复眼摄像系统及使用复眼摄像系统的车辆的制作方法

1.本实用新型为关于一种多镜头的复眼摄像系统，特别是一种可用于车辆监控、ai机器人、自动驾驶、扫地机器人、空中无人机、多轴加工机台仪器等不同工业设备的复眼摄像系统及其影像处理方法。


背景技术：

2.自驾车在近年成为发烧议题，不论是gm、volvo、toyota等传统车厂，或是新进业者telsa、uber、waymo、nuro.ai等，都积极通过实验车辆路测搜集环境信息，建构自驾车所需的ai深度学习所需的路况数据。做为自驾车的“眼睛”，道路实测的自动驾驶车辆同时配备有影像感测等多种感知系统，其中处于关键地位的就是光达(lidar)传感器。光达的作用是可测量周围车辆、物体等的距离，建立3d空间影像并加以辨识。现阶段主要应用领域包括遥测、工厂自动化设备，以及铁路、隧道等社会基础建设的灾害防范监视用途等。
3.相较于运用可视光范围的影像感测装置，由于光达使用近红外线，不易受环境中光线的干扰，光达感测主要具有多项优点，包括在可接收反射光的范围(车用产品约可达200公尺甚至300公尺)内均可辨识，不受环境中光线强弱或阴影的影响；红外线、毫米波等传感器主要应用于测量距离，若由影像感测建立3d视觉，则需仰赖多台数的影像感测装置；光达可使用一台传感器来建立立体环境扫描信息，使其能在远距离使用情境下较能维持测量精准度。此外，google、waymo、uber等一些国际大厂也发展包含光达的传感器融合技术，将光达感测技术回传信息与其他类型传感器侦测的信息整合，并给予不同的勘误逻辑，以提升整体辨识精确度，作为未来自驾车所需的人工智能深度学习训练与推论的基础信息。
4.在此，光达主要结构是由对周围照射近红外线激光的发射光线模块，以及接收反射物体光线的接收光线模块构成，建立环境立体模型的原理，是根据照射光与接收到光线的时间差计算距离。但光达易受下雨、雾气影响而丧失精准度，且其无法辨识物体的材质，导致招牌、广告牌或是实物形象，光达并无法准确判读。另外，光达调校费时不易大量量产，致使费用高昂而不易大规模推广。这也是其重要缺点。
5.因此，如何在成本可控的前提下，达到周边景物可量可测，清楚辨识周边景物材质，并建立3d数字化的空间感知系统，进而使该系统可用于车辆监控、自动驾驶、ai机器人、扫地机器人、空中无人机、多轴加工机台仪器等不同工业设备，这是本领域具有通常知识者努力的目标。


技术实现要素：

6.本实用新型主要目的在成本可控的前提下，达到周边景物可量可测，清楚辨识周边景物材质，用以建立3d数字化的空间感知系统。
7.本实用新型另一目在辅助车辆监控、ai机器人、自动驾驶、扫地机器人、空中无人机、多轴加工机台仪器等不同工业设备，使该设备能具有3d空间识别、3d空间的多物体监控，以提升工业化无人监控水平。
8.为了解决上述及其他问题，本实用新型提供一种复眼摄像系统，其包括一第一镜头、至少四个第二镜头、一储存单元及一影像处理控制器。该第一镜头具有一扇形展开的第一拍摄区，该第二镜头分布于该第一镜头的周边，每一第二镜头均具有一扇形展开的第二拍摄区，该第一拍摄区的中心拍摄方向与该第二拍摄区的中心拍摄方向夹有一角度，且该第二拍摄区与该第一拍摄区呈部分重叠；该储存单元用以储存该第一镜头或第二镜头所拍摄的多个源影像图档；该影像处理控制器用以辨识该多个源影像图档里至少一待测物的图像特征，该影像处理控制器用以解析同一时间点拍摄的多个源影像图档并生成一相对应的3d图元，再通过多个不同时间点生成的3d图元而解析出一带有3d空间信息的可携式图档。
9.如上所述的复眼摄像系统，其中，该第一拍摄区所拍摄的源影像图档内均显示有一基准长度，该影像处理控制器运用该基准长度为尺标而建构一3d空间数字化模型。
10.如上所述的复眼摄像系统，其中，该储存单元与该影像处理控制器相耦接，使该3d图元或该可携式图档传输并储存至该储存单元。
11.如上所述的复眼摄像系统，其中，该储存单元里储存有至少一图元模板，该图元模板为该待测物的全部特征或局部特征的二维图像。
12.如上所述的复眼摄像系统，其中，更包括有至少一耦接于该影像处理控制器的警示灯，使该影像处理控制器计算解析该多个源影像图档里的待测物后直接用以控制该警示灯。
13.为了解决上述及其他问题，本实用新型又提供一种如上所述复眼摄像系统的车辆，其中，多个复眼摄像系统分布于该车辆的车顶部、车体前缘、车体后缘或两侧边。
14.以此，本实用新型所述复眼摄像系统及其使用的车辆，可以在成本可控的前提下，达到周边景物可量可测，清楚辨识周边景物材质，用以建立3d数字化的空间感知系统，进而辅助车辆监控、自动驾驶、ai机器人、扫地机器人、空中无人机、多轴加工机台仪器等不同工业设备，使该设备能具有3d空间识别、3d空间的多物体监控，以提升工业化无人监控水平。
15.为使能更进一步了解本实用新型的特征及技术内容，请参阅以下有关本实用新型的详细说明与附图，然而所附图式仅提供参考与说明用，并非用来对本实用新型加以限制
附图说明
16.图1a所绘示为复眼摄像系统的结构示意图。
17.图1b所绘示为复眼摄像系统应用于车辆的使用状态图。
18.图1c所绘示为复眼摄像系统的功能方块图。
19.图2a～图2e所绘示为复眼摄像系统的影像处理方法流程图。
20.图3所绘示为影像处理控制器辨识该源影像图档里的图像特征的示意图。
21.图4a所绘示为安装该复眼摄像系统的车辆通过该基准长度而计算距离的示意图。
22.图4b所绘示为影像处理控制器通过该源影像图档里的车辆基准长度而计算距离的示意图。
23.图5所绘示为该复眼摄像系统的三角测量法应用示意图。
24.图6a所绘示为安装该复眼摄像系统的车辆测量计算待测物的方位角的示意图。
25.图6b所绘示为影像处理控制器通过该源影像图档而计算该待测物的方位角的示意图。
26.图7a～图7c所绘示为安装该复眼摄像系统的车辆在该3d空间数字化模型内的周边场景态势感知示意图。
27.图8所绘示为该影像处理控制器进行残图补盲的需求场景示意图。
28.图9所绘示为复眼摄像系统另一实施例的功能方块图。
29.附图标记说明：50-复眼摄像系统；51-第一镜头；52-第二镜头；53-第一拍摄区；53a-中心拍摄方向；54-第二拍摄区；54a-中心拍摄方向；55-储存单元；56-影像处理控制器；57-警示灯；91-车辆；92-待测物；61-源影像图档；62-3d空间数字化模型；63-图像特征；64-3d图元；65-可携式图档；66-图元模板；71-基准长度；72-方位标尺标示线；74-倍数标尺标示线；75-空间网格线；h1-垂直距离；d-镜头间距；α、β、θ-角度。
具体实施方式
30.请同时参阅图1a～图1c，图1a所绘示为复眼摄像系统的结构示意图，图1b所绘示为复眼摄像系统应用于车辆的使用状态图，图1c所绘示为复眼摄像系统的功能方块图。如图所示，一复眼摄像系统50，其包括有一第一镜头51、四个第二镜头52、一储存单元55及一影像处理控制器56。该第一镜头51具有一扇形展开的第一拍摄区53，多个第二镜头52分布于该第一镜头51的周边，且每一第二镜头52均具有一扇形展开的第二拍摄区54，该第一拍摄区53的中心拍摄方向53a与该第二拍摄区54的中心拍摄方向54a夹有一角度θ，且使该第二拍摄区54与该第一拍摄区53呈部分重叠。其中，该复眼摄像系统50的第一镜头51、第二镜头52表面处呈弧面设计，可以使该第一拍摄区53的中心拍摄方向53a与该第二拍摄区54的中心拍摄方向54a非指向同一方向，从而使得该第一拍摄区53、第二拍摄区54的整体覆盖面积更大，避免更多的拍摄死角。该储存单元55用以储存该第一镜头51或第二镜头52所拍摄的多个源影像图档61。该储存单元55与该影像处理控制器56相耦接，该影像处理控制器56用以解析同一时间点拍摄的多个源影像图档61并生成一相对应的3d图元64，再通过多个不同时间点生成的3d图元64而解析出一带有3d空间信息的可携式图档65。该储存单元55里储存有多个图元模板66，该图元模板66为该源影像图档61里某一待测物92的局部特征或全部特征的二维图像。使该3d图元64或该可携式图档65传输并储存至该储存单元55。其中，该源影像图档61为该第一镜头51或该第二镜头52所拍摄下来具有影像格式的图档，其格式包括但不限于jpg、jpeg、psd、tiff、pdf、bmp、eps、png、gif、pcx等格式。该3d图元64则是具备3维空间多视角可视化、可向量化、可解析的数字化档案。该可携式图档65为带有3d空间信息的可携式电子文件格式，其可被网络传输至云端或其他机器仪器设备上储存、解析并应用；该3d空间信息包括3d空间的位置信息(例如通过gps定位、北斗定位或其他卫星系统定位)、带方向的速度向量信息或加速度向量信息。
31.上述的复眼摄像系统50可以被应用至汽车监控辅助、自动驾驶、扫地机器人、ai机器人、空中无人机、多轴加工机台仪器等不同工业设备，使这些设备能具有3d空间识别、3d空间的多物体监控，以提升工业化无人监控水平。以下，以该复眼摄像系统50应用至车辆91监控辅助为例，来说明本新型复眼摄像系统50的影像处理方法，如图1b所示，多个复眼摄像系统50分布于该车辆91的车顶部、车体前缘、车体后缘或两侧边，用以监控该车辆91周边、上方的3d立体空间状况。在此特别说明，车辆91的周边装设该复眼摄像系统50可以让该车辆91建立周边的3d空间态势感知，得知该车辆91周边近200公尺以内物体的大小、外观轮
廓、形状、速度、加速度，以使该车辆91提前针对周边交通状况作出反应，防止交通事故。另，该车辆91顶部装设该复眼摄像系统50，可用以监控该车辆91上方的物体，例如，如果该车辆91经常性行驶于山顶落石或山区泥石流高频发生地区，则该复眼摄像系统50就可以提前预警并得知落石、山崩、走山、泥石流，进而让该车辆91径行躲避或停车。该复眼摄像系统50及其影像处理方法对于该车辆91的价值就在于，可以让该车辆91具备周边3d空间景物的态势感知，进而提升汽车自动驾驶的操控性与精准度。
32.为了达到上述提升汽车自动驾驶的操控性与精准度的目的，本新型再提供该复眼摄像系统50的影像处理方法。请再同时参阅图2a～图2e，图2a～图2e所绘示为复眼摄像系统50的影像处理方法流程图；如图2a所示，通过该第一镜头51、第二镜头52截取多镜头、多个时间点的源影像图档61(步骤a01)，再通过该影像处理控制器56来辨识并解析该多个源影像图档61，用以生成相对应至少一待测物92的3d图元64(步骤a02)。在此，如图2b所示，该步骤a02的具体细部执行方式包括下列子步骤：从该多个源影像图档61里提取一待测物92的图像特征63(步骤a021)，其中，如图3所示，从该复眼摄像系统50拍摄的源影像图档61里，可通过该影像处理控制器56来辨识该多个源影像图档61里的多个待测物92的图像特征63。该待测物92可以是汽车、卡车、机车、交通信号标志、电线杆、天桥、路树等。不同的待测物92会具有不同的图像特征63，该图像特征63为该待测物92的平面影像特征，其包括但不限于颜色特征、纹理特征、灰度值特征、形状特征、空间对应关系特征、局部特征或全局特征等。以具体的实物为例，路树的图像特征63就是树叶或树干；汽车的图像特征63就是车壳轮廓及轮胎；卡车的图像特征63就是集装箱或高置于轮胎上的卡车驾驶座。因此，通过对该待测物92的图像特征63的辨识，该复眼摄像系统50即可分辨出该车辆91前方的待测物92是机车、汽车或是行人。接下来，如图2b所示，将该多个图像特征63比对该储存单元55里多个不同视角的图元模板66(步骤a022)，并判断该待测物92的图像特征63是否附合该图元模板66；如果符合，则生成该待测物92的3d图元64(绘示于图1c，同时参阅步骤a023)，使该3d图元64与该储存单元55里的图元模板66均对应至该特定的待测物92。在此，该图元模板66为该待测物92的多个不同视角的二维图像所结合而成的档案(亦即，该待测物92的多个不同视角的完整图像的集合)，其可以是一内建或抓取自大数据的图像式模板档案；例如，该图元模板66可以是某一特定物体(例如汽车、机车、卡车、交通信号标志、路树等)不同视角上的可对比式图像文件，其目的是提供该复眼摄像系统50从多个不同视角上来进行图像特征63的参照比对。也因此，仅仅少数几个特定角度的源影像图档61，经过该影像处理控制器56的比对后，即可让该复眼摄像系统50辨识并确认该待测物92究竟是哪一种物体，甚至是哪个种类、款式的汽车。更进一步地，该图元模板66可以是该源影像图档61里某一待测物92的局部特征，因此可以通过该局部特征的图元模板66来进行残像比对、残像补盲；请同时参阅图8，图8所绘示为该影像处理控制器进行残图补盲的需求场景示意图。如图8所示，在该复眼摄像系统50的第一拍摄区53里，该行人待测物92被前方的箱型车遮挡住部分影像，造成该影像处理控制器56无法完全辨识该行人待测物92。此时，通过该图元模板66的残像、残影(即，该行人待测物92的局部特征之图像)建立，即可让该影像处理控制器56经过特征比对而得知并确认该第一拍摄区53内被遮挡住的物体为何。如此一来，该复眼摄像系统50就可以提早知道被遮挡区后有什么物体，达到事先预知、早期预警的功能。
33.在此补充说明，上述的源影像图档61解析，或是该图像特征63的辨识、比对，其核
心技术均是通过图像匹配来达成。该图像匹配是指通过一定的匹配算法，在两幅或多幅图像之间识别同质特点或同性特点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同质特点或同性特点，也就是采用统计学的方法来寻找信号间的相关匹配度。其实质就是在基础图元相关、相似的条件下，运用匹配准则来达到最佳搜索效果。一般而言，图像匹配可分为以灰度为基础的匹配和以特征为基础的匹配。
34.接下来，当确认该待测物92并生成其相对应的3d图元64之后，即可计算该待测物92的距离(步骤a03)；其中，计算该待测物92的距离，如图2c所示，可先通过该第一镜头51或第二镜头52拍摄“相同时间点”的源影像图档61以测量该待测物92的距离(步骤a031)，再来从该源影像图档61里测量该待测物92的方位角及俯仰角(步骤a032)，如此即可计算并确认该待测物92的空间关系(步骤a033)。其中，如图4a、图4b所示，该步骤a031的距离测量，可以是通过该源影像图档61里车辆91的基准长度71，以该基准长度71比较测量该源影像图档61里的卡车、汽车的待测物92与安装该复眼摄像系统50的车辆91的相对距离；亦即，在图4a的一倍基准长度71、二倍基准长度71、三倍基准长度71、四倍基准长度71之处，均会在图4b的源影像图档61里显示或标示出该基准长度71的倍数标尺标示线74，以方便该复眼摄像系统50的影像处理控制器56比较或计算该卡车、汽车的待测物92的距离。其中，如图4a、图4b所示，该车辆91的基准长度71较佳是该复眼摄像系统50的安装点至该车辆91最前端的距离；在其他实施例中，该第一镜头51所拍摄的源影像图档61内该车辆91的基准长度71及其倍数，也可以是通过软件内建尺度(内建的标准固定长度)而达到，或是在该第一镜头51的镜头外表上刻上实体刻度线而达到。此外，如图4b所示，从该源影像图档61观之，如果该待测物92所呈现的面积较大(可能是该待测物92的实际体积大，或是比较靠近该装设了复眼摄像系统50的车辆91)而跨越了多条倍数标尺标示线74，则该影像处理控制器56会以该待测物92所呈现的轮廓外观的形状中心点的位置来比对该倍数标尺标示线74，用以作为该待测物92的距离的判断。
35.除了运用本车辆91的基准长度71来计算之外，还可以通过三角定位测量法计算该卡车、汽车的待测物92的距离。如图5所示，该复眼摄像系统50的第一镜头51与第二镜头52的镜头间距d，一机车状的待测物92与该复眼摄像系统50的垂直距离h1，通过三角函数及三角定位测量法即可得该垂直距离h1＝d*[(sinα*sinβ)/sin(α β)]。也就是说，该第一镜头51与该第二镜头52的镜头间距d已知，然后再通过该复眼摄像系统50来观察测量该角度α、β的大小，即可通过计算而得知该垂直距离h1。其中，该机车状的待测物92当然也可以是汽车、卡车、行人、路树或交通信号标志等。
[0036]
步骤a032的方位角或俯仰角测量，可以是通过该源影像图档61里的方位标尺标示线72或俯仰标尺标示线而测量；例如，如图6a、图6b所示，从该复眼摄像系统50往该车辆91前方观之，该源影像图档61的画面可被该方位标尺标示线72分割成多个区域，从该待测物92所处的位置，即可得知该待测物92相对于该复眼摄像系统50的相应方位角(azimuth angle)。如果该待测物92在该源影像图档61里所呈现的面积较大(可能是该待测物92的实际体积大，或是比较靠近该装设了复眼摄像系统50的车辆91，如图6b所示)而跨越了多条方位标尺标示线72或俯仰标尺标示线，则该影像处理控制器56会以该待测物92所呈现的轮廓外观的形状中心点，来作为该待测物92的方位角/俯仰角判断。相同的道理，该影像处理控
制器56也可以通过多条俯仰标尺标示线，来将该源影像图档61分割成多个不同的俯仰角度区域，进而判断该待测物92所处的俯仰位置。如此一来，通过该影像处理控制器56来解析该待测物92的距离、方位、俯仰，依据球形坐标原理来得知并确认该待测物92与本车辆91的相对应空间关系，即可完成步骤a033的执行。
[0037]
接下来，计算该待测物92的3d移动向量(步骤a04)，其中，先通过前述步骤a03来取得不同时间点的待测物92位置(步骤a041)，再计算该待测物92的移动向量(步骤a042)，即可连续显示多个不同时间点的移动向量(步骤a043)。其中，在步骤a03里从“相同时间点、不同的镜头”取得的多个源影像图档61，其目的就是通过多个不同位置的第一镜头51、第二镜头52的空间位置差异，来精进远方待测物92的位置计算；其本质是通过多个不同镜头位置，而多次数地求取该待测物92的“定位”，通过多次计算而达到精准度提升的目标。而步骤a04则是通过“不同时间点”所拍摄的源影像图档61，来取得某一特定待测物92的移动轨迹、移动向量(∵不同时间点的位置变化，即为待测物92的移动向量)。
[0038]
再来，选择性地补偿修正该待测物92的3d移动向量的误差(步骤a05)，其修正误差的方式包括下列子步骤：从该源影像图档61里提取至少一待测物92的转向特征(步骤a051)，该转向特征包括但不限于汽车的轮胎转向、路上行人头部转向或是汽车车身与马路车道夹有一交错角度。这些转向特征即代表着安装该复眼摄像系统50的车辆91周边的汽车或行人，具有较强的转向意图，可能大幅改变其行进方向，会突然转向、突然变道，进而造成本车辆91的追撞事故。因此若该复眼摄像系统50能提前预测周边汽车、行人的转向意图，就可以提前作出相应的处置，降低本车辆91与周边待测物92相撞的几率。当确认本车辆91周边汽车、行人欲进行转向之后，即可标定并生成该待测物92的补偿修正向量(步骤a052)，再分配权重至该待测物92的补偿修正向量，以校正该待测物92的移动路径(步骤a053)，也就是说，用以修正前述步骤a04所生成的移动向量，提前预测周边行人汽车突然转向、突然变道。在此特别说明，步骤a05的选择性执行，意即可以执行，也可以不执行。另，如图2a所示，步骤a05经计算若发现补偿修正向量过大，则可回馈至步骤a04，以重新执行步骤a04的待测物92移动向量计算。
[0039]
此时，该复眼摄像系统50已完成周边汽车行人或交通信号标志相对于本车辆91的距离、移动向量的计算，再来通过该影像处理控制器56来结合该待测物92的3d图元64及其相对应的3d移动信息，进而解析出带有3d空间信息的可携式图档65(步骤a06)；再来，建立该待测物92移动的3d空间数字化模型62，并将该可携式图档65叠置于该3d空间数字化模型62上(步骤a07)，使该复眼摄像系统50的影像处理控制器56可以将本车辆91周边的人车、交通信号标志等一切景物，均叠置在该3d空间数字化模型62上。请同时参阅图7a～图7c，图7a～图7c所绘示为安装该复眼摄像系统的车辆在该3d空间数字化模型内的周边场景态势感知示意图；如图7a、图7b所示，该复眼摄像系统50可以将即车、人、路树、交通信号标志等可能的待测物92检测出来，化为相应的3d图元64，并且感知其3d空间位置、移动向量、加速度，最后再将该3d图元64转化为带有3d空间信息的可携式图档65叠置在一3d空间数字化模型62上，使该复眼摄像系统50建立本车辆91周边的3d空间态势感知、3d空间景深估算，侦测出其周边200公尺内物体的大小、速度、加速度，使该车辆91具有强大的周边物体监控能力。如图7a所示，该安装了复眼摄像系统50的车辆91可以侦测、感知到左后方的机车待测物92与马路上的车道标示线，进而判断是否要进行规避闪躲或加速驶离；如图7b所示，该安装了复
眼摄像系统50的车辆91可以侦测、感知到其周边的多个汽车待测物92，让该影像处理控制器56在该车辆91的周边建立该3d空间数字化模型62及空间坐标，使该3d空间数字化模型62拥有虚拟的空间网格线75，让该复眼摄像系统50可以得知、感知其周边所有待测物92的相对坐标，以此用以让该影像处理控制器56来规划最佳的行进、避行甚至绕行路线，甚至决定是否减速慢行、停车等待或超车前进。最后，请再同时参阅图7c，该车辆91即可依据该复眼摄像系统50或该影像处理控制器56的影像监控及判断，而发出减速预警信号、刹车预警信号、转向提示信号或转向控制信号(步骤a08)，使该车辆91具备自主控制、自动驾驶的功能。如图7c左半图所示，该复眼摄像系统50还可以整合一地图系统(例如谷歌地图、百度地图、高德地图等)而得知该车辆91周边数十公里的道路走向，且同时显示该影像处理控制器56所生成的多条空间网格线75。还有，在整合了之后，该复眼摄像系统50即可将地图系统的道路走向、道路规划以及被侦测、感知到的周边景物、待测物92，一起呈现在该3d空间数字化模型62里；如此一来，如图7c右半图所示，本新型的复眼摄像系统50即可达到：该待测物92的坐标、相对距离、移动向量之感知及预测，提早对可能发生的撞击、相撞提出警示。
[0040]
请参阅图9，图9所绘示为复眼摄像系统另一实施例的功能方块图。如图9所示，本新型的复眼摄像系统50还可以进一步地增加至少一警示灯57，该警示灯57耦接于该影像处理控制器56，因此，该影像处理控制器56即可用以控制该警示灯57的亮起、熄灭或闪烁。再如图7a所示，当左后方的机车待测物92靠近该车辆91时，通过该影像处理控制器56计算、解析得知该机车待测物92的距离过近时，该影像处理控制器56即可自主地驱动该警示灯57闪烁(即，无需通过该车辆91的驾驶人来控制)，提醒该机车待测物92保持行车间距。也就是说，通过该复眼摄像系统50的影像处理控制器56计算解析该些源影像图档61里的待测物92后，该影像处理控制器56就可直接控制该警示灯57发出警示的灯光。所以，该步骤a08的功能，是当该影像处理控制器56判断周边待测物92距离过近或速度过快时，用以控制、驱动该警示灯57来发出减速预警信号、刹车预警信号、转向提示信号，达到防止撞击的目的。
[0041]
以此，本新型所述复眼摄像系统50，使用复眼摄像系统50的车辆91及其影像处理方法，可以不使用激光雷达、红外雷达、光达等昂贵的设备，而在成本可控的前提下，达到周边景物可量可测，清楚辨识周边景物材质，并建立3d数字化的空间感知系统，进而使该系统可用于汽车监控、ai机器人、自动驾驶、扫地机器人、空中无人机、多轴加工机台仪器等不同工业设备。故其具有庞大的商业运用潜力。
[0042]
本实用新型以实施例说明如上，然其并非用以限定本实用新型的范围。其范围当视权利要求书及其等同领域而定。凡本领域具有通常知识者，在不脱离本专利精神或范围内，所作的更动或润饰，均属于本实用新型所揭示精神下所完成的等效改变或设计，且应包含在本实用新型的范围内。