用于停放障碍物附近的车辆的方法和系统

1.一种使车辆的停放位置最佳化的方法，包括：
获得与该车辆的期望停放位置对应的地图；
根据包含碰撞回避、驾驶时间、法律约束以及社会共识的多个参数，识别该地图中的目标；
根据到期望停放位置的接近度和被识别目标，构建代价函数，以确定最佳停放位置；和通过使代价函数的值最小化，来识别车辆的最佳停放位置；
在车辆接近该最佳停放位置的同时，使用来自多个传感器的更新的数据，更新该地图；
根据该更新的地图，更新被识别目标和代价函数；和
根据该被更新的代价函数，识别新的最佳停放位置；
其中所述法律约束包含停放限制，所述停放限制包含下列中的至少之一：车辆轮子到路缘的许可距离以及车辆离消防栓或人行横道的许可距离，并且其中所述社会共识包含社会停放参数，所述社会停放参数包含下列中的至少之一：一致的车辆对准、车辆相对于路缘的对准、以及平行的或相邻的车辆之间的间隔。
2.按照权利要求1的方法，还包括：
响应于确定先前被识别的最佳停放位置未能满足按照该更新的地图的被识别目标之一，放弃该先前被识别的最佳停放位置并选择新近被识别的最佳停放位置作为车辆的停放位置；和
响应于确定先前被识别的最佳停放位置满足按照该更新的地图的被识别目标并且响应于确定新近被识别的最佳停放位置离开先前被识别的最佳停放位置小于预定距离，放弃该新近被识别的最佳停放位置并且选择该先前被识别的最佳停放位置作为车辆的停放位置，以减少与改变车辆的停放位置相关联的若干重新发动。
3.按照权利要求1的方法，其中该地图通过安装到车辆的传感器更新。
4.按照权利要求1的方法，其中代价函数的处理被限制于包括该期望停放位置和环绕有固定大小的该期望停放位置的面积的处理区域。
5.按照权利要求4的方法，其中该固定的大小能通过车辆的控制器的用户接口调整。
6.按照权利要求1的方法，其中所述代价函数包含使车辆靠近期望停放位置的至少一项以及使车辆移离障碍物的项。
7.按照权利要求6的方法，其中与法律约束相关联的距离能通过车辆的控制器的用户接口调整。
8.按照权利要求6的方法，其中所述代价函数包含使车辆靠近期望停放位置的两项。
9.按照权利要求8的方法，其中与社会共识参数约束相关联的间隔和对准参数能通过车辆的控制器的用户接口调整。
10.按照权利要求1的方法，还包括：
通过采用分支定界搜索技术和共轭梯度最佳化，使代价函数的值最小化。
11.按照权利要求1的方法，还包括：
从来自多个传感器的数据构建该地图，传感器包含激光雷达、摄像机、雷达和红外线中的至少两个。
12.一种使车辆的停放位置最佳化的系统，该系统包括：
用于获得与该车辆的期望停放位置对应的地图的装置；
用于根据包含碰撞回避、驾驶时间、法律约束以及社会共识的多个参数，识别该地图中的目标的装置；
用于根据到期望停放位置的接近度和被识别目标，构建代价函数，以确定最佳停放位置的装置；和
用于通过使代价函数的值最小化，来识别车辆的最佳停放位置的装置；
用于在车辆接近该最佳停放位置的同时，使用来自多个传感器的更新的数据，更新该地图的装置；
用于根据该更新的地图，更新代价函数的装置；和
用于根据该被更新的代价函数，识别新的最佳停放位置的装置；
其中所述法律约束包含停放限制，所述停放限制包含下列中的至少之一：车辆轮子到路缘的许可距离以及车辆离消防栓或人行横道的许可距离，并且其中所述社会共识包含社会停放参数，所述社会停放参数包含下列中的至少之一：一致的车辆对准、车辆相对于路缘的对准、以及平行的或相邻的车辆之间的间隔。
13.按照权利要求12的系统，还包括：
用于响应于确定先前被识别的最佳停放位置未能满足按照该更新的地图的被识别目标之一，放弃该先前被识别的最佳停放位置并且选择新近被识别的最佳停放位置作为车辆的停放位置的装置；和
用于响应于确定先前被识别的最佳停放位置满足按照该更新的地图的被识别目标并且响应于确定新近被识别的最佳停放位置离开先前被识别的最佳停放位置小于预定距离，放弃该新近被识别的最佳停放位置并且选择该先前被识别的最佳停放位置作为车辆的停放位置，以减少与改变车辆的停放位置相关联的若干重新发动的装置。
14.按照权利要求12的系统，其中代价函数的处理被限制于包括期望停放位置和环绕有固定大小的期望停放位置的面积的处理区域。
15.一种包含使车辆的停放位置最佳化的处理器的系统，该系统包括：
地图模块，被配置成获得与该车辆的期望停放位置对应的地图；
识别模块，被配置成根据包含碰撞回避、驾驶时间、法律约束以及社会共识的多个参数，识别该地图中的目标；
代价函数模块，被配置成根据到期望停放位置的接近度和被识别目标，构建代价函数，以确定最佳停放位置；和
停放位置模块，被配置成通过使代价函数的值最小化，来识别车辆的最佳停放位置，其中：
该地图模块在车辆接近该最佳停放位置的同时，使用来自多个传感器的更新的数据，更新该地图；
该代价函数模块根据该更新的地图，更新代价函数；和
该停放位置模块根据该被更新的代价函数，识别新的最佳停放位置；
其中所述法律约束包含停放限制，所述停放限制包含下列中的至少之一：车辆轮子到路缘的许可距离以及车辆离消防栓或人行横道的许可距离，并且其中所述社会共识包含社会停放参数，所述社会停放参数包含下列中的至少之一：一致的车辆对准、车辆相对于路缘的对准、以及平行的或相邻的车辆之间的间隔。
16.按照权利要求15的系统，其中：
该停放位置模块响应于确定先前被识别的最佳停放位置未能满足按照该更新的地图的被识别目标之一，放弃该先前被识别的最佳停放位置并且选择新近被识别的最佳停放位置作为车辆的停放位置；和
响应于确定先前被识别的最佳停放位置满足按照该更新的地图的被识别目标并且响应于确定新近被识别的最佳停放位置离开先前被识别的最佳停放位置小于预定距离，该停放位置模块放弃该新近被识别的最佳停放位置并且选择该先前被识别的最佳停放位置作为车辆的停放位置，以减少与改变车辆的停放位置相关联的若干重新发动。
17.按照权利要求15的系统，其中代价函数的处理被限制于包括期望停放位置和环绕有固定大小的期望停放位置的面积的处理区域。

用于停放障碍物附近的车辆的方法和系统\n技术领域\n[0001] 本公开一般涉及车辆停放和在障碍物附近的车辆停放。\n背景技术\n[0002] 路径规划和目标识别是在自主车辆驾驶系统中被实施的。这些系统能够从停放系统，诸如由丰田发动机公司研发的先进的停放引导系统（APGS），这是一种智能停放辅助系统，变化到没有结构和有结构的自主驾驶系统（autonomous driving system），诸如在2009年5月22日递交的美国申请No.12/471,079中讨论的那些系统。这些系统描述使用传感器的各方面，包含视觉和基于激光器的传感器，用于识别障碍物的位置和可通行空间的建筑物地图。至于停放受控的车辆，停放点被选择而路径规划器被产生，以起动车辆到达期望目的地（desired destination）。\n发明内容\n[0003] 本公开识别和解决在与识别和选择车辆目的地相关联的这些领域中的问题，导致更安全的路线，同时增加完成无需重新发动的操纵的机会。虽然本公开涉及车辆性能的智能停放辅助系统，但应当明白，其他驾驶员辅助系统或全自主系统也将从本文描述的特征受益。\n[0004] 上面指出停放技术，可能由于诸多因素之一而失效，导致车辆控制的致动停止（亦称“重新发动”）。首先，车辆传感器可能不精确。具体说，被构建并一开始被认为可行的地图，可能实际上含有阻挡的障碍物，这些障碍物只在车辆路线或停放操纵导致重新发动时才变得可见/被察觉。其次，车辆位置可能不精确。尤其是，车辆运动的物理模型能够在构建的地图中引进误差。传感器在先前时间所作的局部测量，可能由于对自身运动估算不精确，而不对应于到障碍物的真正距离。这个问题还能够导致重新发动。此外，车辆的位置还可能在全球坐标中不精确，因而在全球地图，诸如全球定位系统（GPS）地图中带来误差。一个这样的问题是由于GPS漂移状况可能引起目标（goal）不能实现和/或被占据。例如目标可能出现已经“漂移”了相当于车辆的大小的距离。\n[0005] 本文描述的最佳化，包含选择受到许多约束的“最好”目的地的过程，该“最好”目的地被描述为最佳目的地。该最佳化过程选择：有来自局部障碍物危险的复杂估计的地点、到原来期望地点的接近度、以及结构的局部对准。这些考虑增加安全地走完车辆的路线而不要求重新发动的机会。\n[0006] 与之一致，本公开的一方面涉及使车辆目的地最佳化的方法。该方法包含，获得与该车辆期望目的地对应的地图、以及根据包含碰撞回避、驾驶时间、法律约束（legal constrain）、以及社会共识（social consensus）的多个参数，识别该地图中的目标。下一步，构建代价函数，以便根据对期望目的地的接近度和被识别的目标，确定最佳目的地。其后，通过使代价函数的值最小化，识别该最佳目的地。\n[0007] 在又一方面中，该方法包含，在车辆接近该最佳目的地的同时，使用来自多个传感器的更新的数据，更新该地图。更新地图信息的结果是，被识别的目标和代价函数也被更新。于是，新的最佳目的地，能够根据更新的代价函数被识别。\n[0008] 本公开的另外方面包含，响应于确定先前被识别的最佳目的地未能满足按照该更新的地图的被识别目标之一，放弃先前被识别的最佳目的地并选择并新近被识别的最佳目的地作为车辆的目的地。此外，响应于确定先前被识别的最佳目的地满足按照该更新的地图的被识别目标，以及响应于确定新近被识别的最佳目的地离开先前被识别的最佳目的地小于预定距离，放弃该新近被识别的最佳目的地并选择先前被识别的最佳目的地作为车辆的目的地，以减少与改变车辆的目的地相关联的若干重新发动。\n[0009] 在某些方面中，该地图由安装在车辆的传感器更新。各种不同的传感器，包含声纳、激光雷达、雷达和摄像机，能够与该车辆一起使用。\n[0010] 在另外的方面中，该法律约束参数包含停放限制，该停放限制包含车辆轮子到路缘的许可的距离以及车辆离消防栓或人行横道的许可的距离。此外，该社会共识参数包含反映对停放的社会共识的社会参数。例如，这些参数能够包含停车场中相邻车辆之间的一致的车辆对准、相对于路缘和平行的或相邻车辆之间的间隔的一致车辆对准、以及在停车场中车辆是否被平行或相邻停放。\n[0011] 在优选的方面中，该代价函数通过采用分支定界搜索技术（branch-and-bound search techniques）和共轭梯度最佳化（conjugate gradient optimization）被最小化，以限制用于确定最佳目的地所要求的计算时间。因此，处理时间能够被缩减，而新的最佳目的地能够在一秒中被考虑许多次。\n[0012] 本公开的其他方面包含存储媒体，该存储媒体包含可执行指令，用于实施车辆的目的地最佳化的方法，以及还有包含处理器的系统，用于使车辆的目的地最佳化。\n[0013] 前面各段已经作为一般介绍的方式提供，但不企图限制下面权利要求书的范围。\n目前的优选实施例与更多优点一起，通过参考与附图结合的下面的详细描述，将被最好地被理解。\n附图说明\n[0014] 当结合附图考虑参考下面的详细描述时，本公开更完整的了解及其许多伴随的优点，将随着本公开变得更好被理解而容易被获得，附图中：\n[0015] 图1是用于确定和起动停放流程的算法；\n[0016] 图2是多传感器的地图构建步骤的详细算法，该步骤在图1所示算法中被实施；\n[0017] 图3是多目标最佳化步骤的详细算法，该步骤在图1所示算法中被实施；\n[0018] 图4是处理系统的方框图，用于执行图1所示的算法；\n[0019] 图5示出车辆目的地和路径；和\n[0020] 图6示出被更新的车辆目的地和路径。\n具体实施方式\n[0021] 现在参考附图，其中诸多视图全用相同参考数字指明相同或对应的部分/步骤，本文描述的最佳化算法通过识别车辆的最好位置和取向，在以全部已知世界信息的条件下操作。某些可能位置和取向，违背已知的约束。例如，不可能与另一辆车辆停放在相同点。然而，即使当配对的位置/取向不产生碰撞，但某些配置仍然能够是坏的。\n[0022] 例如，在停放的情形下，车辆应当在相邻车辆之间均匀地被隔开，且车辆还应当与紧邻车辆局部地对准（指向相同的一般方向）或与人行道局部地平行。常常有许多配置满足已知约束。\n[0023] 在平行停放中，同样可接受的是，相对于另一辆车辆的前头三米或一个位置后三米停放，只要两个位置都与人行道平行。在这种情形下，“最好”的选项是最容易抵达（例如，最接近）的目的地。\n[0024] 因此，本文描述的算法和过程，把安全（碰撞回避）、车轮约束（例如，靠近人行道停放）、社会共识（例如，平行于紧邻车辆停放）、以及驾驶时间（例如，选择最接近的目的地）等要素，组合成单个最佳化问题，该问题可以被解决，以确定车辆的最好或最佳目的地。随着车辆接近期望目的地，安装在车辆上的传感器积累信息并更新局部地图。作为结果，代价函数被构建并被更新，该代价函数能在紧靠该期望目的地的特定位置/取向中，评估停放的固有最佳性。\n[0025] 该代价函数的参数，包含对诸如对原来目的地的接近度和遵循的法律/社会规则等条目的权衡。一般说来，要找出对有许多参数的代价函数的最好输入是有挑战性的。然而，该数学问题应当非常快速被解决，因为在执行该算法时，车辆通常处于运动中，而快速的解决方案导致车辆向最佳目的地的及时操作和致动。因此，本公开的优选实施方案，使用分支定界直接搜索技术（branch-and-bound direct search techniques）与共轭梯度最佳化的组合，用于定义位置和取向的配置，导致车辆关于代价函数的最低成本。\n[0026] 与上面所述的一致，本公开的初级目标是提供如下的智能组合：（1）多传感器的地图构建过程，（2）多目标最佳化过程，用于选择使安全性最大化和使到达计划的目的地的距离最小化的目标，和（3）使用产生类似于人类选择行为的代价函数（即，与法律和社会约束一致）。为达到该目标的一般算法如图1所示。\n[0027] 图1画出算法100，它一开始包含构建多传感器的地图的步骤（S102）。然后，多目标最佳化在S104被实施，而产生人类行为的代价函数在S106被构建。然后，在S108，最佳目的地被确定，并在S110，该车辆被起动以行驶到最佳目的地。\n[0028] 在车辆被起动之后，特别是车辆开始走过规划的路径以便抵达最佳目的地之后，该算法将返回到S102以更新该地图。事实上，该算法将重复识别新近被感测的物体，从而改善该多目标最佳化和代价函数。因此，在车辆处于运动的同时，最佳目的地能够被修订。\n[0029] 该多传感器的地图构建S102的更多细节，在图2中示出。具体地说，该多传感器的地图构建S102，包含在S202用各种不同传感器扫描局部地形的算法，在S204创建局部地图或如果局部地图已经被创建，则在S206更新该局部地图，和在S208检测该局部地图中的物体。步骤S204和S206是可交换的，取决于局部地图的状态，特别是在该算法已经进入重复的阶段。然而，应当明白，新的局部地图能够在每一重复时构建，不会减损本公开的范围。\n[0030] 该多目标最佳化S104的更多细节，在图3中示出。尤其是，图3画出作为碰撞回避、驾驶时间、法律约束和社会共识的组合的多目标最佳化。驾驶时间包含用于完成到达目的地的路径路线的时间量以及行驶的距离二者。碰撞回避包含物体检测和回避方面，该方面包含车辆和该车辆正在回避的物体之间的阈值许可距离。\n[0031] 法律约束参数包含各种各样可配置的变量，这些变量包含许可的离路缘的停放距离和许可的离消防栓或人行横道的停放距离。然而，应当明白，本公开的范围不仅仅限于这些法律约束。\n[0032] 社会共识参数是使最佳化算法进一步模仿人类行为的参数。尤其是，该社会共识参数考虑了该车辆相对于紧贴该受控车辆的其他车辆的取向。具体地说，该社会共识参数考虑了局部车辆的对准，包含维持停车场中车辆之间的公共距离，以及在平行停放时维持在其他车辆前面或后面的适当距离。然而，应当明白，其他社会共识或关于停放的社会规范，能够被配置在代价函数中，而不会减损本公开的范围。\n[0033] 获得上述效果的示例性代价函数，示出于下：\n[0034]\n[0035] 该代价函数使用加权L1和L2以确定该车辆到原来期望地点应当有多近，而加权vsg是对最接近的障碍物的附加非线性成本。在该代价函数中，头两项的作用是保持车辆接近原来期望地点，而最后一项的作用是移动车辆离开障碍物。\n[0036] 尤其是，当（1）前车轴坐标(xy1)接近于对应于该前车轴原来期望地点，（2）后车轴坐标(xy2)在对应于该后车轴原来期望地点附近，和（3）离接近基于地图的障碍物有最大距离时，该代价函数有极小。尤其是，该最后一项能够被看作某些代价函数的积分，但由于在离散空间中被近似，所以是求和。在该项中，“p”能够被看作有到障碍物的距离d(p)的离散单元（cell），这样当车辆被停放时，使“p”在车辆下面。到最接近的障碍物的距离d(p)，能够用称为沃罗诺分割（Voronoi Segmemtation）算法的有效算法被计算，我们用上述算法，构建沃罗诺分割网格（Voronoi Segmemtation Grid），它事实上是到最接近障碍物的距离的\n2D网格。\n[0037] 该代价函数如何操作的例子导致地图上接近有相对小d(p)值的障碍物的点，尽管在该地图上离该障碍物更远的点有相对更大的d(p)值。因此，在本实施例中，当d(p)值相对更大时，代价函数中该项的指数性质将有极小。\n[0038] 应当明白，其他代价函数是可能的。例如，一个着眼于匹配特征的局部对准，诸如车辆取向的代价函数，可以类似于人行道的取向。另外，如上面所指出，可取的是，该代价函数使用分支定界（BnB）搜索技术与共轭梯度（CG）最佳化的组合被最佳化。\n[0039] 该BnB在离散的区间上，使用先前最好的结果搜索参数设定的可接受的区，以限制搜索时间。该CG方法使用最好的BnB结果以便在连续的坐标中进一步最佳化。该方法相对快地得到结果，这是重要的，以便补偿欠佳的传感器配置，因而允许地图的频繁重构，以及关于路径规划和最佳目的地确定的新的决定的确定。整个过程能够用标准设备在100毫秒内完成，允许在每次规划周期中使决定重新最佳化。\n[0040] 该算法还能够提供与在先的最好解决方案的比较。因此，如果某一最好解决方案或最佳目的地，只是刚好优于在先确定的最佳目的地，那么目标和路径将不改变，以防重新发动。换句话说，在先的和已经启动的最佳目的地将被维持，新近被确定的最佳目的地将不作较大量的改变。\n[0041] 上面指出的过程和电子驱动的系统，能够通过车辆中提供的离散控制装置实施，或者能够由车辆的中央处理装置，诸如车辆电子控制单元（ECU）实施。在可取的方面中，本文描述的功能，是通过与该ECU相补充的或互补的处理系统提供的。然而，该可取的方面不应认为是限制，特别是考虑到自动驾驶系统，在那里，下面描述的处理系统能够在功能上和/或结构上与自动驾驶或停放系统组合，该自动驾驶或停放系统起动车辆的转向和油门/刹车控制，以起动确定的行驶路径的性能。\n[0042] 如图4和以上介绍所示，按照本公开的处理系统，能够用微处理器或它的等效装置，诸如，中央处理单元CPU或至少一个专用处理器ASP（未画出）实施。该微处理器利用计算机可读存储媒体，诸如存储器（例如，ROM、EPROM、EEPROM、快速擦写存储器、静态存储器、DRAM、SDRAM、以及它们的等效装置），被配置成控制（尤其是，编程的控制）该微处理器以便实施和/或控制本公开的过程和系统。其他的存储媒体能够通过诸如盘控制器的控制器而被控制，该盘控制器能够控制硬盘驱动器或CD-ROM驱动器。一方面，该硬盘驱动器能够被高速快速擦写存储器存储驱动器或类似装置代替，且还能够包含地图绘制数据，该地图绘制数据包含全球定位系统（GPS）地图绘制数据。\n[0043] 在另一实施例中的微处理器，能够包含或专门包含逻辑装置，用于增广或充分实施本公开。这样的逻辑装置包含，但不限于专用集成电路（ASIC）、现场可编程门阵列（FPGA）、通用阵列逻辑（GAL）、以及它们的等效装置。该微处理器能够是分开的装置或单个处理机构。此外，本公开能够从多核CPU的并行处理能力受益。\n[0044] 另一方面，按照本公开的处理结果，能够通过显示控制器被显示在监控器上，如图\n4所示。而该显示控制器，最好包含至少一个用于改进计算效率的图形处理单元，并能够向类似于下面详细讨论的图5和6所示的那些驾驶员展示图像。\n[0045] 另外，输入/输出接口被提供，用于把各种不同传感器连接到处理系统和车辆致动器（包含车辆的转向、油门和刹车系统）。这些系统能够包含有电子致动器或液压致动器的传统的机械控制系统，这些电子致动器或液压致动器用于改变机械转向控制、油门和刹车。\n然而，电子有线驱动系统，最好与其他电子驱动系统，诸如电子稳定性控制（ESC）和自动驾驶系统的功能结合，该自动驾驶系统是诸如其他停放辅助系统、车道辅助系统和自适应巡游控制系统。\n[0046] 另外，关于其他输入装置，该其他输入装置能够被连接到该输入/输出接口。例如，用于控制各种过程的参数和本公开算法的键盘或定位装置（未画出），能够被连接到该输入/输出接口，以便提供另外的功能和配置选项，包含改进的路径的选择。再有，该监控器能够配有触摸灵敏接口，用于向处理系统路由命令。在一优选的方面中，该系统接受输入用于改变与社会和法律约束相关联的参数，由此，到/离另一辆车辆的距离、局部对准、以及到/离合法障碍物的距离，能够在系统处理最佳目的地之前被驾驶员改变。\n[0047] 如上面的讨论，与处理系统连接的传感器，能够包含雷达、激光雷达、摄像机（包含红外）和GPS。然而，该清单不应被认为是限制，因为各种不同的其他传感器适合与本公开的各个不同方面一起被实施。\n[0048] 另外，以上指出的部件能够经过网络接口被耦合到网络，诸如因特网或局部内联网，用于发送或接收数据，包含本文公开的可控参数。这样的数据传输能够为诊断目的在车辆维修设施上被实施。然而，这样的数据传输还能够在家庭地点经过无线网络被实施，以允许驾驶员经个人计算机（未画出）调整参数。示例性无线网络能够包含按照IEEE802、最好是IEEE802.11（Wi-Fi和WLAN）、IEEE802.15.1（蓝牙）和/或IEEE802.3（以太网）的网络。最后，中央BUS（总线）被提供，用于把上面指出的部件连接在一起，并提供至少一条在它们之间用于数字通信的通路。\n[0049] 图5和6示出上面描述的算法和过程的一方面的例子。图5画出有行驶路径502和\n504的停车场中的车辆500。车辆500的传感器（未画出）检测以阴影区506表示的障碍物。此外，期望目的地508用由箭头510标识的车辆取向示出。在接近该期望目的地508时，车辆能确定该期望目的地不是最佳的。尤其是，该期望目的地与被检测到的障碍物512相交。\n[0050] 图6示出上面描述的算法和过程的应用，这里期望目的地508被移至最佳目的地\n600。尤其是，通过采用本文公开的代价函数，障碍物512以及其他相邻的障碍物，被加权成遵守保持车辆之间距离的社会共识，从而建立围绕障碍物512的缓冲带602。\n[0051] 由此，最佳目的地600被确定，而车辆的路径604能够被计算以产生该车辆的适当对准和停放。为改进该系统的效率，该系统可以再包含对面积的限制，其中把该代价函数应用接近该期望目的地的面积。具体地说，框606能够被建立，它把该算法要求的计算限制在包围期望目的地的固定距离上。结果是，在本公开的这一方面中，最佳化只在框606内实施，从而建立对处理有空间限制的处理区。虽然框606被画成正方形，但应当明白，其他空间形状能够被选择。尤其是，空间形状能够根据期望目的地的空间形状被选择。结果是，矩形和曲线形状（如，圆形）能够被选择。\n[0052] 流程图或功能方框图中的任何过程、描述或方框，应当理解成代表包含一个或多个可执行指令的代码的模块、程序段、部分，该可执行指令用于实现本文描述的过程/算法中具体的逻辑功能或步骤，而包含在本公开示例性实施例范围内的另外实施方案，如本领域熟练的技术人员应当理解的，可以不按图示或讨论的顺序执行，包含大体上同时的或相反的顺序，取决于涉及的功能。\n[0053] 此外，正如接近本公开的教导的本领域熟练技术人员应当认识到的，本公开各方面的若干组合和修改是能够被预见到，而不偏离本公开范围。因此，借鉴上面的教导，本公开的许多修改和各种各样的变化是可能的，由此应当理解，在所附权利要求书的范围内，本公开可以用本文具体地描述以外的方式实现。