动态时域自适应预测方法、跟车加速度规划方法及存储介质与流程-j9九游会真人

1.本发明涉及汽车领域，特别是涉及一种用于智能驾驶、高级驾驶辅助系统(adas)的动态时域自适应预测方法、跟车加速度规划方法及存储介质。


背景技术：

2.近几年，中国乘用车智能驾驶辅助系统的渗透率逐年提高，l2级系统为增长的绝对主力。当前10-20万价位车型占国内乘用车市场的百分之五十以上，是大多数消费者优先考虑的购车价位。考虑到智能驾驶辅助系统的应用成本，该价位段的视觉产品形态主要为单摄像头或单摄像头与毫米波雷达的组合，规划控制算法主要在低算力的mcu上运行。在有限的硬件资源下，采用何种跟车加速度规划方法是实现自适应巡航控制(acc)系统量产开发的关键问题。因此，占用资源少、实时性好、且能保证高安全高舒适高可靠量产要求的跟车加速度规划方法具有较大的研究价值和广阔的应用前景。
3.当前基于预测的跟车加速度规划方法由于算法复杂，占用硬件资源大，较难在低算力控制器上实现量产。而传统的规划方法如pid方法，虽然占用资源少，实时性好，但无法保证高安全高舒适高可靠的量产要求，且缺少对多车型适配的高通用特性。常见的跟车加速度规划方法有线性最优二次型调节器、模糊逻辑、模型预测控制(mpc)、强化学习及人工神经网络等。线性最优二次型方法的调参结果往往难以实现各目标的均衡；模糊逻辑方法容易产生无优化的结果，且策略需要调节的参数较多，给工程实现带来一定困难；未经算法优化的mpc方法计算耗时长，资源占用较大，且对模型的准确性要求较高，故难以在低算力控制器上实现量产；强化学习方法当测试输入超出训练样本范围时，其性能会弱化，表明其泛化能力不足，无法保证量产所需的高安全高可靠特性；神经网络方法需要大量数据进行训练，对多场景多工况的数据采集有较高要求，多车型适配的数据采集和训练成本也较高，不适合量产。


技术实现要素：

4.在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
5.本发明要解决的技术问题是提供一种基于自车与目标车预测的相对运动状态能自适应调整预测时域长度，能增强系统纵向规划控制的鲁棒性和车型自适应能力的动态时域自适应预测方法。
6.以及，基于所述动态时域自适应预测方法的跟车加速度规划方法及存储介质。
7.为解决上述技术问题，本发明提供的动态时域自适应预测方法，其用于车辆加速度规划，包括：
8.s1，根据自车和目标车的相对速度归一化表示r
vr
(k)和相对距离归一化表示r
sr
(k)指定动态时域的第一增益因子t
g1
(k)；
[0009][0010][0011]
s2，划分不同速度段，指定各速度段的动态时域的第二增益因子t
g2
(k)；
[0012]
s3，根据第一增益因子t
g1
(k)和第二增益因子t
g2
(k)计算获得总动态时域增益因子tg(k)；
[0013]
tg(k)＝t
g1
(k)
·
t
g2
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0014]
s4,根据自车与目标车预测的相对运动状态和总动态时域增益因子tg(k)自适应调整预测时域长度；
[0015][0016]
k表示时刻，t
prdt
(k)为自适应调整预测时域长度，r
t
(k)为由r
vr
(k)和r
sr
(k)所划分的xy二维坐标系中上一点距原点的距离，v
t_prdt
(k)表示目标车预测速度,v
h_prdt
(k)表示自车预测速度,s
re_prdt
(k)表示自车与目标车相对预测距离,sd(k)表示不同设定时距下的自车与目标车期望距离。
[0017]
可选择的，进一步改进所述的动态时域自适应预测方法，第一增益因子t
g1
(k)采用以下方式表达；
[0018]
t
g1
(k)＝t
g1
(r
vr
(k),r
sr
(k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)。
[0019]
可选择的，进一步改进所述的动态时域自适应预测方法，第二增益因子t
g2
(k)采用以下方式表达；
[0020]
t
g2
(k)＝t
g2
(v
h_prdt
(k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)。
[0021]
可选择的，进一步改进所述的动态时域自适应预测方法，r
t
(k)采用以下方式表达；
[0022][0023]
为解决上述技术问题，本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时用于实现上述任意一项所述的动态时域自适应预测方法中的步骤。
[0024]
为解决上述技术问题，本发明提供一种跟车加速度规划方法，包括以下步骤：
[0025]
步骤一，采用上述任意一项所述的动态时域自适应预测方法预测动态时域；
[0026]
步骤二，基于预测动态时域将自车的运动学方程模型预测控制的自车离散时间状态空间运动模型；
[0027]
需要说明的是，预测动态时域和自车的运动学方程形成自车离散时间状态空间运动模型的方法并不是唯一的，比如基于本发明的预测动态时域将一种现有的自车运动学模型进行转换自车离散时间状态空间运动模型。
[0028]
步骤三，根据优化后的自车离散时间状态空间运动模型获得加速度变化率和期望
加速度，对加速度变化率约束获得跟车期望加速度。
[0029]
为解决上述技术问题，本发明提供一种计算机可读存储介质，所述计算机程序被执行时用于实现所述的跟车加速度规划方法中的步骤。
[0030]
本发明提供的动态时域自适应预测方法摒弃了背景技术中所述的传统控制方法，基于自车与目标车预测的相对运动状态通过动态时域管理，自适应调整多场景多工况下的mpc预测时域，对于跟车过程的安全性和舒适性的提升具有实质意义。本发明动态时域自适应预测方法对动态时域进行离线标定可以选择设计mpc目标函数降低其求解复杂度，可减小算法资源消耗，适配低算力控制器，增强了系统纵向规划控制的鲁棒性和车型自适应能力，满足资源占用少、实时性好的高安全高舒适高可靠量产要求，具有广阔的应用前景和较高的市场价值。
[0031]
本发明提供的跟车加速度规划方法基于本发明提供的动态时域自适应预测方法和车辆运动学模型(可利用现有车辆运动学模型)，能降低模型预测控制的计算耗时，满足本研究面向的低算力硬件系统方案，提高跟车安全性。
附图说明
[0032]
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
[0033]
图1是本发明跟车加速度规划方法逻辑框图。
具体实施方式
[0034]
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。应当理解的是，当元件被称作“连接”或“结合”到另一元件时，该元件可以直接连接或结合到另一元件，或者可以存在中间元件。不同的是，当元件被称作“直接连接”或“直接结合”到另一元件时，不存在中间元件。在全部附图中，相同的附图标记始终表示相同的元件。如在这里所使用的，术语“和/或”包括一个或多个相关所列项目的任意组合和所有组合。
[0035]
第一实施例；
[0036]
本发明提供一种动态时域自适应预测方法，其用于车辆加速度规划，包括：
[0037]
s1，根据自车和目标车的相对速度归一化表示r
vr
(k)和相对距离归一化表示r
sr
(k)指定动态时域的第一增益因子t
g1
(k)；
[0038]
动态时域管理由相对速度和相对距离归一化处理以及动态时域增益因子自适应处理组成。相对速度和相对距离归一化处理将自车和目标车相对运动状态划分为速度和距离两个维度，可更合理地设计动态时域增益因子，进而获得适应性高的预测时域。其归一化处理过程可表示为：
[0039][0040][0041]
由相对速度和相对距离两个维度的归一化确定动态时域增益因子t
g1
(k)。r
vr
(k)和r
sr
(k)分别代表x轴和y轴，可划分为四个象限。第一象限代表自车与目标车的相对速度大于零且相对距离大于设定时距下的期望距离；第二象限代表自车与目标车的相对速度小于零且相对距离大于设定时距下的期望距离；第三象限代表自车与目标车的相对速度小于零且相对距离小于设定时距下的期望距离；第四象限代表自车与目标车的相对速度大于零且相对距离小于设定时距下的期望距离。不同象限下可根据具体车型项目对跟车性能的要求设计由式(3)表示的动态时域增益因子t
g1
(k)，其参数设计规律为：可在第一象限设置较大值，增大预测时间提高舒适性；在第三象限设置较小值，在应对紧急工况时减少预测时间提高安全性；在第二和第四象限可设置介于第一和第三象限的参数值。第一增益因子t
g1
(k)采用以下方式表达；
[0042]
t
g1
(k)＝t
g1
(r
vr
(k),r
sr
(k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)；
[0043]
s2，划分不同速度段，指定各速度段的动态时域的第二增益因子t
g2
(k)；为了降低动态时域增益因子t
g1
(k)适配不同车型项目的标定工作量，设计了另一个动态时域增益因子t
g2
(k)，其表达式可由式(4)表示，为关于自车预测速度的函数。针对不同车型项目，可在基本不改变动态时域增益因子t
g1
(k)的情况下，设计不同速度段的增益因子t
g2
(k)以适配全场景跟车要求。这不仅大幅降低了预测时域因子的标定难度而且进一步提高了车型自适应能力，体现了系统的高通用性，第二增益因子t
g2
(k)采用以下方式表达；
[0044]
t
g2
(k)＝t
g2
(v
h_prdt
(k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)；
[0045]
s3，根据第一增益因子t
g1
(k)和第二增益因子t
g2
(k)计算获得总动态时域增益因子tg(k)；结合动态时域增益因子t
g1
(k)和动态时域增益因子t
g2
(k)，总动态时域增益因子tg(k)可由式(5)表示；
[0046]
tg(k)＝t
g1
(k)
·
t
g2
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0047]
s4,根据自车与目标车预测的相对运动状态和总动态时域增益因子tg(k)自适应调整预测时域长度；
[0048][0049]
k表示时刻，t
prdt
(k)为自适应调整预测时域长度，r
t
(k)为由r
vr
(k)和r
sr
(k)所划分的xy二维坐标系中上一点距原点的距离可由式(6)表示，v
t_prdt
(k)表示目标车预测速度,v
h_prdt
(k)表示自车预测速度,s
re_prdt
(k)表示自车与目标车相对预测距离,sd(k)表示不同设定时距下的自车与目标车期望距离，由上述动态时域管理的计算过程可知，通过自车与目
标车预测的相对运动状态可自适应调整预测时域长度，增强系统纵向规划控制的鲁棒性和车型自适应能力。
[0050]
第二实施例；
[0051]
本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时用于实现第一实施例所述的动态时域自适应预测方法中的步骤。
[0052]
所述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0053]
第三实施例；
[0054]
本发明提供一种跟车加速度规划方法，包括以下步骤：
[0055]
步骤一，采用第一实施例所述的动态时域自适应预测方法预测动态时域；
[0056]
步骤二，基于预测动态时域将自车的运动学方程模型预测控制的自车离散时间状态空间运动模型；该模型可以采用现有的车辆运动模型结合预测动态时域形成；申请人兹举例一优选实施方式如下，相应的该优选实施方式不应被理解为对于本技术自车离散时间状态空间运动模型构建过程的限制。
[0057]
假设在动态预测时域内，其自车的期望加速度变化率是恒定的，则自车的运动学方程可由下列关系式表示：
[0058]
j(t)＝j
hf
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0059][0060][0061][0062]
其中，t
prdt
表示预测时域；j
hf
表示预测时域内恒定的加速度变化率；j(t)、a(t)、v(t)、s(t)分别表示自车加速度变化率、加速度、速度和行驶距离；a0、v0、s0分别表示起始时刻的自车加速度、速度和行驶距离。
[0063]
运动学方程的约束条件如下：
[0064]
v(t＝0)＝v0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0065]
s(t＝0)＝s0＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0066]
v(t＝t
prdt
)＝v
t
(t
prdt
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0067]
s(t＝t
prdt
)-s0＝s
t
(t
prdt
)-sd(v
t
(t
prdt
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0068]
v0、s0分别表示起始时刻的自车速度和行驶距离。v
t
(t
prdt
)表示预测时域时刻的目
标车速度；s
t
(t
prdt
)表示预测时域内目标车行驶距离和起始时刻感知距离之和；sd(v
t
(t
prdt
))表示自车期望的跟车距离。
[0069]
将式(8)、(9)、(10)和(11)表示的运动学方程转化为模型预测控制的离散时间状态空间模型，其状态方程和输出方程表达式如下：
[0070]
x(k 1)＝akx(k) bku(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0071]
y(k)＝ckx(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0072]
其中，
[0073][0074]jhf
(k)、a
hf
(k)、vh(k)、sh(k)分别表示自车加速度变化率、加速度、速度和行驶距离；
[0075]
状态矩阵、输入矩阵和输出矩阵分别为：
[0076][0077]
t表示单个时间步长。
[0078]
由此可推得输出变量序列表达式：
[0079][0080]
其中n
p
(k)表示k时刻预测时域周期数，nc(k)表示k时刻控制时域周期数，y(k 1|k)表示在当前k时刻预测的k 1时刻输出变量，
…
,y(k n
p
(k)|k)表示在当前k时刻预测的k n
p
(k)时刻输出变量
[0081]
自车运动状态在预测时间终态需满足驾驶员设定时距要求，即满足表达式(14)和(15)，约束条件满足式(12)和(13)。为了降低模型预测控制的计算耗时，满足本研究面向的低算力硬件系统方案，设计代价函数如下：
[0082]
j＝(r
s-y(k n
p
(k)|k))
t
(r
s-y(k n
p
(k)|k))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0083]
其中，
[0084]rs
＝[v
t
(k n
p
(k)) s
re
(k n
p
(k))-sd(v
t
(k n
p
(k)))]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0085]vt
(k n
p
(k))表示k n
p
(k)时刻的目标车预测速度；s
re
(k n
p
(k))表示k n
p
(k)预测时域内目标车行驶距离和起始时刻感知距离之和；sd(v
t
(k n
p
(k)))表示自车期望的跟车距离。
[0086]
求代价函数(21)最小值，即求：
[0087]
||r
s-y(k n
p
(k)|k)||2＝0
ꢀꢀꢀꢀꢀꢀꢀ
(23)
[0088]
进一步可推出：
[0089][0090][0091]
其中，
[0092]np
(k)t＝t
prdt
(k)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(25)
[0093]vt
(k n
p
(k))＝max{[v
t_prdt
(k) a
t_prcd
(k)
·np
(k)t]，0}
ꢀꢀꢀꢀꢀꢀꢀ
(26)
[0094][0095]
表示k时刻目标车速度；a
t_prcd
(k)表示k时刻目标车加速度；s
re_prdt
(k)表示k时刻自车相对目标车距离。
[0096]
故而可推得期望加速度为，
[0097][0098]
为进一步提高跟车安全性，示例性的在预测时域内划分16个时刻，即1/16
·np
(k)t，2/16
·np
(k)t，
…
，16/16
·np
(k)t，分别计算这16个时刻终态的代价函数(21)，取其中计算所得最小的期望加速度
[0099]
由于状态空间方程未保证自车速度在预测时域内始终大于零，所以在预测时域内存在自车速度为负值情况时，即加速度为零时的速度极值小于零时刻，需要对终态条件进行修正，即：
[0100]
v(t＝0)＝v0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(29)
[0101]
v(t＝t
prdt
)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0102]
a(t＝t
prdt
)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(31)
[0103]
s(t＝0)＝s0＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(32)
[0104]
s(t＝t
prdt
)-s0＝s
t
(t
prdt
)-sd(v
t
(t
prdt
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(33)
[0105]
其中，t
prdt
表示预测时域；v0、s0分别表示起始时刻的自车速度和行驶距离。v
t
(t
prdt
)表示预测时域时刻的目标车速度；s
t
(t
prdt
)表示预测时域内目标车行驶距离和起始时刻感知距离之和；sd(v
t
(t
prdt
))表示自车期望的跟车距离。
[0106]
根据上述修正约束调整代价函数中的rs，可求得此特殊工况下的加速度变化率和
期望加速度：
[0107]
步骤三，根据优化后的自车离散时间状态空间运动模型获得加速度变化率和期望加速度，对加速度变化率约束获得跟车期望加速度；
[0108]
需要说明的是，对加速度变化率约束可以采用现有的加速度变化率约束方案；申请人兹举例一优选实施方式如下述第四实施例，相应的该优选实施方式不应被理解为对于本技术加速度变化率约束方案的限制。
[0109]
第四实施例；
[0110]
本发明提供一种对加速度变化率约束的方案，包括：
[0111]
由于两次滚动优化间计算的j
hf
(k|k)与j
hf
(k 1|k 1)往往不相同，两者的过渡存在较大的跳变不符合车辆的实际行驶状态，所以需要对式(24)中计算的加速度变化率j
hf
(k)进行优化，优化后的表达式如下：
[0112][0113]
其中cj为权重因子。
[0114]
由上式加速度变化率约束后的跟车期望加速度为：
[0115][0116]
其中，a
fnl
(k-1)表示上一时刻加速度变化率约束后的跟车期望加速度。
[0117]
第五实施例；
[0118]
本发明提供一种计算机可读存储介质，其内部存储有一计算机程序，所述计算机程序被执行时用于实现第三实施例所述的跟车加速度规划方法中的步骤。
[0119]
所述计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0120]
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域
语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
[0121]
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。