车辆及其自动泊车控制方法、装置和存储介质

技术领域

本发明涉及车辆自动泊车技术领域，尤其涉及一种车辆的自动泊车控制方法、一种计算机可读存储介质、一种车辆的自动泊车控制装置和一种车辆。

背景技术

相关技术的自动泊车通常采用的是先通过深度学习提取出停车位入口线角点的类型，进而判断出车位类型是否属于侧方停车或是倒车入库，然后根据角点信息提取出车位入口线，再判断出车位朝向，最后通过标定相机得到当前视角车库的边线长度，从而检测出整个停车位，并得到自动泊车信息。

然而，相关技术的问题在于需要按照角点、车位类型判断、入口线和朝向确定以及车位边线标定的顺序依次进行，使得需要花费较长的时间才能实现停车位的检测，造成自动泊车效率下降，用户体验不佳。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种车辆的自动泊车控制方法，能够基于车辆停车环境图像和停车位特征模型输出的多个停车位特征数据，实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种车辆的自动泊车控制装置。

本发明的第四个目的在于提出一种车辆。

为达到上述目的，本发明第一方面实施例提出的车辆的自动泊车控制方法，包括：获取车辆停车环境图像，并根据所述车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，所述多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线；根据所述多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息；根据所述停车位信息，控制车辆进行自动泊车。

根据本发明实施例的车辆的自动泊车控制方法，获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型，直接输出多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线，进而，根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息，以及，根据停车位信息，控制车辆进行自动泊车。由此，基于车辆停车环境图像和停车位特征模型输出的多个停车位特征数据，实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

另外，根据本发明上述实施例的车辆的自动泊车控制方法，还可以具有如下的附加技术特征：

根据本发明的一个实施例，所述方法包括：获取车辆停车环境样本图像，其中，所述车辆停车环境样本图像包括可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注；将所述车辆停车环境样本图像输入到预先建立的神经网络模型；利用所述车辆停车环境样本图像训练所述神经网络模型，获取所述停车位特征模型。

根据本发明的一个实施例，所述神经网络模型包括YOLOv7网络模型和DLA网络模型。

根据本发明的一个实施例，根据所述多个停车位特征数据进行停车位检测，包括：判断所述车位角点是否与所述可停车位入口线匹配；若所述车位角点与所述可停车位入口线匹配，则判断所述车位边线是否与所述车位角点匹配；若所述车位边线与所述车位角点匹配，则根据所述车位角点、所述车位边线和所述可停车位入口线，生成可停车车位的停车位信息。

根据本发明的一个实施例，根据所述多个停车位特征数据进行停车位检测，包括：判断所述车位角点是否与所述不可停车位入口线匹配；若所述车位角点与所述不可停车位入口线匹配，则判断所述车位边线是否与所述车位角点匹配；若所述车位边线与所述车位角点匹配，则根据所述车位角点、所述车位边线和所述不可停车位入口线，生成不可停车车位的停车位信息。

根据本发明的一个实施例，所述多个停车位特征数据还包括障碍物信息，所述方法还包括：根据所述障碍物信息和所述停车位信息，控制车辆进行自动泊车。

根据本发明的一个实施例，所述方法还包括：根据所述障碍物信息和所述停车位信息，生成可行驶区域和车道线的可视图像。

为达到上述目的，本发明第二方面实施例提出的计算机可读存储介质，其上存储有车辆的自动泊车控制程序，该车辆的自动泊车控制程序被处理器执行时实现上述本发明实施例的车辆的自动泊车控制方法。

根据本发明实施例的计算机可读存储介质，通过处理器执行其上存储有的车辆的自动泊车控制程序，能够实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

为达到上述目的，本发明第三方面实施例提出的车辆的自动泊车控制装置，包括：第一获取模块，用于获取车辆停车环境图像，并根据所述车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，所述多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线；第二获取模块，用于根据所述多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息；控制模块，用于根据所述停车位信息，控制车辆进行自动泊车。

根据本发明实施例的车辆的自动泊车控制装置，通过第一获取模块获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线，进而，通过第二获取模块根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息，以及，通过控制模块根据停车位信息，控制车辆进行自动泊车。由此，基于车辆停车环境图像和停车位特征模型输出的多个停车位特征数据，实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

为达到上述目的，本发明第四方面实施例提出的车辆，包括上述本发明实施例的车辆的自动泊车控制装置。

根据本发明实施例的车辆，通过采用前述车辆的自动泊车控制装置，能够实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明实施例的车辆的自动泊车控制方法的流程示意图；

图2是根据本发明一个实施例的对多个停车位特征数据进行筛选后的停车环境示意图；

图3是根据本发明一个实施例的车辆的自动泊车控制方法的流程示意图；

图4是根据本发明的一个实施例的车辆停车环境样本图像的标注方式示意图；

图5是根据本发明的一个实施例的车辆停车环境样本图像的标注方式示意图；

图6是根据本发明的一个实施例的车辆停车环境样本图像的标注方式示意图；

图7是根据本发明一个实施例的车辆的自动泊车控制方法的流程示意图；

图8是根据本发明一个实施例的车位角点与停车位入口线匹配的原理图；

图9是根据本发明一个实施例的车位角点与停车位入口线匹配的原理图；

图10是根据本发明一个实施例的构建停车位信息的原理图；

图11是根据本发明一个实施例的车辆的自动泊车控制方法的流程示意图；

图12是根据本发明一个实施例的停车位信息的示意图；

图13是根据本发明实施例的车辆的自动泊车控制装置的方框示意图；

图14是根据本发明实施例的车辆的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的车辆的自动泊车控制方法、计算机可读存储介质、车辆的自动泊车控制装置和车辆。

图1是根据本发明实施例的车辆的自动泊车控制方法的流程示意图。

具体地，在本发明的一些实施例中，如图1所示，车辆的自动泊车控制方法，包括：

S101，获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线。

可以理解的是，在本发明的该实施例中，可以通过车载摄像头或车载雷达获取车辆停车环境图像，进而结合车辆停车环境图像和停车位特征模型，直接输出多个停车位特征数据，以便于利用多个停车位特征数据中的可停车位入口线、不可停车位入口线、车位角点和车位边线进行停车位检测，从而，缩短停车位检测时间。

S102，根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息。

可以理解的是，在本发明的该实施例中，在根据多个停车位特征数据进行停车位检测之后，可以获取得到每个停车位的停车位信息，其中，停车位信息可以包括可停车车位和不可停车车位，以便于利用每个停车位的停车位信息，控制车辆进行自动泊车。

此外，在根据多个停车位特征数据进行停车位检测之前，可以利用非极大值抑制NMS对多个停车位特征数据进行筛选，以过滤掉低置信度的停车位特征数据，进而通过计算各个水平框之间的交并比，以剔除掉同一目标下的多个水平框，以得到如图2所示的多个停车位特征数据的模型输出，从而，便于预处理后的多个停车位特征数据进行停车位检测，缩短停车位检测时间，确保停车位检测精度，进而，提升车辆自动泊车效率，优化用户停车体验。

S103，根据停车位信息，控制车辆进行自动泊车。

具体而言，在本发明的上述实施例中，可以结合车辆停车环境图像和停车位特征模型，获取多个停车位特征数据，进而利用多个停车位特征数据中的可停车位入口线、不可停车位入口线、车位角点和车位边线进行停车位检测，获取得到每个停车位的停车位信息，从而，缩短停车位检测时间，以及利用每个停车位的停车位信息，控制车辆进行自动泊车，从而，提升车辆自动泊车效率，优化用户停车体验。

进一步地，在本发明的一些实施例中，如图3所示，车辆的自动泊车控制方法，还包括：

S201，获取车辆停车环境样本图像，其中，车辆停车环境样本图像包括可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注。

可以理解的是，在本发明的该实施例中，车辆停车环境样本图像可以作为训练停车位特征模型的样本图像，其中，车辆停车环境样本图像可以包括可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注。

下面结合本发明的具体实施例，对车辆停车环境样本图像中的可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注进行相应的说明：

具体而言，区别于现有技术中直接进行水平框标注的方式而言，在本发明的该实施例中，可以使用线标注和点标注反向获取更高精度的水平框，例如，如图4和图5所示，通过labelme开源标注工具对可停车入口线、不可停车入口线、车位边线和车位角点进行标注后，获取json格式的标注文件，其中，如图6所示，可停车入口线、不可停车入口线和车位边线的标注方式为线标注，每条线段设有起始点坐标(x

可选地，在本申请的一些实施例中，可以预先建立样本库，从样本库中获取车辆停车环境样本图像，其中，样本库可以采用公开的数据集中的图像，也可以从车辆的存储设备中获取车辆的摄像头所采集的图像，对图像进行标注后建立样本库。

S202，将车辆停车环境样本图像输入到预先建立的神经网络模型。

可以理解的是，在本发明的该实施例中，在获取得到带有可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注的车辆停车环境样本图像后，可以将车辆停车环境样本图像输入到预先建立的神经网络模型，从而，利用车辆停车环境样本图像对神经网络模型进行训练。

可选地，在本申请的一些实施例中，在利用车辆停车环境样本图像对神经网络模型进行训练之前，还对车辆停车环境样本图像的尺寸进行统一，例如，将车辆停车环境样本图像的尺寸缩放至预设尺寸，从而，使得神经网络模型可以对同一尺寸的车辆停车环境样本图像进行学习，从而能够更快速、更准确地对车辆停车环境样本进行处理，提高模型的训练效率。

进一步地，在本发明的一些实施例中，神经网络模型包括YOLOv7网络模型和DLA网络模型。

可以理解的是，区别于现有技术的神经网络模型而言，一方面考虑到YOLOv7网络模型适用于实际场景中移动状态下的车位检测，另一方面考虑到模型在卷积计算时会不断压缩特征图尺寸，导致车位角点出现消失的现象，因此，在本发明的该实施例中，结合YOLOv7网络模型和DLA网络模型以构成神经网络模型，从而，使得大分辨率下提取到的特征能融合进小分辨下提取到的特征中。

具体而言，在本发明的上述实施例中，通过结合YOLOv7网络模型和DLA网络模型，以实现卷积神经网络跨层和同层信息非线性的迭代聚合，增强各层输出的非线性，其中，跨层的特征融合公式定义如下：

其中，x

另外，同层的特征融合输出Tn定义如下：

其中，n代表同层下的深度，N代表聚合节点。

以及，上式中的R与L定义如下：

其中，B代表一个卷积计算，m代表所有层的深度，R代表不同层中最后的输出特征值，T代表当前层的输出。

S203，利用车辆停车环境样本图像训练神经网络模型，获取停车位特征模型。

具体而言，在本发明的上述实施例中，可以通过大量的车辆停车环境样本图像对神经网络模型进行训练，以获取得到训练好后的神经网络模型，即停车位特征模型，从而，利用停车位特征模型对车辆停车环境图像进行识别，以直接输出多个停车位特征数据中的可停车位入口线、不可停车位入口线、车位角点和车位边线，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

进一步地，在本发明的一些实施例中，如图7所示，根据多个停车位特征数据进行停车位检测，包括：

S301，判断车位角点是否与可停车位入口线匹配。

可以理解的是，在获取得到多个停车位特征数据后，可以根据可停车位入口线、车位边线和车位角点进行匹配，以确定当前停车位是否为可停车车位。

具体而言，首先，通过遍历可停车位入口线，其中，当前可停车位入口线水平框利用左上角点坐标(x

S302，若车位角点与可停车位入口线匹配，则判断车位边线是否与车位角点匹配。

可以理解的是，在本发明的该实施例中，当车位角点与可停车位入口线匹配时，可以通过遍历车位边线，以判断当前车位边线是否与当前可停车位入口线匹配，由于车位边线同样采用水平框表示，因此，当前车位边线水平框可以利用左上角点坐标(x

S303，若车位边线与车位角点匹配，则根据车位角点、车位边线和可停车位入口线，生成可停车车位的停车位信息。

应理解的是，在本发明的上述实施例中，如图10所示，如果存在车位角点与可停车位入口线匹配，且存在车位边线与车位角点匹配，则可以表示可停车位入口线匹配出唯二两个角点，且每个角点可以匹配唯一一条车位边线，此时，可以确定当前停车位为可停车车位，并根据车位角点、车位边线和可停车位入口线，生成可停车车位的停车位信息。

进一步地，在本发明的一些实施例中，如图11所示，根据多个停车位特征数据进行停车位检测，包括：

S401，判断车位角点是否与不可停车位入口线匹配。

可以理解的是，在获取得到多个停车位特征数据后，可以根据不可停车位入口线、车位边线和车位角点进行匹配，以确定当前停车位是否为不可停车车位。

具体而言，首先，通过遍历不可停车位入口线，其中，当前不可停车位入口线水平框利用左上角点坐标(x

S402，若车位角点与不可停车位入口线匹配，则判断车位边线是否与车位角点匹配。

可以理解的是，在本发明的该实施例中，当车位角点与不可停车位入口线匹配时，可以通过遍历车位边线，以判断当前车位边线是否与当前不可停车位入口线匹配，由于车位边线同样采用水平框表示，因此，当前车位边线水平框可以利用左上角点坐标(x

S403，若车位边线与车位角点匹配，则根据车位角点、车位边线和不可停车位入口线，生成不可停车车位的停车位信息。

应理解的是，在本发明的上述实施例中，如果存在车位角点与不可停车位入口线匹配，且存在车位边线与车位角点匹配，则可以表示不可停车位入口线匹配出唯二两个角点，且每个角点可以匹配唯一一条车位边线，此时，可以确定当前停车位为不可停车车位，并根据车位角点、车位边线和不可停车位入口线，生成不可停车车位的停车位信息。

进一步地，在本发明的一些实施例中，多个停车位特征数据还包括障碍物信息，方法还包括：根据障碍物信息和停车位信息，控制车辆进行自动泊车。

可以理解的是，由于在控制车辆进行自动泊车的过程中，停车位内可能会出现行人或障碍物，因此，在本发明的该实施例中，还可以结合车辆停车环境图像和停车位特征模型输出障碍物信息，其中，障碍物信息可以用于指示停车位内的障碍物状态，例如，障碍物大小和障碍物状态等，以便于根据障碍物信息和停车位信息，控制车辆进行自动泊车，从而，提升自动泊车的安全性和可靠性。

进一步地，在本发明的一些实施例中，车辆的自动泊车控制方法，其特征还包括：根据障碍物信息和停车位信息，生成可行驶区域和车道线的可视图像。

可以理解的是，在本发明的该实施例中，还可以根据障碍物信息和停车位信息，生成可行驶区域和车道线的可视图像，以便于用户可以实时观测自动泊车过程中的停车位状态，从而，在发生突发状况(例如，有行人或物体误入停车位)时，用户可以及时介入车辆控制，提升自动泊车的安全性和可靠性。

综上，根据本发明实施例的车辆的自动泊车控制方法，获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型，直接输出多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线，进而，根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息，以及，根据停车位信息，控制车辆进行自动泊车。由此，基于车辆停车环境图像和停车位特征模型输出的多个停车位特征数据，实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

基于前述本发明实施例的车辆的自动泊车控制方法，本发明实施例还提出了一种计算机可读存储介质，其上存储有车辆的自动泊车控制程序，该车辆的自动泊车控制程序被处理器执行时实现前述本发明实施例的车辆的自动泊车控制方法。

需要说明的是，本发明实施例的计算机可读存储介质的具体实施方式可以参见前述本发明实施例的车辆的自动泊车控制方法，为减少冗余，在此不再赘述。

综上，根据本发明实施例的计算机可读存储介质，通过处理器执行其上存储有的车辆的自动泊车控制程序，能够实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

图13是根据本发明实施例的车辆的自动泊车控制装置的方框示意图。

具体地，在本发明的一些实施例中，如图13所示，车辆的自动泊车控制装置100包括：第一获取模块10、第二获取模块20和控制模块30。

其中，在本发明的该实施例中，第一获取模块10用于获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线；第二获取模块20用于根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息；控制模块30用于根据停车位信息，控制车辆进行自动泊车。

进一步地，第一获取模块10还用于，获取车辆停车环境样本图像，其中，车辆停车环境样本图像包括可停车入口线标注、不可停车位入口线标注、车位边线标注和车位角点标注；将车辆停车环境样本图像输入到预先建立的神经网络模型；利用车辆停车环境样本图像训练神经网络模型，获取停车位特征模型。

进一步地，神经网络模型包括YOLOv7网络模型和DLA网络模型。

进一步地，第二获取模块20还用于，判断车位角点是否与可停车位入口线匹配；若车位角点与可停车位入口线匹配，则判断车位边线是否与车位角点匹配；若车位边线与车位角点匹配，则根据车位角点、车位边线和可停车位入口线，生成可停车车位的停车位信息。

进一步地，第二获取模块20还用于，根据多个停车位特征数据进行停车位检测，包括：判断车位角点是否与不可停车位入口线匹配；若车位角点与不可停车位入口线匹配，则判断车位边线是否与车位角点匹配；若车位边线与车位角点匹配，则根据车位角点、车位边线和不可停车位入口线，生成不可停车车位的停车位信息。

进一步地，多个停车位特征数据还包括障碍物信息，控制模块30还用于，根据障碍物信息和停车位信息，控制车辆进行自动泊车。

进一步地，控制模块30还用于，根据障碍物信息和停车位信息，生成可行驶区域和车道线的可视图像。

需要说明的是，本发明实施例的车辆的自动泊车控制装置的具体实施方式与前述本发明实施例的车辆的自动泊车控制方法的具体实施方式一一对应，为减少冗余，在此不再赘述。

综上，根据本发明实施例的车辆的自动泊车控制装置，通过第一获取模块获取车辆停车环境图像，并根据车辆停车环境图像和停车位特征模型获取多个停车位特征数据，其中，多个停车位特征数据包括可停车位入口线、不可停车位入口线、车位角点和车位边线，进而，通过第二获取模块根据多个停车位特征数据进行停车位检测，以获取每个停车位的停车位信息，以及，通过控制模块根据停车位信息，控制车辆进行自动泊车。由此，基于车辆停车环境图像和停车位特征模型输出的多个停车位特征数据，实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

图14是根据本发明实施例的车辆的方框示意图。

具体地，在本发明的一些实施例中，如图14所示，车辆1000包括前述本发明实施例的车辆的自动泊车控制装置100。

需要说明的是，本发明实施例的车辆1000的具体实施方式可以参见前述本发明实施例的车辆的自动泊车控制方法，另外，本发明实施例的车辆的其他构成及作用对本领域的技术人员来说是已知的，为减少冗余，此处不做赘述。

综上，根据本发明实施例的车辆，通过采用前述车辆的自动泊车控制装置，能够实现停车位检测和车辆自动泊车，从而，缩短停车位检测时间，提升车辆自动泊车效率，优化用户停车体验。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。