是，则判断所述车道线存在时间是否大于第二预设阈值；

若否，则获取第二动态置信度阈值；

若是，则获取第三动态置信度阈值。

优选地，所述道路类型包括城市车道，所述根据所述道路类型和所述车道线存在时间分析得到对应的动态置信度阈值的步骤还包括：

若所述道路类型为城市车道，则判断所述车道线存在时间是否大于第三预设阈值；

若否，则获取第四动态置信度阈值；

若是，则判断所述车道线存在时间是否大于第四预设阈值；

若否，则获取第五动态置信度阈值；

若是，则获取第六动态置信度阈值。

优选地，所述道路类型包括乡村车道，所述根据所述道路类型和所述车道线存在时间分析得到对应的动态置信度阈值的步骤还包括：

若所述道路类型为乡村车道，则则判断所述车道线存在时间是否大于第五预设阈值；

若否，则获取第七动态置信度阈值；

若是，则判断所述车道线存在时间是否大于第六预设阈值；

若否，则获取第八动态置信度阈值；

若是，则获取第九动态置信度阈值。

优选地，所述判断实际车道线的可信度是否小于所述动态置信度阈值的步骤之后还包括：

若所述实际车道线的可信度大于或等于所述动态置信度阈值，则获取车辆运动信息和历史车道线信息；

根据所述车辆运动信息和所述历史车道线信息计算得到第一预测车道线；

将获取的实际车道线与所述第一预测车道线通过卡尔曼滤波算法融合得到第一融合车道线，根据所述第一融合车道线控制车辆运动并通过仪表显示屏显示所述第一融合车道线。

优选地，所述若所述实际车道线的可信度小于所述动态置信度阈值，则根据所述道路类型模拟出虚拟车道线的步骤之后包括：

获取车辆运动信息和历史车道线信息；

根据所述车辆运动信息和所述历史车道线信息计算得到第二预测车道线；

将虚拟车道线与所述第二预测车道线通过卡尔曼滤波算法融合得到第二融合车道线，根据所述第二融合车道线控制车辆运动并通过仪表显示屏显示所述第二融合车道线。

优选地，所述根据所述车道线类型、所述道路参与者状态信息和所述道路边沿信息分析得到道路类型的步骤之后包括：

根据道路参与者状态信息和道路类型分析得到车辆所处场景；

获取第一融合车道线或第二融合车道线；

判断车辆所处场景是否为第一预设场景或第二预设场景，其中，预设场景包括第一预设场景、第二预设场景和第三预设场景；

若车辆所处场景为所述第一预设场景或所述第二预设场景，则对所述第一融合车道线或所述第二融合车道线进行偏置处理。

优选地，所述若车辆所处场景为所述预设场景，则对所述第一融合车道线或所述第二融合车道线进行偏置处理的步骤包括：

当车辆所处场景为第一预设场景时，控制车辆以用户驾驶意图区域的边侧为中心进行行驶，并调整第一融合车道线或第二融合车道线偏移向用户驾驶意图区域的边侧；

当车辆所处场景为第二预设场景时，控制车辆以用户驾驶意图区域的中心行驶，并调整第一融合车道线或第二融合车道线偏移向用户驾驶意图区域的中心。

此外，为实现上述目的，本发明还提供一种车辆，所述车辆包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的车道线处理方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的车道线处理方法的步骤。

本发明实施例提出的一种车道线处理方法，通过获取车道线类型和道路边沿信息，分析得到车辆所处道路类型，为分析车辆所处场景以及得出车辆动态置信度阈值提供道路数据支持。通过获取车道线存在时间和所述车辆所处道路类型分析得到动态置信度阈值，通过判断车辆所探测到的实际车道线的可信度是否小于所述动态置信度阈值，以确定获得清晰的车道线，进而根据所述道路类型及其对应获取的车道线模拟出虚拟车道线，以保证车辆的行车安全和提升用户体验感。

附图说明

图1是本发明实施例方案涉及的车辆部分部件的结构示意图；

图2为本发明车道线处理方法第一实施例的流程示意图；

图3为步骤S30的第一细化流程图；

图4为步骤S30的第二细化流程图；

图5为步骤S30的第三细化流程图；

图6为本发明车道线处理方法第三实施例的流程示意图；

图7为本发明车道线处理方法第四实施例的流程示意图；

图8为步骤S710的第一细化流程图。

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。

如图1所示，图1是本发明实施例方案涉及的车辆部分部件的结构示意图。

所述车辆包括通信模块01、存储器02及处理器03等部件。本领域技术人员可以理解，图1中所示出的车辆还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。其中，所述处理器03分别与所述存储器02和所述通信模块01连接，所述存储器02上存储有计算机程序，所述计算机程序同时被处理器03执行。

通信模块01，可通过网络与外部设备连接。通信模块01可以接收外部设备发出的数据，还可发送数据、指令及信息至所述外部设备，所述外部设备可以是手机、平板电脑、笔记本电脑和台式电脑等电子设备。

存储器02，可用于存储软件程序以及各种数据。存储器02可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(通过判断实际车速转速比是否满足预设车速转速比范围来检测车辆的软件与硬件是否匹配)等；存储数据区可存储根据车辆的使用所创建的数据或信息等。此外，存储器02可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器03，是车辆的控制中心，利用各种接口和线路连接整个车辆的各个部分，通过运行或执行存储在存储器02内的软件程序和/或模块，以及调用存储在存储器02内的数据，执行车辆的各种功能和处理数据，从而对车辆进行整体监控。处理器03可包括一个或多个处理单元；优选的，处理器03可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器03中。

尽管图1未示出，但上述车辆还可以包括电路控制模块，电路控制模块用于与市电连接，实现电源控制，保证其他部件的正常工作。

本领域技术人员可以理解，图1中示出的车辆结构并不构成对车辆的限定，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。

根据上述硬件结构，提出本发明方法各个实施例。

参照图2，本发明车道线处理方法的第一实施例中，所述车道线处理方法包括：

步骤S10，在车辆行使过程中，获取车辆行使道路的车道图像，根据所述图像获得对应的车道线类型、车道线存在时间和道路边沿信息。

在车辆的行使过程中，通过车辆上的摄像头获取车辆的行使道路的车道图像，该摄像头可以是行使记录仪上的摄像头也可以是全景摄像头，或者设置在车辆上的其他摄像头。

所述车辆行使道路的车道图像，包括车道线的类型、车道线存在的时间和车道线的颜色等信息中的一种或者两种以上组合，也就是说在每一个实施例中，所应用的关于车道线的信息可以有所不同。所述道路边沿信息，包括道路两旁的绿化带、栏杆、石墩和警戒线等装置，用于限制车道范围，为车辆驾驶用户和行人区别划分各自不同的安全领域。

为了提高判断的准确性，还可以根据所述图像获得对应的车道线类型、车道线存在时间、道路参与者的状态信息和道路边沿信息，即增加车辆行使道路上行人、其他车辆和/或动物等的状态，从而提高判断准确性。

所述道路参与者状态信息，包括在用户的一定距离内的道路上的行人、其他车辆和/或动物等的状态，例如道路上的行人、其他车辆和动物的速度，距离用户的路程等。其中，所述用户的一定距离内指按照在车辆上摄像头和其他传感器所能探测到的范围，当然该距离还可以由本领域的技术人员根据实际情况进行设置，技术人员根据实际情况设置的距离小于摄像头和其他传感器所能探测到的最远距离；所述其他车辆既包括机动车车辆，又包括非机动车车辆，例如自行车、电动车、三轮车和轮椅等人为驾驶的非机动车车辆。

步骤S20，根据所述车道线类型和所述道路边沿信息分析得到道路类型；

所述的车道线类型包括，实线、虚线、实线结合虚线以及双实线等多种类型，有的车道线类型只可能出现在城市道路，有的车道线类型只可能出现在高速/快速道路；本实施例中将道路类型划分三种，分别是：高速/快速车道、城市车道和乡村车道，具体实施中可以划分为其他道路类型。所述高速/快速车道是指限定时速在最低60km/h，最高120km/h的车道，城市车道是指最高时速为80km/h的车道，乡村车道是指最高时速为60km/h的车道。车辆具体所处的道路类型的车辆时速根据道路旁的限速标志或车载导航仪提示的最高时速而有所不同。

需要说明的是，某些时候用户车辆可能获取不到车道线类型、道路参与者状态信息和道路边沿信息的其中之一或其中至二，甚至可能都获取不到，导致无法分析得出对应的道路类型。例如，当用户车辆无法获取得到车道线类型、道路参与者状态信息和道路边沿信息的任意一个时，则设置当前时刻用户车辆所处道路类型为乡村车道；当用户车辆通过车道线类型分析得出当前时刻车辆处于快速/高速车道，无法获取道路参与者状态信息和道路边沿信息，则设置当前时刻用户车辆所处道路类型为快速/高速车道。

步骤S30，根据所述道路类型和所述车道线存在时间分析得到动态置信度阈值。

所述道路类型包括三种，分别是：高速/快速车道、城市车道和乡村车道。所述车道线的存在时间是根据车道线的长度除以车速所得到的时间。所述动态置信度阈值是指无法通过计算得到，需要通过统计学得到的一个概率值。在本发明中，所述动态置信度阈值包括三个，分别为0.5、0.7、0.9；本领域的技术人员可以理解，由于不同车企所运用的标准不同，所以动态置信度阈值的取值也有所不同。置信度是指总体参数值落在样本统计值某一区内的概率。每一种道路类型都对应着若干个动态置信度阈值，通过若干个预设阈值将每一种道路类型所对应的车道线存在时间区间分成若干个小区间，若干个小区间分别对应着一个动态置信度阈值。

步骤S40：根据所述车道图像获取对应的车道线可信度，并判断所述实际车道线的可信度是否小于所述动态置信度阈值；

车载视觉传感器设备在获取实际车道线以后，根据所获取的车道线进行可信度判断，得出一个确认的可信度。所述实际车道线的可信度是根据所获取的车道线的类型，存在时间以及清晰度等信息综合评判得出的一个概率值。

步骤S410：若所述实际车道线的可信度小于所述动态置信度阈值，则根据所述道路类型及其对应获取的车道线模拟出虚拟车道线。

车载视觉传感器设备在获取实际车道线以后，综合评判得出该实际车道线的可信度，将所述可信度与步骤S30得出的动态置信度阈值进行大小比较，若所述实际车道线的可信度小于所述动态置信度阈值，则该车辆会根据所获取的道路类型，结合该道路类型所获取的车道线模拟出一条虚拟车道线。例如，当前时刻车辆所处的道路类型为高速车道，且该车道对应获取的车道线为一虚一实线，则模拟出一条高速车道的一虚一实线的车道线。

在本实施例中，车辆通过获取车道线类型、道路参与者状态信息和道路边沿信息，分析得到道路类型，以供车辆进行场景判断和综合评判获得动态置信度阈值，为车道线的处理提供道路基础。通过分析获得实际车道线的可信度，并判断所获取的实际车道线的可信度是否小于所述动态置信度阈值，以此判断所获取的实际车道线是否足够清晰，是否足以使车辆依据该实际车道线控制车辆驾驶，如果判断得出实际车道线不够清晰或不完整，则根据所述道路类型模拟出一条虚拟车道线，使得车辆足以依据该虚拟车道线支持控制车辆驾驶。

进一步的，参照图3、图4和图5，根据本发明车道线处理方法的第一实施例提出本发明车道线处理方法的第二实施例，在本实施例中，参照图3，步骤S30包括：

步骤S310：若所述道路类型为高速/快速车道，则判断所述车道线存在时间是否大于第一预设阈值；

步骤S311：若否，则获取第一动态置信度阈值；

步骤S312：若是，则判断所述车道线存在时间是否大于第二预设阈值；

步骤S313：若否，则获取第二动态置信度阈值；

步骤S314：若是，则获取第三动态置信度阈值；

所述第一预设阈值和第二预设阈值是根据高速/快速车道的限定时速以及国家标准车道线所计算出的两个阈值，例如第一预设阈值可以是由符合国家标准的车道线长度除以80km/h所得出的阈值，第二预设阈值可以是由符合国家标准的车道线长度除以100km/h所得出的阈值，所述两个预设阈值将车速在60km/h至120km/h所对应的时间信息分为三个时间区间，每一个车速所对应的时间信息必然处于某一区间，每个区间设置有对应的置信度阈值，从而通过比较车道线存在时间与两个预设阈值的大小，则可以确定车道线存在时间处于三个时间区间中的哪一个区间，进而获取该区间所对应的动态置信度阈值，比如70km/h所对应的时间信息处于60km/h所对应的时间信息至80km/h所对应的时间信息之间，则获取此时间区间对应的动态置信度阈值为0.5。同时本领域的技术人员可以理解，所述第一预设阈值和第二预设阈值的取值标准可以有不同的标准，可由技术人员自行设置。

进一步地，参照图4，步骤S30还包括：

步骤S320：若所述道路类型为城市车道，则判断所述车道线存在时间是否大于第三预设阈值；

步骤S321：若否，则获取第四动态置信度阈值；

步骤S322：若是，则判断所述车道线存在时间是否大于第四预设阈值；

步骤S323：若否，则获取第五动态置信度阈值；

步骤S324：若是，则获取第六动态置信度阈值。

所述第三预设阈值和第四预设阈值是根据城市车道的限定时速以及国家标准车道线所计算出的两个阈值，得到具体数值的方法与图3类似，在此不再赘述。

进一步地，参照图5，步骤S30还包括：

步骤S330：若所述道路类型为乡村车道，则则判断所述车道线存在时间是否大于第五预设阈值；

步骤S331：若否，则获取第七动态置信度阈值；

步骤S332：若是，则判断所述车道线存在时间是否大于第六预设阈值；

步骤S333：若否，则获取第八动态置信度阈值；

步骤S334：若是，则获取第九动态置信度阈值。

所述第五预设阈值和第六预设阈值是根据乡村车道的限定时速以及国家标准车道线所计算出的两个阈值，得到具体数值的方法与图3类似，在此不再赘述。

在本实施例中，通过两个预设阈值将每一种道路类型对应的车道线存在时间分成三个时间区间，并且每个时间区间分别对应着一个动态置信度阈值，以此来实现在不同的道路类型中获得不同的动态置信度阈值，提高车道线的清晰度。

进一步的，参照图6，根据本发明车道线处理方法的第一实施例提出本发明车道线处理方法的第三实施例，在本实施例中，步骤S40之后还包括：

步骤S420：若所述实际车道线的可信度大于或等于所述动态置信度阈值，则获取车辆运动信息和历史车道线信息；

若车辆获取的实际车道线的可信度大于或等于动态置信度阈值，则表明该实际车道线足以控制车辆依据该实际车道线进行驾驶。在本发明中，所述车辆运动信息是指车辆的倾斜情况，包括侧倾，前倾，后倾等情况。例如，车辆在转弯过程中，会向左或向右倾斜；车辆在上坡或下坡时，会发生前倾或后倾。所述历史车道线信息是指本次车道线处理循环之前存储的经过本实本发明方法处理后的车道线。

步骤S440：根据所述车辆运动信息和所述历史车道线信息通过计算得到第一预测车道线；

所述卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。通过将历史车道线信息输入，经过计算，输出预测车道线，并辅助车辆运动信息进行调整，最终得到第一预测车道线。所述第一预测车道线中的“第一”仅仅表示步骤S440所得到的车道线，并不代表序数词。

步骤S460：将获取的实际车道线与所述第一预测车道线通过卡尔曼滤波算法融合得到第一融合车道线，根据所述第一融合车道线控制车辆运动并通过仪表显示屏显示所述第一融合车道线。

将获取的实际车道线与第一预测车道线进行融合，以实际车道线为主，结合实际车道线和第一预测车道线相同数据部分通过卡尔曼滤波算法形成第一融合车道线，并存储该第一融合车道线作为历史车道线，同时通过仪表显示屏显示所述第一融合车道线。

进一步地，步骤S410之后包括：

步骤S430：获取车辆运动信息和历史车道线信息；

所述车辆运动信息和历史车道线信息如上所述，在此不再赘述。

步骤S450：根据所述车辆运动信息和所述历史车道线信息计算得到第二预测车道线。

步骤S450与步骤S440方法原理相似，所以在此不再赘述。

步骤S470：将虚拟车道线与所述第二预测车道线通过卡尔曼滤波算法融合得到第二融合车道线，根据所述第二融合车道线控制车辆运动并通过仪表显示屏显示所述第二融合车道线。

通过将虚拟车道线与第二预测车道线进行融合，以虚拟车道线为主，结合虚拟车道线和第二预测车道线相同数据部分通过卡尔曼滤波算法形成第二融合车道线，并存储该第二融合车道线作为历史车道线，同时通过仪表显示屏显示所述第二融合车道线。

需要说明的是，步骤S410和步骤S420不可能同时执行，只能二者选其一进行执行，例如，执行步骤S410，就不会执行步骤S420及其之后的步骤；执行步骤S420，就不会执行步骤S410及其之后的步骤。

在本实施例中，通过比较实际车道线的可信度与动态置信度阈值的大小关系之后，获取车辆的车辆运动信息和历史车道线信息，并计算得到预测车道线，将预测车道线与实际车道线或虚拟车道线通过卡尔曼滤波方法融合得到融合后的车道线，从而实现对车道线进行滤波处理得到更稳定，更准确的车道线。

进一步的，参照图7和图8，根据本发明车道线处理方法的第一实施例提出本发明车道线处理方法的第四实施例，在本实施例中，参照图7，步骤S20之后包括：

步骤S50：根据道路参与者状态信息和道路类型分析得到车辆当前时刻所处场景；

所述车辆当前时刻所处场景是指用户车辆与周围道路参与者和道路边沿之间所形成的联系，例如，通过道路参与者状态信息，可以判断出车辆的前后左右侧的情形，可以分析得出车辆四周是否有不稳定或不安全因素存在；通过道路类型可以判断出车辆四周的不稳定或不安全因素存在于何种道路类型上。

步骤S60：获取第一融合车道线或第二融合车道线；

需要说明的是，第一融合车道线和第二融合车道线只能获取其一，不能同时获得，也不能同时都没有获得。

步骤S70：判断车辆当前时刻所处场景是否为预设场景，其中，预设场景包括第一预设场景和第二预设场景；

所述预设场景包括第一预设场景和第二预设场景，在本实施例中，所述第一预设场景可以是两侧出现非舒适情况出现，例如车辆用户两侧均有车辆，或者一侧有车辆，另一侧靠近道路边沿；所述第二预设场景是指一侧出现非舒适情况，例如一侧出现车辆，或一侧靠近道路边沿。

步骤S710：若车辆当前时刻所处场景为所述预设场景，则对车道线进行偏置处理。

由于车辆所处场景的特殊，如果车辆依旧按照正常的车道线进行行驶，可能会造成车辆用户的不安心理，做出错误的操作，更有甚者可能会引起交通事故。因此，若车辆所处场景属于预设场景，则对仪表显示屏上的车道线进行向左或向右的偏置处理。若车辆所处场景不属于预设场景，则无需对车道线进行偏置处理，并控制车辆在第一融合车道线或第二融合车道线的区域内行驶。

进一步地，参照图8，步骤S710包括：

步骤S720：当车辆所处场景为第一预设场景时，控制车辆以用户驾驶意图区域的边侧为中心进行行驶，并调整第一融合车道线或第二融合车道线偏移向用户驾驶意图区域的边侧。

步骤S730：当车辆所处场景为第二预设场景时，控制车辆以用户驾驶意图区域的中心行驶，并调整第一融合车道线或第二融合车道线偏移向用户驾驶意图区域的中心。

若车辆当前时刻所处场景属于预设场景，则需要对仪表显示屏上的车道线进行偏置处理；根据不同场景，对车道线进行不同的偏置，本发明实施例中提出了两种偏置方法，但本领域的技术人员可以理解，图5和图6所给出的针对车道线的两种偏置方法并不构成对本发明的限定，可以包括更多的场景以及更多的车道线偏置方法。

需要说明的是，步骤S50和步骤S30可以同时进行，也可以先完成步骤S30，后完成步骤S50。

在本实施例中，通过获取道路参与者状态信息和道路类型分析得到车辆当前时刻所处场景，若车辆当前时刻所处场景属于预设场景，则需对仪表显示屏上的车道线进行偏置处理，以增强车辆用户的驾驶安全感，提升车辆用户的驾驶体验，降低交通事故的风险。若车辆当前时刻所处场景不属于预设场景，则控制车辆按照仪表显示屏上的车道线进行驾驶。

此外，本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图1的车辆中的存储器02，也可以是如ROM(Read-OnlyMemory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干信息用以使得车辆执行本发明各个实施例所述的方法。

本发明计算机可读存储介质的具体实施例与上述车道线处理方法各实施例基本相同，在此不作赘述。

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。

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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得车辆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。