本发明涉及车辆定位技术领域，更具体的说，涉及一种车辆定位方法及系统。
背景技术：
定位和导航是实现智能车辆自动驾驶的两个重要技术，在实际应用中，车辆导航一般通过高精度地图实现，通常高精度地图存储有丰富的环境信息，因此具备车道级的引导能力。而定位作为导航的基础，成为了实现智能车辆自动驾驶的主要研究方向。
目前，车辆定位领域应用较多的是gps(globalpositioningsystem，全球定位系统)技术。gps能够实时全天候的提供车辆的三维位置、速度和时间等信息，实现对车辆的定位。但是，当车辆长时间行驶在隧道、立交桥等遮挡交通环境时，gps会因卫星定位信号受到遮挡出现定位不准确，甚至失效的情况。
为克服gps的不足，出现了多种组合定位方案，如gps/dr(deadreckoning，航位推算)车辆组合定位，gps/imu(inertialmeasurementunit，惯性测量单元)车辆组合定位等。但是，无论是dr还是imu，当gps在遮挡交通环境出现定位不准确，甚至失效情况的时间较长时，都存在累积误差的情况。
技术实现要素：
有鉴于此，本发明公开一种车辆定位方法及系统，以解决传统方案中存在的gps模块在遮挡交通环境中存在的定位不准确以及累积误差问题。
一种车辆定位系统，包括：
全球定位系统gps模块，用于从卫星系统获取车辆的经纬度信息；
惯性测量单元imu模块，用于获取所述车辆在三维空间的加速度和角加速度；
摄像头模块，用于采集所述车辆行驶过程中的道路环境图像；
激光模块，用于扫描所述车辆周围环境的3d点云数据；
分别与所述gps模块、所述imu模块、所述摄像头模块和所述激光模块连接的控制器模块，所述控制器模块用于在确定所述gps模块对所述车辆的定位精度低于预设定位精度时，开启所述摄像头模块和所述激光模块，从所述摄像头模块采集的所述道路环境图像中，进行目标区域提取和人工路标识别，所述人工路标在世界坐标系中的位置已知，对所述车辆进行初步定位，得到初步定位结果；从预存储的地图中确定与所述初步定位结果相对应的局部地图；对所述激光模块扫描到的所述3d点云数据进行分析处理，得到环境角点特征参数数据，并利用所述环境角点特征参数数据进行三维地图重建；将重建的三维地图与所述局部地图进行匹配，得到所述车辆的实际位置信息和航向角信息。
优选的，所述控制器模块还用于：
在确定所述gps模块对所述车辆的定位精度不低于所述预设定位精度时，关闭所述摄像头模块和所述激光模块，并根据所述gps模块获取的所述车辆的经纬度信息以及所述imu模块获取的车辆在三维空间的加速度和角加速度，得到所述车辆的实际位置信息和航向角信息。
一种车辆定位方法，所述车辆定位方法应用于上述所述的车辆定位系统中的控制器模块，所述车辆定位方法包括：
获取gps模块发送的车辆的定位状态数据；
判断所述定位状态数据中的所述车辆的定位精度是否低于预设定位精度；
当判定所述定位精度低于所述预设定位精度时，开启摄像头模块和激光模块；
从所述摄像头模块采集的所述车辆行驶过程中的道路环境图像中，进行目标区域提取和人工路标识别，对所述车辆进行初步定位，得到初步定位结果，其中，所述人工路标在世界坐标系中的位置已知；
从预存储的地图中确定与所述初步定位结果相对应的局部地图；
对所述激光模块扫描到的所述车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据；
利用所述环境角点特征参数数据进行三维地图重建，得到三维地图；
将所述三维地图与所述局部地图进行匹配，得到所述车辆的实际位置信息和航向角信息。
优选的，所述判断所述定位状态数据中的所述车辆的定位精度是否低于预设定位精度具体包括：
判断所述定位状态数据中的gps信号丢失的时间是否大于预设时间；或从所述gps信号丢失时刻起，所述车辆累计行驶距离是否大于预设距离；
相对应的，当判定所述定位精度低于所述预设定位精度时，开启摄像头模块和激光模块具体包括：
当判定所述gps信号丢失时间大于所述预设时间；或从所述gps信号丢失时刻起，所述车辆累计行驶距离大于所述预设距离时，开启所述摄像头模块和所述激光模块。
优选的，所述从所述摄像头模块采集的所述车辆行驶过程中的道路环境图像中，进行目标区域提取和人工路标识别，对所述车辆进行初步定位，得到初步定位结果，具体包括：
从所述道路环境图像中，提取出包含人工路标的目标区域；
从所述目标区域中识别出所述人工路标，并得到所述人工路标在所述道路环境图像中的图像坐标；
根据所述图像坐标以及预先已知的所述人工路标在世界坐标系中的位置信息，对所述车辆进行初步定位，得到所述车辆的初步定位结果，所述初步定位结果包括：所述车辆在世界坐标系中绝对位置信息。
优选的，所述对所述激光模块扫描到的所述车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据，具体包括：
采用直线回归方法，从所述3d点云数据中提取出车辆坐标系下所有的直线段，所述直线段具有特征参数：车辆坐标系原点到直线段的垂直距离、垂线与车辆坐标系中车辆行驶方向所在轴的夹角以及直线段长度；
利用相交的三条所述直线段的特征得到相对应角点的角点特征参数数据。
优选的，所述环境角点特征参数数据包括：角点三维坐标、角点坐标系与世界坐标系的夹角、角点三条边长度和角点凹凸性。
优选的，预存储的所述地图为亚米级地图，所述亚米级地图包括：三维空间环境特征以及环境中各点的绝对坐标。
优选的，将所述三维地图与所述局部地图进行匹配，得到所述车辆的实际位置信息和航向角信息，具体包括：
将所述三维地图包含的角点作为第一角点，所述局部地图包含的角点作为第二角点，将所述三维地图包含的每一个所述第一角点与所述局部地图包含的所有的凹凸性相同的所述第二角点分别进行匹配；
当所述局部地图中包含有与当前第一角点匹配的第二角点时，分别计算每一个与所述当前第一角点匹配的第二角点和所述当前第一角点的马氏距离；
判断所有的所述马氏距离中，距离最短的所述马氏距离是否小于预设阈值；
若距离最短的所述马氏距离小于所述预设阈值，则判定所述当前第一角点与所述局部地图中的所述第二角点相匹配；
当所述三维地图与所述局部地图相匹配的角点数目达到预设匹配阈值，且所述角点数目占所述三维地图包含的所有角点数目的比例达到预设比例阈值时，判定所述三维地图与所述局部地图匹配成功，并得到所述车辆的实际位置信息和航向角信息。
优选的，所述局部地图中包含有与当前第一角点匹配的第二角点包括：
所述局部地图中包含有与所述当前第一角点类型相同的第二角点。
从上述的技术方案可知，本发明公开了一种车辆定位方法及系统，定位系统包括：gps模块、imu模块、摄像头模块、激光模块和控制器模块，当车辆行驶在隧道、立交桥等遮挡gps信号的交通环境时，gps模块对车辆的定位精度会低于预设定位精度，在这种情况下，控制器模块会开启摄像头模块和激光模块构成的组合定位模块，从摄像头模块采集的道路环境图像中，进行目标区域提取和人工路标识别，对车辆进行初步定位，得到初步定位结果；从预存储的地图中确定与初步定位结果相对应的局部地图；对激光模块扫描到的车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据，并利用环境角点特征参数数据进行三维地图重建；将重建的三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息。因此，本发明有效避免了gps模块在遮挡交通环境中存在的定位不准确以及累积误差问题，从而提高了对车辆定位的准确性。
附图说明
为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据公开的附图获得其他的附图。
图1为本发明实施例公开的一种车辆定位系统的结构示意图；
图2为本发明实施例公开的一种车辆定位方法流程图；
图3为本发明实施例公开的一种将三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种车辆定位方法及系统，以解决传统方案中存在的gps模块在遮挡交通环境中存在的定位不准确以及累积误差问题。
参见图1，本发明一实施例公开的一种车辆定位系统的结构示意图，该系统包括：gps(globalpositioningsystem，全球定位系统)模块11、imu(inertialmeasurementunit，惯性测量单元)模块12、控制器模块13、摄像头模块14和激光模块15。
其中：
gps模块11设置在车辆上，用于从卫星系统获取车辆的经纬度信息。
imu模块12设置在车辆上，用于获取车辆在三维空间的加速度和角加速度。
需要说明的是，本实施例中，gps模块11和imu模块12构成gps/imu车辆组合定位模块，控制器模块13应用卡尔曼滤波、粒子滤波等算法，将gps模块11获取的车辆的经纬度信息与imu模块12获取的车辆在三维空间的加速度和角加速度进行融合，得到融合定位结果，也即得到车辆的实际位置信息和航向角信息。
人工路标是一种专门用于定位车辆的标记，人工路标在世界坐标系统中的位置，人工路标的经纬度信息以数字、图形、二维码和特殊编码等形式在路标上进行展现，通常被放置在车辆的摄像头模块14视野所能达到的道路范围内，为具有车载摄像头的车辆提供粗定位。
本实施例中，由于人工路标在世界坐标系统中的位置预先已知，因此，根据车辆与人工路标在同一图像中的相对位置关系，以及该人工路标在世界坐标系统中位置，可实现对车辆的粗定位。
需要说明的是，在实际应用中，可在车辆的行驶道路上，设置多个人工路标，以实现对车辆的粗定位。
摄像头模块14用于采集车辆行驶过程中的道路环境图像，以便为后续控制器模块13对车辆进行粗定位提供依据。
激光模块15用于扫描车辆周围环境的3d点云数据，3d点云数据中每个点包括x、y和z三个方向坐标信息。
需要说明的是，摄像头模块14和激光模块15构成视觉/激光车辆组合定位模块。在gps信号良好时，gps/imu车辆组合定位模块的定位精度可达厘米级，此时，控制器模块13控制gps/imu车辆组合定位模块对车辆进行定位；当gps模块11在遮挡交通环境中长时间被遮挡时，gps/imu车辆组合定位模块的定位精度降低至10米级甚至更差，在这种情况下，控制器模块13开启视觉/激光车辆组合定位模块，由视觉/激光车辆组合定位模块对车辆进行定位，其中，在视觉/激光车辆组合定位模块对车辆进行定位期间，gps/imu车辆组合定位模块仍采集数据，只是控制器模块13并不会对gps/imu车辆组合定位模块采集的数据进行处理。
控制器模块13控制视觉/激光车辆组合定位模块对车辆进行定位的过程具体如下：
控制器模块13分别与gps模块11、imu模块12、摄像头模块14和激光模块15连接，控制器模块13用于在确定gps模块11对车辆的定位精度低于预设定位精度时，开启摄像头模块14和激光模块15，从摄像头模块14采集的道路环境图像中，进行目标区域提取和人工路标识别，对车辆进行初步定位，也即对车辆进行粗定位，定位精度在米级，得到初步定位结果；从预存储的地图中确定与初步定位结果相对应的局部地图；对激光模块15扫描到的3d点云数据进行分析处理，得到环境角点特征参数数据，并利用环境角点特征参数数据进行三维地图重建；将重建的三维地图与局部地图进行匹配，使对车辆的定位精度提升到厘米级，得到车辆的实际位置信息和航向角信息。
需要说明的是，当车辆行驶在隧道、立交桥等遮挡交通环境时，gps模块11因信号受到遮挡会出现定位不准甚至失效的情况，从而导致gps模块11对车辆的定位精度降低。本实施例预先设定了一个预设定位精度，该预设定位精度的取值依据实际需要而定，当控制器模块13确定gps模块11对车辆的定位精度低于预设定位精度时，确定车辆在当前行驶在遮挡交通环境，在这种情况下，控制器模块13开启视觉/激光车辆组合定位模块，由视觉/激光车辆组合定位模块对车辆进行定位。
本实施例中，控制器模块13预存储的地图为高精度地图，该高精度地图存储有三维空间环境的特征和环境中各点的绝对坐标，高精度地图的地图精度在亚米级，包括：准确的道路形状信息、车道线信息、以及其他交通参与物等信息，其中，道路形状信息包括：车道的数量、坡度、曲率、航向、高程和侧倾等数据；车道线信息包括：车道线的颜色和线型等，其他交通参与物等信息包括：红绿灯、指示牌、限速标志、人行横道、隔离带、马路牙、路旁植被及建筑物等。高精度地图对以上特征信息的存储方式为点、线等基本元素。
综上可知，本发明公开的车辆定位方法系统，当车辆行驶在隧道、立交桥等遮挡交通环境时，gps模块11对车辆的定位精度会低于预设定位精度，在这种情况下，控制器模块13会开启摄像头模块14和激光模块15构成的组合定位模块，从摄像头模块14采集的道路环境图像中，进行目标区域提取和人工路标识别，对车辆进行初步定位，得到初步定位结果；从预存储的地图中确定与初步定位结果相对应的局部地图；对激光模块15扫描到的车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据，并利用环境角点特征参数数据进行三维地图重建；将重建的三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息。因此，本发明有效避免了gps模块11在遮挡交通环境中存在的定位不准确以及累积误差问题，从而提高了对车辆定位的准确性。
需要特别说明的是，虽然视觉/激光车辆组合定位模块可以在gps模块11处于遮挡交通环境时，实现对车辆的准确定位，但是，相比gps/imu车辆组合定位模块对车辆定位而言，控制器模块13对视觉/激光车辆组合定位模块的数据处理量要远大于对gps/imu车辆组合定位模块的数据处理量，因此，当gps模块11未处于遮挡交通环境，也即gps模块11的定位精度不低于预设定位精度时，车辆仍采用gps/imu车辆组合定位模块对车辆进行定位。
因此，为进一步优化上述实施例，控制器模块13还用于：
在确定gps模块11对车辆的定位精度不低于预设定位精度时，关闭摄像头模块14和激光模块15，并根据gps模块11获取的车辆的经纬度信息以及imu模块12获取的车辆在三维空间的加速度和角加速度，得到车辆的实际位置信息和航向角信息，实现对车辆的定位。
具体的，控制器模块13应用卡尔曼滤波、粒子滤波等算法，将gps模块11获取的车辆的经纬度信息与imu模块12获取的车辆在三维空间的加速度和角加速度进行融合，得到融合定位结果，也即得到车辆的实际位置信息和航向角信息，从而实现对车辆的定位。
综上可知，本发明公开的车辆定位系统，当gps信号良好，gps模块11对车辆的定位精度不低于预设定位精度时，采用gps/imu车辆组合定位模块对车辆进行定位；当gps信号比较差，gps模块11对车辆的定位精度低于预设定位精度时，采用视觉/激光车辆组合定位模块对车辆进行定位，控制器模块13根据摄像头模块14采集的道路环境图像，识别出设置在道路旁的人工路标，实现对车辆的粗定位，精度在米级；控制器模块13利用激光模块15扫描到的车辆周围环境的3d点云数据，进行三维地图重建，通过将重建的三维地图与在高精度地图上确定的局部地图进行匹配，使对车辆的定位精度提升到厘米级，实现对车辆的高精度定位，且具有良好的实时性。
与上述车辆定位系统相对应，本发明还公开了一种车辆定位方法。
参见图2，本发明一实施例公开的一种车辆定位方法流程图，该车辆定位方法应用于上述实施例中的车辆定位系统，具体应用于车辆定位系统中的控制器模块，该车辆定位方法包括步骤：
步骤s101、获取gps模块发送的对车辆的定位状态数据；
需要说明的是，在实际应用中，gps模块在将从卫星系统获取车辆的经纬度信息发送给控制器模块的同时，还会将车辆的定位状态数据一并发送给控制器模块，控制器模块根据该定位状态数据中可以确定gps模块对车辆的定位精度，从而确定车辆是否行驶在遮挡交通环境，进而确定是否需要开启由摄像头模块14和激光模块15构成视觉/激光车辆组合定位模块。
步骤s102、判断定位状态数据中的车辆的定位精度是否低于预设定位精度，如果是，则执行步骤s103，如果否，则返回步骤s101，继续获取gps模块发送的车辆的定位状态数据；
当车辆行驶在隧道、立交桥等遮挡交通环境时，gps模块因信号受到遮挡会出现定位不准甚至失效的情况，从而导致gps模块对车辆的定位精度降低。本实施例预先设定了一个预设定位精度，该预设定位精度的取值依据实际需要而定，当控制器模块确定gps模块对车辆的定位精度低于预设定位精度时，确定车辆在当前行驶在遮挡交通环境，在这种情况下，控制器模块开启视觉/激光车辆组合定位模块，由视觉/激光车辆组合定位模块对车辆进行定位。
在实际应用中，控制器模块判断定位状态数据中的车辆的定位精度是否低于预设定位精度可以采用如下任一判断方法：
(1)判断定位状态数据中的gps信号丢失的时间是否大于预设时间，比如10s，当定位状态数据中的gps信号丢失的时间大于预设时间时，判定gps模块对车辆的定位精度低于预设定位精度，预设时间的取值依据实际需要而定；
(2)判断从gps信号丢失时刻起，车辆累计行驶距离是否大于预设距离，比如100m，当车辆累计行驶距离大于预设距离时，判定gps模块对车辆的定位精度低于预设定位精度，预设距离的取值依据实际需要而定。
当然，在实际应用中，还可以根据需要采用其它的判断方法，此处就不一一列举。
步骤s103、开启摄像头模块和激光模块；
步骤s104、从摄像头模块采集的车辆行驶过程中的道路环境图像中，进行目标区域提取和人工路标识别，对车辆进行初步定位，得到初步定位结果；
其中，本步骤中对车辆进行初步定位，也即对车辆进行粗定位，定位精度在米级，得到初步定位结果。
需要说明的是，人工路标在世界坐标系中的位置，也即经纬度信息预先已知。
步骤s104的实现过程具体如下：
(1)从道路环境图像中，提取出包含人工路标的目标区域；
(2)从目标区域中识别出人工路标，并得到人工路标在道路环境图像中的图像坐标；
(3)根据人工路标的图像坐标以及预先已知的人工路标在世界坐标系中的位置信息，对车辆进行初步定位，得到车辆的初步定位结果，初步定位结果包括：车辆在世界坐标系中绝对位置信息。
需要说明的是，摄像头模块是以车辆视角拍摄道路环境图像，因此，车辆在道路环境图像中的位置可以认为是原点位置，通过确定人工路标在图像中的图像坐标，就可以确定人工路标与车辆的几何关系，进而根据人工路标在世界坐标系中的位置信息，即可获知车辆在世界坐标系中的绝对位置和航向角信息。
步骤s105、从预存储的地图中确定与初步定位结果相对应的局部地图；
本步骤中所述的预存储的地图具体指的是高精度地图，地图精度在亚米级，也就说，控制器模块预存储的地图为亚米级地图，亚米级地图包括：三维空间环境特征以及环境中各点的绝对坐标。其中，关于亚米级地图包含的详细信息可参见上述系统实施例对应部分此处不再赘述。
步骤s106、对激光模块扫描到的车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据；
所谓角点，指的是环境中的直角点。环境角点特征参数数据包括：角点三维坐标、角点坐标系与世界坐标系的夹角、角点三条边长度和角点凹凸性等。其中，角点凹凸性定义为：凸向原点的角点为凸角点，凹向原点的角点为凹角点。
具体的，控制器模块对激光模块扫描到的车辆周围环境的3d点云数据采用直线回归方法，从3d点云数据中提取出车辆坐标系下所有的直线段，该直线段具有特征参数：车辆坐标系原点到直线段的垂直距离、垂线与车辆坐标系中车辆行驶方向所在轴的夹角以及直线段长度；然后利用相交的三条直线段的特征得到相对应角点的角点特征参数数据。
其中，车辆坐标系中，车辆行驶方向为x轴，车辆左侧所在方向为y轴，垂直向上方向为z轴，原点为车辆后轴中心。
利用相交的三条直线段的特征得到相对应角点的角点特征参数数据的具体过程可参见现有技术，此处不再赘述。
步骤s107、利用环境角点特征参数数据进行三维地图重建，得到三维地图；
其中，利用环境角点特征参数数据进行三维地图重建的过程可参见现有技术方案，此处不再赘述。
步骤s108、将三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息。
本步骤中将三维地图与局部地图进行匹配采用的方法是：基于角点特征实现地图匹配，匹配时使用基于马氏距离的最邻近方法。
马氏距离(mahalanobisdistance)表示数据的协方差距离。马氏距离是一种有效的计算两个未知样本集的相似度的方法。
参见图3，本发明一实施例公开的一种将三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息的方法流程图，该方法包括步骤：
步骤s201、将三维地图包含的角点作为第一角点，局部地图包含的角点作为第二角点，将三维地图包含的每一个第一角点与局部地图包含的所有的第二角点分别进行匹配；
其中，第一角点和第二角点匹配的原理为：第一角点和第二角点的类型是否相同，当第一角点和第二角点的类型相同时，表明第一角点和第二角点匹配。此处所说的类型指的是凹角点或凸角点，也就是说，当第一角点和第二角点均为凹角点或是均为凸角点时，说明第一角点和第二角点的类型相同，则第一角点和第二角点匹配。
步骤s202、当局部地图中包含有与当前第一角点匹配的第二角点时，分别计算每一个与当前第一角点匹配的第二角点和当前第一角点的马氏距离；
局部地图中包含有与当前第一角点匹配的第二角点包括：局部地图中包含有与当前第一角点类型相同的第二角点。
步骤s203、判断所有的马氏距离中，距离最短的马氏距离是否小于预设阈值，如果是，则执行步骤s204，如果否，则执行步骤s206；
其中，预设阈值的取值依据实际需要而定，本发明在此不做限定。
步骤s204、判定当前第一角点与局部地图中的第二角点相匹配；
步骤s205、当三维地图与局部地图相匹配的角点数目达到预设匹配阈值，且角点数目占三维地图包含的所有角点数目的比例达到预设比例阈值时，判定三维地图与局部地图匹配成功，并得到车辆的实际位置信息和航向角信息。
其中，预设匹配阈值与预设比例阈值的取值依据实际需要而定，本发明在此不做限定。
步骤s206、判定当前第一角点与局部地图中的第二角点不匹配。
综上可知，本发明公开的车辆定位方法，当车辆行驶在隧道、立交桥等遮挡交通环境时，gps模块对车辆的定位精度会低于预设定位精度，在这种情况下，控制器模块会开启摄像头模块和激光模块构成的组合定位模块，从摄像头模块采集的道路环境图像中，进行目标区域提取和人工路标识别，对车辆进行初步定位，得到初步定位结果；从预存储的地图中确定与初步定位结果相对应的局部地图；对激光模块扫描到的车辆周围环境的3d点云数据进行分析处理，得到环境角点特征参数数据，并利用环境角点特征参数数据进行三维地图重建；将重建的三维地图与局部地图进行匹配，得到车辆的实际位置信息和航向角信息。因此，本发明有效避免了gps模块在遮挡交通环境中存在的定位不准确以及累积误差问题，从而提高了对车辆定位的准确性。
最后，还需要说明的是，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“包括一个……”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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。