车辆在车道中的横向定位方法、装置、设备及存储介质与流程

本发明实施例涉及信息融合技术领域，尤其涉及一种车辆在车道中的横向定位方法、装置、设备及存储介质。

背景技术：

车道级横向定位是提高自动驾驶车辆安全性的必要手段，自动驾驶车辆可以获得的道路特征信息，障碍物检测与跟踪等，横向定位使得车辆能够准确知晓自己在当前车道中的位置，从而在车道的偏离预警、车辆辅助转向，自主导航等应用中非常关键。

其中，现有技术中的横向定位方法是一种纯基于视觉系统的车道线检测，以实现横向定位，但是视觉系统对背景光线很敏感，并且视觉系统需要车道线的标识完整，格式统一；另一种是并不是纯视觉系统的横向定位方法，但是该方法对车道边沿的检测效果不佳，导致横向定位并不准确。

技术实现要素：

本发明实施例提供了一种车辆在车道中的横向定位方法、装置、设备及存储介质，可以提高检测精度，提高定位精度，计算量小且稳定可靠。

第一方面，本发明实施例提供了一种车辆在车道中的横向定位方法，该方法包括：通过设置于车辆上的摄像头获取视觉图像，将所述视觉图像转换成俯视图像，并通过所述俯视图像检测车道线；通过设置于车辆斜前方的两个合成孔径雷达(syntheticapertureradar，sar)分别获取sar图像，通过所述sar图像检测车道边沿；将所述俯视图像以及所述sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；基于所述融合图像中所述车道线的位置、所述车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

第二方面，本发明实施例还提供了一种车辆在车道中的横向定位装置，该装置包括：车道线检测模块，用于通过设置于车辆上的摄像头获取视觉图像，将所述视觉图像转换成俯视图像，并通过所述俯视图像检测车道线；车道边沿检测模块，用于通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过所述sar图像检测车道边沿；融合模块，用于将所述俯视图像以及所述sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；车道级定位模块，用于基于所述融合图像中所述车道线的位置、所述车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

第三方面，本发明实施例还提供了一种车辆横向定位设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的一种车辆在车道中的横向定位方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的一种车辆在车道中的横向定位方法。

本发明通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线；通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过sar图像检测车道边沿；将俯视图像以及sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位，解决了车辆在车道中的横向定位问题，实现了需要的sar数据量小，可以适用于全天候环境，检测精度高，定位精度高，计算量小且稳定可靠的效果。

附图说明

图1是本发明实施例提供的一种车辆在车道中的横向定位方法的流程图；

图2是本发明实施例提供的一种车辆在车道中的横向定位方法中sar和摄像头的安装以及几何关系示意图；

图3是本发明实施例提供的一种车辆在车道中的横向定位方法的融合图像示意图；

图4是本发明实施例提供的一种车辆在车道中的横向定位和道路感知方法的流程图；

图5是本发明实施例提供的一种车辆在车道中的横向定位和道路感知方法的框架图；

图6是本发明实施例提供的一种车辆在车道中的横向定位装置的结构示意图；

图7是本发明实施例提供的一种车辆横向定位设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

图1是本发明实施例提供一种车辆在车道中的横向定位方法的流程图，图2是本发明实施例提供的一种车辆在车道中的横向定位方法中sar和摄像头的安装以及几何关系示意图，本实施例可适用于车辆在自动驾驶时确认所在车道的情况，该方法可以由车辆在车道中的横向定位装置来执行，该装置可以通过软件，和/或硬件的方式实现，所述装置可以集成在车辆中的处理器中，如图1所示，该方法具体包括：

s110、通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线；

其中，如图2所示，摄像头220可以安装在车辆200的前挡风玻璃的后方，此处安装位置最高，可以实现更大视觉的观测车道线情况，而不易被绿化带、路障等物体的倒影遮挡。摄像头220可以采用单目摄像头，可以通过原视频进行反透视变换，将获取的视觉图像转变为俯视图像270，可以通过对俯视图像270进行灰度变换、滤波、去除自然噪声，再通过边缘检测，筛选出对形状感兴趣的区域，利用霍夫变换进行直线检测，根据直线位置进行车道推测判断检测到的直线是不是车道线240，最终实现通过俯视图像270检测出车道线240。

s120、通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过sar图像检测车道边沿；

其中，如图2所示，sar210可以安装在车辆200斜前方，可以在车辆200的两个斜前方各安装一个sar210，sar210产生的毫米波可以是具有一定角度的对道路进行扫描，可以获得图像260，由于角度是可以变化的，且车辆是在运动的，sar210获得的图像260可以最终生成sar图像280，通过sar图像280检测车道边沿230。

在本发明实施例的一个实施方式中，可选的，通过sar图像检测车道边沿，可以包括：将sar图像进行二值化，并进行去燥处理；记录处理后的sar图像中离车辆最近的障碍物的点；将离车辆最近的障碍物的点进行直线拟合，将拟合直线作为车道的边沿。

其中，可以对得到的车辆两侧的sar图像进行二值化处理，可以利用形态学进行去噪处理。如图2所示，可以记录处理后的sar图像280中离车辆200最近的障碍物的点。将这些点进行直线拟合，得到车道边沿230。

s130、将俯视图像以及sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；

在本发明实施例的一个实施方式中，可选的，将俯视图像以及sar图像进行融合，包括：将sar图像转换到俯视图像所在的坐标系中，将转换得到的图像与俯视图像进行融合。

其中，如图2所示，两个sar210的照射范围与摄像头220的视场有重叠，但摄像头220视场中心即车辆200的正前方没有交集。因此，在摄像头220和sar210安装后，可以先进行标定，明确摄像头220和sar210的安装位置，并确定摄像头220的视场以及sar210的照射范围，具体的，某一时刻摄像头220的视场可以是俯视图像270所涉及的区域，sar210的照射范围可以是波束形成的区域260。然后，实现时间对齐，将摄像头220获取的俯视图像270跟sar210获取的sar图像280匹配下来，通过摄像头220获取的物体，通过sar210识别该物体的距离信息。可以以摄像头220获取后转换得到的俯视图像270的坐标系为准，将sar210获取的sar图像280与俯视图像270对齐，并将sar图像280中的内容与检测结果填充进去，将俯视图像270以及sar图像280进行融合，形成容融合图像。通过对摄像头220获取后转换得到的俯视图像270检测可以得到的车道线240，通过对sar210获取的sar图像280检测可以得到的车道边沿230。车道线240与车道边沿230的检测结果均可以显示在融合图像上，便于确定车辆的横向车道级定位。其中，图3是本发明实施例提供的一种车辆在车道中的横向定位方法的融合图像示意图，如图3所示，融合图像包括俯视图像270和sar图像280以及车道线240和车道边沿230。

s140、基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

其中，在本发明实施例的一个实施方式中，可选的，基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位，包括：基于融合图像中车道边沿的位置以及车辆的转角信息确定车道总宽度；基于车道总宽度、车道线的位置以及车辆定位信息确定车辆的横向车道级定位。

其中，如图2所示，通过摄像头获得的俯视图像可以获得当前道路的车道数量n，车道数量n可以是根据俯视图像的处理得到的车道线数量确定的；通过sar210获得sar图像280可以得到车道总宽度l。

其中，可选的，基于融合图像中车道边沿的位置以及车辆的转角信息确定车道总宽度，包括：分别记录融合图像最近端与对应车道单侧路沿的位置之间的目标距离，基于目标距离、以及两个sar之间的横向距离和设定盲区距离之和确定待定车道总宽度；基于待定车道总宽度和车辆的转角信息确定车道总宽度；其中，所述融合图像的最近端为所述融合图像距离所述sar最近的一端。具体的，如图2所示，融合图像的最近端可以包括距离车辆200左侧的sar210最近的一端a，和距离车辆200右侧sar210最近的一侧b。

假定a和b与对应车道单侧路沿的位置之间的目标距离分别为l1和l2，示例的，a与车辆200左侧的车道边沿230的目标距离为l1；b与车辆200右侧的车道边沿230的目标距离为l2。

假定车辆200左侧的sar210和右侧的sar210间的横向距离与设定盲区距离之和为l0。其中，盲区距离可以是根据实际情况预先设定好的，可以是两个融合图像最近端分别到对应sar210的距离之和。当车辆直行时，车道总宽度l可以通过公式l＝l0+l1+l2得到。也就是，车道总宽度l是融合图像最近端与对应车道单侧路沿的位置之间的目标距离之和，再加上两个sar210之间的横向距离和设定盲区距离之和得到的。

需说明的是，在实际车辆运行场景中，车辆并不一定一直处于执行状态，车辆可能左转或者右转，通过公式l＝l0+l1+l2计算得到车道的待定总宽度，需要再根据三角形公式，通过车辆的转角信息得到车道总宽度。车辆的转角信息获取可以是通过车辆中的传感器获取，传感器可以获取车道与车辆的位置、速度、偏航角及车辆行驶转角之间的关系。可以与车辆的实际行驶位置完全一致，准确描述着车辆变道、停止、掉头、转弯等行驶信息。而车辆的转角信息可以是传感器对方向盘或者轮胎转角的测量获取的。可以保证获取的车道总宽度l准确。

其中，车辆定位信息可以是通过车辆内部测速测角设备或携带的gps定位获取的。根据车道总宽度、车道线的位置以及车辆定位信息可以确定车辆的横向车道级定位，示例的，车道总宽度为90米，车道宽度为30米，车道线位置分别位于距离左侧车道边沿30米处和60米处，车辆定位信息为距离左侧车道边沿50米处，可以得到车辆位于距离左侧车道边沿30米处和60米处的车道线之间，即车辆位于左侧第二车道，因此，车辆的横向车道级定位为左侧第二车道。

在本发明实施例中，在确定车道总宽度之后，还可以包括：基于检测到的车道线确定车道的检测数量；基于所述车道总宽度以及标准车道宽度确定车道的固定数量；若所述固定数量与所述检测数量不一致，基于融合图像进行障碍物联合检测，以重新确定车道边沿位置，或者基于所述固定数量修正车道线的位置。

其中，重新确定车道边缘位置可以重新确定车道总宽度，从而增强准确度。车道的检测数量n可以是检测到的车道线加上1。车道的固定数量可以采用求模运算，标准车道宽度可以是国家公路的设计标准中一般的车道宽度，设国家公路的设计标准中一般的车道宽度为x，那么固定数量为m＝l/x。如果固定数量m与所述检测数量n一致，摄像头检测的车道线准确。如果固定数量m与所述检测数量n不一致，则认为道路存在其他状态或者是有车道未划线，或者是sar图像检测的边缘受到了障碍物的影响。此时，可以通过基于融合图像进行障碍物联合检测，以重新确定车道边沿位置，或者基于所述固定数量修正车道线的位置。比如，需要检测到人行道、绿化带、隔离栅栏这类物体作为车道边沿的区分，还要识别路边停靠车辆，以及其它散布的障碍物，重新确定车道边沿位置。可以通过检测两条车道线或者两侧的车道线距离最近的车道边沿的距离是否符合标准车道宽度确定车道线的位置是否准确。可以精确确定车道边沿的位置，修正车道线的位置，使车辆的横向车道级定位准确。

现有技术中纯基于视觉系统的车道线检测，对背景光线很敏感，并且视觉系统需要车道线的标识完整，格式统一；另一种不是纯视觉系统的横向定位方法，如激光雷达检测与视觉系统融合，一方面激光雷达成本太高，数据计算量太大，另一方面激光雷达识别动静态障碍物判定车道边沿依赖于道路两遍的金属目标(如栅栏、灯杆等)，对于路口、隧道或者其他没有金属目标的车道边沿的检测效果不佳，通过拟合检测目标点生成车道边沿线，精度受限，导致横向定位并不准确。本发明实施例所提供的一种车辆在车道中的横向定位方法想对比现有技术需要的sar的数据量小，价格低，适用于全天侯环境，在传感器端即可实现动、静态障碍物的识别，车道边沿识别，计算量小，精度高且稳定可靠。

本实施例的技术方案，通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线；通过设置于车辆斜前方的两个sar分别获取sar图像，通过sar图像检测车道边沿；将俯视图像以及sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位，解决了车辆在车道中的横向定位问题，需要的sar数据量小，可以适用于全天候环境，通过sar与摄像头的配合实现了检测精度高，定位精度高，计算量小且稳定可靠的效果。

图4是本发明实施例提供一种车辆在车道中的横向定位和道路感知方法的流程图。如图4所示，该方法具体包括：

s210、通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线。

s220、通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过sar图像检测车道边沿；

s230、将俯视图像以及sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；

s240、基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

s250、基于融合图像进行路口检测以及动静目标识别。

其中，对路口检测以及动静目标识别可以实现车辆的道路感知，可以让车辆规避动静目标，顺利安全地通过路口。

图5是本发明实施例提供的一种车辆在车道中的横向定位和道路感知方法的框架图。如图5所示，车辆可以通过sar实现车道边沿检测，通过摄像头实现车道线检测，将两部分进行融合，包括获取的图像融合以及检测结果的融合，再结合车辆携带的传感器，可以实现对检测结果的修正以及路口判别和动静目标检测，最终可以精确实现道路感知与车道级定位。

本实施例的技术方案，通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线；通过设置于车辆斜前方的两个sar分别获取sar图像，通过sar图像检测车道边沿；将俯视图像以及sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；基于融合图像中车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位；基于所述融合图像进行路口检测以及动静目标识别，解决了车辆在车道中的横向定位问题以及车辆的道路感知问题，需要的sar数据量小，可以适用于全天候环境，通过sar与摄像头的配合实现了检测精度高，定位精度高，计算量小且稳定可靠的效果，通过道路感知可以实现车辆在自动驾驶时规避障碍物，顺利通过路口，保证车辆自动驾驶安全。

图6是本发明实施例提供的一种车辆在车道中的横向定位装置的结构示意图。结合图6，该装置包括：车道线检测模块310，车道边沿检测模块320，融合模块330和车道级定位模块340。

车道线检测模块310，用于通过设置于车辆上的摄像头获取视觉图像，将视觉图像转换成俯视图像，并通过俯视图像检测车道线；

车道边沿检测模块320，用于通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过sar图像检测车道边沿；

可选的，车道边沿检测模块320包括：

去噪处理单元，用于将sar图像进行二值化，并进行去燥处理；

障碍物的点记录单元，用于记录处理后的sar图像中离车辆最近的障碍物的点；

直线拟合单元，用于将离车辆最近的障碍物的点进行直线拟合，将拟合直线作为车道的边沿。

融合模块330，用于将俯视图像以及所述sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；

可选的，融合模块330包括：

融合单元，用于将sar图像转换到俯视图像所在的坐标系中，将转换得到的图像与俯视图像进行融合。

车道级定位模块340，用于基于融合图像中所述车道线的位置、车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

可选的，车道级定位模块340包括：

车道总宽度确定单元，用于基于融合图像中车道边沿的位置以及车辆的转角信息确定车道总宽度；

车辆的横向车道级定位确定单元，用于基于所述车道总宽度、所述车道线的位置以及车辆定位信息确定车辆的横向车道级定位。

可选的，车道总宽度确定单元，具体用于分别记录融合图像最近端与对应车道单侧路沿的位置之间的目标距离，基于目标距离、以及两个sar之间的横向距离和设定盲区距离之和确定待定车道总宽度；

基于待定车道总宽度和车辆的转角信息确定车道总宽度；

其中，融合图像的最近端为融合图像距离sar最近的一端。

本发明实施例所提供的车辆在车道中的横向定位装置可执行本发明任意实施例所提供的车辆在车道中的横向定位方法，具备执行方法相应的功能模块和有益效果。

在上述实施例的基础上，可选的，本发明实施例提供的装置还包括：

检测数量确定模块，用于基于检测到的车道线确定车道的检测数量；

固定数量确定模块，用于基于车道总宽度以及标准车道宽度确定车道的固定数量；

障碍物联合检测模块，用于若固定数量与检测数量不一致，基于融合图像进行障碍物联合检测，以重新确定车道边沿位置，或者基于固定数量修正车道线的位置。

在上述实施例的基础上，可选的，本发明实施例提供的装置还包括：

路口检测以及动静目标识别模块，用于基于融合图像进行路口检测以及动静目标识别。

图7是本发明实施例提供的一种车辆横向定位设备的结构示意图，如图7所示，该设备包括：

一个或多个处理器410，图7中以一个处理器410为例；

存储器420；

所述设备还可以包括：输入装置430、输出装置440、sar210、摄像头220和传感器450。

所述设备中的处理器410、存储器420、输入装置430、输出装置440、sar210、摄像头220和传感器450可以通过总线或者其他方式连接，图7中以通过总线连接为例。

存储器420作为一种非暂态计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种车辆在车道中的横向定位方法对应的程序指令/模块(例如，附图3所示的车道线检测模块310，车道边沿检测模块320，融合模块330和车道级定位模块340)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述方法实施例的一种车辆在车道中的横向定位方法，即：

通过设置于车辆上的摄像头获取视觉图像，将所述视觉图像转换成俯视图像，并通过所述俯视图像检测车道线；

通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过所述sar图像检测车道边沿；

将所述俯视图像以及所述sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；

基于所述融合图像中所述车道线的位置、所述车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

存储器420可以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、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非暂态性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

sar210可以设置在车辆的斜前方，可以一侧一个，用于获取sar图像，以便于通过sar图像检测车道边沿。

摄像头220可以设置在车辆的前挡风玻璃的后方，用于获取视觉图像，以便于将视觉图像转换成俯视图像，并通过俯视图像检测车道线。

传感器450可以用于获取车道与车辆的位置、速度、偏航角及车辆行驶转角之间的关系，以便于根据车辆的转角信息对车道总宽度进行修正。

本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例提供的一种车辆在车道中的横向定位方法：

通过设置于车辆上的摄像头获取视觉图像，将所述视觉图像转换成俯视图像，并通过所述俯视图像检测车道线；

通过设置于车辆斜前方的两个合成孔径雷达sar分别获取sar图像，通过所述sar图像检测车道边沿；

将所述俯视图像以及所述sar图像进行融合，在融合图像中确定车道线和车道边沿的位置；

基于所述融合图像中所述车道线的位置、所述车道边沿的位置以及车辆运动信息确定车辆的横向车道级定位。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。