一种自适应巡航前方目标切入切出识别与控制方法与流程

1.本发明属于自适应巡航领域，具体涉及一种自适应巡航前方目标切入切出识别与控制方法。


背景技术：

2.自适应巡航为驾驶辅助系统中的组成部分，根据对前方车辆的感知自动实现跟车行驶的时距控制和巡航时的速度控制，在高速公路、城区高架以及非极端道路工况得到广泛应用。该功能在给用户带来便捷的同时，也存在一些场景功能无法有效覆盖或者性能表现不佳。其中在切入场景中及时选中切入目标进行加减速，以及在切出场景及时释放原目标，为使用中用户抱怨较多，也是工程技术人员不断优化的场景。


技术实现要素：

3.本发明的目的在于，提供一种自适应巡航前方目标切入切出识别与控制方法，采用模拟驾驶员判别的决策机制，实现对该场景识别的优化，具备算法直观、运算量小、通用性和实用性较好的优点。
4.为解决上述技术问题，本发明的技术方案为：一种自适应巡航前方目标切入切出识别与控制方法，包括以下步骤：
5.通过车载传感器对道路上目标及车道线进行识别采集和信息融合；采集的信息至少包括目标位置、目标运动状态信息和车道线位置；
6.通过要素提取算法模拟驾驶员驾驶时对道路和目标的关注点，对道路及目标关注要素进行提取；
7.根据车辆的物理特性和驾驶员一般操作习惯设置要素提取边界，对要素进行数值化描述；
8.结合各要素进行初步识别得到目标运动意图；
9.结合目标运动意图，将数值化描述统一为判别条件，实现对车辆周围目标的运动风险评估；
10.根据运动风险评估，对自车进行加减速策略制定以控制自车加减速；
11.目标运动状态信息具体包括：目标横向位置、目标纵向位置、目标横向速度、目标纵向速度、目标横向加速度、目标纵向加速度、目标偏航角、目标宽度、目标转向灯信号，以及在跟踪过程中确立的目标横向位置标准差、目标纵向位置标准差、目标横向速度标准差、目标纵向速度标准差、目标横向加速标准差、目标纵向加速度标准差。
12.对车道线位置识别采集的具体过程为：
13.从道路背景中分割出车道线，并对车道线进行拟合，车道线识别的结果作为后续对目标的运动风险评估的辅助条件以及路权划分的依据；对车道线进行拟合的方式为：
14.y＝c0+c1x+c2x2+c3x315.其中，x为车道线描述点相对本车纵向距离，y为车道线描述点相对本车横向距离，
c0、c1、c2、c3分别为第一拟合系数、第二拟合系数、第三拟合系数和第四拟合系数。
16.提取的要素具体包括目标转向灯信号、目标横向速度、当前道路曲率半径r、目标有效偏航角目标轮廓中心点c所属车道、目标所属车道宽度分布百分比、自车与目标纵向追赶时间δt、目标同自车在宽度方向重叠率iou
width
。
17.当前道路曲率半径r的获取方式为：
18.当车道线清晰且识别质量高时，道路曲率半径r＝1/(2*c2)；
19.当无车道线或车道线识别质量不高时，根据自车当前运动状态，采用动力学或者运动学模型对车道曲率半径r进行估计；自车当前运动状态包括自车方向盘转角、自车车速、自车纵向加速度和自车横摆角速度。
20.目标有效偏航角为车载传感器测量偏航角与目标所在位置车道线切线与自车纵轴夹角之差；车载传感器测量得到的目标所在位置车道线切线与自车纵轴夹角为目标相对于自车纵轴的夹角。
21.目标轮廓中心点c所属车道为目标轮廓最左侧点a和最右侧点b之间连线的中点c在所在车道；目标所属车道宽度分布百分比为目标宽度在不同车道中分布相对于目标车辆自身宽度的比值，鉴于切入切出主要关注自车所在车道、自车左车道及自车右车道，宽度分布百分比集合主要由三部分组成：目标在本车道宽度分布百分比whre，目标在本车道左侧车道宽度分布百分比whr
l
和目标在本车道右侧车道宽度百分比whrr，其中所述的本车道为自车所在车道，考虑到自车变道过程中变道前后自车所在车道会发生变化，且自车主动向相邻车道(左车道或右车道)变道时需要考虑以目标车所在车道为参考计算自车切入情况，故上述计算公式为：
22.whre＝wh
in_ego
/wh
obj
23.whr
l
＝max(wh
in_left
/wh
obj
，wh
ego_in_left
/wh
ego
)
24.whrr＝max(wh
in_right
/wh
obj
，wh
ego_in_right
/wh
ego
)
25.式中，wh
in_ego
为目标车宽进入本车道宽度值，wh
in_left
为目标车宽进入本车道左侧车道宽度值，wh
in_right
为目标车宽进入本车道右侧车道宽度值，wh
obj
为目标车总宽度，wh
ego_in_left
为自车宽度进入自车左侧车道宽度值，wh
ego_in_right
为自车宽度进入自车右侧车道宽度值，wh
ego
为自车总宽度。
26.自车与目标纵向追赶时间δt为自车与目标在纵向上位置重叠所需时间，其计算方式为：
[0027][0028]
式中，v
x
为自车同目标车在纵向上相对速度，为自车同目标车纵向弧长距离，其计算方法为：
[0029][0030]
式中，dis
od
为自车前保险杠中心点o沿着道路方向延伸到目标车纵向位置自车轨
迹点d的径向距离；
[0031]
目标同自车在宽度方向重叠率iou
width
，其计算方式为：
[0032]
iou
width
＝0.5*(wh
obj
+wh
ego
)/dis
cd
[0033]
式中，dis
cd
为目标轮廓中心点c与自车轨迹点d的横向距离，wh
ego
为自车宽度。
[0034]
对要素进行数值化描述的具体方法为：对要素进行统计，得到各要素的数值范围[thd
min
,thd
max
]，分析得到各要素对切入切出的基础权重系数element
fd
，并标定计算要素数值范围内的影响系数element
coeff
，对各要素的数值化描述element
factor
表示为：
[0035]
element
factor(a)
＝element
fd(a)
+element
coeff(a)
*(a-thd
min(a)
)
[0036]
式中，a为被指代的各要素，根据选取的要素进行替换，即不同要素对应不同数值，其对应关系通过统计和标定得到；目标转向灯信号为车载传感器直接识别的枚举要素，其对应的影响系数element
coeff
为0。
[0037]
根据提取的各要素，
[0038]
选取意图确认要素组合，结合权重影响系数weight和要素的数值化描述element
factor
，计算得到各项意图分布概率motion_probility，其计算公式如下：
[0039]
motion
probility
＝weight(a)*element
factor(a)
+weight(b)*element
factor(b)
+
…
+weight(k)*element
factor(k)
[0040]
式中，不同要素权重影响系数weight对应不同数值，其对应关系通过统计和标定得到；
[0041]
根据意图分布概率motion_probility和设定意图阈值比较，确定自车同目标车的相对意图。
[0042]
将数值化描述统一为判别条件的方法为：将用于风险评估的要素数值化后统一映射到风险评估阈值iout
hd_factor
中，具体实现为各风险评估要素数值化描述的乘积，实现阈值随不同要素叠加的动态调整，具体方式为：
[0043]
iou
thd_factor
＝element
factor(a)
*element
factor(b)
*
……
element
factor(n
)*iou
thd
[0044]
式中，iou
thd
为预设的基础阈值，针对识别到有切入、切出和无明显意图时采用不同基础阈值，以对应不同的响应要求；iou
thd_factor
为多重要素叠加后的权重阈值；
[0045]
根据相对运动意图作为场景区分入口，分场景比较目标同自车在宽度方向重叠率iou
width
和权重阈值iou
thd_factor
的大小，确定目标是否应该提前选中为跟车目标、持续选中为跟车目标或释放跟车目标再继续选取其它目标。，从而进行自车加减速控制。
[0046]
与现有技术相比，本发明的有益效果为：
[0047]
本发明通过要素提取和初步意图确认，来模拟驾驶员驾驶时的风险评估过程，并将各要素对应的风险统一到权重阈值iou
thd_factor
中，通过对比阈值和设定值，实现目标选取和最终的加减速控制策略。具有要素考虑全面、贴近真人驾驶习惯，目标选取准确性高、方法可操作性强以及效果体验良好的优点。
附图说明
[0048]
图1为本发明实施例的流程示意图；
[0049]
图2为本发明实施例中目标车辆位置示意图；
[0050]
图3为本发明实施例中计算宽度方向重叠率的示意图；
[0051]
图4为本发明实施例中根据运动风险评估指定加减速策略的示意图。
具体实施方式
[0052]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0053]
本发明提供了一种自适应巡航前方目标切入切出识别、控制方法及装置，该方法包括：通过车载传感器对道路上目标及车道线进行识别和融合；模拟驾驶员驾驶时对道路、目标的关注点设计要素提取算法；根据车辆的物理特性和驾驶员一般操作习性设置提取要素边界，对要素进行数值化描述；结合各要素初步识别目标运动意图；结合识别意图，将参数描述统一到判别条件，实现对车辆周围目标的运动风险评估；在风险评估基础上对自车进行加减速控制，提升驾驶辅助系统的安全性、舒适性以及智能化水平。
[0054]
通过相机、毫米波雷达、激光雷达等传感器识别道路上目标位置、运动状态信息，包含：横向位置、纵向位置、横向速度、纵向速度、横向加速、纵向加速度和在跟踪过程中确立的目标横向位置标准差、纵向位置标准差、横向速度标准差、纵向速度标准差、横向加速标准差、纵向加速度标准差等；以及目标姿态轮廓属性，包含：目标偏航角、目标宽度、转向灯等。
[0055]
所述的车载传感器对道路上车道线进行识别，包含：
[0056]
通过相机、激光雷达从道路背景中分割出车道线，并对车道线进行三次样条曲线拟合，即y＝c0+c1x+c2x2+c3x3，其中x为车道线描述点相对本车纵向距离，y为车道线描述点相对本车横向距离，c0、c1、c2、c3分别为多项式拟合系数，车道线识别作为后续对目标风险评估的辅助条件以及路权划分的依据。
[0057]
所述的对目标状态进行融合，其主要目的在于提升目标各维度信息的稳定性，提升后续切入切出影响要素提取的准确性。
[0058]
所属的要素包含：1)直接识别的枚举要素：转向灯信号；2)直接识别的状态信号：目标横向速度；3)计算得到的要素，主要有：当前道路曲率半径r、目标有效偏航角目标轮廓中心点c所属车道、目标所属车道宽度分布百分比、自车与目标纵向追赶时间δt、目标同自车在宽度方向重叠率iou
width
。
[0059]
所属的要素，其主要作用如表1：
[0060]
表1
[0061][0062][0063]
所述的当前道路的曲率半径r，道路曲率半径r获取可通过两种途径：途径一、在车道线清晰且传感器识别质量高时，道路曲率半径r＝1/(2*c2)；途径二、在无车道线或者车道线识别质量不高时，采用自车当前运动状态(方向盘转角、车速、纵向加速度、横摆角速度等信息)，采用动力学或者运动学模型对车道曲率半径r进行估计。所述行驶道路状态估计，主要用于目标切入切出风险评估时灵敏度的设置，确保该算法可应用于直道以及弯道场景。
[0064]
所述目标有效偏航角为传感器测量偏航角与目标所在位置车道线切线与自车纵轴夹角之差：传感器测量得到的目标航向角为目标相对于自车纵轴的夹角，不能表征目标在道路坐标系下的一个姿态意图(车辆在道路上行驶时为避免冲出车道，车身与车道线切线的夹角需要保持在一定范围内)。
[0065]
所述的目标轮廓中心点c所属车道为目标轮廓最左侧点a和最右侧点b的中点c在所在车道。
[0066]
所述的目标所属车道宽度分布百分比，为目标宽度在不同车道中分布相对于目标车辆自身宽度的比值，鉴于切入切出主要关注自车所在车道、自车左车道及自车右车道，宽度分布百分比集合主要由三部分组成：目标在本车道宽度分布百分比whre，目标在本车道左侧车道宽度分布百分比whr
l
和目标在本车道右侧车道宽度百分比whrr，其中所述的本车道为自车所在车道，考虑到自车变道过程中变道前后自车所在车道会发生变化，且自车主
动向相邻车道(左车道或右车道)变道时需要考虑以目标车所在车道为参考计算自车切入情况，故上述计算公式为：
[0067]
whre＝wh
in_ego
/wh
obj
[0068]
whr
l
＝max(wh
in_left
/wh
obj
，wh
ego_in_left
/wh
ego
)
[0069]
whrr＝max(wh
in_right
/wh
obj
，wh
ego_in_right
/wh
ego
)
[0070]
式中，wh
in_eg
o为目标车宽进入本车道宽度值，wh
in_left
为目标车宽进入本车道左侧车道宽度值，wh
in_right
为目标车宽进入本车道右侧车道宽度值，wh
obj
为目标车总宽度，wh
wgo_in_left
为自车宽度进入自车左侧车道宽度值，wh
ego_in_right
为自车宽度进入自车右侧车道宽度值，wh
ego
为自车总宽度。自车与目标纵向追赶时间δt为自车与目标在纵向上位置重叠所需时间，其计算方式
[0071][0072]
式中，v
x
为自车同目标车在纵向上相对速度，为自车同目标车纵向弧长距离，其计算方法为：
[0073][0074]
式中，r同之前计算的当前道路的曲率半径r，dis
od
为自车前保险杠中心点o沿着道路方向延伸到目标车纵向位置自车轨迹点d的径向距离；
[0075]
目标同自车在宽度方向重叠率iou
width
，其计算方式为：
[0076]
iou
width
＝0.5*(wh
obj
+wh
ego
)/dis
cd
[0077]
式中，dis
cd
为目标轮廓中心点c与自车轨迹点d的横向距离，wh
ego
为自车宽度。
[0078]
所述的用于风险评估要素进行数值化描述，对上述计算要素进行统计，得到各要素的数值范围[thd
min
,thd
max
]，分析得到各要素对切入切出的基础权重系数element
fd
，并标定计算要素数值范围内的影响系数element
coeff
，对各要素的数值化描述element
factor
表示为：
[0079]
element
factor(a)
＝element
fd(a)
+element
coeff(a)
*(a-thd
min(a)
)
[0080]
式中，a为被指代的各要素，根据选取的要素进行替换，即不同要素对应不同数值，其对应关系通过统计和标定得到。
[0081]
对于枚举状态值转向灯影响系数element
coeff
为0。
[0082]
根据提取的各要素，
[0083]
选取意图确认要素组合，结合权重影响系数weight和要素的数值化描述element
factor
，计算得到各项意图分布概率motion_probility，其计算公式如下：
[0084]
motion
probility
＝weight(a)*element
factor(a)
+weight(b)*elementfa
ctor(b)
+
…
+weight(k)*element
factor(
k)
[0085]
式中，不同要素权重影响系数weight对应不同数值，其对应关系通过统计和标定得到。
[0086]
根据意图分布概率motion_probility和设定意图阈值比较，确定自车同目标车的
相对意图。
[0087]
所述的初步识别目标运动意图，主要通过划分的意图确认要素来确认，其基本确认规则如表2：
[0088]
表2
[0089][0090]
[0091][0092]
所述的统一判别主要将用于风险评估要素数值化后统一映射到风险评估阈值iou
thd_factor
中，具体实现为各风险评估要素数值化描述的乘积，实现阈值随不同要素叠加的动态调整，具体为：
[0093]
iou
thd_factor
＝element
factor(a)
*element
factor(b)
*......element
factor(n)
*iou
thd
[0094]
式中iou
thd
为设置的基础阈值，针对识别到有切入、切出和无明显意图时采用不同基础阈值，以对应不同的响应要求；iou
thd_factor
为多重要素叠加后的权重阈值。
[0095]
综上所述，将计算得到的要素以及直接识别到的状态信息(刹车灯、转向灯)，统一到权重阈值iou
thd_factor
中，通过对比目标同自车在宽度方向重叠率iou
width
和权重阈值iou
thd_factor
的大小，来确定目标是否应该提前选中为跟车目标、持续选中为跟车目标或释放跟车目标再继续选取其它目标。
[0096]
所述的在风险评估基础上对自车进行加减速控制，主要在对目标选中后根据当前的时距情况选取与之匹配的加减速控制策略：保证在风险较小场景自车状态波动较小，避免误识别同时保证系统运行的舒适性；在风险较高场景及时进行制动，确保行车安全。
[0097]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，包括以下步骤：通过车载传感器对道路上目标及车道线进行识别采集和信息融合；采集的信息至少包括目标位置、目标运动状态信息和车道线位置；通过要素提取算法模拟驾驶员驾驶时对道路和目标的关注点，对道路及目标关注要素进行提取；根据车辆的物理特性和驾驶员一般操作习惯设置要素提取边界，对要素进行数值化描述；结合各要素进行初步识别得到目标运动意图；结合目标运动意图，将数值化描述统一为判别条件，实现对车辆周围目标的运动风险评估；根据运动风险评估，对自车进行加减速策略制定以控制自车加减速；目标运动状态信息具体包括：目标横向位置、目标纵向位置、目标横向速度、目标纵向速度、目标横向加速度、目标纵向加速度、目标偏航角、目标宽度、目标转向灯信号，以及在跟踪过程中确立的目标横向位置标准差、目标纵向位置标准差、目标横向速度标准差、目标纵向速度标准差、目标横向加速标准差、目标纵向加速度标准差。2.根据权利要求1所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，对车道线位置识别采集的具体过程为：从道路背景中分割出车道线，并对车道线进行拟合，车道线识别的结果作为后续对目标的运动风险评估的辅助条件以及路权划分的依据；对车道线进行拟合的方式为：y＝c0+c1x+c2x2+c3x3其中，x为车道线描述点相对本车纵向距离，y为车道线描述点相对本车横向距离，c0、c1、c2、c3分别为第一拟合系数、第二拟合系数、第三拟合系数和第四拟合系数。3.根据权利要求1所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，提取的要素具体包括目标转向灯信号、目标横向速度、当前道路曲率半径r、目标有效偏航角目标轮廓中心点c所属车道、目标所属车道宽度分布百分比、自车与目标纵向追赶时间δt、目标同自车在宽度方向重叠率iou
width
。4.根据权利要求3所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，当前道路曲率半径r的获取方式为：当车道线清晰且识别质量高时，道路曲率半径r＝1/(2*c2)；当无车道线或车道线识别质量不高时，根据自车当前运动状态，采用动力学或者运动学模型对车道曲率半径r进行估计；自车当前运动状态包括自车方向盘转角、自车车速、自车纵向加速度和自车横摆角速度。5.根据权利要求3所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，目标有效偏航角为车载传感器测量偏航角与目标所在位置车道线切线与自车纵轴夹角之差。6.根据权利要求3所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，目标轮廓中心点c所属车道为目标轮廓最左侧点a和最右侧点b之间连线的中点c在所在车道；目标所属车道宽度分布百分比为目标宽度在不同车道中分布相对于目标车辆自身
宽度的比值，鉴于切入切出主要关注自车所在车道、自车左车道及自车右车道，其宽度分布百分比集合主要由三部分组成：即为目标在本车道宽度分布百分比whr
e
，目标在本车道左侧车道宽度分布百分比whr
l
和目标在本车道右侧车道宽度百分比whr
r
，其中所述的本车道为自车所在车道，考虑到自车变道过程中变道前后自车所在车道会发生变化，且自车主动向相邻车道(左车道或右车道)变道时需要考虑以目标车所在车道为参考计算自车切入情况，故其计算公式为：whr
e
＝wh
in_ego
/wh
obj
whr
l
＝max(wh
in_left
/wh
obj
，wh
ego_in_left
/wh
ego
)whr
r
＝max(wh
in_right
/wh
obj
，wh
ego_in_right
/wh
ego
)式中，wh
in_ego
为目标车宽进入本车道宽度值，wh
in_left
为目标车宽进入本车道左侧车道宽度值，wh
in_right
为目标车宽进入本车道右侧车道宽度值，wh
obj
为目标车总宽度，wh
ego_in_left
为自车宽度进入自车左侧车道宽度值，wh
ego_in_right
为自车宽度进入自车右侧车道宽度值，wh
ego
为自车总宽度。7.根据权利要求6所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，自车与目标纵向追赶时间δt为自车与目标在纵向上位置重叠所需时间，其计算方式为：式中，v
x
为自车同目标车在纵向上相对速度，为自车同目标车纵向弧长距离，其计算方法为：式中，dis
od
为自车前保险杠中心点o沿着道路方向延伸到目标车纵向位置自车轨迹点d的径向距离；目标同自车在宽度方向重叠率iou
width
，其计算方式为：iou
width
＝0.5*(wh
obj
+wh
ego
)/dis
cd
式中，dis
cd
为目标轮廓中心点c与自车轨迹点d的横向距离，wh
ego
为自车宽度。8.根据权利要求1所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，对要素进行数值化描述的具体方法为：对要素进行统计，得到各要素的数值范围[thd
min
,thd
max
]，分析得到各要素对切入切出的基础权重系数element
fd
，并标定计算要素数值范围内的影响系数element
coeff
，对各要素的数值化描述element
factor
表示为：element
factor(a)
＝element
fd(a)
+element
coeff(a)
*(a-thd
min(a)
)式中，a为被指代的各要素，根据选取的要素进行替换，即不同要素对应不同数值，其对应关系通过统计和标定得到；目标转向灯信号为车载传感器直接识别的枚举要素，其对应的影响系数element
coeff
为0。9.根据权利要求3所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，对提取的各要素，选取意图确认要素组合，结合权重影响系数weight和要素的数值化
描述element
factor
，计算得到各项意图分布概率motion_probility，其计算公式为：motion
probility
＝weight(a)*element
factor(a)
+weight(b)*element
factor(b)
+
…
+weight(k)*element
factor
(k)式中，不同要素权重影响系数weightweightweight对应不同数值，其对应关系通过统计和标定得到；根据意图分布概率motion_probility和设定意图阈值比较，确定自车同目标车的相对意图。10.根据权利要求9所述的一种自适应巡航前方目标切入切出识别与控制方法，其特征在于，将数值化描述统一为判别条件的方法为：将用于风险评估的要素数值化后统一映射到风险评估阈值iou
thd_factor
中，具体实现为各风险评估要素数值化描述的乘积，实现阈值随不同要素叠加的动态调整，具体方式为：iou
thd_factor
＝element
factor(a)
*element
factor(b)
*
……
element
factor(n)
*iou
thd
式中，iou
thd
为预设的基础阈值，针对识别到有切入、切出和无明显意图时采用不同基础阈值，以对应不同的响应要求；iou
thd_factor
为多重要素叠加后的权重阈值；根据相对运动意图作为场景区分入口，分场景比较目标同自车在宽度方向重叠率iou
width
和权重阈值iou
thd_factor
的大小，确定目标是否应该提前选中为跟车目标、持续选中为跟车目标或释放跟车目标再继续选取其它目标。

技术总结
本发明公开了一种自适应巡航前方目标切入切出识别与控制方法，包括以下步骤：通过车载传感器对道路上目标及车道线进行识别采集和信息融合；通过要素提取算法模拟驾驶员驾驶时对道路和目标的关注点，对道路及目标关注要素进行提取；根据车辆的物理特性和驾驶员一般操作习惯设置要素提取边界，对要素进行数值化描述；结合各要素进行初步识别得到目标运动意图；结合目标运动意图，将数值化描述统一为判别条件，实现对车辆周围目标的运动风险评估；根据运动风险评估，对自车进行加减速策略制定以控制自车加减速。本发明采用模拟驾驶员判别的决策机制，实现对该场景识别的优化，具备算法直观、运算量小、通用性和实用性较好的优点。通用性和实用性较好的优点。通用性和实用性较好的优点。


技术研发人员：刘义军 朱亚坤 庹新娟 严义雄 余昊
受保护的技术使用者：东风汽车集团股份有限公司
技术研发日：2023.03.29
技术公布日：2023/7/6