一种路面标线的矢量化方法、装置、地图制作系统及介质

技术领域

本申请涉及数据处理技术领域，特别涉及一种路面标线的矢量化方法、装置、地图制作系统、介质及设备。

背景技术

目前，自动驾驶领域越来越成熟，自动驾驶车辆的使用随之越来越普遍，自主定位与建图是实现自动驾驶的关键技术，地图构建是其中重要组成部分，地图的优化和存储也是必不可少的。然而，在实际应用中，自动驾驶车辆的地图数据大小受到一定限制，通常通过对地图数据进行矢量化以减小地图的大小。

然而，现有技术中的矢量化过程往往将重点关注在对地图大小的改变上，因此，虽然在一定程度上对地图的大小有一定的改变，但是，利用该矢量化过程获取的矢量图中地图的环境信息与实际存在偏差，例如，地图中的直线段与实际相比存在角度、长度等偏差，用户放大查看时会显得失真不美观。

发明内容

针对现有技术存在的矢量图中地图的环境信息与实际存在偏差，用户放大查看时会显得失真不美观的问题，本申请主要提供一种路面标线的矢量化方法、装置、地图制作系统、介质及设备。

第一方面，本申请实施例提供一种路面标线的矢量化方法，其包括：根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；对合并点云平面进行平面拟合，获得完整点云平面；将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

第二方面，本申请实施例提供一种路面标线的矢量化装置，其包括：平面合成模块，其根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；完整平面拟合模块，其对合并点云平面进行平面拟合，获得完整点云平面；2D图像获取模块，其将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；线段提取模块，其对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；矢量化模块，其将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

第三方面，本申请实施例提供一种地图制作系统，其包括路面标线的矢量化装置，其中路面标线的矢量化装置包括：平面合成模块，其根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；完整平面拟合模块，其对合并点云平面进行平面拟合，获得完整点云平面；2D图像获取模块，其将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；线段提取模块，其对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；矢量化模块，其将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

第四方面，本申请实施例提供一种计算机可读存储介质，其存储有计算机指令，该计算机指令被操作以执行方案一中的路面标线的矢量化方法。

第五方面，本申请实施例提供一种计算机设备，其包括：至少一个处理器；以及与至少一个处理器进行通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机指令，至少一个处理器操作计算机指令以执行方案一中的路面标线的矢量化方法。

本申请实施例的技术方案通过提供一种3D点云与图像融合的方式，对路面标线进行矢量化建图，从图像中提取地面标线对应的线段，并在提取地面标线对应线段的同时，一并提取该地面标线对应的包络线，以使得在后续矢量化建图的过程中，避免与实际的地图标线存在偏差，另外，基于3D点云与图像融合的矢量化方式大大缩小了实际的存储量，节省了大量系统资源。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一种路面标线的矢量化方法的一个可选实施方式的示意图；

图2示出了本申请的一种路面标线的矢量化方法中区域确定的一个可选实例；

图3示出了本申请的一种路面标线的矢量化方法中合成合并点云平面的一个可选实例；

图4示出了本申请的一种路面标线的矢量化方法中合成合并点云平面的另一个可选实例；

图5示出了本申请的一种路面标线的矢量化方法中拟合成完整点云平面的一个可选实例；

图6是本申请一种路面标线的矢量化装置的一个可选实施方式的示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

下面结合附图对本申请的较佳实施例进行详细阐述，以使本申请的优点和特征能更易于被本领域技术人员理解，从而对本申请的保护范围做出更为清楚明确的界定。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

针对现有技术存在的矢量图中地图的环境信息于实际存在偏差，用户放大查看时会显得失真不美观的问题，本申请主要提供一种路面标线的矢量化方法、装置、地图制作系统、介质及设备。该路面标线的矢量化方法包括：根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；对合并点云平面进行平面拟合，获得完整点云平面；将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

通过提供一种3D点云与图像融合的方式，对路面标线进行矢量化建图，从图像中提取地面标线对应的线段，并在提取地面标线对应线段的同时，一并提取该地面标线对应的包络线，以使得在后续矢量化建图的过程中，避免与实际的地图标线存在偏差，另外，基于3D点云与图像融合的矢量化方式大大缩小了实际的存储量，节省了大量系统资源。

下面，以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面述及的具体的实施例可以相互结合形成新的实施例。对于在一个实施例中描述过的相同或相似的思想或过程，可能在其他某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1示出了本申请一种路面标线的矢量化方法的一个可选实施方式。

在图1所示的可选实施方式中，路面标线的矢量化方法主要包括步骤S101，根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面。

在该可选实施方式中，通过自动驾驶车辆上装载的激光雷达，采集同一时刻的地面标线的3D点云数据，并根据该3D点云数据合成合并点云平面，其中，当激光雷达采集点云的范围小于或等于预设范围时，利用该范围内采集的3D点云数据合成一个合并点云平面，当激光雷达采集点云的范围大于预设范围时，利用该范围内采集的3D点云数据合成多个合并点云平面；通过点云合成合并点云平面，为后续合并完整点云平面提供基础。

需要说明的是，地面标线包括但不限于减速带、车道线、左拐箭头、右拐箭头、斑马线、引导线、道路两旁的车位线。

在本申请的一个可选实施例中，根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面，进一步包括：以单个点云数据为中心划分预设范围，作为单个点云数据的区域；计算每一单个点云数据分别对应区域的法向量；对各个法向量进行对比，将符合预设条件的法向量对应的单个点云数据归为一类；将同一类的单个点云数据进行合并，获得多个合并点云平面。

在该可选实施例中，当激光雷达采集的范围大于预设范围时，以3D点云数据中的单个点云数据为中心，确定以该单个点云数据为中心的区域，根据前述方式确定3D点云数据中每一单个点云数据对应的区域，分别计算每一区域对应的法向量，将符合预设条件的法向量对应的单个点云数据归为一类，利用同一类的单个点云数据拟合合并点云平面，进而获得多个合并点云平面，为后续利用多个合并点云平面合成完整点云平面提供基础。

需要说明的是，预设条件为法向量之间的距离小于预设法向距离阈值，以及法向量之间的角度小于预设法向角度阈值；当上述两个个条件均达到时，即判定为符合预设条件。

为了使利用3D点云数据合成的合并点云平面的精度更高，在判断除了法向量之间的距离小于预设法向距离阈值与法向量之间的角度小于预设法向角度阈值之外，还需判断该法向量对应的单个点云数据之间的距离小于预设点云距离阈值，符合上述三个条件时，将符合条件的单个点云数据合成合并点云平面。

图2示出了本申请的一种路面标线的矢量化方法中区域确定的一个可选实例。

在图2所示的实例中，黑色实心圆与实线空心圆均为激光雷达采集的3D点云数据，其中，在以单个点云数据为中心确定区域时，该单个点云数据即为图2中的实线空心圆，该单个点云数据确定的区域即为图2中的虚线空心圆；该虚线空心圆中的黑色实心圆为以该虚线空心圆为中心划分的预设范围，将该预设范围内的3D点云数据作为该虚线空心圆对应区域中的3D点云数据。

图2中所示为对3D点云数据中个别单个数据点云进行区域确定的示例，在实际的区域确定过程中，需对每一单个数据点云均进行区域的确定，从而能够进行两个单个点云数据的法向量判断。

其中，本申请的方案中，预设范围可以设置为以2米为半径的圆，以2米为边长的正方形等；此外，预设范围的范围形状还可以设置为其他规则或不规则的形状，预设范围的大小还可以以其他数据，其中其他数据包括但不限于1米、5米、10米；本申请的示例只是提供一种可行方案，预设范围的具体大小、形状不做约束，只需设置的预设范围能够保证合并点云平面的精度即可。

在本申请的一个可选实施例中，将符合预设条件的法向量对应的单个点云数据归为一类，进一步包括：当相邻两个单个点云数据的法向量之间的距离小于预设法向距离阈值，且法向量之间的角度小于预设法向角度阈值，则将两个所述单个点云数据归为同一类。

在该可选实施例中，由于在根据法向量对点云数据进行归类时，涉及距离与角度两个元素，因此预设条件可以设置为，法向量之间的距离误差小于预设预设法向距离阈值，法向量之间的角度误差小于预设预设法向角度阈值，当同时满足上述两个条件时即为法向量符合预设条件，此时将法向量对应的单个点云数据归为同一类。以保证后续利用同一类的点云数据拟合平面的精度。

在本申请的一个可选实施例中，将符合预设条件的法向量对应的单个点云数据归为一类，还包括：当相邻两个单个点云数据的法向量之间的距离小于预设法向距离阈值，法向量之间的角度小于预设法向角度阈值，且单个点云数据之间的距离预设点云距离阈值，则将两个单个点云数据归为同一类。

在该可选实施例中，在设置预设条件时，基于上述的根据法向量设置预设条件，即法向量之间的距离误差小于预设预设法向距离阈值，法向量之间的角度误差小于预设预设法向角度阈值，再添加一条件，即对点云数据本身的距离进行约束，即两个点云数据之间的距离小于预设点云距离阈值，当同时满足上述三个条件时即为符合预设条件，此时将法向量对应的单个点云数据归为同一类。以保证后续利用同一类的点云数据拟合平面的精度。

图3示出了本申请的一种路面标线的矢量化方法中合成合并点云平面的一个可选实例。

在图3所示的实例中，编号1-10的黑色实心圆为激光雷达采集的3D点云数据，且为以8号实心圆为中心确定的区域内的3D点云数据，其中，图3中的虚线空心圆为分别以各个黑色实心圆为中心的预设范围确定的对应区域。在确定了以8号实心圆为中心确定的区域内的3D点云数据即1-10号黑色实心圆后，在该区域内对除8号实心圆以外的其他黑色实心圆为中心分别确定对应的区域。

在图3所示的实例中，以1号黑色实心圆为中心确定的区域内的3D点云数据包括2号、4号、8号、9号、10号黑色实心圆；以2号黑色实心圆为中心确定的区域内的3D点云数据包括1号、4号、6号、1号、8号、10号黑色实心圆；3号黑色实心圆为中心确定的区域内的3D点云数据包括7号、8号、9号、10号黑色实心圆；4号黑色实心圆为中心确定的区域内的3D点云数据包括1号、2号、5号、6号、7号、8号、10号黑色实心圆；4号黑色实心圆为中心确定的区域内的3D点云数据包括1号、2号、5号、6号、7号、8号、10号黑色实心圆；5号黑色实心圆为中心确定的区域内的3D点云数据包括4号、6号、7号、8号、10黑色实心圆；6号黑色实心圆为中心确定的区域内的3D点云数据包括2号、4号、5号、7号、8号、10黑色实心圆；7号黑色实心圆为中心确定的区域内的3D点云数据包括2号、3号、4号、5号、6号、8号黑色实心圆；9号黑色实心圆为中心确定的区域内的3D点云数据包括1号、3号、8号、10号黑色实心圆；10号黑色实心圆为中心确定的区域内的3D点云数据包括1号、2号、3号、4号、8号、9号黑色实心圆。

在分别以每一单个点云数据确定其对应的区域后，分别以该区域内的3D点云数据拟合平面，并将该平面作为该单个点云数据对应的平面，计算该平面的法向量，将该法向量作为该单个点云数据对应的法向量，分别对1-10号黑色实心圆中，两两黑色实心圆对应法向量进行对比，当法向量之间的距离小于预设法向距离阈值，以及法向量之间的角度小于预设法向角度阈值时，将上述两个黑色实心圆归为同一类；或当法向量之间的距离小于预设法向距离阈值，法向量之间的角度小于预设法向角度阈值，且上述两个黑色实心圆之间的距离小于预设点云距离阈值时，将上述两个黑色实心圆归为同一类。例如，上述计算获知1-10号的黑色实心圆中，1号、2号、4号、8号、9号、10号黑色实心圆为同一类，5号、6号、7号黑色实心圆为同一类；则利用1号、2号、4号、8号、9号、10号黑色实心圆合并一个合并点云平面；利用5号、6号、7号黑色实心圆合并一个合并点云平面；因此，利用该10个黑色点云数据供合成两个合并点云平面。

需要说明的是，本方案中对预设法向距离阈值、预设法向角度阈值以及预设点云距离阈值不做约束，只需设置后保证合并点云平面的精度即可。

图4示出了本申请的一种路面标线的矢量化方法中合成合并点云平面的另一个可选实例。

在图4所示的实例中，黑色实心圆为激光雷达采集的3D点云数据，有黑色实心圆与连接黑色实心圆的线段形成的封闭区域为利用黑色实心圆合成的合并点云平面，如图4所示，共合成7个合并点云平面。

在图1所示的可选实施方式中，路面标线的矢量化方法还包括步骤S102，对合并点云平面进行平面拟合，获得完整点云平面。

在该可选实施方式中，将多个合并点云平面拟合为当前时刻的完整点云平面，为后续通过该完整平面提取地面标线的线段提供条件。

图5示出了本申请的一种路面标线的矢量化方法中拟合成完整点云平面的一个可选实例。

在图5所示的实例中，黑色实心圆为激光雷达采集的3D点云数据，有黑色实心圆与连接黑色实心圆的虚线段形成的封闭区域为利用黑色实心圆合成的合并点云平面，如图5所示，共合成7个合并点云平面。再利用该7个合并点云平面拟合获得完整点云平面，其中，完整点云平面为图5中黑色实线合围而成的区域。

在图1所示的可选实施方式中，路面标线的矢量化方法还包括步骤S103，将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像。

在该可选实施方式中，将3D点云数据投影到完整点云平面上获取2D图像，基于图像与点云融合的方式，为后续提取地面标线的线段提供条件。

在本申请的一个可选实施例中，将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像，进一步包括：计算完整点云平面的平面方程；根据平面方程，将单个点云数据投影到完整点云平面中，获得2D图像。

在该可选实施例中，计算完整点云平面的平面方程，利用平面方程将采集的3D点云数据投影到完整点云平面上获取2D图像，其中，基于图像与点云融合的方式，为后续提取地面标线的线段提供条件。

在图1所示的可选实施方式中，路面标线的矢量化方法还包括步骤S104，对2D图像中的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线。

在该可选实施方式中，通过最小二乘拟合算法提取2D图像中地面标线的轮廓与包络线，为后续通过轮廓与包络线对地面标线继续矢量化提供条件。其中，相比于传统的利用点云提取线段的方式，本申请基于图像的方式去做提取，使得系统的复杂性减小，加快系统的运算效率，并且基于图像的提取方式，提取线段的过程，消耗的资源小，占用的内存小。

另外，相较于现有技术中将地面标线的轮廓线分别提取，以致在后续的矢量化过程中轮廓线无法封闭连接，使得矢量化的效果降低；本申请在提取轮廓线的同时，一并将该地面标线的包络线提取出来，为后续矢量化的过程中将该地面标线封闭连接，使得矢量化的效果提高，提升用户的体验效果。

在图1所示的可选实施方式中，路面标线的矢量化方法还包括步骤S105，将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

在该可选实施方式中，根据轮廓线与包络线两个元素获取的矢量图的方式，避免了传统技术中轮廓线连接不完整的状况，使得矢量图的精度提高，提升用户的体验效果。

在本申请的一个可选实施例中，将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图，进一步包括：将轮廓线与包络线映射到以激光雷达为中心的3D点云地图中，获取轮廓线对应的3D点云信息；将3D点云信息进行合并，获取矢量图。

在该可选实施例中，从2D图像中提取的轮廓线与包络线均为2D信息，因此在提取轮廓线与包络线后，将轮廓线与包络线映射到3D点云地图中，获取3D点云信息，利用3D点云信息获取该地面标线的矢量图，使得矢量图的精度提高。

在本申请的一个可选实施例中，将3D点云信息进行合并，获取矢量图，进一步包括：对3D点云信息进行后处理，获取经处理的3D点云信息；根据经处理的3D点云信息，对轮廓线进行合并，获取矢量图。

在该可选实施例中，在获取3D点云信息之后，对该信息进行后处理，以使得根据经处理的3D点云信息获取的矢量图精度提高，提升用户的体验效果。

在本申请的一个可选实施例中，将3D点云信息进行合并，获取矢量图，还包括：连接轮廓线的端点，获取轮廓线合围成的轮廓形状；根据包络线对轮廓形状进行调整，获取矢量图。

在该可选实施方式中，将轮廓线的端点进行连接，使轮廓线能够合围成相对封闭的轮廓图，再根据包络线，将相对封闭的轮廓图进行调整，获得封闭轮廓图即矢量图。其中，利用包络线的方式，避免了传统技术中轮廓线连接不完整的状况，使得矢量图的精度提高，提升用户的体验效果。

在本申请的一个可选实施例中，对3D点云信息进行后处理，获取经处理的3D点云信息，进一步包括：对3D点云信息进行去噪处理，获取经处理的3D点云信息。

在该可选实施例中，对3D点云信息进行去噪处理，滤除3D点云信息中的噪声点等异常点云，以使得矢量图精度提高，提升用户的体验效果。

图6示出了本申请一种路面标线的矢量化装置的可选实施方式。

在图6所示的可选实施方式中，路面标线的矢量化装置主要包括：平面合成模块601，其根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；完整平面拟合模块602，其对合并点云平面进行平面拟合，获得完整点云平面；2D图像获取模块603，其将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；线段提取模块604，其对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；矢量化模块605，其将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

在本申请的一个可选实施例中，本申请一种路面标线的矢量化装置中各功能模块可直接在硬件中、在由处理器执行的软件模块中或在两者的组合中。

软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可装卸盘、CD-ROM或此项技术中已知的任何其它形式的存储介质中。示范性存储介质耦合到处理器，使得处理器可从存储介质读取信息和向存储介质写入信息。

处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)、现场可编程门阵列(英文：Field Programmable Gate Array，简称：FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其任何组合等。通用处理器可以是微处理器，但在替代方案中，处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合，例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或一个以上微处理器或任何其它此类配置。在替代方案中，存储介质可与处理器成一体式。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替代方案中，处理器和存储介质可作为离散组件驻留在用户终端中。

本申请提供的路面标线的矢量化装置，可用于执行上述任一实施例描述的路面标线的矢量化方法，其实现原理和技术效果类似，在此不再赘述。

在本申请的另一个可选实施方式中，本申请提供一种地图制作系统，其包括路面标线的矢量化装置，其中路面标线的矢量化装置包括：平面合成模块，其根据激光雷达采集到地面标线的3D点云数据，合成点云数据对应的一个或多个合并点云平面；完整平面拟合模块，其对合并点云平面进行平面拟合，获得完整点云平面；2D图像获取模块，其将3D点云数据投影到完整点云平面中，获取3D点云数据对应的2D图像；线段提取模块，其对2D图像的地面标线进行轮廓与包络提取，获取地面标线的轮廓线与包络线；矢量化模块，其将轮廓线与包络线对应的3D点云数据进行合并，获取地面标线对应的矢量图。

本申请提供的地图制作系统，可用于执行上述任一实施例描述的路面标线的矢量化方法，其实现原理和技术效果类似，在此不再赘述。

在本申请的另一个可选实施方式中，一种计算机可读存储介质，其存储有计算机指令，计算机指令被操作以执行上述实施例中描述的路面标线的矢量化方法。

在本申请的另一个可选实施方式中，一种计算机设备，其包括：至少一个处理器；以及与至少一个处理器进行通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的计算机指令，至少一个处理器操作计算机指令以执行上述实施例中描述的路面标线的矢量化方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。