一种车辆定位方法、装置、设备及介质与流程

1.本发明涉及车辆定位技术领域，尤其涉及一种车辆定位方法、装置、设备及介质。


背景技术：

2.随着自动驾驶技术的迅速发展，精准定位变得越来越重要。目前，在室内及建筑密集区域，由于传统的gps(global positioning system，全球定位系统)定位方法往往会因建筑物遮挡等因素产生较大干扰，定位精度较差，因此，一般通过在车端设置激光雷达、相机或惯性测量单元等实现对车辆的定位。但是，本发明人在对现有技术的研究中发现，仅依靠上述定位装置无法实现车辆的精准定位，定位准确度较低。


技术实现要素：

3.本发明提供一种车辆定位方法、装置、设备及介质，以解决现有技术仅基于车端定位算法进行定位精准度较低的问题。
4.为实现上述目的，第一方面，本发明实施例提供了一种车辆定位方法，包括以下步骤：
5.获取待定位车辆的场端定位信息；
6.获取所述待定位车端速度信息；
7.将所述待定位车辆的场端定位信息与所述待定位车辆的车端速度信息进行融合，得到所述待定位车辆的定位信息。
8.作为第一方面其中一种可选的实施例，所述获取待定位车辆的场端定位信息，包括：
9.基于布设在场端的激光雷达获取待定位车辆的激光点云数据；
10.将所述激光点云数据输入训练好的预设神经网络模型中，得到所述待定位车辆在雷达坐标系下的第一位姿数据；
11.将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，并将所述第二位姿数据作为所述场端定位信息；其中，所述场端定位信息包括所述待定位车辆在所述地图坐标系下的初始横坐标、初始纵坐标以及初始姿态角。
12.作为第一方面其中一种可选的实施例，所述将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，包括：
13.获取所述激光雷达在地图坐标系下的雷达位姿数据；
14.获取雷达坐标系相对于地图坐标系的旋转矩阵；
15.将所述第一姿数据与所述旋转矩阵相乘，并将得到的乘积与所述雷达位姿数据的和值作为所述待定位车辆在地图坐标系下的第二位姿数据。
16.作为第一方面其中一种可选的实施例，所述获取所述待定位车辆的车端速度信息，包括：
17.获取所述待定位车辆的轮速数据；
18.根据所述待定位车辆的初始姿态角对所述待定位车辆的轮速数据进行分解，得到所述待定位车辆在不同坐标方向的轮速分量，并将所述待定位车辆在不同坐标方向的轮速分量作为所述车端速度信息。
19.作为第一方面其中一种可选的实施例，所述将所述待定位车辆的场端定位信息与所述待定位车辆的车端速度信息进行融合，得到所述待定位车辆的定位信息，包括：
20.将所述待定位车辆的场端定位信息作为场端观测量，所述待定位车辆在不同坐标方向的轮速分量作为车端观测量，输入卡尔曼滤波器进行数据融合，得到更新后的状态变量；
21.根据所述更新后的状态变量，获取所述待定位车辆的定位信息。
22.第二方面，本发明实施例提供了一种车辆定位装置，包括：
23.场端定位信息获取模块，用于获取待定位车辆的场端定位信息；
24.车端速度信息获取模块，用于获取所述待定位车辆的车端速度信息；
25.车辆定位信息获取模块，用于将所述待定位车辆的场端定位信息与所述待定位车辆的车端速度信息进行融合，得到所述待定位车辆的定位信息。
26.作为第二方面其中一种可选的实施例，所述场端定位信息获取模块获取待定位车辆的场端定位信息，具体包括：
27.基于布设在场端的激光雷达获取待定位车辆的激光点云数据；
28.将所述激光点云数据输入训练好的预设神经网络模型中，得到所述待定位车辆在雷达坐标系下的第一位姿数据；
29.将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，并将所述第二位姿数据作为所述场端定位信息；其中，所述场端定位信息包括所述待定位车辆在所述地图坐标系下的初始横坐标、初始纵坐标以及初始姿态角。
30.第三方面，本发明实施例提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一实施例所述的车辆定位方法。
31.作为第三方面其中一种可选的实施例，所述终端设备设置于所述场端。
32.第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述第一方面任一实施例所述的车辆定位方法。
33.与现有技术相比，本发明实施例提供的一种车辆定位方法、装置、设备及介质，通过对场端获取的定位信息和车端获取的速度信息进行数据融合，解决了在gps信号较弱的场景下，现有技术仅基于车端定位算法进行定位精准度较低的问题，从而进一步提高了车辆的定位准确度。
附图说明
34.图1是本发明实施例提供的一种车辆定位方法的流程示意图；
35.图2是本发明实施例提供的激光雷达在场端的布置位置示意图；
36.图3是是本发明实施例提供的基于卡尔曼滤波器进行数据融合的结构示意图；
37.图4是本发明实施例提供的一种车辆定位装置的结构示意图；
38.图5是本发明实施例提供的一种终端设备的结构示意图。
具体实施方式
39.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。
40.第一方面，本发明实施例提供了一种车辆定位方法，参见图1，是本发明实施例提供的一种车辆定位方法的流程示意图，所述方法包括步骤s11至步骤s13：
41.s11、获取待定位车辆的场端定位信息。
42.具体的，场端可以理解为待定位车辆周围的预设安全范围。为了保证车辆的正常行驶，避免车辆与障碍物发生碰撞，一般会在车辆的场端布置一定的定位传感装置，用于采集待定位车辆在场端的定位信息。
43.s12、获取所述待定位车辆的车端速度信息。
44.具体的，待定位车辆可以理解为车端，一般通过在车端设置激光雷达、相机或惯性测量单元等实现对车辆的定位。
45.需要说明的是，在车端获取到的待定位车辆的轮速数据v为待定位车辆在前进方向的速度。
46.s13、将所述待定位车辆的场端定位信息与所述待定位车辆的车端速度信息进行融合，得到所述待定位车辆的定位信息。
47.可以理解的是，在现有技术中，一般通过在车端设置激光雷达、相机或惯性测量单元等来采集车辆的定位数据，并基于车端定位算法来实现对车辆的定位，但是，仅依靠车端的定位装置和定位算法无法实现车辆的精准定位，定位准确度较低。因此，在本发明实施例中，提出基于场端数据和车端数据进行融合定位的车辆定位方法，以进一步提高车辆定位的准确度。
48.进一步值得说明的是，与现有技术相比，本发明实施例第一方面提供的一种车辆定位方法，通过对场端获取的定位信息和车端获取的速度信息进行数据融合，解决了在gps信号较弱的场景下，现有技术仅基于车端定位算法进行定位精准度较低的问题，从而进一步提高了车辆的定位准确度。
49.作为第一方面其中一种可选的实施例，所述步骤s11具体包括：
50.s111、基于布设在场端的激光雷达获取待定位车辆的激光点云数据；
51.s112、将所述激光点云数据输入训练好的预设神经网络模型中，得到所述待定位车辆在雷达坐标系下的第一位姿数据；
52.s113、将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，并将所述第二位姿数据作为所述场端定位信息；其中，所述场端定位信息包括所述待定位车辆在所述地图坐标系下的初始横坐标、初始纵坐标以及初始姿态角。
53.示例性的，参见图2，是本发明实施例提供的激光雷达在场端的布置位置示意图。将若干个激光雷达21布置于待定位车辆22所处道路的两侧，并标定出每个激光雷达21在地图坐标系下的位置。具体的，在确定好激光雷达21在场端的布置位置并将激光雷达21固定
好位置后，通过rtk gps标定出激光雷达21的精确位置，从而得到每个激光雷达21在地图中的位置。随后，服务器23通过标定好位置的激光雷达21获取待定位车辆22的激光点云数据，并将激光点云数据输入训练好的预设神经网络模型中，得到待定位车辆22在雷达坐标系下的第一位姿数据，并将第一位姿数据转换为在地图坐标系下的第二位姿数据，即获得了场端定位信息。其中，场端定位信息具体包括待定位车辆22在所述地图坐标系下的初始横坐标x、初始纵坐标y以及初始姿态角θ。最后，根据场端定位信息绑定待定位车辆22，完成对待定位车辆22的状态初始化和定位跟踪。其中，激光雷达21的布置要求主要包括：安装高度为2m左右，通过点云检测覆盖全道路，不要求对称分布，保证无漏检区域。激光雷达21的标定要求主要包括在地图中的位置精度在0.3m范围内。
54.可以理解的是，激光点云数据是由激光雷达扫描获取得到的。其中，点云数据是指在一个三维坐标系统中的一组向量的集合，这些向量通常以三维坐标的形式表示，而且一般主要用来代表一个物体的外表面形状。
55.需要说明的是，在实际应用过程中，也可以通过在场端设置除激光雷达以外的其他传感装置或者定位装置，来获取待定位车辆的位姿数据，其中，具体采用的传感装置、传感装置的数量，以及传感装置的设置位置，均可以根据实际需求和试验进行设定，在此仅为其中一种可选的实施例的举例说明而不作限定。
56.值得说明的是，通过根据布置在场端的传感装置如激光雷达对待定位车辆的场端定位信息进行获取，从而得到待定位车辆在雷达坐标系下的定位信息，并通过坐标系的转换得到待定位数据在地图坐标系下的定位信息，从而基于激光雷达实现了对待定位车辆的场端定位信息获取，解决了车辆在室内及建筑密集区域等gps信号较弱区域的场端定位精度较低的问题，提高了车辆在场端的定位精度和准确度。
57.作为第一方面其中一种可选的实施例，在所述步骤s113中，所述将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，包括：
58.s1131、获取所述激光雷达在地图坐标系下的雷达位姿数据；
59.s1132、获取雷达坐标系相对于地图坐标系的旋转矩阵；
60.s1133、将所述第一姿数据与所述旋转矩阵相乘，并将得到的乘积与所述雷达位姿数据的和值作为所述待定位车辆在地图坐标系下的第二位姿数据。
61.示例性的，假设待定位车辆在雷达坐标系下的位姿数据为p
l
(x
l
,y
l
,θ
l
)，检测到激光雷达在地图坐标系下的雷达位姿数据为p
lidar
(xm,ym,θm)，通过使用二维旋转、平移变换可以分别得到雷达坐标系相对于地图坐标系的旋转矩阵、平移矩阵，其中，旋转矩阵平移矩阵则待定位车辆在地图坐标系下的第二位姿数据pm的坐标变换公式具体为：
62.pm＝r
ml
*p
l
+p
lidar
63.值得说明的是，在通过场端设置的激光雷达采集到待定位车辆在雷达坐标系下的定位信息后，需要将雷达坐标系下的定位信息转换为地图坐标系下的定位信息，以便于场端定位数据后续与车端数据或者其他数据基于同一坐标系进行数据融合，从而提高后续数据融合计算的效率以及计算结果的准确性。
64.作为第一方面其中一种可选的实施例，所述步骤s12具体包括：
65.s121、获取所述待定位车辆的轮速数据；
66.s122、根据所述待定位车辆的初始姿态角对所述待定位车辆的轮速数据进行分解，得到所述待定位车辆在不同坐标方向的轮速分量，并将所述待定位车辆在不同坐标方向的轮速分量作为所述车端速度信息。
67.示例性的，在车端获取到的待定位车辆的轮速数据v后，其中，待定位车辆的轮速数据v为待定位车辆在前进方向的速度，需要根据采集到的待定位车辆的初始姿态角θm对轮速数据v进行分解，以得到轮速数据v分别在地图坐标系下x方向的轮速分量v
x
和在y方向的轮速分量vy，具体公式为：
68.v
x
＝v*cosθm69.vy＝v*sinθm70.值得说明的是，通过将场端定位信息与车端的轮速数据进行数据融合，能够解决在gps无效场景中，仅依靠车端定位算法进行定位，定位精准度较低的问题，从而更好的在园区、工厂等gps失效场景中进行车辆定位，提高车辆定位的精准度。
71.作为第一方面其中一种可选的实施例，所述步骤s13具体包括：
72.s131、将所述待定位车辆的场端定位信息作为场端观测量，所述待定位车辆在不同坐标方向的轮速分量作为车端观测量，输入卡尔曼滤波器进行数据融合，得到更新后的状态变量；
73.s132、根据所述更新后的状态变量，获取所述待定位车辆的定位信息。
74.示例性的，参见图3，是本发明实施例提供的基于卡尔曼滤波器进行数据融合的结构示意图。将根据步骤s113得到的场端定位信息(x,y,θ)作为场端观测量[x,y,θ]
t
，以及将根据步骤s122得到的待定位车辆在x方向的轮速分量v
x
和在y方向的轮速分量vy作为车端观测量[v
x
,vy]
t
，输入卡尔曼滤波器中进行滤波(即进行数据融合)，得到更新后的状态向量，以实时更新和输出待定位车辆的每一时刻的定位信息，待定位车辆会以一定的发布频率发布或者输出定位时刻的车辆位姿数据。其中，在卡尔曼滤波器中，系统状态方程以均速模型进行状态递推，场端观测量为[x,y,θ]
t
，车端观测量为[v
x
,vy]
t
，滤波器的状态量为[x,y,θ,v
x
,vy]
t
。
[0075]
需要说明的是，由于卡尔曼滤波器的具体原理和具体滤波过程均为现有技术，在此不再赘述滤波的具体过程。另外，在实际应用过程中，除了卡尔曼滤波器，其它能够实现与本实施例所述的数据融合功能相同的算法，在本领域普通技术人员在没有做出创造性劳动前提下，应用其它算法实现同样功能所获得的所有其他实施例，都应当属于本发明保护的范围。
[0076]
值得说明的是，卡尔曼滤波器是一种高效率的自回归滤波器，利用系统状态方程，通过输入的观测数据，对系统状态进行最优估计的算法，具有低存储，实时响应快，易于实现等优点，在导航、信号处理、机器人规划和控制等工业界各领域得到广泛应用。通过采用卡尔曼滤波器对车端与场端的数据进行融合，进一步提高了定位数据的精准度。
[0077]
第二方面，本发明实施例提供了一种车辆定位装置，参见图4，是本发明实施例提供的一种车辆定位装置40的结构示意图，包括：
[0078]
场端定位信息获取模块41，用于获取待定位车辆的场端定位信息；
[0079]
车端轮速数据获取模块42，用于获取所述待定位车辆的车端速度信息；
[0080]
车辆定位信息获取模块43，用于将所述待定位车辆的场端定位信息与所述待定位车辆的车端速度信息进行融合，得到所述待定位车辆的定位信息。
[0081]
与现有技术相比，本发明实施例第二方面提供的一种车辆定位装置，通过场端定位信息获取模块41获取待定位车辆的场端定位信息，通过车端轮速数据获取模块42获取所述待定位车辆的车端速度信息，通过车辆定位信息获取模块43得到所述待定位车辆的定位信息。采用本发明实施例，通过对场端获取的定位信息和车端获取的轮速数据进行数据融合，解决了在gps信号较弱的场景下，现有技术仅基于车端定位算法进行定位精准度较低的问题，从而进一步提高了车辆的定位准确度。
[0082]
作为第二方面其中一种可选的实施例，所述场端定位信息获取模块41获取待定位车辆的场端定位信息，具体包括：
[0083]
基于布设在场端的激光雷达获取待定位车辆的激光点云数据；
[0084]
将所述激光点云数据输入训练好的预设神经网络模型中，得到所述待定位车辆在雷达坐标系下的第一位姿数据；
[0085]
将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，并将所述第二位姿数据作为所述场端定位信息；其中，所述场端定位信息包括所述待定位车辆在所述地图坐标系下的初始横坐标、初始纵坐标以及初始姿态角。
[0086]
作为第二方面其中一种可选的实施例，所述将所述第一位姿数据转换为在地图坐标系下的第二位姿数据，包括：
[0087]
获取所述激光雷达在地图坐标系下的雷达位姿数据；
[0088]
获取雷达坐标系相对于地图坐标系的旋转矩阵；
[0089]
将所述第一姿数据与所述旋转矩阵相乘，并将得到的乘积与所述雷达位姿数据的和值作为所述待定位车辆在地图坐标系下的第二位姿数据。
[0090]
作为第二方面其中一种可选的实施例，所述车端轮速数据获取模块42具体包括：
[0091]
获取所述待定位车辆的轮速数据；
[0092]
根据所述待定位车辆的初始姿态角对所述待定位车辆的轮速数据进行分解，得到所述待定位车辆在不同坐标方向的轮速分量，并将所述待定位车辆在不同坐标方向的轮速分量作为所述车端速度信息。
[0093]
作为第二方面其中一种可选的实施例，所述车辆定位信息获取模块43包括：
[0094]
将所述待定位车辆的场端定位信息作为场端观测量，所述待定位车辆在不同坐标方向的轮速分量作为车端观测量，输入卡尔曼滤波器进行数据融合，得到更新后的状态变量；
[0095]
根据所述更新后的状态变量，获取所述待定位车辆的定位信息。
[0096]
另外，需要说明的是，本实施例的车辆定位装置的各实施例的相关具体描述和有益效果可以参考上述第一方面的车辆定位方法的各实施例的相关具体描述和有益效果，在此不作赘述。
[0097]
第三方面，本发明实施例提供了一种终端设备，参见图5，是本发明实施例提供的一种终端设备的结构示意图。该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序。所述处理器50执行所述计算机程序时实现上述第一方面任一实施例所述的车辆定位方法。或者，所述处理器50执行所述
计算机程序时实现上述各装置实施例中各模块的功能。
[0098]
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备5中的执行过程。
[0099]
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
[0100]
所称处理器50可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器50是所述终端设备5的控制中心，利用各种接口和线路连接整个终端设备5的各个部分。
[0101]
所述存储器51可用于存储所述计算机程序和/或模块，所述处理器50通过运行或执行存储在所述存储器51内的计算机程序和/或模块，以及调用存储在存储器51内的数据，实现所述终端设备5的各种功能。所述存储器51可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0102]
其中，所述终端设备5集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器50执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0103]
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件
说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0104]
作为第三方面其中一种可选的实施例，所述终端设备设置于所述场端。
[0105]
示例性的，在对待定位车辆进行定位的过程中，会首先绑定并实时监测待定位车辆的运行参数，并在待定位车辆行驶的过程中，分别通过场端和车端设置的传感装置实时获取待定位车辆的场端定位信息和车端速度信息，并通过设置于场端的终端设备将获取到场端定位信息和车端速度信息进行数据融合。
[0106]
需要说明的是，在实际应用过程中，数据融合的处理终端设备可以设置于场端，也可以设置于车端，或者其他可实施的设备或者场景中，在此仅为其中一种可选的实施方式，而不作过多限定。
[0107]
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述第一方面任一实施例所述的车辆定位方法。
[0108]
本领域技术人员可以理解，可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的模块或单元组合成一个模块或单元，以及此外可以把它们分成多个子模块或子单元。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
[0109]
应该注意的是，上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包括”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。
[0110]
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在本发明的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
[0111]
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。