基于多传感器数据融合构图的变电站巡检机器人及其方法

1.一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，采用基于多传感器数据融合构图的变电站巡检机器人，包括机器人移动平台，所述机器人移动平台上有工控机、里程计、测速传感器、视觉采集装置以及激光雷达；
工控机：搭载到机器人移动平台上的计算机；
行程计算装置：接收测速传感器信号，不断输出机器人当前的位置信息和航向角信息，并将所述信息通过通信线路传送至工控机；
视觉采集装置：用于采集变电站巡检机器人漫游路径上的标识线图像，并通过通信线路传送至工控机；
激光雷达：用于实现对变电站巡检机器人运行区域环境数据的扫描，并将扫描图像通过通信线路传送至工控机；
所述工控机与行程计算装置、视觉采集装置和激光雷达分别连接；行程计算装置与测速传感器连接；
方法包括以下步骤：
(1)变电站巡检机器人构图过程开始之前，在目标构图区域内的变电站巡检机器人漫游路径上设置标识线；
(2)以变电站巡检机器人行程计算装置开始工作的位置作为原点(0,0,0)建立直角坐标系，行程计算装置通过对测速传感器信号接收进行航迹推算，并输出t时刻变电站巡检机器人当前的位置信息和航向角信息；
同时，视觉采集装置采集变电站巡检机器人移动平台漫游路径上的标识线图像，通过视觉图像处理识别出t时刻变电站巡检机器人移动平台相对于标识线的航向角信息；
激光雷达扫描机器人移动平台漫游路径周围的环境，获得不同的激光雷达数据，该数据包括采样旋转角度和该角度对应反射点的距离，并将扫描数据通过以太网传输至工控机；
(3)根据激光雷达采集到t时刻的环境数据与行程计算装置上传t时刻的位置信息和航向角信息对扫描区域进行局部构图，并通过同步定位输出变电站巡检机器人的位置信息和航向角信息；
(4)将同步定位处理得到的变电站巡检机器人的航向角信息与步骤(2)中通过视觉图像处理识别出的航向角信息进行加权滤波处理，通过滤波得到信任度更高的航向角信息；
(5)将同步定位处理得到的位置信息和加权滤波处理之后的航向角信息反馈到行程计算装置实现对行程计算装置的校正；
(6)重复上述步骤(2)～(5)，循环迭代并将局部构图进行融合输出全局构图。
2.如权利要求1所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，所述步骤(2)中，行程计算装置通过对测速传感器信号接收进行航迹推算的方法为：
其中，Sr(t-1),Sl(t-1)分别为机器人移动平台右轮和左轮在t-1时刻到t时刻时间间隔走过的距离，d为机器人移动平台轮距；[X(t),Y(t),W(t)]为t时刻机器人位置信息和航向角信息。
3.如权利要求1所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，所述步骤(2)中，通过视觉图像处理识别出t时刻变电站巡检机器人移动平台相对于标识线的航向角信息的具体方法为：：
(2-1)图像标定：使用相机标定阶段获取的标定参数对每一帧图像进行标定，以消除相机镜头带来的图像畸变；
(2-2)对彩色图象进行颜色模型转变，把RGB模型转换为HSI模型图像；
(2-3)目标图像分割，在HSI模型图像中选择关注区域，通过确定的H和S的阈值对图像进行分割，提取出特征对比图像；
(2-4)形态学处理，通过图像结构元素对图像特征进行度量和提取，通过腐蚀和膨胀的形态学方法对图像处理，以方便对特征的识别和分析；
(2-5)提取目标特征，通过边缘检测确定每行目标特征中心点坐标，通过粒子分析计算出标识线与图像垂直中轴线的夹角，确定机器人在工作区域全局中的航向角信息w(t)，即实现视觉定位。
4.如权利要求3所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，对于视觉图像处理需提前设定标识线图像处理时间间隔，视觉采集装置每隔设定时间间隔执行一次，通过视觉图像处理得到并输出机器人航向角信息。
5.如权利要求1所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，所述步骤(3)的具体方法为：
3-1)将激光雷达采集到的点集数据转换到直角坐标系下；
3-2)使用聚类距离阈值指标对直角坐标系下的点集进行聚类处理；
3-3)使用最小二乘法对聚类之后的点集进行曲线拟合，求出参考物特征直线方程，确定各参考物特征直线的中心点坐标；
3-4)对相邻特征直线进行匹配，通过对各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量；
3-5)将前一帧数据的所有点加上上一步得到的最优偏移量，得到局部地图；重复上述处理过程；
3-6)通过循环迭代，将新的激光数据点集与原有数据匹配，同步更新位置信息和航向角信息。
6.如权利要求5所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，所述步骤3-2)的具体方法为：
通过顺序计算点集相邻点之间的距离，判断是否在聚类距离阈值指标范围以内，如果在范围内则将相邻点进行聚类；将独立于各聚类区域以外的孤立的点去除。
7.如权利要求5所述的一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，其特征是，所述步骤3-4)的具体方法为：
将前后相邻两帧各参考物特征直线中心点距离与特征距离阈值比较，如果相邻特征直线中心点坐标小于特征距离阈值则认为是相邻两帧同一参考物特征直线；用后一帧参考物特征直线的中心点坐标减去前一帧对应参考物特征点坐标，得到局部特征偏移量，将相邻帧各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量。

基于多传感器数据融合构图的变电站巡检机器人及其方法\n技术领域\n[0001] 本发明隶属于移动机器人定位与导航技术领域，尤其涉及一种基于里程计、视觉、激光雷达等多传感器数据融合技术构图的变电站巡检机器人及方法。\n背景技术\n[0002] 随着近几年变电站巡检机器人更深入的应用，复杂的变电站环境和变电巡检任务对于巡检机器人的导航方式和导航定位精度提出了更高的要求，为了能够更好的适应复杂的变电站环境，满足复杂变电站巡检任务的需要，越来越多的导航技术投入测试并投入应用，激光导航技术即是其中之一。机器人激光导航过程中，实现自主定位和高精度导航是巡检机器人完成巡检任务的重要前提，而实现定位和高精度导航的关键在于建立起完整准确的变电站环境地图，因此，变电站地图构建对于变电站巡检机器人进行激光导航具有重要意义。目前对于变电站环境地图构建的方法主要有以下几种：\n[0003] 1、使用3D(三维)激光扫描仪进行变电站环境地图构建。该方法是通过在变电站内间隔选择多个位置进行全站多点环境数据采集。在每一个位置，3D激光扫描仪进行水平\n360°三维环境数据采集。全站多点环境数据采集结束后，使用环境数据处理软件对采集到的多点环境数据进行拼接再现处理，建立起变电站三维环境地图。在三维环境地图的基础上进行裁剪，裁剪高度力求和变电站巡检机器人激光雷达的高度相同，裁剪之后整理输出变电站巡检机器人定位导航可用的二维变电站环境地图。该方法虽然建图精度高，环境再现效果好，但是该方法成本高，对于局部变电站地势不平的区域需要进行反复裁剪，并且对于局部地图的修改不易。\n[0004] 2、使用基于里程计、陀螺仪、激光雷达进行变电站地图构建的方法。该方法是机器人在全站进行漫游，通过安装于机器人本体上的里程计、陀螺仪、激光雷达进行环境数据采集。数据环境数据采集结束后，将数据进行格式转换并进行编辑，最终输出二维变电站环境地图。该方法虽然方案具有一定的可行性，实现了环境数据采集、定位导航在同一台机器人上集成，但是该方案由于里程计和陀螺仪属于相对定位方式存在误差，环境数据采集过程中误差一直得不到修正，在长时间或大尺度航迹推算之后会存在较大的累积误差，环形回路无法闭合，这就需要在后期环境数据处理中，除了数据格式转换和编辑外，为了修正累积误差带来的地图变形，还需要引入复杂的ICP(最近点循环迭代匹配算法)、弹簧模型等算法，方案复杂，另外还要进行大量细致的地图修改调整工作，参考标准模糊，工作量大且存在修改之后的地图精度不高、再现效果不好等问题。\n发明内容\n[0005] 本发明的目的就是为了解决上述问题，提出了一种基于多传感器数据融合技术构图的变电站巡检机器人及其方法，通过不断对里程计进行反馈校正，有效的降低了里程计长时间或大尺度航迹推算累计误差，解决了里程计累计误差造成的环形回路不闭合，地图形变等问题。\n[0006] 为了实现上述目的，本发明采用如下技术方案：\n[0007] 一种基于多传感器数据融合构图的变电站巡检机器人，包括机器人移动平台，所述机器人移动平台上有工控机、里程计、测速传感器、视觉采集装置以及激光雷达；\n[0008] 工控机：搭载到机器人移动平台上的计算机；\n[0009] 行程计算装置：接收测速传感器信号，不断输出机器人当前的位置信息和航向角信息，并将所述信息通过通信线路传送至工控机；\n[0010] 视觉采集装置：用于采集变电站巡检机器人漫游路径上的标识线图像，并通过通信线路传送至工控机；\n[0011] 激光雷达：用于实现对变电站巡检机器人运行区域环境数据的扫描，并将扫描图像通过通信线路传送至工控机；\n[0012] 所述工控机与行程计算装置、视觉采集装置和激光雷达分别连接；行程计算装置与测速传感器连接。\n[0013] 所述视觉采集装置包括摄像机，摄像机镜头与地面平行，在摄像机镜头周围分布有打光LED灯阵列，摄像机通过网线与工控机连接。\n[0014] 在构图区域的变电站巡检机器人漫游路径上，设置标识线，所述标识线为颜色明显区别于路面颜色的彩色色带或线。\n[0015] 一种基于多传感器数据融合构图的变电站巡检机器人的构图方法，包括以下步骤：\n[0016] (1)变电站巡检机器人构图过程开始之前，在目标构图区域内的变电站巡检机器人漫游路径上设置标识线；\n[0017] (2)以变电站巡检机器人行程计算装置开始工作的位置作为原点(0,0,0)建立直角坐标系，行程计算装置通过对测速传感器信号接收进行航迹推算，并输出t时刻变电站巡检机器人当前的位置信息和航向角信息；\n[0018] 同时，视觉采集装置采集变电站巡检机器人移动平台漫游路径上的标识线图像，通过视觉图像处理识别出t时刻变电站巡检机器人移动平台相对于标识线的航向角信息；\n[0019] 激光雷达扫描机器人移动平台漫游路径周围的环境，获得不同的激光雷达数据，该数据包括采样旋转角度和该角度对应反射点的距离，并将扫描数据通过以太网传输至工控机；\n[0020] (3)根据激光雷达采集到t时刻的环境数据与行程计算装置上传t时刻的位置信息和航向角信息对扫描区域进行局部构图，并通过同步定位输出变电站巡检机器人的位置信息和航向角信息；\n[0021] (4)将同步定位处理得到的变电站巡检机器人的航向角信息与步骤(2)中通过视觉图像处理识别出的航向角信息进行加权滤波处理，通过滤波得到信任度更高的航向角信息；\n[0022] (5)将同步定位处理得到的位置信息和加权滤波处理之后的航向角信息反馈到行程计算装置实现对行程计算装置的校正；\n[0023] (6)重复上述步骤(2)～(5)，循环迭代并将局部构图进行融合输出全局构图。\n[0024] 所述步骤(2)中，行程计算装置通过对测速传感器信号接收进行航迹推算的方法为：\n[0025]\n[0026]\n[0027]\n[0028] 其中，Sr(t-1)，Sl(t-1)分别为机器人移动平台右轮和左轮在t-1时刻到t时刻时间间隔走过的距离，d为机器人移动平台轮距；[X(t),Y(t),W(t)]为t时刻机器人位置信息和航向角信息。\n[0029] 所述步骤(2)中，通过视觉图像处理识别出t时刻变电站巡检机器人移动平台相对于标识线的航向角信息的具体方法为：：\n[0030] (2-1)图像标定：使用相机标定阶段获取的标定参数对每一帧图像进行标定，以消除相机镜头带来的图像畸变；\n[0031] (2-2)对彩色图象进行颜色模型转变，把RGB模型转换为HSI模型图像；\n[0032] (2-3)目标图像分割，在HSI模型图像中选择关注区域，通过确定的H和S的阈值对图像进行分割，提取出特征对比图像；\n[0033] (2-4)形态学处理，通过图像结构元素对图像特征进行度量和提取，通过腐蚀和膨胀的形态学方法对图像处理，以方便对特征的识别和分析；\n[0034] (2-5)提取目标特征，通过边缘检测确定每行目标特征中心点坐标，通过粒子分析计算出标识线与图像垂直中轴线的夹角，确定机器人在工作区域全局中的航向角信息w(t)，即实现视觉定位。\n[0035] 对于视觉图像处理需提前设定标识线图像处理时间间隔，视觉采集装置每隔设定时间间隔执行一次，通过视觉图像处理得到并输出机器人航向角信息。\n[0036] 所述步骤(3)的具体方法为：\n[0037] 3-1)将激光雷达采集到的点集数据转换到直角坐标系下；\n[0038] 3-2)使用聚类距离阈值指标对直角坐标系下的点集进行聚类处理；\n[0039] 3-3)使用最小二乘法对聚类之后的点集进行曲线拟合，求出参考物特征直线方程，确定各参考物特征直线的中心点坐标；\n[0040] 3-4)对相邻特征直线进行匹配，通过对各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量；\n[0041] 3-5)将前一帧数据的所有点加上上一步得到的最优偏移量，得到局部地图；重复上述处理过程；\n[0042] 3-6)通过循环迭代，将新的激光数据点集与原有数据匹配，同步更新位置信息和航向角信息。\n[0043] 所述步骤3-2)的具体方法为：\n[0044] 通过顺序计算点集相邻点之间的距离，判断是否在聚类距离阈值指标范围以内，如果在范围内则将相邻点进行聚类；将独立于各聚类区域以外的孤立的点去除。\n[0045] 所述步骤3-4)的具体方法为：\n[0046] 将前后相邻两帧各参考物特征直线中心点距离与特征距离阈值比较，如果相邻特征直线中心点坐标小于特征距离阈值则认为是相邻两帧同一参考物特征直线；用后一帧参考物特征直线的中心点坐标减去前一帧对应参考物特征点坐标，得到局部特征偏移量，将相邻帧各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量。\n[0047] 本发明的有益效果是：\n[0048] 本发明视觉图像处理定位、激光雷达同步定位与地图构建是两种决定定位方式，行程计算装置航迹推算是一种相对定位方式，成功实现了两种绝对定位方式在构图中的共同作用，通过绝对定位方式校正相对定位方式，实现了行程计算装置的连续校正。\n[0049] 本发明通过连续对行程计算装置进行反馈校正，有效的降低了行程计算装置在长时间或大尺度航迹推算累计误差，解决了行程计算装置累计误差造成的环形回路不闭合，地图形变等问题。\n[0050] 本发明是方案简单，成本低，可行性好。视觉图像采集装置摄像机镜头周围分布有打光LED灯，解决了光照强弱对视觉图像处理的影响，可以适应夜间环境进行地图构建。\n附图说明\n[0051] 图1为本发明基于多传感器数据融合技术构图的变电站巡检机器人结构示意图；\n[0052] 图2为本发明基于多技术融合构图的变电站巡检机器人工作方法流程图；\n[0053] 其中，1、机器人移动平台，2、工控机，3、里程计，4、视觉采集装置，5、激光雷达，6、驱动轮，7、标识线。\n具体实施方式：\n[0054] 下面结合附图与实施例对本发明做进一步说明：\n[0055] 图1中，基于多传感器数据融合技术构图的变电站巡检机器人，它包括机器人移动平台1，在该平台上有工控机2，里程计3，视觉采集装置4，激光雷达5，移动平台的驱动轮6，地面上有标识线7。\n[0056] 所述的机器人移动平台1，该实施例是轮式移动平台形式，其特点是移动平台有若干驱动轮6；\n[0057] 所述的工控机2，其特点是是搭载到机器人移动平台上的计算机；\n[0058] 所述的里程计3，其特点是接收测速传感器信号，并通过通信线路与工控机连接；\n[0059] 所述的视觉采集装置4，其特点是，该装置安装于机器人移动平台上，拥有核心视觉采集元件摄像机，摄像机镜头与地面平行，摄像机通过网线与工控机2连接，该实施例中使用的是Mako G-032工业相机，摄像机的图像垂直中轴线与标识线7平行，在摄像机镜头周围分布有打光LED阵列；\n[0060] 所述激光雷达5，其特点是安装于机器人移动平台的前端或后端，激光雷达通过通信线与工控机2连接；\n[0061] 所述的标识线7，其特点在构图进行前临时设置于构图区域机器人漫游路径上，标识线具有确定的相对于构图区域全局的航向角信息；\n[0062] 下面结合附图2对本发明涉及到的基于多传感器数据融合技术构图的变电站巡检机器人的方法步骤做进一步说明。\n[0063] [1]在目标构图区域内，在机器人构图过程开始之前，在构图区域机器人漫游路径上设置有标识线，该标识线具有确定的相对于构图区域全局的航向信息。本实施例中，标识线是一种颜色明显区别于路面的彩色色带或线。\n[0064] [2]以机器人里程计开始工作的位置作为原点(0,0,0)建立直角坐标系，启动机器人系统，启动激光雷达，启动构图处理程序。该实施例中机器人的正前方为x轴方向，与x轴垂直且与轴成右手坐标系的方向为y轴。\n[0065] [3]里程计通过对测速传感器信号接收进行航迹推算，并输出t时刻变电站巡检机器人当前的位置信息和航向角信息，这是一种相对定位方式；\n[0066] 里程计通过对测速传感器信号接收进行航迹推算的方法为：\n[0067]\n[0068]\n[0069]\n[0070] 其中，Sr(t-1)，Sl(t-1)分别为机器人移动平台右轮和左轮在t-1时刻到t时刻时间间隔走过的距离，d为机器人移动平台轮距；[X(t),Y(t),W(t)]为t时刻机器人位置信息和航向角信息。\n[0071] 同时，视觉采集装置采集变电站巡检机器人移动平台漫游路径上的标识线图像，通过视觉图像处理识别出t时刻变电站巡检机器人移动平台相对于标识线的航向角信息，这是一种绝对定位方式；\n[0072] 激光雷达扫描机器人移动平台漫游路径周围的环境，获得不同的激光雷达数据，该数据包括采样旋转角度和该角度对应反射点的距离，并将扫描数据通过以太网传输至工控机；\n[0073] 里程计航迹推算、视觉图像处理、激光雷达环境数据扫描，同步进行。该实施例中，里程计通过对测速传感器信号接收进行航迹推算，并不断输出机器人t时刻的位置信息和航向角信息。该实施例中视觉图像处理模块是对机器人移动平台漫游路径上的标识线图像进行处理，并识别出t时刻标识线特征与图像垂直中轴线的夹角，该夹角即为此时刻机器人移动平台相对于标识线的航向角。\n[0074] 主要步骤如下：\n[0075] (1)图像标定。使用相机标定阶段获取的标定参数对每一帧图像进行标定，以消除相机镜头带来的图像畸变。\n[0076] (2)对彩色图象进行颜色模型转变。由于本系统需要识别的是有颜色的标识色带或线，所以需要通过对图像感兴趣的颜色模型进行提取。本系统使用的彩色图形处理空间模型为HSI模型，该模型受光照条件变化的影响小，H代表色调、S代表饱和度、I代表亮度。把RGB模型转换为HSI模型图像。\n[0077] (3)目标图像分割。在HSI模型图像中选择RIO(关注区域)，通过学习阶段确定的H和S的阈值对图像进行分割，提取出特征对比图像。\n[0078] (4)形态学处理。通过图像结构元素对图像特征进行度量和提取，通过腐蚀和膨胀等形态学方法对图像处理以方便对特征的识别和分析。\n[0079] (5)目标特征提取和参数计算。目标特征提取使用的方法是使用8连通域对图像进行扫描。特征提取出来之后，通过边缘检测确定每行目标特征中心点坐标，通过粒子分析计算出标识线与图像垂直中轴线的夹角，因为标识线在机器人工作区域的全局航向信息是确定的，此时刻机器人相对于标识线的航向角已计算出便可确定机器人在工作区域全局中的航向信息w(t)，即实现了视觉定位，这是一种绝对定位方式。\n[0080] 由于视觉图像处理模块需要占用较多的资源，计算量大，所以需要预先设定视觉图像处理时间间隔，该时间间隔可以是里程计航迹推算周期的5～10倍，视觉图像处理模块每一个时间间隔执行一次，并将输出机器人航向角信息w(t)，该实施例中视觉采集装置摄像机周围分布有打光LED阵列，可以解决光照强弱对视觉图像处理的影响。该实施例中的激光雷达环境数据扫描，是激光雷达进行旋转190度或270度或360度扫描，获得不同的激光雷达数据，该数据包括采样旋转角度和该角度对应反射点的距离，并将扫描数据通过以太网传输至工控机。\n[0081] [4]工控机内部的构图模块采用SLAM(同步定位与地图构建方法)方法根据激光雷达采集到的环境数据对扫描区域进行构图。\n[0082] SLAM方法的具体步骤：\n[0083] (1)激光雷达数据坐标系转换。由于从激光雷达获取的点集数据是极坐标系下的数据(d,w),为了同一坐标系下处理，所以需要通过(d*cosw,d*sinw)将激光雷达点集数据转换到直角坐标系下。\n[0084] (2)使用聚类距离阈值指标对直角坐标系下的点集进行聚类处理。通过顺序计算相邻点集之间的距离，判断是否在聚类阈值范围以内，如果在范围内则将相邻点进行聚类。\n对于独立于各聚类区域以外的孤立的点去除。\n[0085] (3)对聚类之后的点集进行曲线拟合。使用最小二乘法对聚类之后的点集进行曲线拟合，求出参考物特征直线方程，确定各参考物特征直线的中心点坐标。\n[0086] (4)对相邻特征直线进行匹配，通过对各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量。将前后相邻两帧各参考物特征直线中心点距离与特征距离阈值比较，如果相邻特征直线中心点坐标小于特征距离阈值则认为是相邻两帧同一参考物特征直线；用后一帧参考物特征直线的中心点坐标减去前一帧对应参考物特征点坐标，得到局部特征偏移量，将相邻帧各参考物特征直线之间的局部特征偏移量进行分布平均计算，得出相邻帧特征最优偏移量。\n[0087] (5)将上一帧数据的所有点加上上一步中的偏移量，得到局部地图；重复上述处理过程；\n[0088] (6)通过循环迭代，循环管将新的激光数据点集与旧有数据匹配，依次同步更新位置信息和航向角信息(Xt,Yt,Wt)。\n[0089] [5]SLAM同步定位位置信息和航向角信息与视觉图像处理模块定位航向角信息进行加权处理:\n[0090] 加权滤波处理的公式如下：\n[0091] W'(t)＝c*W(t)+(1-c)*w(t)+Pe\n[0092] 上式中W(t)为通过同步定位于地图构建得到的t时刻机器人的航向角信息，w(t)为视觉图像处理得到的t时刻机器人的航向角信息。c为权值系数，通过在调试过程中根据经验进行设定，Pe为补偿系数，因为行程计算装置和视觉图像处理过程中数据存在不同步，在校正公式中加入一定量的补偿系数，这一补偿系数要结合系统采样速度和计算速度而定，校正得到的航向角W'(t)在输入到里程计新周期t+1时刻的航迹推算过程中即完成了一个周期的里程计校正。\n[0093] [6]将同步定位处理之后的位置信息(Xt,Yt)和加权处理之后的坐标信息Wt’反馈到里程计实现对里程计的校正。\n[0094] [7]重复上述步骤[2]～[6]，循环迭代并将局部地图进行融合输出全局地图。\n[0095] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。