自动驾驶控制装置、方法及自动驾驶系统制造方法及图纸

本申请实施例提供一种自动驾驶控制装置、方法及自动驾驶系统，通过按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，从而能够充分考虑到驾驶对象在自动驾驶过程中针对不同状态类别的差异，并且通过有效区分不同驾驶员的特征状态差异，从而考虑到驾驶员在自动驾驶过程中的区域特征点的浮动变化，并以此进一步结合驾驶员的历史驾驶情况来进行自动驾驶决策，能够提高自动驾驶策略的决策过程的数据准确性。

【技术实现步骤摘要】
自动驾驶控制装置、方法及自动驾驶系统
本申请涉及自动驾驶
，具体而言，涉及一种自动驾驶控制装置、方法及自动驾驶系统。
技术介绍
随着科技的发展和社会的进步，自动驾驶技术成为交通领域的发展趋势，在传统自动驾驶技术中，通常会结合驾驶员的整体特征状态以输出一个统一的特征类别来适应性地调整自动驾驶策略，但是此种方案并未考虑到驾驶员在自动驾驶过程中针对不同状态类别的差异，并且为了提高驾驶安全性，在自动驾驶过程中通常也会要求驾驶员处于驾驶状态，然而由于不同的驾驶员的驾驶习惯不同，而且驾驶员的特征状态本身是波动变化的，不同驾驶员的特征状态差异也较大，从而造成自动驾驶策略的决策过程不够充分。
技术实现思路
为了克服现有技术中的上述不足，本申请的目的在于提供一种自动驾驶控制装置、方法及自动驾驶系统，能够提高自动驾驶策略的决策过程的数据准确性。第一方面，本申请提供一种自动驾驶控制方法，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述方法包括：获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息；根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点；根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令。在第一方面的一种可能的设计中，所述按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息的步骤，包括：获取每个预定的状态类别所对应的状态类别特征点，形成每个预定的状态类别的特征点集合，并获取各个监测区域的目标特征点数与所述特征点集合的特征点数的重合特征点信息；根据所述目标特征点数与所述特征点集合的特征点数的重合特征点信息，计算每种目标状态类别的关键特征点的数量，并根据每种目标状态类别的关键特征点的数量，从所述特征点集合中选取状态类别特征点，得到初始特征点矩阵；若所述初始特征点矩阵的总特征点分布数量大于满足所述总特征点分布数量要求的最大总特征点分布数量，则将所述初始特征点矩阵中的粗范围关键特征点减少第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点增加所述第一设定数量，其中，所述细范围关键特征点是指关键特征点在所在的检测区域的单位密集程度小于设定程度的关键特征点，所述粗范围关键特征点是指关键特征点在所在的检测区域的单位密集程度不小于设定程度的关键特征点；计算本次更新后的初始特征点矩阵的总特征点分布数量；若本次更新后的初始特征点矩阵的总特征点分布数量大于所述最大总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行以上处理；若本次更新后的初始特征点矩阵的总特征点分布数量小于或者等于所述最大总特征点分布数量，则将本次更新前的初始特征点矩阵作为第一更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第二更新处理：将所述第一更新矩阵中所述目标分组的第一状态类别的关键特征点增加一个，并且将所述第一更新矩阵中所述目标分组的第二状态类别的关键特征点减少一个；判断本次更新后的第一更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；若本次更新后的第一更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第一更新矩阵作为最终特征点矩阵；若本次更新后的第一更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第二更新处理；若所述初始特征点矩阵的总特征点分布数量小于满足所述总特征点分布数量要求的最小总特征点分布数量，则对所述初始特征点矩阵进行以下第三更新处理：将所述初始特征点矩阵中的粗范围关键特征点增加第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点减少所述第一设定数量；计算本次更新后的初始特征点矩阵的总特征点分布数量；若本次更新后的初始特征点矩阵的总特征点分布数量小于所述最小总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行所述第三更新处理；若本次更新后的初始特征点矩阵的总特征点分布数量大于或者等于所述最小总特征点分布数量，则将本次更新前的初始特征点矩阵作为第二更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第四更新处理：将所述第二更新矩阵中所述目标分组的第一状态类别的关键特征点减少一个，并且将所述第二更新矩阵中所述目标分组的第二状态类别的关键特征点增加一个；判断本次更新后的第二更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；若本次更新后的第二更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第二更新矩阵作为所述最终特征点矩阵；若本次更新后的第二更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第四更新处理；将各个目标状态类别的最终特征点矩阵中的每个特征点的状态信息分别归类为该状态类别的状态汇总信息。在第一方面的一种可能的设计中，所述身份认证信息包括生物特征信息，所述根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点的步骤本文档来自技高网...

【技术保护点】
1.一种自动驾驶控制装置，其特征在于，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述装置包括：/n获取模块，用于获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；/n第一确定模块，用于根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点；/n第二确定模块，用于根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；/n生成模块，用于根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令；/n其中，所述身份认证信息包括生物特征信息，所述第一确定模块用于通过以下方式根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点：/n采集所述驾驶对象的生物特征信息；/n根据所述生物特征信息以及预先配置的各个生物特征信息与各个检测区域内的预设区域特征点之间的对应关系，得到所述各个监测区域内的预设区域特征点。/n...

【技术特征摘要】
1.一种自动驾驶控制装置，其特征在于，应用于自动驾驶装置，所述自动驾驶装置与汽车内的多个状态监测装置通信连接，所述装置包括：
获取模块，用于获取驾驶对象在每个状态监测装置的监测区域下的状态信息，并按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息，所述预定类别包括离合器操作类别、方向盘操作类别、电气设备控制类别；
第一确定模块，用于根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点，针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果，所述预设区域特征点为与所述驾驶对象的身份认证信息预先匹配的区域特征点；
第二确定模块，用于根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点，针对所述各个监测区域内的频繁区域特征点，分别获取所述频繁区域特征点的浮动轨迹，并确定出所述浮动轨迹在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述频繁区域特征点的第二状态浮动变化结果，所述频繁区域特征点为所述驾驶对象的历史驾驶信息中的变化频繁度大于设定频繁度阈值的区域特征点，所述变化频繁度用于表示所述区域特征点在单位时间内的变化程度；
生成模块，用于根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令；
其中，所述身份认证信息包括生物特征信息，所述第一确定模块用于通过以下方式根据所述驾驶对象的身份认证信息确定所述各个监测区域内的预设区域特征点：
采集所述驾驶对象的生物特征信息；
根据所述生物特征信息以及预先配置的各个生物特征信息与各个检测区域内的预设区域特征点之间的对应关系，得到所述各个监测区域内的预设区域特征点。


2.根据权利要求1所述的自动驾驶控制装置，其特征在于，所述获取模块模块用于通过以下方式按照预定的状态类别对各个监测区域下的状态信息进行划分，分别生成每个状态类别的状态汇总信息：
获取每个预定的状态类别所对应的状态类别特征点，形成每个预定的状态类别的特征点集合，并获取各个监测区域的目标特征点数与所述特征点集合的特征点数的重合特征点信息；
根据所述目标特征点数与所述特征点集合的特征点数的重合特征点信息，计算每种目标状态类别的关键特征点的数量，并根据每种目标状态类别的关键特征点的数量，从所述特征点集合中选取状态类别特征点，得到初始特征点矩阵；
若所述初始特征点矩阵的总特征点分布数量大于满足所述总特征点分布数量要求的最大总特征点分布数量，则将所述初始特征点矩阵中的粗范围关键特征点减少第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点增加所述第一设定数量，其中，所述细范围关键特征点是指关键特征点在所在的检测区域的单位密集程度小于设定程度的关键特征点，所述粗范围关键特征点是指关键特征点在所在的检测区域的单位密集程度不小于设定程度的关键特征点；
计算本次更新后的初始特征点矩阵的总特征点分布数量；
若本次更新后的初始特征点矩阵的总特征点分布数量大于所述最大总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行以上处理；
若本次更新后的初始特征点矩阵的总特征点分布数量小于或者等于所述最大总特征点分布数量，则将本次更新前的初始特征点矩阵作为第一更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；
根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；
按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第二更新处理：将所述第一更新矩阵中所述目标分组的第一状态类别的关键特征点增加一个，并且将所述第一更新矩阵中所述目标分组的第二状态类别的关键特征点减少一个；
判断本次更新后的第一更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；
若本次更新后的第一更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第一更新矩阵作为最终特征点矩阵；
若本次更新后的第一更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第二更新处理；
若所述初始特征点矩阵的总特征点分布数量小于满足所述总特征点分布数量要求的最小总特征点分布数量，则对所述初始特征点矩阵进行以下第三更新处理：将所述初始特征点矩阵中的粗范围关键特征点增加第一设定数量，并且将所述初始特征点矩阵中的细范围关键特征点减少所述第一设定数量；
计算本次更新后的初始特征点矩阵的总特征点分布数量；
若本次更新后的初始特征点矩阵的总特征点分布数量小于所述最小总特征点分布数量，则再一次对本次更新后的初始特征点矩阵执行所述第三更新处理；
若本次更新后的初始特征点矩阵的总特征点分布数量大于或者等于所述最小总特征点分布数量，则将本次更新前的初始特征点矩阵作为第二更新矩阵，按照状态类别由低优先级到高优先级的顺序将各所述目标状态类别进行排序，得到目标状态类别序列；
根据所述目标状态类别序列，将各所述目标状态类别进行分组，每个所述分组中包括在所述目标状态类别序列的目标位置两侧的、且与所述目标位置的差距一致的第一状态类别和第二状态类别，所述第一状态类别的优先级小于所述第二状态类别；
按照与所述目标位置的差距由低优先级到高优先级的顺序，依次将每个所述分组作为目标分组，对所述目标分组进行以下第四更新处理：将所述第二更新矩阵中所述目标分组的第一状态类别的关键特征点减少一个，并且将所述第二更新矩阵中所述目标分组的第二状态类别的关键特征点增加一个；
判断本次更新后的第二更新矩阵的总特征点分布数量是否满足所述总特征点分布数量要求；
若本次更新后的第二更新矩阵的总特征点分布数量满足所述总特征点分布数量要求，则将本次更新后的第二更新矩阵作为所述最终特征点矩阵；
若本次更新后的第二更新矩阵的总特征点分布数量不满足所述总特征点分布数量要求，则将下一个分组作为新的目标分组，对所述新的目标分组进行所述第四更新处理；
将各个目标状态类别的最终特征点矩阵中的每个特征点的状态信息分别归类为该状态类别的状态汇总信息。


3.根据权利要求1所述的自动驾驶控制装置，其特征在于，所述第一确定模块用于通过以下方式针对所述各个监测区域内的预设区域特征点，并分别确定出所述预设区域特征点的浮动区域在所对应的状态类别的状态汇总信息中的浮动变化信息，得到所述预设区域特征点的第一状态浮动变化结果：
针对所述各个监测区域内的预设区域特征点，分别获取与所述预设区域特征点匹配的三维定点，并获取所述三维定点在预设时间段内持续落入该监测区域中的一个三维空间区域对应的坐标范围内时所对应的三维空间区域作为目标三维空间区域；
判断所述目标三维空间区域的区域范围与预设的自动驾驶控制模型的模型输入的区域范围是否相同；
若区域范围不相同，则将所述目标三维空间区域的区域范围缩放到与所述自动驾驶控制模型的模型输入的区域范围一致的三维空间区域，输入到所述自动驾驶控制模型；
采用所述自动驾驶控制模型对输入的三维空间区域进行计算，获取与所述输入的三维空间区域对应的浮动变化信息；
对所述目标三维空间区域中所述预设区域特征点的每个浮动位置进行跟踪，获取所述目标三维空间区域中每个浮动位置的浮动特征向量；
将与所述输入的三维空间区域对应的浮动变化信息中浮动位置频繁度大于预设阈值的区域确定为浮动区域；
对所述输入的三维空间区域中每个浮动位置的向量值进行转换，获取所述输入的三维空间区域中每个浮动位置的浮动特征向量；
根据所述目标三维空间区域中每个浮动位置的浮动特征向量，计算整个三维空间区域的第一浮动向量均值；
根据所述浮动区域中每个浮动位置的浮动特征向量，计算所述浮动区域的第二浮动向量均值；
对所述第一浮动向量均值、所述第二浮动向量均值和预设系数进行计算，获取所述浮动区域的浮动参考系数，计算所述目标三维空间区域中每个浮动位置的浮动特征向量与所述浮动参考系数的比值，并根据所述比值获取所述目标三维空间区域中每个浮动位置的第一浮动强度；
对所述目标三维空间区域中每个浮动位置的第一浮动强度和所述浮动变化信息进行计算，获取所述目标三维空间区域中每个浮动位置的浮动强度；
或者，计算所述目标三维空间区域中每个浮动位置的浮动特征向量与所述浮动参考系数的比值获取所述目标三维空间区域中每个浮动位置的第一浮动强度，并按照预设的浮动范围对所述目标三维空间区域中每个浮动位置的第一浮动强度进行计算，获取所述目标三维空间区域中每个浮动位置的第二浮动强度，其中，所述第二浮动强度与所述第一浮动强度之间的差值小于所述预设的浮动范围，对所述目标三维空间区域中每个浮动位置的第二浮动强度和所述浮动变化信息进行计算，获取所述目标三维空间区域中每个浮动位置的浮动强度；
根据指定空间位置的目标特征点、浮动强度以及所述浮动变化信息，确定所述目标三维空间区域中每个浮动位置的目标系数，并计算所述目标三维空间区域中每个浮动位置的浮动强度与预设常数的比值，其中，所述目标系数为所述指定空间位置的目标特征点的特征向量值乘以所述浮动强度并除以所述浮动变化信息的值；
计算每个浮动位置的浮动强度与预设常数的比值与对应的目标系数的乘积，获取所述目标三维空间区域中每个浮动位置的第一状态浮动结果；
根据所述每个浮动位置的第一状态浮动结果对所述目标三维空间区域进行颜色编辑处理输出目标三维空间区域；
或者，计算所述目标三维空间区域中每个浮动位置的浮动强度与预设常数的比值；
计算每个浮动位置的浮动强度与预设常数的比值与对应的目标染色值的乘积，获取所述目标三维空间区域中每个浮动位置的第一状态浮动结果；
对所述目标三维空间区域中每个浮动位置的第一状态浮动结果、所述目标三维空间区域以及所述浮动变化信息进行计算，获取所述目标三维空间区域中每个浮动位置的第二状态浮动结果；
将所述每个浮动位置的第二状态浮动结果进行排列得到所述预设区域特征点的第一状态浮动变化结果。


4.根据权利要求1-3中任意一项所述的自动驾驶控制装置，其特征在于，所述第二确定模块用于通过以下方式根据所述驾驶对象的历史驾驶信息确定所述各个监测区域内的频繁区域特征点：
获取所述驾驶对象的历史驾驶信息，所述历史驾驶信息包括分别与多个区域特征点对应的多个位置变化信息；
在确定任意一个区域特征点对应的多个位置变化信息均满足预设位置变化条件时，根据所述区域特征点的位置变化信息，和位置变化区间的幅度，确定与所述预设位置变化条件匹配的首个位置变化区间的初始位置，其中，所述预设位置变化条件包括：位置变化幅度大于设定幅度阈值；
根据所述区域特征点的位置变化信息、所述位置变化区间的幅度、所述首个位置变化区间的初始位置以及预设的位置变化区间的数量，确定与所述预设位置变化条件匹配的多个位置变化区间对应于所述区域特征点的初始位置；
如果在所述区域特征点对应的跟踪节点在所述区域特征点中的区域特征点位置与目标位置变化区间的所述初始位置相匹配，且如果所述跟踪节点为所述目标位置变化区间的首个跟踪节点，则获取与所述目标位置变化区间相邻的前一位置变化区间匹配的区域特征点作为筛除区域特征点，并在所述跟踪节点中识别除去所述筛除区域特征点的一个区域特征点作为与所述目标位置变化区间匹配的目标区域特征点；
如果所述跟踪节点不为所述目标位置变化区间的首个跟踪节点，则获取与所述目标位置变化区间匹配的目标区域特征点，并在所述跟踪节点中识别所述目标区域特征点，并识别所述目标区域特征点的至少一个活跃位置节点，其中，所述区域特征点对应于多个位置变化区间；
在所述位置变化区间内，根据所述目标区域特征点的至少一个活跃位置节点在所述多个跟踪节点中的位置信息，计算所述目标区域特征点的至少一个活跃位置节点在所述位置变化区间内任意相邻两个跟踪节点之间的移动空间距离，以及所述目标区域特征点的至少一个活跃位置节点在所述位置变化区间内的位置向量；
统计所述位置变化区间的持续时间，并根据所述移动空间距离和所述位置向量，确定所述目标区域特征点在所述位置变化区间的平均变化频繁度和变化频繁度方差，根据所述平均变化频繁度和所述变化频繁度方差，计算所述目标区域特征点在所述位置变化区间内的频繁特征参数；
根据每个区域特征点在匹配的位置变化区间内的频繁特征参数，计算各所述区域特征点的频繁特征得分，并将频繁特征得分大于设定得分的区域特征点确定为频繁区域特征点。


5.根据权利要求1所述的自动驾驶控制装置，其特征在于，所述生成模块用于通过以下方式根据所述第一状态浮动变化结果以及所述第二状态浮动变化结果之间的匹配关系，生成对所述汽车的自动驾驶控制指令：
将所述第一状态浮动变化结果中每个第一浮动位置的状态浮动结果与所述第二状态浮动变化结果中每个匹配的第二浮动位置的状态浮动结果进行匹配，得到多个匹配度，其中，所述第二状态浮动变化结果中每个匹配的第二浮动位置与对应的第一浮动位置在各自的状态浮动变化结果中的排列顺序匹配，所述匹配度根据所述第一浮动位置的状态浮动结果和匹配的第二浮动位置的状态浮动结果之间的重合度确定；
根据所述多个匹配度生成对所述汽车的自动驾驶控制指令。


6.根据权利要求1所述的自动驾驶控制装置，其特征在于，所述生成模块用于通过以下方式根据所述多个匹配度生成对所述汽车的自动驾驶控制指令：
确定所述多个匹配度中低于第一设定匹配度的第一数量、大于第二设定匹配度的第二数量以及位于所述第一设定匹配度和所述第二设定...

【专利技术属性】
技术研发人员：李华兰，
申请(专利权)人：李华兰，
类型：发明
国别省市：福建;35