基于异构感知数据融合的车辆定位方法、装置及系统

技术领域

本发明涉及车辆定位技术领域，具体地涉及一种基于异构感知数据融合的车辆定位方法、一种基于异构感知数据融合的车辆定位装置及一种基于异构感知数据融合的车辆定位系统。

背景技术

目前高精度定位的的主流方案是采用卫星定位加地基增强RTK和惯性导航设备，其中卫星导航(GNSS)提供初始定位，地基增强(RTK)做差分定位消除GNSS定位偏差，惯性导航单元(IMU)进行轨迹推算。当GNSS信号丢失或无法推算固定解时，目前方案只能利用IMU进行航迹惯导推算，其偏差主要受制IMU芯片精度和积累误差，对硬件成本和有效距离等限制较大。目前也有高精定位系统在以上基础上集成视觉或者激光雷达信息进行数据融合，作为定位补偿，但是单一方案会有很多限制，如视觉的摄像头安装位置和视角限制，同时视觉定位精度只能达到亚米级，无法满足厘米级高精度要求；而采用固态激光雷达或者机械式激光雷达时可以解决融合定位精度问题，但是激光雷达对车道线识别较差，无法解决车道线的相对距离定位，同时激光雷达的硬件成本和对安装的要求过高。

发明内容

本发明实施方式的目的是提供一种基于异构感知数据融合的车辆定位方法、装置及系统，以解决现有定位方法在GNSS信号丢失时无法准确定位的问题。

为了实现上述目的，在本发明的第一方面，提供一种基于异构感知数据融合的车辆定位方法，包括：

获取所述车辆的卫星定位数据及RTK基站发送的RTK差分数据；

依据所述卫星定位数据及所述RTK差分数据对所述车辆进行定位；

在所述卫星定位数据丢失的情况下，获取所述车辆的第一当前定位信息，依据预设的高精地图数据及所述车辆的第一当前定位信息确定当前路况场景，根据所述高精地图数据和所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位；

所述辅助定位数据组合包括以下中的任意一者或多者的组合：惯性导航数据、图像数据、毫米波雷达数据及超声波数据。

可选地，根据与所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位，包括：

获取惯性导航数据，依据所述惯性导航数据及所述高精地图数据确定所述车辆的当前车道；

获取第一图像数据，若基于所述第一图像数据提取到当前车道的边界信息，依据当前车道的边界信息确定所述车辆的横向位置；

若未提取到当前车道的边界信息，依据实时获取的毫米波雷达数据或超声波数据确定所述车辆的横向位置；

依据与所述当前路况场景对应的预设规则确定所述车辆的纵向位置；

根据所述车辆的当前车道、所述横向位置及所述纵向位置，对所述车辆进行定位。

可选地，依据实时获取的毫米波雷达数据或超声波数据确定所述车辆的横向位置，包括：

依据所述高精地图数据确定当前道路的宽度；

获取所述车辆的当前车速；

若当前道路的宽度大于宽度阈值或当前车速大于车速阈值，依据实时获取的毫米波雷达数据确定所述车辆的横向位置；

若当前道路的宽度不大于所述宽度阈值且当前车速不大于所述车速阈值，依据实时获取的毫米波雷达数据和/或超声波数据确定所述车辆的横向位置。

可选地，依据实时获取的毫米波雷达数据确定所述车辆的横向位置，包括：

依据实时获取的毫米波雷达数据确定所述车辆与当前道路左边缘的横向距离及所述车辆与当前道路右边缘的横向距离；

依据所述车辆与当前道路左边缘的横向距离及所述车辆与当前道路右边缘的横向距离确定所述车辆的横向位置。

可选地，所述图像数据还包括第二图像数据和第三图像数据；所述当前路况场景包括第一路况场景；依据与所述当前路况场景对应的预设规则确定所述车辆的纵向位置，包括：

获取第二图像数据，基于所述第二图像数据进行第一目标标志物识别；

若识别到所述第一目标标志物，依据实时获取的毫米波雷达数据确定所述车辆与所述第一目标标志物的距离，依据所述车辆与所述第一目标标志物的距离确定所述车辆的纵向位置；

若未识别到所述第一目标标志物，获取第三图像数据，从所述第三图像数据提取当前车道的曲率信息；

若从所述第三图像数据提取到当前车道的曲率信息，将当前车道的曲率信息与所述高精地图数据中的曲率信息匹配以确定所述车辆的纵向位置；

若无法从所述第三图像数据提取到当前车道的曲率信息，依据所述惯性导航数据确定所述车辆的纵向位置。

可选地，从所述第三图像数据提取当前车道的曲率信息，包括：

从持续获取的第三图像数据确定当前车道的边界信息，依据边界信息确定当前车道的曲率信息。

可选地，所述当前路况场景包括第二路况场景；依据与所述当前路况场景对应的预设规则确定所述车辆的纵向位置，包括：

获取第四图像数据，基于所述第四图像数据进行第二目标标志物识别；

若识别到所述第二目标标志物，依据实时获取的毫米波雷达数据确定所述车辆与所述第二目标标志物的距离，依据所述车辆与所述第二目标标志物的距离确定所述车辆的纵向位置；

若未识别到所述第二目标标志物，依据所述惯性导航数据确定所述车辆的纵向位置。

可选地，所述当前路况场景包括第三路况场景；根据所述高精地图数据和所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位，包括：

获取第五图像数据，基于所述第五图像数据进行第三目标标志物识别；

若识别到所述第三目标标志物，依据所述高精地图数据确定所述车辆的第二当前定位信息；

获取第六图像数据；

若依据所述第六图像数据提取到当前车道的边界信息：

依据当前车道的边界信息及所述第二当前定位信息确定所述车辆的横向位置；

获取第七图像数据，基于所述第七图像数据进行第四目标标志物识别；若识别到所述第四目标标志物，依据实时获取的毫米波雷达数据确定所述车辆与所述第四目标标志物的距离，依据所述车辆与所述第四目标标志物的距离确定所述车辆的纵向位置；否则，依据所述惯性导航数据确定所述车辆的纵向位置；

若依据所述第六图像数据未提取到当前车道的边界信息：

获取第七图像数据，基于所述第七图像数据进行第四目标标志物识别；

若识别到所述第四目标标志物，依据实时获取的毫米波雷达数据确定所述车辆与所述第四目标标志物的距离，依据所述车辆与所述第四目标标志物的距离确定所述车辆的横向位置及纵向位置；

否则，依据所述惯性导航数据确定所述车辆的横向位置及纵向位置。

在本发明的第二方面，提供一种基于异构感知数据融合的车辆定位装置，应用上述的基于异构感知数据融合的车辆定位方法，所述装置包括：

数据获取模块，被配置为获取所述车辆的卫星定位数据及RTK基站发送的RTK差分数据；

定位模块，被配置为依据所述卫星定位数据及所述RTK差分数据对所述车辆进行定位；以及

在所述卫星定位数据丢失的情况下，获取所述车辆的第一当前定位信息，依据预设的高精地图数据及所述车辆的第一当前定位信息确定当前路况场景，根据所述高精地图数据和所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位；

所述辅助定位数据组合包括以下中的任意一者或多者的组合：惯性导航数据、图像数据、毫米波雷达数据及超声波数据。

在本发明的第三方面，提供一种基于异构感知数据融合的车辆定位系统，包括：

上述的基于异构感知数据融合的车辆定位装置；

惯性导航装置，用于采集惯性导航数据；

图像采集装置，用于采集图像数据；

毫米波雷达装置，用于采集毫米波雷达数据；以及

超声波装置，用于采集超声波数据。

本发明上述技术方案通过卫星定位数据及RTK差分数据进行车辆初始定位，并依据高精地图数据确定车辆的当前路况场景，在卫星定位数据丢失的情况下，针对不同路况场景通过不同的辅助定位数据的组合来对车辆进行定位，能有效的保证在卫星信号丢失的情况下依然能保证车辆的定位精度，同时无需不额外增加传感器设备，成本低。

本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：

图1是本发明优选实施方式提供的一种基于异构感知数据融合的车辆定位方法的方法流程图；

图2是本发明优选实施方式提供的定位系统结构示意图；

图3是本发明优选实施方式提供的一种基于异构感知数据融合的车辆定位装置的示意框图；

图4是本发明优选实施方式提供的一种基于异构感知数据融合的车辆定位系统的示意框图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

如图1所示，在本实施方式的第一方面，提供一种基于异构感知数据融合的车辆定位方法，包括：

获取所述车辆的卫星定位数据及RTK基站发送的RTK差分数据；

依据卫星定位数据及RTK差分数据对所述车辆进行定位；

在所述卫星定位数据丢失的情况下，获取所述车辆的第一当前定位信息，依据预设的高精地图数据及车辆的第一当前定位信息确定当前路况场景，根据所述高精地图数据和当前路况场景对应的辅助定位数据组合对车辆进行定位；其中，助定位数据组合包括以下中的任意一者或多者的组合：惯性导航数据、图像数据、毫米波雷达数据及超声波数据。

如此，本实施方式通过卫星定位数据及RTK差分数据进行车辆初始定位，并依据高精地图数据确定车辆的当前路况场景，在卫星定位数据丢失的情况下，针对不同路况场景通过不同的辅助定位数据的组合来对车辆进行定位，能有效的保证在卫星信号丢失的情况下依然能保证车辆的定位精度，同时无需不额外增加传感器设备，成本低。

具体的，如图2所示，本实施方式的车辆定位系统包括通过CAN总线系统通信连接的自动驾驶控制器、ESP、泊车控制器、轮速传感器、用于检测车辆前后左右四个方向距离的毫米波雷达、用于检测车辆左右距离的超声波传感器、前视摄像头、环视摄像头、智能天线、陀螺仪、加速度传感器及4G/5G模块，本实施方式的方法可以软件功能模块的形式应用于自动驾驶控制器。可以理解的，自动驾驶控制器可以划分为多个软件模块，例如，高精定位模块：用于依据卫星定位数据、RTK差分数据及辅助定位数据计算车辆的定位信息；惯导计算模块，用于基于陀螺仪、加速度传感器、轮速传感器采集的角速度、加速度及轮速进行惯性导航计算；高精地图数据模块，用于通过以太网获取高精地图数据并存储读取到的高精度地图数据。通过智能天线获取卫星定位数据，通过RTK差分数据进行固定位置解算，修正定位数据，得到车辆的第一当前定位信息，确定车辆的初始定位坐标，同时，根据车辆的初始定位坐标与高精地图数据进行匹配，进而确定初始电子围栏的边界，基于得到的初始电子围栏，即可以确定当前的路况场景。随着车辆的运行，电子围栏信息实时更新，若在车辆运行过程中，丢失卫星信号，即丢失卫星定位数据，导致RTK固定解算丢失，则以最后一次得到的RTK固定解定位车辆的当前位置，同时，通过自动驾驶控制器进行惯性导航航迹计算，再基于高精地图数据及惯性导航航迹检测地理围栏的变化及路况场景的变化，进而针对不同的路况场景融合不同的辅助定位数据组合进行高精度定位。本实施方式中，路况场景包括：封闭高速和高架道路、开放市区和城际道路以及特定园区内道路和室内停车场三种路况场景。这样，针对不同的路况场景，通过融合不同的辅助定位数据组合进行定位，相比现有方法采用单一方式进行定位，能更精确、稳定的实现车辆的定位。

其中，所述图像数据包括第一图像数据；当车辆的当前路况场景为封闭高速和高架道路，以及开放市区和城际道路时，根据与所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位，包括：

获取惯性导航数据，依据惯性导航数据及高精地图数据确定车辆的当前车道；获取第一图像数据，若基于第一图像数据提取到当前车道的边界信息，依据当前车道的边界信息确定车辆的横向位置；若未提取到当前车道的边界信息，依据实时获取的毫米波雷达数据或超声波数据确定车辆的横向位置；依据与当前路况场景对应的预设规则确定车辆的纵向位置；根据所述车辆的当前车道、所述横向位置及所述纵向位置，对所述车辆进行定位。

获取陀螺仪采集的角速数据、加速度传感器采集的加速度数据以及轮速传感器采集的轮速数据，通过现有的惯性导航算法推算车辆的惯性导航航迹，从而计算车辆的位移，同时，自动驾驶传感器通过4G/5G无线网络获取高精地图数据，基于高精地图数据及车辆的位移即可推算车辆的当前车道。确定车辆的当前车道后，通过车辆的前视摄像头采集第一图像数据，并基于图像处理从第一图像数据中提取连续的车道线特征信号，进而提取当前车道的左右边界信息；若前视摄像头被遮挡，则自动切换为左右环视摄像头对当前车道的左右边界信息进行提取。若成功提取到当前车道的左右边界信息，则基于提取到的左右边界信息及图像处理算法分别计算车辆与当前车道左边界的距离及车辆与当前车道右边界的距离，其计算过程为现有技术，此处不再赘述。基于车辆与当前车道左边界的距离及车辆与当前车道右边界的距离，融合高精地图数据，即可确定车辆的横向位置。可以理解的，现有技术的高精地图数据可以获取车道的宽度数据、道路的宽度数据等。若基于第一图像数据检测到的车道边界线缺失或模糊不清，无法成功提取当前车道的边界信息时，通过设置车辆左右两侧的毫米波雷达或超声波传感器实时扫描道路边缘的金属栅栏、水泥壁或花坛等连续障碍物，实时获取毫米波雷达数据或超声波雷达数据，基于毫米波雷达数据或超声波雷达数据计算车辆与当前道路左边界的距离及车辆与当前道路右边界的距离，融合高精度地图数据，进而对车辆的横向位置进行补偿、修正，确定车辆的横向位置。再根据当前路况场景是封闭高速和高架道路，或者开放市区和城际道路的不同，采用不同规则确定车辆的纵向位置。

由于毫米波雷达与超声波传感器的适用环境不同，因此，依据实时获取的毫米波雷达数据或超声波数据确定车辆的横向位置，包括：

依据高精地图数据确定当前道路的宽度；获取车辆的当前车速；若当前道路的宽度大于宽度阈值或当前车速大于车速阈值，依据实时获取的毫米波雷达数据确定车辆的横向位置；若当前道路的宽度不大于宽度阈值且当前车速不大于车速阈值，依据实时获取的毫米波雷达数据和/或超声波数据确定车辆的横向位置。

由于超声波传感器的探测精度受探测距离和车辆速度影响，通常情况下，超声波传感器的探测距离有限，同时在高速环境下探测精度会受到较大影响，因此，当当前道路的宽度大于宽度阈值且当前车速大于车速阈值时，通过毫米波雷达检测车辆与道路两边界的距离，本实施方式中，宽度阈值为13m，车速阈值为60km/h。若当前道路的宽度不大于13m且当前车速不大于60km/h时，则可通过超声波传感器和/或毫米波雷达检测车辆与道路两边界的距离，其具体选择可根据传感器的实际性能确定。

其中，依据实时获取的毫米波雷达数据确定车辆的横向位置，包括：

依据实时获取的毫米波雷达数据确定车辆与当前道路左边缘的横向距离及车辆与当前道路右边缘的横向距离；依据车辆与当前道路左边缘的横向距离及车辆与当前道路右边缘的横向距离确定车辆的横向位置。

通过毫米波雷达扫描车辆左右两侧的连续障碍物，如栅栏、路肩等，根据毫米波反射信号确定车辆距离道路左边的距离及车辆距离道路右边的距离，融合通过高精地图数据得到的道路宽度，即可对卫星定位数据及惯性导航定位数据进行纠偏，从而确定车辆的横向位置。可以理解的，当通过超声波传感器检测车辆距离道路两边界的距离时，亦可通过上述方法确定车辆的横向位置。

所述图像数据还包括第二图像数据和第三图像数据；若当前路况场景为第一路况场景，即封闭高速和高架道路时；依据与当前路况场景对应的预设规则确定车辆的纵向位置，包括：

获取第二图像数据，基于第二图像数据进行第一目标标志物识别；若识别到第一目标标志物，依据实时获取的毫米波雷达数据确定车辆与第一目标标志物的距离，依据车辆与第一目标标志物的距离确定车辆的纵向位置；若未识别到第一目标标志物，获取第三图像数据，从第三图像数据提取当前车道的曲率信息；若从第三图像数据提取到当前车道的曲率信息，将当前车道的曲率信息与高精地图数据中的曲率信息匹配以确定车辆的纵向位置；若无法从第三图像数据提取到当前车道的曲率信息，依据惯性导航数据确定车辆的纵向位置。

预先设定路况场景为封闭高速和高架道路时常用目标标志物，例如，第一目标标志物至少包括交通标识牌、龙门架、闸道口及收费站等，在进行车辆的纵向定位时，通过前视摄像头采集车辆前方的第二图像数据，基于图像处理算法检测第一目标标志物识别，例如，预先存储交通标识牌、龙门架、闸道口、收费站、路面引导或限速标识等的特征数据，将基于第二图像数据提取到的特征数据与预存的特征数据进行匹配，从而识别是否检测到第一目标标志物。若识别到第一目标标志物，如识别到车辆前方存在交通标识牌A，则通过车辆前方的毫米波雷达进行测距，获取车辆与交通标识牌A的距离，通过高精地图数据获取交通标识牌A的位置信息，则融合车辆与交通标识牌A的距离以及交通标识牌A的位置信息则可确定车辆的纵向位置。可以理解的，若没有识别到交通标识牌、龙门架、闸道口、收费站等，则进一步判断前视摄像头或环视摄像头采集的第二图像数据是否能识别到路面引导或限速标识，若均没有识别到第一目标标志物，则通过前视摄像头持续获取第三图像数据，对于当前帧，基于第三图像数据提取当前车道的边界信息，依据当前帧提取到的车道边界信息及历史车道边界信息确定当前车道的曲率信息。基于当前电子围栏，将当前车道的曲率信息与高精地图数据中标识的曲率进行匹配，即可确定车辆的当前纵向位置。若通过第三图像数据不能检测的车道的边界信息或车道的边界信息不完整、模糊，则通过惯性导航数据推算车辆的惯性导航航迹，从而确定车辆的纵向位置。

若前路况场景为第二路况场景，即开放市区和城际道路；依据与当前路况场景对应的预设规则确定车辆的纵向位置，包括：

获取第四图像数据，基于第四图像数据进行第二目标标志物识别；若识别到第二目标标志物，依据实时获取的毫米波雷达数据确定车辆与第二目标标志物的距离，依据车辆与第二目标标志物的距离确定车辆的纵向位置；若未识别到第二目标标志物，依据惯性导航数据确定车辆的纵向位置。

由于开放市区和城际道路与高速道路的路况环境不同，常用标志物也不同，针对路况场景为开放市区和城际道路时，确定第二目标标志物为交通灯、特征建筑物、路面标识等，通过前视摄像头获取第四图像数据，将基于第四图像数据提取到的特征数据与预存的特征数据进行匹配，从而识别是否检测到第二目标标志物。若检测到第二目标标志物，例如交通灯，则通过毫米波雷达数据确定车辆与交通灯的距离，进而基于地理围栏，融合高精地图数据，确定车辆的纵向位置。例如，检测到车辆与交通灯的距离为n米，则通过地理围栏确定该交通灯的位置，基于高精地图数据标识的该交通灯的位置坐标，融合车辆与交通灯的距离，即可确定车辆的纵向位置。同理，若不能识别到第二目标标志物，依据惯性导航数据确定车辆的纵向位置。

当前路况场景包括第三路况场景，即路况场景为特定园区内道路和室内停车场时；根据所述高精地图数据和所述当前路况场景对应的辅助定位数据组合对所述车辆进行定位，包括：

获取第五图像数据，基于第五图像数据进行第三目标标志物识别；若识别到第三目标标志物，依据高精地图数据确定车辆的第二当前定位信息；获取第六图像数据；若依据第六图像数据提取到当前车道的边界信息：依据当前车道的边界信息及第二当前定位信息确定车辆的横向位置；获取第七图像数据，基于所述第七图像数据进行第四目标标志物识别；若识别到所述第四目标标志物，依据实时获取的毫米波雷达数据确定所述车辆与所述第四目标标志物的距离，依据所述车辆与所述第四目标标志物的距离确定所述车辆的纵向位置；否则，依据所述惯性导航数据确定所述车辆的纵向位置；若依据所述第六图像数据未提取到当前车道的边界信息：获取第七图像数据，基于第七图像数据进行第四目标标志物识别；若识别到第四目标标志物，依据实时获取的毫米波雷达数据确定车辆与第四目标标志物的距离，依据车辆与第四目标标志物的距离确定车辆的横向位置及纵向位置；否则，依据惯性导航数据确定车辆的横向位置及纵向位置。

当根据地理围栏和高精地图数据确定路况场景为特定园区内道路和室内停车场时，通过前视摄像头获取第五图像数据，并进行第三目标标志物识别，其中，第三目标标志物识别可以为栏杆、停车场/园区入口或其他标志物，识别方法参见上述，此处不再赘述，若识别到停车场/园区入口或其他标志物，则根据高精地图数据进一步确定车辆的当前位置，例如，车辆位于A室内停车场的B层，同时，通过前视摄像头或环视摄像头采集第六图像数据并检测当前行驶道路的道路标识，以提取当前行驶道路的边界信息，若提取当前行驶道路的边界信息，则基于图像处理计算车辆距离当前行驶道路两边界的距离，根据高精地图数据确定车辆的横向位置；若不能提取当前行驶道路的边界信息，则进一步采集第七图像数据，并基于第七图像数据进行第四目标标志物的识别，若识别到第四目标标志物，则依据毫米波雷达数据或超声波数据确定车辆与第四目标标志物的距离，例如若识别到车辆前方存在高精地图中预设的特征点如特定指示牌等，则可依据车辆与指示牌的距离及高精地图数据确定车辆的纵向位置，同理，若识别到车辆左边存在特定指示牌，则可依据车辆与指示牌的距离及高精地图数据确定车辆的横向位置。同理，若不能识别到第四目标标志物，依据惯性导航数据确定车辆的横向位置及纵向位置。

如图3所示，在本发明的第二方面，提供一种基于异构感知数据融合的车辆定位装置，应用上述的基于异构感知数据融合的车辆定位方法，装置包括：

数据获取模块，被配置为获取所述车辆的卫星定位数据及RTK基站发送的RTK差分数据；

定位模块，被配置为依据卫星定位数据及RTK差分数据对所述车辆进行定位；以及

在所述卫星定位数据丢失的情况下，获取所述车辆的第一当前定位信息，依据预设的高精地图数据及车辆的第一当前定位信息确定当前路况场景，根据所述高精地图数据和当前路况场景对应的辅助定位数据组合对车辆进行定位；

辅助定位数据组合包括以下中的任意一者或多者的组合：惯性导航数据、图像数据、毫米波雷达数据及超声波数据。

如图4所示，在本发明的第三方面，提供一种基于异构感知数据融合的车辆定位系统，包括：

上述的基于异构感知数据融合的车辆定位装置；

惯性导航装置，用于采集惯性导航数据；

图像采集装置，用于采集图像数据；

毫米波雷达装置，用于采集毫米波雷达数据；以及

超声波装置，用于采集超声波数据。

综上所述，本发明通过卫星定位数据及RTK差分数据进行车辆初始定位，结合地理围栏及高精地图数据确定车辆的当前路况场景，在卫星定位数据丢失的情况下，能针对不同路况场景通过不同的辅助定位数据的组合来对车辆进行定位，通过摄像头、毫米波雷达及超声波传感器采集定位数据，对卫星定位数据及惯性导航数据产生的定位偏差进行纠偏，从而能有效的保证在卫星信号丢失的情况下依然能保证车辆的定位精度，同时无需不额外增加传感器设备，成本低。

以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，同样应当视为本发明实施方式所公开的内容。