用于雾检测和车灯控制的系统和方法与流程

用于雾检测和车灯控制的系统和方法
1.相关申请的交叉引用
2.本技术要求于2019年2月26日提交的美国临时申请62/810,705的优先权，其内容通过引用整体并入。
技术领域
3.本公开涉及车辆的照明系统，尤其涉及一种能够使用神经网络检测雾的状态并基于检测到的雾的状态控制车辆的灯的颜色或波长的系统和方法。


背景技术：

4.机动车辆的照明系统可包括照明灯(“灯”)和操作灯的控制装置。灯可以包括前灯、尾灯、雾灯、信号灯、刹车灯和危险灯。前灯通常安装在机动车辆的前端，并且在低能见度条件下，例如在黑暗中或雨中，当打开时照亮机动车辆前方的道路。前灯可包括远光灯以照亮道路并向来自相反方向的接近车辆的驾驶员提供通知。头灯还可以包括近光灯以提供足够的光分布而不会对来自相反方向的驾驶员产生不利影响。尾灯是安装在机动车辆的后部的红灯，用于帮助后面行驶的驾驶员识别机动车辆。通常在雾状态期间开启的雾灯可安装在机动车辆前部的低于前灯的位置，以防止雾灯光束在雾中折射并照射回驾驶员。
5.信号灯(也称为转向信号)安装在机动车辆的前部和后部，供驾驶员使用以指示机动车辆的转向方向。位于机动车辆后端侧面的刹车灯用于指示使机动车辆减速或停止的刹车动作。位于机动车辆的前部和后部的危险灯在打开时，可指示机动车辆在驾驶时存在机械故障或遇险状况等缺陷。
附图说明
6.将从下面给出的详细描述和从本公开的各种实施例的附图更全面地理解本公开。然而，不应认为附图将本公开内容限制于特定实施例，而仅用于解释和理解。
7.图1示出了根据本公开的实施方式的包括智能照明系统的汽车。
8.图2a示出了根据本公开的实施方式的led照明系统。
9.图2b示出了根据本公开的实施方式的包括不同波长的分立led的led照明系统。
10.图3示出了根据本公开的实施方式的控制照明系统的方法的流程图。
11.图4是根据本公开的实施方式的用于确定照明系统的波长的决策树。
12.图5示出了根据本公开的实施方式的控制照明系统的方法的流程图。
13.图6描绘了根据本公开的一个或多个方面操作的计算机系统的框图。
具体实施方式
14.机动车辆可以由驾驶员驾驶(称为驾驶员模式)。可替代地，机动车辆可以是自主的或自动驾驶的(称为自动驾驶模式)。在任一驾驶模式中，机动车辆的灯可以在道路上提供照明并且在低能见度的情况下向附近的其他车辆或行人发出其存在的信号。低能见度的
情况可以包括黑暗或雾状态。这些灯可以允许普通车辆的驾驶员清楚地看到前方的道路，或者可替代地允许自主车辆的图像传感器捕获前方道路的清晰图像。
15.雾是由悬浮在地球表面之上但靠近地球表面的空气中的水滴或冰晶的云组成的。雾团可能会对驾驶员的能见度或对由安装在自主车辆上的图像传感器捕获的图像的质量产生不利影响。雾的密度可以确定驾驶员(或图像传感器)可能面临的能见度水平。空气中水滴的浓度可以确定雾的密度，从而确定能见度水平。例如，雾团中的能见度水平的范围可以从出现薄雾到在非常重的雾中几乎为零的能见度。
16.灯可以帮助提高雾状态下的能见度。在雾状态下部署的灯可以包括前灯和雾灯。在当前的实施方式中，在雾状态下，驾驶员可以打开前灯和/或雾灯以提高驾驶员的能见度，并且同时增强机动车辆的轮廓以方便其他驾驶员注意到机动车辆。尽管灯的当前实施方式可能有助于提高能见度，但这些实施方式并未考虑雾的密度或驾驶模式(即，车辆是处于驾驶员模式还是自动驾驶模式)。因此，可以在不同的雾状态下打开相同强度和颜色的远光前灯或相同强度和颜色的雾灯。然而，这可能不是最佳的。在雾中的道路上驾驶时，雾的密度可能会随着车辆沿道路移动而变化。不同的雾密度和不同的驾驶模式可能需要不同类型的灯来实现最佳照明。
17.本公开认识到机动车辆的灯通常是非相干光源。如果两束光具有恒定的相移，则它们是相干的。光在雾中的传播可能受到雾的密度和光的波长的影响。当光穿过雾传播时，光波可能与雾的内容物(例如水滴)相互作用，导致光的散射和光强度的衰减。光强度的衰减可以使用比尔
‑
兰伯特
‑
布格定律(beer
‑
lambert
‑
bouguer law)表示为
18.i/i0＝τ＝e
‑
ax
，
19.其中i0表示初始光强度(即在光源处)，i表示在密度为a的雾中行进距离x的光强度，以及τ表示光的透射率。因此，光的强度在穿过雾时根据指数关系衰减。
20.当光穿过介质行进时，光的强度可能会由于介质的内容物的吸收和散射而衰减。在雾中，吸收因数可以忽略不计。因此，雾中的光衰减可以主要归因于散射系数k所代表的散射因数，该散射系数k相对于雾密度a成比例。除了雾的密度之外，散射系数k的值还可取决于光的波长。应注意，衰减通常会随着更高的光频率(或更短的波长)而增加。因此，雾密度越高，散射系数k越高。此外，虽然蓝光可能在雾中经历较小的衰减，但人眼可能无法很好地耐受蓝光。对于非常短波长的光束，人眼的视线可能会变得模糊。
21.此外，机动车辆可以在不同的驾驶模式下操作，包括当由人类操作员操作时的驾驶员模式和在没有人类操作员的情况下操作时的自动驾驶模式。在驾驶员模式下，人眼可能对不同波长区域的光具有变化的敏感性。例如，人眼通常可能对基本上为绿色的约555nm的波长区域中的光波最敏感。在夜间，人眼的敏感区域可能会移动到约507nm的波长区域，该区域基本上是青色。人眼通常不是蓝光的良好受体。在没有人类操作员的自动驾驶模式下，图像传感器用于监控道路。在自动驾驶模式下，主要关注的是在不同环境中为图像传感器提供清晰的图像。
22.由于机动车辆上的照明系统的当前实施方式固定在特定的波长区域，该波长区域对人类操作员来说是不同场景(例如，白天和夜间、不同的雾状态)的折衷，所以当前的照明系统不提供在不同驾驶模式下针对不同雾状态的定制的最佳解决方案。例如，当前的照明系统使用波长范围为570nm至590nm的黄光作为雾灯。
23.为了克服在变化的雾状态和在不同的驾驶模式下产生的上述技术问题，本公开的实施方式可以提供可以检测机动车辆周围的雾的密度并且基于所检测到的雾密度来调整波长以实现驾驶员模式或自动驾驶模式的最佳能见度的技术解决方案。
24.本公开的实施方式可以提供一种可以安装在机动车辆上的智能照明系统。该系统可以包括用于从环境获取传感器数据的传感器、用于基于传感器数据检测环境状况的处理装置、以及能够发射具有可调波长的光的光源。在一个实施方式中，传感器是可以以特定帧速率(例如，以视频帧速率或低于视频帧速率)捕获机动车辆周围的图像的图像传感器。响应于接收到由图像传感器捕获的图像，处理装置可以将所捕获的图像馈送到神经网络以确定机动车辆周围的雾的密度。处理装置可以基于所确定的雾密度和驾驶模式，当车辆在道路上移动时调整前灯和/或雾灯的波长，从而根据雾状态和驾驶模式实时或接近实时地提供最佳能见度。
25.在另一实施方式中，传感器可以是全球定位系统(gps)信号发生器，其可以向卫星发射gps信号。基于由卫星接收到的gps信号，gps服务提供商可以确定机动车辆的位置并向机动车辆提供基于位置的天气报告。智能照明系统可以确定机动车辆周围的环境的状态。因此，即使机动车辆没有配备用于检测周围环境的图像传感器。
26.本公开的实施方式可以提供一种用于操作车载智能照明系统的方法。实施方式可以包括接收由传感器捕获的传感器数据，基于传感器数据检测环境状态，以及基于状态和驾驶模式调整从车辆的光源发射的光的波长。在一个具体实施方式中，该方法可以包括接收由安装在机动车辆上的图像传感器捕获的图像，基于捕获的图像执行神经网络以确定机动车辆周围的环境中雾的密度，并且基于所确定的雾密度和驾驶模式，调整前灯和/或雾灯的波长，从而根据雾状态和驾驶模式提供最佳能见度。
27.图1示出了根据本公开的实施方式的包括智能照明系统的机动车辆100。参考图1，机动车辆100可在道路120上沿特定方向行驶。机动车辆100可以是任何类型的汽车，其可以在驾驶员模式下由人类操作者操作或在自动驾驶模式下自主操作。在一个实施方式中，机动车辆100可以包括机械和电气组件(未示出)以操作机动车辆100。与本公开相关，机动车辆100可以包括照明系统102、处理装置104和环境传感器106。
28.照明系统102可包括可安装在机动车辆100的前端的前灯112和雾灯114。当在雾状态下打开时，前灯112和雾灯114可帮助提高驾驶员的能见度。在一个实施方式中，前灯112和雾灯114可以生成具有可变波长的光束。特别地，前灯112和雾灯114可以包括不同颜色(例如，红色、绿色、蓝色)的发光二极管(led)，它们可以组合以生成不同颜色的光束。
29.图2a示出了根据本公开的实施方式的led照明系统200。led发光二极管是一种半导体光发射器，当电流流过二极管时其产生彩色光。常见的led颜色包括红色、绿色或蓝色，而其他颜色可以由红色、绿色和蓝色led构成。如图2a所示，led照明系统200可以包括解码器电路202、led驱动器电路204和led灯206。
30.led解码器电路202可以从控制器电路(例如，如图1所示的处理装置104)接收led控制信号。led控制信号可以包含led灯206的颜色信息。颜色信息可以是特定的目标颜色。可替代地，颜色信息可包含可组合以形成用于led灯206的目标颜色的红色、绿色和蓝色的比例。解码器电路202可将led控制信号转换为led驱动器电路204的颜色控制信号。响应于从解码器电路202接收到颜色控制信号，led驱动器电路204可以向红色发光二极管、绿色发
光二极管和蓝色发光二极管提供一定量的电流。如图2a所示，led驱动器电路204可以包括用于控制提供给led灯206的红色发光二极管的电流量的红色led驱动器电路、用于控制提供给led灯206的绿色发光二极管的电流量的绿色led驱动器电路、以及用于控制提供给led灯206的蓝色发光二极管的电流量的蓝色led驱动器电路。在一些实施方式中，红色、绿色和蓝色led驱动器电路可以是电压幅度调制电路、脉宽调制电路、或合适的电流源调节电路。
31.led灯206可以包括由红色led驱动器电路驱动的一串红色发光二极管、由绿色led驱动器电路驱动的一串绿色发光二极管、以及由蓝色led驱动器电路驱动的一串蓝色发光二极管。红光、绿光和蓝光的强度可以由它们各自的驱动器电路控制。通过控制提供给红色、绿色和蓝色发光二极管的电流量，led灯206可以生成不同颜色的光束，其中所生成的光的颜色可以是红光、绿光和蓝光的加权组合。因此，处理装置104可以通过调节提供给红色、绿色和蓝色led驱动器的电流的相对量来控制从led灯206生成的光束的颜色。此处，led灯206可用作前灯112和/或雾灯114。
32.图2a示出了可以组合三个原色led灯以生成输出光的系统。在替代实施方式中，代替组合不同原色的led灯，照明系统可以包括可以选择性地启用的不同波长的分立led。图2b示出了根据本公开的实施方式的包括不同波长的分立led的led照明系统250。如图2b所示，led照明系统250可以包括解码器252、led驱动器电路254、开关电路256和不同预分配波长的分立led灯258a
‑
258d。类似于解码器电路202，解码器电路252可以生成到led驱动器电路254的输入信号。输入信号可以包括led驱动器电路254的强度。led驱动器电路254可以提供驱动led灯258a
‑
258d之一的电流。为此，开关电路256可以是包括开关控制端子260以接收开关控制信号的多路复用器电路。开关控制信号可以控制连接到输出o1
‑
o4之一(从而连接到具有不同波长的分立的led灯258a
‑
258d之一)的开关256的输入。在一个实施方式中，可以选择分立的led灯258a
‑
258d中的每一个以生成与对特定环境状态(例如，雾状态)有益的特定波长相关联的光。例如，led灯258a
‑
258d可以分别与450nm、507nm、555nm和584nm的波长相关联。因此，当led驱动器254被开关控制信号260切换为连接到o1时，led驱动器254向第一波长(例如，大约450nm)的led灯提供电流并激活该led灯，而第二、第三和第四波长的led灯未被激活。类似地，led驱动器254可以切换到o2、o3或o4以激活相应的led灯。
33.参考图1，图像传感器106可以是安装在机动车辆100上的摄像机，以从一个或多个方向捕获图像，包括前视域、后视域或侧视域中的一个或多个。这些图像可以以视频帧速率(例如，每秒60帧)或以高于或低于视图帧速率的帧速率来捕获。处理装置104可以是硬件处理器，例如中央处理单元(cpu)、图形处理单元(gpu)或神经网络加速器处理单元。处理装置104可以通信地耦合到图像传感器106以接收由图像传感器106捕获的图像帧。在一个实施方式中，机动车辆100可以包括存储装置(例如，存储器或硬盘驱动器)(未示出)，该存储装置可以存储光控制程序110的可执行代码，该可执行代码在被执行时可以使处理装置104执行如图3所示的以下操作。
34.图3示出了根据本公开的实施方式的用于控制照明系统的方法300的流程图。方法300可由处理装置执行，处理装置可包括硬件(例如，电路、专用逻辑)、计算机可读指令(例如，在通用计算机系统或专用机器上运行)或两者的组合。方法300及其单独的功能、例程、子例程或操作中的每一个可由执行该方法的计算机装置的一个或多个处理器来执行。在某些实施方式中，方法300可以由单个处理线程来执行。可替代地，方法300可由两个或更多个
处理线程来执行，每个线程执行该方法的一个或多个单独的功能、例程、子例程或操作。
35.为了便于解释，本公开的方法被描绘和描述为一系列动作。然而，根据本公开的动作可以以各种顺序和/或同时发生，并且与本文未呈现和描述的其他动作一起发生。此外，可能不需要所有示出的动作来实施根据所公开的主题的方法。此外，本领域技术人员将明白和理解，这些方法可以可替代地经由状态图或事件表示为一系列相互关联的状态。此外，应当理解，本说明书中公开的方法能够存储在制品上以促进将这些方法传输和转移到计算装置。此处使用的术语“制品”旨在涵盖可从任何计算机可读装置或存储介质访问的计算机程序。在一个实施方式中，方法300可以由如图1所示的执行光控制程序110的处理装置104来执行。
36.机载图像传感器106可以连续捕获处理装置104的周围环境的图像，其中所捕获的图像可以是彩色图像帧。图像传感器106可以是捕获包括像素阵列的图像帧的数字摄像机。每个像素可以包括红色、绿色和蓝色分量。在一些实施方式中，图像传感器106可以是高分辨率摄像机并且图像帧可以包含1280
×
720像素的阵列。
37.在302，处理装置104可以接收由图像传感器106捕获的彩色图像帧，其中图像帧可以包括具有红色、绿色和蓝色分量的高分辨率像素阵列。
38.为了减少需要由神经网络处理的数据量，在304，处理装置104可以将彩色图像转换成灰度图像。在一个实施方式中，处理装置104可以yuv格式表示每个像素，其中y表示亮度分量(亮度)并且uv是色度分量(颜色)。代替使用yuv格式，处理装置104可以仅使用亮度分量y来表示每个像素。在一个实施方式中，对于每个像素可以使用8位(256个灰度级)来量化和表示亮度分量y。
39.为了进一步减少需要由神经网络处理的数据量，在306，处理装置104可以将图像阵列从高分辨率抽取到低分辨率。例如，处理装置104可以将图像帧从1280
×
720像素阵列的原始分辨率抽取到224
×
224像素阵列。抽取可以通过子采样或低通滤波然后子采样来实现。
40.在308，处理装置104可以将神经网络应用于抽取的灰度图像，其中神经网络可能已经被训练来确定机动车辆100周围的环境中的雾状态。神经网络可以已经在标准数据库上进行训练，以确定雾状态是“无雾”、“轻雾”还是“浓雾”。这些雾状态可用于确定前灯112和/或雾灯114的颜色(或波长)。
41.在310，处理装置104可以进一步基于雾状态和驾驶模式来确定前灯112和/或雾灯114的颜色(或波长)。在一个实施方式中，处理装置104可以使用如图4所示的决策树400来确定灯的颜色。
42.如图4所示，处理装置104可以从神经网络接收结果并使用决策树400确定光颜色。在402，处理装置104可以将结果确定为“无雾”、“轻雾”和“浓雾”之一。响应于确定结果是“无雾”，在404，处理装置104可以不改变光颜色。
43.响应于确定环境处于轻雾状态，在406，处理装置104可以确定机动车辆是处于有操作员的驾驶模式还是处于没有操作员的自动驾驶模式。响应于确定机动车辆处于驾驶员模式，在410，处理装置104可以确定环境是在白天还是在黑暗中。响应于确定环境处于轻雾和白天中，处理装置104可以确定灯(前灯或雾灯)应为在大约555nm的波长范围内的绿色到黄色；响应于确定环境处于轻雾中和黑暗中，处理装置104可以确定光应为在大约507nm的
波长范围内的青色。
44.响应于确定机动车辆处于自动驾驶模式，在412，处理装置104可以确定环境是在白天还是在黑暗中。响应于确定环境处于轻雾和白天中，处理装置104可以确定灯应为在大约485nm的波长范围内的蓝色；响应于确定环境处于轻雾和黑暗中，处理装置104可以确定灯应为在大约450nm的波长范围内的蓝色。
45.回到来自神经网络的结果，响应于确定环境处于浓雾中，在408，处理装置可以确定机动车辆是处于有操作员的驾驶员模式还是处于没有操作员的自动驾驶模式。响应于确定机动车辆处于驾驶员模式，在414，处理装置104可以确定环境是在白天还是在黑暗中。响应于确定环境处于浓雾和白天中，处理装置104可以确定灯应为在大约555nm的波长范围内的绿色到黄色；响应于确定环境处于浓雾和黑暗中，处理装置104可以确定灯应为在大约507nm的波长范围内的青色。
46.响应于确定机动车辆处于自动驾驶模式，在416，处理装置104可以确定环境是在白天还是在黑暗中。响应于确定环境处于浓雾和白天中，处理装置104可以确定灯应为在大约450nm的波长范围内的蓝色；响应于确定环境处于浓雾中和黑暗中，处理装置104可以确定灯应为在大约450nm的波长范围内的蓝色。
47.在一个实施方式中，可以使用深度学习神经网络来确定雾状态下机动车辆灯的颜色(波长)。深度学习神经网络可以直接在公共数据集中的图像帧的像素值上进行训练。可以使用cityscapes数据集离线进行训练，该数据集可以修改为不同的雾状态。对于每个原始图像，可以为其添加三个固定级别的雾效果。根据foggy cityscapes数据集的文档编制，对应于用于渲染这些雾效果的衰减因子的三个级别是0.005、0.01和0.02。不使用衰减因子小于0.005的图像，因为雾的影响可以忽略不计。结果，雾检测数据集中的每个场景都具有三个相应的图像：原始图像、衰减因子为0.01的雾图像和衰减因子为0.02的雾图像。基于cityscape数据集训练和验证的深度学习神经网络可以以98％的准确率实现无雾、轻雾和浓雾状态的检测。虽然深度学习神经网络是基于三种环境状态进行训练和测试的，但可以理解，深度学习神经网络可以被训练来确定三个以上级别的雾状态。
48.参考图3，在310处确定光颜色之后，在312，处理装置104可以生成颜色控制信号以传输到解码器202和led驱动器电路204，led驱动器电路204可以将led灯206驱动到目标颜色(或波长)。
49.图5示出了根据本公开的实施方式的用于控制照明系统的方法500的流程图。
50.在502，智能照明系统的处理装置可以接收由用于感测机动车辆周围的环境的多个传感器捕获的传感器数据。
51.在504，处理装置可以将传感器数据提供给神经网络以确定环境的第一状态。
52.在506，处理装置可基于所确定的环境的第一状态发出控制信号以调整由安装在机动车辆上的用于提供照明的光源生成的光束的波长。
53.图6描绘了根据本公开的一个或多个方面操作的计算机系统的框图。在各种说明性示例中，计算机系统600可以对应于图1的处理装置104。
54.在某些实施方式中，计算机系统600可以(例如，经由网络，例如局域网(lan)、内联网、外联网或因特网)连接到其他计算机系统。计算机系统600可以在客户端
‑
服务器环境中以服务器或客户端计算机的能力操作，或者作为对等或分布式网络环境中的对等计算机操
作。计算机系统600可以由个人计算机(pc)、平板pc、机顶盒(stb)、个人数字助理(pda)、蜂窝电话、web设备、服务器、网络路由器、交换机或桥接器、或任何能够执行一组指令(顺序或其他)的装置提供，这些指令指定该装置要采取的动作。此外，术语“计算机”应包括单独或联合执行一组(或多组)指令以执行本文描述的任何一个或多个方法的计算机的任何集合。
55.在另一方面，计算机系统600可以包括处理装置602、易失性存储器604(例如，随机存取存储器(ram))、非易失性存储器606(例如，只读存储器(rom)或电可擦除可编程rom(eeprom))、以及数据存储装置616，它们可以经由总线608相互通信。
56.处理装置602可以由一个或多个处理器提供，例如通用处理器(例如，复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、非常长的指令字(vliw)微处理器、实现其他类型的指令集的微处理器、或实现多种类型的指令集的组合的微处理器)或专用处理器(例如，专用集成电路(asic)、现场可编程门阵列(fpga)、数字信号处理器(dsp)或网络处理器)。
57.计算机系统600还可以包括网络接口装置622。计算机系统600还可以包括视频显示单元610(例如，lcd)、字母数字输入装置612(例如，键盘)、光标控制装置614(例如，鼠标)、以及信号生成装置620。
58.数据存储装置616可以包括非暂时性计算机可读存储介质624，其上可以存储对本文描述的方法或功能中的任何一种或多种进行编码的指令626，包括用于实施方法300的图1的光控制程序110的指令。
59.指令626还可以在由计算机系统600执行期间完全或部分地驻留在易失性存储器604和/或处理装置602内，因此，易失性存储器604和处理装置602也可以构成机器可读存储介质。
60.虽然计算机可读存储介质624在说明性示例中被示为单个介质，但术语“计算机可读存储介质”应包括单个介质或多个介质(例如，集中式或分布式数据库、和/或相关联的高速缓存和服务器)，其存储一组或多组可执行指令。术语“计算机可读存储介质”还应包括能够存储或编码由计算机执行的一组指令的任何有形介质，该组指令使计算机执行本文所述的任何一个或多个方法。术语“计算机可读存储介质”应包括但不限于固态存储器、光介质和磁介质。
61.本文描述的方法、组件和特征可以由分立的硬件组件实现，或者可以集成在诸如asics、fpga、dsp或类似装置之类的其他硬件组件的功能中。此外，方法、组件和特征可以由硬件装置内的固件模块或功能电路来实现。此外，方法、组件和特征可以在硬件装置和计算机程序组件的任何组合中或在计算机程序中实现。
62.除非另外特别说明，诸如“接收”、“关联”、“确定”、“更新”等术语是指由计算机系统执行或实现的动作和过程，其将表示为计算机系统寄存器和存储器内的物理(电子)量的数据操作和转换为类似地表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示装置内的物理量的其他数据。此外，本文所使用的术语“第一”、“第二”、“第三”、“第四”等意在作为区分不同元素的标签，并且根据它们的数字名称可能没有顺序含义。
63.本文描述的示例还涉及用于执行本文描述的方法的设备。该设备可以被专门构造用于执行本文描述的方法，或者它可以包括由存储在计算机系统中的计算机程序选择性地编程的通用计算机系统。这种计算机程序可以存储在计算机可读的有形存储介质中。
64.本文描述的方法和说明性示例与任何特定计算机或其他设备没有固有的相关性。可以根据本文描述的教导使用各种通用系统，或者可以证明构造更专门的设备来执行方法300和/或其单独的功能、例程、子例程或操作中的每一个是方便的。用于各种这些系统的结构的示例在以上描述中阐述。
65.以上描述旨在是说明性的，而非限制性的。尽管已经参考特定说明性示例和实施方式描述了本公开，但是应当认识到，本公开不限于所描述的示例和实施方式。本公开的范围应当参考以下权利要求以及权利要求赋予权利的等效物的全部范围来确定。