CN112116804A - 一种车辆状态量信息确定方法及装置 - Google Patents

Abstract

公开了一种车辆状态量信息确定方法及装置，包括：从点云图中确定呈预定条件分布的多个样本点；根据所述多个样本点建立对应车辆的点云集合；基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息；通过点云集合确定特征向量信息并进行分析运算，从而确定车辆状态量信息；减少了运算过程中的计算量，提高了确定车辆状态量信息的响应速度和实时性，降低了信息获取过程中的延迟；从而能够满足自动驾驶场景下的需求。

Description

一种车辆状态量信息确定方法及装置

技术领域

本申请涉及图像分析技术领域，尤其涉及一种车辆状态量信息确定方法及装置。

背景技术

在车辆的自动驾驶解决方案中，涉及到诸多方面的技术。其中，即时的识别路面上的其他车辆，是一个非常关键的技术环节。所谓识别路面车辆，实质上是确定路面上车辆的车辆状态量信息。所述车辆状态量信息，可以包括车辆的尺寸、位置等静态信息，也可以包括速度、方向等动态信息。

确定车辆状态量信息的过程，本质上是一种图像分析过程。在现有技术中，有一种确定车辆状态量信息的方法，是通过包围盒算法对采集得到的点云图进行计算，以得到车辆状态量信息。但这种方法的缺陷在于计算量过大，响应速度慢。但是在动态的驾驶过程当中，路况瞬息万变。所以此场景中对于车辆状态量信息的实时性要求非常高。现有技术难以完全满足需求。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种车辆状态量信息确定方法及装置，通过点云集合确定特征向量信息，并进行分析运算，从而确定车辆状态量信息。

根据本申请的第一个方面，提供了一种车辆状态量信息确定方法，包括：

从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应车辆的点云集合；

基于所述点云集合确定一组特征向量信息，根据所述特征向量信息确定所述车辆的第一参数信息；

通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

根据本申请的第二个方面，提供了一种车辆状态量信息确定装置，包括：

点云集合确定模块，用于从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应所述车辆的点云集合；

状态量信息确定模块，用于基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

根据本申请的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述第一方面中所述的车辆状态量信息确定方法。

根据本申请的第四方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述可执行指令以实现上述第一方面中所述的车辆状态量信息确定方法。

与现有技术相比，采用根据本申请提供的车辆状态量信息确定方法及装置，通过点云集合确定特征向量信息并进行分析运算，从而确定车辆状态量信息；减少了运算过程中的计算量，提高了确定车辆状态量信息的响应速度和实时性，降低了信息获取过程中的延迟；从而能够满足自动驾驶场景下的需求。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1为本申请一示例性实施例提供的车辆状态量信息确定方法的流程示意图；

图2为本申请另一示例性实施例提供的车辆状态量信息确定方法的流程示意图；

图3为本申请又一示例性实施例提供的车辆状态量信息确定方法的流程示意图；

图4-1为本申请又一示例性实施例中所述“L”型分布点云图示意图；

图4-2为本申请又一示例性实施例中所述“L”型分布点云图与所述正交基的示意图；

图4-3为本申请又一示例性实施例中所述“L”型分布点云图与所述矩形空间的示意图；

图5为本申请一示例性实施例提供的车辆状态量信息确定装置的结构示意图；

图6为本申请另一示例性实施例提供的车辆状态量信息确定装置中所述聚类模块的结构示意图；

图7为本申请另一示例性实施例提供的车辆状态量信息确定装置中所述计算模块的结构示意图；

图8为本申请一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

在自动驾驶技术领域当中，即时的识别路面上的其他车辆，实质上是确定路面上车辆的车辆状态量信息。而所述车辆状态量信息，包括但不限于车辆的尺寸、位置、速度、方向等各方面信息。

确定车辆状态量信息的过程，本质上是一种图像分析过程。在现有技术中，有一种确定车辆状态量信息的方法，是通过包围盒算法对采集得到的点云图进行计算，以得到车辆状态量信息。但这种方法的缺陷在于计算量过大，响应速度慢。

在一些对于实时性要求不高的场景下(例如视频监控系统)，该方法尚可以满足需求。但是在自动驾驶过程中，车辆往往处于高速的动态环境下，路况瞬息万变，所以此场景中对于车辆状态量信息的实时性要求非常高。现有技术难以完全满足需求。

本申请提供了一种车辆状态量信息确定方法及装置，改变了现有技术中的运算方法。本申请通过点云集合确定特征向量信息，并进行分析运算，从而确定车辆状态量信息。实现了对于计算过程的简化，提高了确定车辆状态量信息的实时性，减少了信息获取过程中的延迟。

示例性方法

图1是本申请一示例性实施例提供的车辆状态量信息确定方法的流程示意图。本实施例可应用在电子设备上，如图1所示，本实施例具体包括如下步骤：

步骤101、从点云图中确定呈预定条件分布的多个样本点；根据所述多个样本点建立对应所述车辆的点云集合。

步骤102、基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息。

步骤103、通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

本实施例中，所述点云图的来源，可以是利用激光雷达直接采集点云图。也可以是利用摄像头采集图像，再将所述图像转换为点云图。将所述图像转换为点云图的过程，可以是确定图像中点的三维信息，进而实现图像到点云图的转换。

需要说明的是，无论是激光雷达采集的点云图，还是摄像头采集的图像，针对的都是全景范围。而本实施例中仅仅需要针对特定车辆进行分析。所以还需完成聚类过程，也就是从全景当中确定一个代表所述车辆的点云集合。如果是面对激光雷达采集的全景点云图，则需要在所述全景点云图中确定与所述车辆相关的呈预定条件分布的多个样本点，进而建立所述点云集合。如果是面对摄像头采集的全景图像，则可以首先从全景图像中提取对应所述车辆的部分图像，并将该部分图像转换成对应所述车辆的点云图，这样可以避免转换全幅图像，能够节省计算量。然后从对应所述车辆的点云图中确定与所述车辆相关的呈预定条件分布的多个样本点，进而建立所述点云集合。

确定点云集合之后，可根据点云集合中样本点的分布形态，确定一组特征向量信息。所述样本点均与车辆相关，因此所述特征向量信息实际上描绘了所述车辆占据的一个“矩形空间”。所述“矩形空间”体现的尺寸和位置，可认为相当于所述车辆的尺寸和位置，亦可以认为是所述车辆的第一参数信息。进一步的，可以通过所述第一参数信息获得所述车辆的第一车辆状态量信息。由此，本实施例中实现了对于车辆状态量信息的确定。所述第一车辆状态量信息包括所述车辆的尺寸信息和位置信息。

本实施例中，基于所述特征向量信息进行运算，取得所述第一车辆状态量信息的过程，相对于现有技术中的包围盒算法明显减小，所以响应速度更快，能够满足自动驾驶场景下实时性的要求。

通过以上技术方案可知，本实施例存在的有益效果是：通过点云集合确定特征向量信息并进行分析运算，从而确定车辆状态量信息；减少了运算过程中的计算量，提高了确定车辆状态量信息的响应速度和实时性，降低了信息获取过程中的延迟；从而能够满足自动驾驶场景下的需求。

如图1所示仅为本申请所述方法的基础实施例，在其基础上进行一定的优化和拓展，还能够得到所述方法的其他优选实施例。

如图2所示，是本申请另一示例性实施例提供的车辆状态量信息确定方法的流程示意图。本实施例可应用在电子设备上。本实施例中，将在图1所示实施例的基础上，进一步的公开确定所述车辆的第一车辆状态量信息之外的其他类型车辆状态量信息的方法。本实施例中所述方法具体包括以下步骤：

步骤201、获取连续的多帧点云图，基于所述各帧点云图分别确定呈预定条件分布的多个样本点；并根据所述多个样本点建立所述车辆在各帧点云图上对应的点云集合。

步骤202、根据所述车辆在所述各帧点云图上对应的点云集合确定所述车辆的第二参数信息。

步骤203、通过所述第二参数信息获得所述车辆的第二车辆状态量信息。

本实施例中，将通过连续多帧点云图中车辆所对应的点云集合进行对比，来确定更多类型的车辆状态量信息。具体来说，可以是对比所述车辆在各帧点云图上的位置变化，来推算车辆的速度和行驶方向。所述车辆的速度和行驶方向，即可认为是所述车辆的第二参数信息。进一步的，可以通过所述第二参数信息获得所述车辆的第二车辆状态量信息。由此，本实施例中实现了对于车辆状态量信息的确定。所述第二车辆状态量信息包括所述车辆的尺寸信息和位置信息。

通过以上技术方案可知，本实施例存在的有益效果是：在所述第一车辆状态量信息之外，进一步的确定了所述车辆的第二车辆状态量信息。使所述方法能够确定的车辆状态量信息更加丰富完善。

如图3所示，是本申请又一示例性实施例提供的车辆状态量信息确定方法的流程示意图。本实施例可应用在电子设备上。本实施例中，将在图1所示实施例的基础上，进一步的公开通过点云集合确定特征向量信息并进行分析运算的具体过程。本实施例中所述方法具体包括以下步骤：

步骤301、确定所述点云图中对应所述车辆且呈“L”型分布的多个样本点；根据所述多个样本点建立对应车辆的点云集合。

步骤302、基于所述点云集合，确定一组与所述点云集合中所述多个样本点距离之和最小的正交基。

步骤303、获取所述正交基的尺寸和所述正交基在所述点云图中的位置，根据所述正交基的尺寸和所述正交基在所述点云图中的位置确定所述特征向量信息。

步骤304、根据所述特征向量信息确定所述车辆的第一参数信息。

步骤305、通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

所述点云图中对应所述车辆样本点，一般是呈“L”型分布，即大致上表达出了前述“矩形空间”的“长”和“宽”两边。所述呈“L”型分布的点云图如图4-1所示。需要说明的是，为提高准确性，本实施例中还可对所述点云集合进行降噪处理，排除点云集合中的噪点，以便于降低运算误差。

基于所述“L”型分布的样本点，能够确定一组满足特定条件的正交基。图4-2所示，图4-2中示出的相互垂直的黑色尖头实线即代表所述正交基。所述满足特定条件可具体为，所述样本点到所述正交基的距离之和最小。也就是说，根据所述点云集合中的样本点，可以建立一个求解最小距离和的问题，进而建立函数计算出所述正交基，并确定所述正交基的尺寸和所述正交基在所述点云图中的位置。参考图4-2，可以看出所述正交基与所述呈“L”型分布的点云图的大致位置关系。

由于本实施例中，所述求解最小距离的函数具有拟凸性周期性，所以在实际计算中，可以找出该函数的定义域，进而求解无约束问题，将问题转为凸优化的基本算法；在利用三角函数并求导，通过KKT(Karush Kuhn Tucker)条件计算得到最优解的解析表达；然后用二次方程求根法代替三角计算，求得最优解等价解析表达。由此计算得到所述正交基，能够显著的降低计算量。

确定所述正交基后，可根据所述正交基的尺寸和所述正交基在所述点云图中的位置确定所述特征向量信息，进而确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

在一般情况下，所述正交基就相当于前述“矩形空间”的“长”和“宽”两边。通过所述正交基便可确定所述“矩形空间”的范围。如图4-3所示，图4-3中的矩形线框即代表了所述的“矩形空间”。进而在本实施例中也可认为，所述正交基的尺寸可以相当于车辆的尺寸信息；所述正交基在所述点云图中的位置可以相当于车辆的位置信息。由此，本实施例中实现了确定所述车辆的第一车辆状态量信息。

优选的，本实施例中还可进一步对所述第一参数信息进行置信度验证。例如，通过置信度验证判断是否车辆的尺寸处于合理范围，以便进一步的确保车辆状态量信息的准确性。

通过以上技术方案可知，本实施例进一步存在的有益效果是：具体的描述了通过点云集合确定特征向量信息并进行分析运算的具体过程，使本申请整体技术方案公开更加充分；通过对于点云集合的降噪处理，和对于第一参数信息的置信度验证，保障了车辆状态量信息的准确性。

另外，对于图1～图3所示的实施例，还可在确定车辆状态量信息的基础上，还可对所述车辆状态量信息以可视图像的形式体现在平面地图上，以便于更直观的呈现所述车辆状态量信息。

所述以可视图像的形式体现在平面地图上，具体可以是将三维的道路拓扑展开到二维的地面。由于三维空间内运动的车辆由于只能在受限的地面运动，因此本质是在二维曲面运动，所以可以对其进行拓扑展开。同时，车辆的速率、里程计的行驶距离都是标量，三维坐标下的直线距离和道路模型下的距离并不等价，所以为了获得准确距离度量信息，必须进行拓扑展开。此外，如果道路模型采用参数化建模，拓扑展开过程将简化为线积分运算，运算量大大减少。拓扑展开过程具体可以的依据降维后的方差最大(Kernel PCA)算法。拓扑地图的输出不是在嵌入式环境获得，因为嵌入式环境只需要输出结构化信息，因此拓扑算法对于实时性要求没有那么高,所以可以使用Kernel PCA去优化。

示例性装置

图5是本申请一示例性实施例提供的车辆状态量信息确定装置的结构示意图。本实施例所述装置，即用于执行图1～3所述方法的实体装置。其技术方案本质上与上述实施例一致，上述实施例中的相应描述同样适用于本实施例中。本实施例中所述装置包括：

点云集合确定模块501，用于从点云图中确定呈预定条件分布的多个样本点；根据所述多个样本点建立对应所述车辆的点云集合；

状态量信息确定模块502，用于基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

图6是本申请另一示例性实施例提供的车辆状态量信息确定装置中所述点云集合确定模块501的结构示意图。如图6所示，在另一个示例性实施例中，点云集合确定模块501包括：

采集单元611，用于利用激光雷达，或利用摄像头获取连续的多帧点云图，基于所述各帧点云图分别确定所述点云图中对应所述车辆且呈“L”型分布的多个样本点。

集合单元612，用于根据所述多个样本点建立所述车辆在各帧点云图上对应的点云集合。

图7是本申请另一示例性实施例提供的车辆状态量信息确定装置中所述状态量信息确定模块502的结构示意图。如图7所示，在另一个示例性实施例中，所述状态量信息确定模块502包括：

特征向量确定单元711，用于基于所述点云集合，确定一组与所述点云集合中所述多个样本点距离之和最小的正交基；获取所述正交基的尺寸和所述正交基在所述点云图中的位置，根据所述正交基的尺寸和所述正交基在所述点云图中的位置确定所述特征向量信息。

第一状态量信息确定单元712，用于根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

第二状态量信息确定单元713，用于根据所述车辆在所述各帧点云图上对应的点云集合确定所述车辆的第二参数信息；通过所述第二参数信息获得所述车辆的第二车辆状态量信息。

置信度验证单元714，用于对所述第一参数信息进行置信度验证。

示例性电子设备

下面，参考图8来描述根据本申请实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图8图示了根据本申请实施例的电子设备的框图。

如图8所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的车辆状态量确定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

例如，在该电子设备是第一设备100或第二设备200时，该输入装置13可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备100和第二设备200接收所采集的输入信号。

此外，该输入设备13还可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图8中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

示例性计算机程序产品和计算机可读存储介质

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的车辆状态量确定方法中的步骤。

所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的车辆状态量确定方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1.一种车辆状态量信息确定方法，包括：

从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应车辆的点云集合；

基于所述点云集合确定一组特征向量信息，根据所述特征向量信息确定所述车辆的第一参数信息；

通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

2.根据权利要求1所述方法，所述从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应所述车辆的点云集合包括：

获取连续的多帧点云图，基于所述各帧点云图分别确定呈预定条件分布的多个样本点，并根据所述多个样本点建立所述车辆在各帧点云图上对应的点云集合。

3.根据权利要求2所述方法，还包括：

根据所述车辆在所述各帧点云图上对应的点云集合确定所述车辆的第二参数信息；

通过所述第二参数信息获得所述车辆的第二车辆状态量信息。

4.根据权利要求1所述方法，所述从点云图中确定呈预定条件分布的多个样本点包括：

确定所述点云图中对应所述车辆且呈“L”型分布的多个样本点。

5.根据权利要求4所述方法，所述基于所述点云集合确定一组特征向量信息包括：

基于所述点云集合，确定一组与所述点云集合中所述多个样本点距离之和最小的正交基；

获取所述正交基的尺寸和所述正交基在所述点云图中的位置，根据所述正交基的尺寸和所述正交基在所述点云图中的位置确定一组特征向量信息。

6.根据权利要求1所述方法，还包括：

对所述第一参数信息进行置信度验证。

7.根据权利要求1～7任意一项所述方法，所述获取点云图包括：

获取利用激光雷达采集点云图；

或，获取由摄像头采集图像转换的点云图。

8.一种车辆状态量信息确定装置，包括：

点云集合确定模块，用于从点云图中确定呈预定条件分布的多个样本点，根据所述多个样本点建立对应所述车辆的点云集合；

状态量信息确定模块，用于基于所述点云集合确定一组特征向量信息；根据所述特征向量信息确定所述车辆的第一参数信息；通过所述第一参数信息获得所述车辆的第一车辆状态量信息。

9.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的车辆状态量信息确定方法。

10.一种电子设备，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-9任一所述的车辆状态量信息确定方法。

Images