索引关于物理世界的传感器数据

摘要

本文描述的系统、方法和其他实施例涉及通过用导出的内容对传感器数据进行索引来改进传感器数据在移动环境中的使用。在一个实施例中，一种方法包括响应于卸载事件从车辆获取传感器数据。该方法包括根据传感器数据是被如何获取的属性来生成传感器数据的索引。该方法包括至少使用模型分析传感器数据以导出附加内容。该方法包括使用附加内容更新索引以进一步指示传感器数据相对于属性的特性。该方法包括向远程设备提供索引作为关于传感器数据的内容的报告。

说明书

对相关申请的交叉引用

本申请要求2021年4月2日提交的第63/170,291号美国临时申请的权益，该临时申请通过引用整体并入本文。

技术领域

本文描述的主题总体上涉及改进对传感器数据的索引(index)，更具体地，涉及对传感器数据进行索引并使用该索引来表示传感器数据，以代替卸载(offload)传感器数据本身。

背景技术

现代车辆异常大量的数据。在处理这样的大量数据时，可用的通信和存储方式通常遇到困难。也就是说，例如，当从车辆卸载传感器数据时，可用的通信路径(诸如蜂窝网络)显现出显著的瓶颈，并且虽然基于云的系统可能潜在地处理大量原始数据，但当考虑到每个单独车辆生成的量时，通信和存储成本是显著的，从而在尝试卸载传感器数据时造成困难。

随着越来越多的数据收集系统以计算机化车辆、智能系统和物联网设备的形式上线，通信和存储问题只能加剧严重。现有联网系统的不对称设计和大量数据意味着，除了卸载传感器数据的困难之外，中央数据系统还将负担通常不希望的显著的存储和处理负载。

发明内容

在各种实施例中，示例系统和方法涉及通过用导出的内容对传感器数据进行索引并聚合来自各种源的索引以形成传感器数据的组合目录(combined catalog)来改进移动环境中的传感器数据卸载的方式。如前所述，配备有用于自动驾驶和/或其他目的的各种传感器的车辆生成大量的传感器数据。传感器数据包括关于该数据中所描绘的物理世界的有价值的信息。然而，由于信息的量以及通信路径和计算资源的限制，以有用的方式从车辆卸载传感器数据并提供传感器数据显现出显著的困难。

因此，在一个或多个实施例中，公开了一种创造性的系统，该系统通过利用基于边缘的设备(edge-based device)执行卸载和处理的能力来改进传感器数据的卸载和处理，从而避免通信瓶颈和对云中的计算资源的大量使用。例如，在一种方法中，该系统与充电站集成，或者以其他方式与车辆可以长时间停放的位置(例如，家庭、办公室、停车场等)处的基于边缘的设备相关联。无论哪个位置被利用，系统都总体上与基于边缘的设备集成，该设备有能力存储和处理传感器数据并且至少为单个车辆这样做。因此，系统卸载并本地地存储来自车辆的原始传感器数据。然后，系统可以对传感器数据执行各种应用(诸如机器学习模型、分析等)以导出附加内容。该附加内容可以采取各种形式并且通常不受限制，而是可以包括机器感知结果(machine perception)(例如，物体标识、场景识别/关联，等等)。

此外，系统还可以接收由车辆本身生成的原始传感器数据推导结果(derivation)，作为例如与原始用途(original use)相关联的车辆上的传感器数据的处理的一部分。因此，在各种布置中，来自车辆的原始传感器数据包括进一步表征(characterize)传感器数据的内容的注释(annotation)和/或其他层的元数据。在任一情况下，系统根据从车辆和系统两者导出的内容以及据传感器数据本身的属性(attribute)来对传感器数据进行索引。系统使用这些属性来对传感器数据进行索引，这些属性通常是指示传感器数据的相应片段是何时及何地被获取的时间和位置信息。然后，系统可以通过将时间位置信息与关于导出的内容的注释进行相关(correlate)来使用导出的内容进一步更新索引。此后，系统向基于云的设备提供该索引，包括关于传感器数据的信息。基于云的设备发挥作用以聚合来自相同和不同地理位置内的车辆的索引，从而生成从对广泛选择的车辆所收集的传感器数据的目录(即，聚合/组合索引)。这提供了如下中央资源，即，该中央资源用于查询传感器数据的不同方面(其可以充当用于标识感兴趣数据的入口点)并且然后在需要时直接从边缘设备取回该数据。因此，系统促进了出于许多不同的目的的对传感器数据的使用，同时避免与在云中上传和处理传感器数据相关联的困难。以此方式，系统通过提供关于物理世界的所观测区域(observed area)的索引而改进了对传感器数据的使用，从而简化该信息的存储和使用。

在一个实施例中，公开了一种用于改进传感器数据的卸载和存储的收集系统。收集系统包括一个或多个处理器以及通信地耦合到该一个或多个处理器的存储器。存储器存储指令，这些指令当由一个或多个处理器执行时，使该一个或多个处理器响应于卸载事件而从车辆获取传感器数据。这些指令包括如下指令，该指令用于根据传感器数据是被如何获取的属性来生成传感器数据的索引。这些指令包括如下指令，该指令用于至少使用模型来分析传感器数据以导出附加内容并使用附加内容更新索引以进一步指示传感器数据相对于这些属性的特性(characteristic)。这些指令包括如下指令，该指令用于向远程设备提供该索引，作为关于传感器数据的内容的报告。

在一个实施例中，公开了一种用于改进传感器数据的卸载和存储的非暂时性计算机可读介质，该介质包括指令，这些指令当由一个或多个处理器执行时使该一个或多个处理器执行一个或多个功能。这些指令包括响应于卸载事件而从车辆获取传感器数据的指令。这些指令包括如下指令，该指令用于根据传感器数据是被如何获取的属性来生成传感器数据的索引以及用于至少使用模型来分析传感器数据以导出附加内容。这些指令包括如下指令，该指令用于使用附加内容来更新索引以进一步指示传感器数据相对于这些属性的特性。这些指令包括如下指令，该指令用于向远程设备提供该索引，作为关于传感器数据的内容的报告。

在一个实施例中，公开了一种方法。在一个实施例中，该方法包括响应于卸载事件而从车辆获取传感器数据。该方法包括根据传感器数据是被如何获取的属性来生成传感器数据的索引。该方法包括至少使用模型来分析传感器数据以导出附加内容。该方法包括使用附加内容来更新索引以进一步指示传感器数据相对于这些属性的特性。该方法包括向远程设备提供该索引，作为关于传感器数据的内容的报告。

附图说明

被并入并构成说明书一部分的附图图示了本公开的各种系统、方法和其他实施例。应当理解，图中所示的元素边界(例如，框、框组或其他形状)表示边界的一个实施例。在一些实施例中，一个元素可以被设计为多个元素，或者多个元素可以被设计为一个元素。在一些实施例中，显示为另一元素的内部组件的元素可以被实现为外部组件，反之亦然。此外，元素可能未按比例绘制。

图1图示了本文所公开的系统和方法可在其内被实现的车辆的一个实施例。

图2图示了与改进对传感器数据的索引相关联的收集系统的一个实施例。

图3图示了包括实现本文所讨论的系统和方法的各种组件的网络的图。

图4是图示与在边缘设备处对传感器数据进行索引相关联的方法的一个实施例的流程图。

具体实施方式

公开了与通过用导出的内容来对传感器数据进行索引并聚合来自各种源的索引以形成传感器数据的组合目录从而改进移动环境中的传感器数据卸载的方式相关联的系统、方法和其他实施例。如前所述，配备有用于自动驾驶和/或其他目的的各种传感器的车辆生成大量的传感器数据。在一些示例中，这样的车辆可以生成5TB/小时的传感器数据。传感器数据包括关于该数据中所描绘的物理世界的有价值的信息。然而，由于通信路径和计算资源的限制，从车辆卸载传感器数据并以可摄取的形式提供传感器数据显现出显著的困难。

因此，在一个或多个实施例中，公开了一种收集系统，该系统通过利用基于边缘的设备执行卸载和处理的能力来改进对传感器数据的卸载和处理。使用靠近源的边缘设备可以避免通信瓶颈，因为直接物理连接或健壮的无线连接是更为可行的。此外，边缘设备可以将计算资源集中在与向设备进行卸载的一组车辆相关联的较小数据集上，从而避免对云中的计算资源的大量使用。

例如，在一种方法中，系统与充电站集成，或者以其他方式与车辆可以长时间停放的位置(例如，家庭、办公室、停车场等)处的基于边缘的设备相关联。无论哪个位置被利用，系统总体上与基于边缘的设备集成，该设备有能力存储和处理传感器数据并且至少为单个车辆这样做。因此，系统卸载并本地地存储来自该车辆的原始传感器数据。然后，系统可以对传感器数据执行各种应用(诸如机器学习模型、分析等)以导出附加内容。该附加内容可以采取各种形式并且通常不受限制，而是可以包括机器感知结果(例如，物体标识、场景识别/关联等)以及从传感器数据导出的其他信息。

此外，连同原始传感器数据，系统还可以接收由车辆本身生成的推导结果。也就是说，车辆可以初始地生成传感器数据并处理该传感器数据以例如感知周围环境的各个方面。这些感知结果可以采取不同的形式，诸如物体实例标识、所感知的场景的语义分割、轨迹估计等。因此，车辆可以将这些推导结果与传感器数据一起提供，以进一步丰富化传感器数据并避免针对相同确定结果(determination)的冗余处理。然后，在各种布置中，车辆可以将注释和/或其他层的元数据(其进一步表征传感器数据的内容)与传感器数据包括在一起。

一旦从车辆被卸载，系统就根据传感器数据本身的属性以及从车辆和系统两者生成的导出内容来对传感器数据进行索引。收集系统使用属性来初始地对传感器数据进行索引，这些属性通常是指示传感器数据的相应片段何时及何地被获取的时间和位置信息。然后，系统可以通过将时间位置信息与关于导出内容的注释进行相关来使用导出内容进一步更新索引。此后，系统向基于云的设备提供该索引，其包括关于传感器数据的信息但不是传感器数据本身。基于云的设备发挥作用以聚合来自相同和不同地理位置内的车辆的索引，从而生成从对广泛选择的车辆收集的传感器数据的目录(即，聚合/组合索引)。这提供了如下中央资源，该中央资源用于查询传感器数据的不同方面(其可以作为标识感兴趣数据的入口点)并且然后在需要时直接从边缘设备取回该数据。因此，该系统促进了出于许多不同的目的的传感器数据的使用，同时避免与在云中上传和处理传感器数据相关联的困难。以此方式，系统改进了传感器数据的使用以提供关于物理世界的所观测区域的索引。

参照图1，图示了车辆100的示例。如本文所使用的，“车辆”是任何形式的动力运输工具。在一个或多个实现方式中，车辆100是汽车。虽然本文将关于汽车和边缘设备描述各种布置，但是应当理解，实施例不限于这些设备。在一些实现方式中，收集系统170可以在例如收集关于物理世界的传感器数据的任何设备内实现。在各种方法中，车辆100可以是自动化车辆。如本文所使用的，自动化车辆是指具有至少一些自动驾驶功能的车辆。因此，车辆100可以自主地、半自主地或者在各种高级驾驶辅助系统(ADAS)的辅助下操作。此外，在至少一种布置中，车辆100是能够与其他设备(诸如其他连接的车辆、基础设施元件(例如，路边单元、边缘设备等)、云计算元件等)无线通信的连接的车辆。此外，虽然本公开总体上是关于车辆100进行描述的，但在还有的另外的方法中，本文公开的所指出的系统和方法可以被实现为其他实体的一部分，诸如不与特定形式的运输工具相关联而是被嵌入为移动电子设备的一部分的电子设备，该移动电子设备可以例如由个人携带并且可以独立地工作或与其他设备的附加系统(例如，传感器)协同地工作。

在任一情况下，车辆100还包括各种元件。应当理解，在各种实施例中，车辆100可能不是必须具有图1所示的所有元件。车辆100可以具有图1所示的各种元件的不同组合。此外，在图1所示的那些元件之外，车辆100可以具有附加元件。在一些布置中，车辆100可以在没有图1所示的元件中的一个或多个元件的情况下实现。虽然在图1中各种元件被示出为位于车辆100内，但是应当理解，这些元件中的一个或多个元件可以位于车辆100的外部。此外，所示的元件可能在物理上以大的距离分开。例如，如所讨论的，所公开的收集系统170的一个或多个组件可以在车辆100内实现，而收集系统170的另外的组件在基于边缘的设备内实现，如随后进一步讨论的那样。

车辆100的可能元件中的一些元件在图1中示出，并且将与随后的附图一起描述。然而，出于本说明书的简洁的目的，对图1中的许多元件的描述将在图2-图4的讨论之后提供。此外，应当理解，为了说明的简单和清楚，在适当的情况下，参考数字在不同的附图之间被重复以指示对应或类似的元件。另外，该讨论概述了许多具体细节以提供对本文描述的实施例的透彻理解。然而，本领域技术人员将理解，本文描述的实施例可以使用这些元件的各种组合来实践。在任一情况下，如图1的实施例所示，车辆100包括收集系统170，该系统被实现以执行本文所公开的与对车辆100所收集的传感器数据的收集、处理和索引有关的方法和其他功能。如前所述，虽然收集系统170被示出为车辆100的组件，但是本公开设想收集系统170被实现为不同设备(包括但不限于边缘设备，诸如微数据中心、RSU、充电站等)内的分开的不同实例。一般而言，这样的设备可以位于车辆长时间停放的任何地方。

因此，这些设备可以位于家庭、办公室、与充电站集成、在停车场内等。一般而言，与静态位置处的边缘设备相关联的收集系统170例如被配置有附加的存储空间以处置大量数据，同时还以处理资源的形式提供进一步的资源以在所卸载的传感器数据上执行应用并生成附加的导出内容。

此外，在车辆100内供应的收集系统170与通信系统协作工作。在一个实施例中，通信系统根据一个或多个通信标准来通信。例如，通信系统可以包括多个不同的天线/收发器和/或其他硬件元件，用于在不同的频率处根据相应的协议(无论是有线的还是无线的)来通信。在一种布置中，通信系统经由诸如WiFi、DSRC、V2I、V2V之类的通信协议或用于在车辆100与其他实体(诸如边缘设备)之间通信的另一合适协议来通信。此外，在一种布置中，通信系统还根据诸如全球移动通信系统(GSM)、GSM演进的增强数据速率(EDGE)、长期演进(LTE)、5G之类的协议或为车辆100提供与各种远程设备的通信的其他通信技术来通信。在任一情况下，收集系统170可以利用各种通信技术来向其他实体提供通信和/或从其他实体接收的信息。

参照图2，进一步示出了收集系统170的一个实施例。收集系统170被示出为包括来自图1的车辆100的处理器110。因此，处理器110可以是收集系统170的一部分，收集系统170可以包括与车辆100的处理器110分开的处理器，或者收集系统170可以通过数据总线或其他通信路径而访问处理器110。在另外的方面中，处理器110是基于云的资源。因此，处理器110可以通过通信网络与收集系统170通信或者可以与收集系统170共同定位(co-located)。在一个实施例中，收集系统170包括存储数据模块220的存储器210。存储器210是用于存储模块220和/或由收集系统170使用的其他信息的随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器、闪存或其他合适的存储器(易失性或非易失性)。模块220例如是物理存储器210内的计算机可读指令，这些指令当被处理器110执行时使得处理器110执行本文公开的各种功能。

继续图2和收集系统170的一般实施例，在一种或多种布置中，收集系统170包括数据存储库230。在一个实施例中，数据存储库230是存储在存储器210或另一电子存储器中的电子数据结构(例如，数据库)并且配置有能够被处理器110执行的例程，用于分析存储的数据、提供存储的数据、组织存储的数据等。因此，在一个实施例中，数据存储库230存储模块220在执行各种功能时使用的数据。在一个实施例中，数据存储库230包括传感器数据240连同模块220使用的其他信息。应当理解，虽然数据存储库230被示出为包括传感器数据240，但收集系统170的不同实例可以将数据存储库230实现为包括附加的信息集，诸如与传感器数据240相关联的元数据，其包括来自车辆100的自动化系统的导出内容和/或来自当在边缘设备处实现时由处理器110执行的应用的导出内容。

在任一情况下，当被实现为车辆100的一部分时，数据模块220包括如下指令，该指令发挥作用以控制处理器110来获取关于车辆100的周围环境的传感器数据240。收集系统170以传感器数据240的形式捕获对周围环境的观察结果，车辆100(例如，经由自主驾驶模块160)将该传感器数据处理成关于周围环境的确定结果，包括物体和环境的方面(例如，车辆、行人、道路、车道配置)的表示、物体的轨迹、交通信号的操作状态以及与道路相关联的交通、所标识的方面的语义类别等等。一般而言，车辆100内的收集系统170可以获取由车辆100生成的与传感器数据240互补的任何信息。因此，传感器数据240不限于仅包括来自相机、LiDAR、雷达和类似传感器的关于周围环境的观察结果，而是还可以包括与车辆100的操作有关的一般远程信息处理数据(telematics data)。例如，传感器数据240可以包括关于车辆100的动态信息(例如，俯仰、偏航、侧倾、速度等)、发动机数据、驾驶员控制输入(例如，转向角、加速百分比等)等等。在还有的另一方面，传感器数据240包括关于车辆100的内部乘客舱的信息，诸如相机图像、乘客的位置、信息娱乐设置/使用等等。此信息伴随有一般元数据，该元数据包括时间戳以及地理信息，该地理信息指定传感器数据240被收集时车辆100的位置。

在一种布置中，数据模块220控制车辆100的相应传感器来以传感器数据240的形式提供数据输入。数据模块220可以进一步将传感器数据240处理成对周围环境的不同观察结果。例如，在一种方法中，数据模块220融合来自不同传感器的数据以提供关于周围环境的特定方面的观察结果。举例来说，在一种或多种方法中，传感器数据240本身可以采用不同的图像、雷达回波、LiDAR回波等形式。数据模块220可以从传感器数据240导出确定结果(例如，位置、姿势、特性等)，并且针对周围环境的分开地标识的各方面(诸如周围车辆、行人等)融合该数据。数据模块220可以将进一步将传感器数据240外推成观察结果，例如通过将传感器数据的不同实例关联到超出瞬时数据点的关于物体的有意义的观察结果来这样做。例如，数据模块220可以在许多数据点上对行人进行跟踪以提供与各种物体(诸如车辆、购物车等)相关的动作的指示，从而提供关于物体是否正在移动或执行某一特定动作(例如，在停车位停车)的信息。

此外，虽然数据模块220被讨论为控制各种传感器以提供传感器数据240，但在一个或多个实施例中，模块220可以采用主动或被动的其他技术来获取传感器数据240。例如，数据模块220可以被动地从由车辆100中的各种传感器或其他模块/系统向车辆100内的其他组件提供的电子信息流中嗅探传感器数据240。此外，如所指出的，当提供传感器数据240时，数据模块220或车辆100的其他组件(例如，模块160)可以采用各种方法来融合来自多个传感器的数据。因此，在一个实施例中，传感器数据240表示从多个传感器获取的感知结果的组合。

当然，取决于车辆100包括的传感器，收集系统170可以收获的可用传感器数据240可能变化。作为一个示例，根据特定实现方式，车辆100可以包括不同类型的相机或多个相机的放置。当获取传感器数据240时，数据模块220可获取源自车辆100的各种电子输入，其可作为传感器数据240被存储在收集系统170的数据存储库230中并根据各种算法(诸如由车辆100的一个或多个附加系统进行的机器学习算法、启发法等)来处理。因此，在一种方法中，收集系统170将传感器数据240连同从该数据中导出的信息一起维护在数据存储库230中。

如前所述，此信息在数量上可能是显著的。因此，在进一步的布置中，数据模块220可以(例如，根据可用空间以及先进先出)将传感器数据240存储一有限的时间。在还有的另外的方面中，数据模块220可以对信息进行下采样或选择性地存储信息，诸如通过跳过视频帧、LiDAR帧等来这样做。在任一情况下，收集系统170存储由车辆100获取的多个信息，并且当与边缘设备的合适连接可用时进一步卸载该信息。

作为对当前方法的总体架构的进一步解释，考虑图3。图3示出了各种设备的网络架构300。具体地，网络架构300示出了车辆100a-d、边缘310a-c和云320之间的关系。车辆100a-d代表获取要在边缘310a-c(其是边缘设备)处被收集的传感器数据的设备。如前所述，车辆100a-d可以包括除了车辆之外的设备，诸如收集关于物理世界的信息的无人机、机器人和其他设备，该信息可能对后续分析和查询是有用的。此外，不同的边缘310a-c可以与不同的车辆编队(fleet of vehicles)相关联。在任一情况下，收集系统170相对于边缘310a-c被单独地嵌入为独有实例，以从车辆100a-d收集信息并将所收集数据的索引提供给云320，在该云中索引被聚合到与车辆100a-d所遭遇和感知的物理世界有关的数据的可用数据目录中。以此方式，

为了将传感器数据240卸载到边缘设备的收集系统170，车辆100和边缘设备的收集系统170在检测到卸载事件后建立连接。一般而言，卸载事件是如下条件的发生，该条件指示车辆100存在于边缘设备处以及要卸载的关于车辆100的数据。因此，作为一个示例，车辆100(其可以是电动车辆)与充电站物理地连接，这可以进一步包括数据连接。当感测到该连接的建立时，充电站的收集系统170可以例如询问车辆100的收集系统要被卸载的数据是否存在。一般而言，特定协议可能变化，但是车辆100和边缘设备发挥作用以建立连接并确定数据将被上传，作为卸载事件。因此，当这种情况发生时，边缘设备的收集系统170确定用于卸载事件的条件被满足，并进而从车辆100获取传感器数据230。

一旦边缘设备的收集系统170获取传感器数据240，数据模块220就根据传感器数据240的属性对传感器数据240进行索引。在一种布置中，这些属性包括与传感器数据240的相应片段相关联的时间和位置。此外，应当理解，除了传感器数据240本身之外，车辆100还可以卸载由车辆100生成的关于传感器数据240的元数据和推导结果。也就是说，虽然传感器数据240被讨论为正被卸载，但是传感器数据240还可以包括由模块160导出的信息、远程信息处理数据以及由车辆100积累的其他信息。在任一情况下，以此方式来对传感器数据240进行索引充当传感器数据240的基线索引(baseline index)，以便根据属性提供到传感器数据240本身的通用入口点。一旦传感器数据240被上传到收集系统170，数据模块220就进一步处理传感器数据240以导出添加的内容。

参照图3，边缘设备310a-c被示出为具有各种第三方应用330。应用330可以经由各种应用编程接口(API)与传感器数据240交互，这些应用编程接口在一种布置中被集成为数据模块220的一部分以促进对传感器数据240的分析。在任一情况下，应用330通常可以包括用于分析传感器数据240的各种模型、启发法或其他机制。不同的边缘310a-c可以包括任何数量的应用330，这些应用可以根据与特定地理位置相关联的应用或与相应边缘设备交互的车辆的用例而在相应边缘设备处变化。作为一个示例，应用330可以包括机器学习模型、统计分析应用等等。应用330发挥作用以处理传感器数据240并提供导出的添加的内容，诸如机器感知结果、模式识别等。因此，应用330输出导出的添加的内容，作为传感器数据240的附加层。

然后数据模块220可以根据导出的添加的内容来更新索引，以便用关于传感器数据240的信息来进一步丰富化该索引。此添加的信息可以被包括作为简单的标签、注释或其他指示符，它们与该信息所表示的传感器数据240相比一般而言是相对更小的。因此，所得到的索引提供关于通过时间和位置相关的传感器数据240的信息。此信息被提供以代替传感器数据240本身，从而避免了传送大量信息的瓶颈，同时允许对数据进行查询。这种后续的查询允许从边缘设备取回传感器数据240，使得实体可以标识感兴趣的数据片段并且仅取回这些片段以供进一步分析或一般使用。以此方式，收集系统170改进了对传感器数据的存储、索引和后续使用，同时避免了通信和处理瓶颈的困难。

关于在边缘设备处存储和对传感器数据进行索引的附加方面将结合图4来描述。图4示出了与在边缘设备处对传感器数据进行索引相关联的方法400的流程图。方法400将从由边缘设备实现的图2的收集系统170的角度来讨论。尽管方法400是结合收集系统170来讨论的，但是应当理解，方法400不限于在收集系统170内实现，而是可以实现方法400的系统的一个示例。此外，尽管该方法被示为一般串行过程，但是方法400的各个方面可以并行执行以执行所指出的功能。

在410处，数据模块220确定卸载事件是否已被满足。例如，数据模块220通过检测如下的电子通信来确定用于卸载数据的车辆的存在，该电子通信是响应于信标的，是电子握手的一部分，或者以其他方式被引导至收集系统170以指示用于卸载的车辆的存在。如前面所提及的，卸载事件可以包括形成握手或其他协议的一系列通信。这可以涉及交换参数以协商卸载的各方面(例如，速度、数据量等)。在任一情况下，卸载事件通常包括检测到车辆100在边缘设备附近、建立用于通信的连接、以及然后发起传感器数据240的卸载。

在420处，数据模块220从车辆100获取传感器数据240并将传感器数据本地地存储在边缘设备处。在一种或多种布置中，获取传感器数据240的过程包括经由通信路径(诸如经由有线或无线通信链路)接收传感器数据240。数据模块230接收传感器数据240并将传感器数据240本地地存储在数据存储库230内。如前所述，收集系统170所获取的传感器数据240可以包括来自传感器的原始数据，并且在各种方法中，还包括从传感器数据240导出的和关于该传感器数据的附加信息。也就是说，传感器数据240可以与描述传感器数据240本身的特性的元数据以及由车辆100从传感器数据240中生成的附加导出内容一起被传送。在另外的方面，数据模块220可以选择性地对传感器数据240进行采样以压缩传感器数据240以供存储。数据模块220可以在当传感器数据240最初被接收时或在随后的时间处(诸如在框410处讨论的进一步处理后)进行压缩。在还有的另一些实施例中，传感器数据240在不压缩的情况下被存储。在任一情况下，传感器数据240被卸载或以其他方式从车辆100移除并被保留在边缘设备处。

在430处，数据模块220生成传感器数据240的索引。在一种方法中，数据模块230使用关于传感器数据240如何被获取的属性来充当索引中的参考(reference)。这些属性可以包括与传感器数据240相关的不同方面，但通常包括时间和地理位置，因为这些方面在车辆100沿着路线前进时通常彼此相关。因此，索引使得传感器数据240根据时间/位置是可搜索的。数据模块还可以用车辆100产生的导出信息来填充该索引。如前面所指出的，此信息可以包括来自自动驾驶系统、远程信息处理数据、安全控制系统等的信息。因此，初始的索引充当传感器数据240上的通用索引以将传感器数据240与标识元素相关，使得传感器数据240的特定片段可以被具体地引用。

在440处，数据模块220处理传感器数据240以导出添加的内容。具体地，数据模块220分析传感器数据240以至少使用模型或其他应用来导出该附加内容。该模型/应用可以是收集系统170的本机集成应用或者可以是第三方应用。也就是说，收集系统170通过API(其促进对传感器数据240的访问和处理)的暴露来支持第三方应用的访问。这允许不同应用的多样化集合处理传感器数据240并导出附加内容，从而提供更丰富的信息集以供后续查询。应当理解，该附加内容被一般化地描述为所导出的对车辆100的周围环境的感知结果，诸如物体的存在、物体的位置、物体的类型以及物体之间的关系；然而，该附加内容可以采取许多不同的形式，包括导出行为(例如，交通行为、驾驶行为、驾驶员倾向等)的模式、统计相关性等等。

在450处，数据模块220使用该附加内容来更新索引。更新索引允许进一步指示传感器数据240相对于属性(即，时间和位置)的特性。该进一步的表征提供了供查询的附加信息层，以便标识传感器数据240中可能与特定查询/请求有关的具体片段。一般而言，数据模块220通过根据与附加内容相关联的相应片段的时间和位置将附加内容与索引中的传感器数据240进行相关来更新索引。此外，导出的内容还可以指示如下特性，该特性定义与物体、物体的位置和道路环境的组合相关联的场景。一般而言，场景可以是关于传感器数据240的具体导出的指示符，其来自于应用对传感器数据240的进一步处理和/或一个或多个应用对导出内容本身的分析以标识导出内容内的模式(例如，十字路口处的行人和另一辆车的存在)。类似地，道路环境可以被应用标识，并且可以包括道路的特定配置连同不同物体的存在、天气条件等的组合。作为一个示例，道路环境可以用交通的存在、道路的相对速度限制、白天/夜间条件等定义一种特定类型的转弯(例如，左转)。以此方式，数据模块220可以将信息嵌入到索引中而不包括传感器数据本身，以在搜索时提供关于传感器数据240的内容的高分辨率。

在460处，数据模块220将索引作为关于传感器数据240的内容的报告提供给远程设备。如前所述，远程设备通常是基于云的资源，其将来自许多不同的基于边缘的设备的索引聚合到向边缘设备进行卸载的车辆群体当中所有可用传感器数据的公共目录中。在一种或多种方法中，收集系统170经由有线或无线通信链路将索引传送到云。传送索引而不是传感器数据240避免了传输相当大量的数据，并且由此避免了与通信链路相关联的瓶颈以及传输数据时增加的带宽成本，同时仍然经由索引提供能够被搜索以标识可能感兴趣的传感器数据方面的信息。以此方式，收集系统170改进了由跨地理区域广泛分布的车辆收集的传感器数据的存储和使用。

作为附加方面，收集系统170还支持经由索引对传感器数据进行搜索。也就是说，例如，在各个实现方式中，搜索可以在云处生成并且在索引的聚合目录上执行。搜索可以指定特定参数，诸如日期范围、特定地理位置、以及传感器数据本身的由索引内包括的信息所体现的具体方面。因此，收集系统170的在云中执行的实例从该目录中确定哪些边缘设备及相关联的车辆对应于与该搜索相匹配的信息。然后，云可以将搜索传送到具体的相匹配的边缘设备。在这些边缘设备处，查询进一步在本地索引上执行以标识存储在其上的信息片段。然后，该边缘可以将匹配的传感器数据传送回云，这可以涉及将该信息作为整体传送或作为下采样版本来传送以节省带宽。无论哪种方法被采用，整个系统都已经有效地聚焦于对数据的这些特定片段的使用，而不会遇到将全部数据卸载到云的问题，从而提高了效率。

图1现在将被作为本文公开的系统和方法可以在其中操作的示例环境被详细讨论。在一些情况下，车辆100可以被配置为在自主模式、一个或多个半自主操作模式和/或手动模式之间选择性地切换。当然，在另外的方面，车辆100可以是手动驾驶车辆，其可以包括或可以不包括一个或多个驾驶辅助系统，诸如主动巡航控制、车道保持辅助、碰撞避免等等。在任一情况下，“手动模式”意味着车辆的所有或大部分导航和/或操纵是根据从用户(例如，人类驾驶员)接收的输入来执行的。在一种或多种布置中，车辆100可以是被配置为仅以手动模式操作的传统车辆。

在一个或多个实施例中，车辆100是自主车辆。如本文所使用的，“自主车辆”是指以自主模式操作的车辆。“自主模式”是指使用一个或多个计算系统沿行驶路线导航和/或操纵车辆100以在最少或没有来自人类驾驶员的输入的情况下控制车辆100。在一个或多个实施例中，车辆100是高度自动化的或完全自动化的。在一个实施例中，车辆100被配置有一个或多个半自主操作模式，其中一个或多个计算系统执行车辆沿行驶路线的导航和/或操纵的一部分，并且车辆操作者(即，驾驶员)向车辆提供输入以执行车辆100沿行驶路线的导航和/或操纵的一部分。

车辆100可以包括一个或多个处理器110。在一种或多种布置中，(一个或多个)处理器110可以是车辆100的主处理器。例如，(一个或多个)处理器110可以是电子控制单元(ECU)。车辆100可包括用于存储一种或多种类型的数据的一个或多个数据存储库115。数据存储库115可以包括易失性存储器和/或非易失性存储器。合适的数据存储库115的示例包括RAM(随机存取存储器)、闪存、ROM(只读存储器)、PROM(可编程只读存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、寄存器、磁盘、光盘、硬盘驱动器或任何其他合适的存储介质或其任何组合。数据存储库115可以是(一个或多个)处理器110的组件，或者数据存储库115可以可操作地连接到(一个或多个)处理器110由此以供使用。如贯穿本说明书所用的术语“可操作地连接”可以包括直接或间接连接，包括没有直接物理接触的连接。

在一种或多种布置中，一个或多个数据存储库115可以包括地图数据116。地图数据116可以包括一个或多个地理区域的地图。在一些情况下，地图数据116可以包括关于一个或多个地理区域中的道路、交通控制设备、道路标记、结构、特征和/或地标的信息或数据。地图数据116可以是任何合适的形式。在一些情况下，地图数据116可以包括区域的鸟瞰图。在一些情况下，地图数据116可以包括区域的地面视图，包括360度地面视图。地图数据116可以包括地图数据116中包括的一个或多个项目和/或相对于地图数据116中包括的其他项目的测量、尺寸、距离和/或信息。地图数据116可以包括具有关于道路几何形状的信息的数字地图。地图数据116可以是高质量和/或高度详细的。

在一种或多种布置中，地图数据116可以包括一个或多个地形图117。(一个或多个)地形图117可以包括关于一个或多个地理区域的地面、地形、道路、表面和/或其他特征的信息。(一个或多个)地形图117可包括一个或多个地理区域的海拔数据。地图数据116可以是高质量和/或高度详细的。(一个或多个)地形图117可以定义一个或多个地面表面，其可以包括铺砌的道路、未铺砌的道路、土地和定义地面表面的其他事物。

在一种或多种布置中，地图数据116可以包括一个或多个静态障碍物地图118。(一个或多个)静态障碍物地图118可以包括关于位于一个或多个地理区域内的一个或多个静态障碍物的信息。“静态障碍物”可以是其位置在一段时间内不改变(或基本上不改变)和/或其大小在一段时间内不改变(或基本上不改变)的物理物体。静态障碍物的示例可以包括树木、建筑物、路缘石、栅栏、栏杆、中间带、电线杆、雕像、纪念碑、标志、长凳、家具、邮箱、大石头和山丘。静态障碍物可以是延伸到地平面以上的物体。包括在(一个或多个)静态障碍物地图118中的一个或多个静态障碍物可以具有位置数据、大小数据、尺寸数据、材料数据和/或与它们相关联的其他数据。(一个或多个)静态障碍物地图118可以包括一个或多个静态障碍物的测量、尺寸、距离和/或信息。(一个或多个)静态障碍物地图118可以是高质量和/或高度详细的。(一个或多个)静态障碍物地图118可以被更新以反映建图区域内的改变。

一个或多个数据存储库115可以包括传感器数据119。在此上下文中，“传感器数据”意指关于车辆100所配备的传感器的任何信息，包括关于这样的传感器的能力和其他信息。如下文将解释的，车辆100可包括传感器系统120。传感器数据119可以涉及传感器系统120的一个或多个传感器。作为示例，在一种或多种布置中，传感器数据119可以包括关于传感器系统120的一个或多个LIDAR传感器124的信息。

在一些情况下，地图数据116和/或传感器数据119的至少一部分可以位于车辆100车载的一个或多个数据存储库115中。替代地或附加地，地图数据116和/或传感器数据119的至少一部分可以位于远离车辆100的一个或多个数据存储库115中。

如上所述，车辆100可包括传感器系统120。传感器系统120可以包括一个或多个传感器。“传感器”意指可以检测和/或感测某物的任何设备、组件和/或系统。一个或多个传感器可以被配置以实时进行检测和/或感测。如本文所使用的，术语“实时”意指用户或系统进行感测的如下处理响应水平，该水平对于要做出的特定过程或确定而言是足够即时的，或使处理器能够跟上一些外部过程。

在传感器系统120包括多个传感器的布置中，传感器可以彼此独立地工作。替代地，这些传感器中的两个或更多个传感器可以彼此结合地工作。在这样情况下，这两个或更多个传感器可以形成传感器网络。传感器系统120和/或一个或多个传感器可以操作地连接到(一个或多个)处理器110、(一个或多个)数据存储库115和/或车辆100的另一元件(包括图1中所示的任何元件)。传感器系统120可以获取车辆100的外部环境(例如，附近的车辆)的至少一部分的数据。

传感器系统120可以包括各种类型的传感器。不同类型传感器的各种示例将在本文描述。然而，应当理解，实施例不限于所描述的特定传感器。传感器系统120可以包括一个或多个车辆传感器121。(一个或多个)车辆传感器121可以检测、确定和/或感测关于车辆100本身的信息。在一种或多种布置中，(一个或多个)车辆传感器121可以被配置为(例如，基于惯性加速度)检测和/或感测车辆100的位置和朝向改变。在一种或多种布置中，(一个或多个)车辆传感器121可以包括一个或多个加速度计、一个或多个陀螺仪、惯性测量单元(IMU)、航位推算系统、全球导航卫星系统(GNSS)、全球定位系统(GPS)、导航系统147和/或其他合适的传感器。(一个或多个)车辆传感器121可以被配置为检测和/或感测车辆100的一个或多个特性。在一种或多种布置中，(一个或多个)车辆传感器121可以包括速度计以确定车辆100的当前速度。

替代地或附加地，传感器系统120可以包括被配置为获取和/或感测驾驶环境数据的一个或多个环境传感器122。“驾驶环境数据”可以包括关于自主车辆或其一个或多个部分所位于的外部环境的数据或信息。例如，一个或多个环境传感器122可以被配置为检测、量化和/或感测车辆100的外部环境的至少一部分中的障碍物和/或关于这样的障碍物的信息/数据。这样的障碍物可以是静止物体和/或动态物体。一个或多个环境传感器122可以被配置为检测、测量、量化和/或感测车辆100的外部环境中的其他事物，诸如例如车道标记、标志、交通灯、交通标志、车道线、人行横道、靠近车辆100的路缘石、道路外的物体等。

传感器系统120的传感器的各种示例将在本文描述。示例传感器可以是一个或多个环境传感器122和/或一个或多个车辆传感器121的一部分。然而，应当理解实施例不限于所描述的特定传感器。

作为示例，在一种或多种布置中，传感器系统120可以包括一个或多个雷达传感器123、一个或多个LIDAR传感器124、一个或多个声纳传感器125和/或一个或多个相机126。在一种或多种布置中，一个或多个相机126可以是高动态范围(HDR)相机或一个或多个红外(IR)相机。

车辆100可包括输入系统130。“输入系统”包括使信息/数据能够被输入机器的任何设备、组件、系统、元件、或布置或它们的组。输入系统130可以接收来自车辆乘客(例如，驾驶员或乘客)的输入。车辆100可包括输出系统135。“输出系统”包括使信息/数据能够被呈现给车辆乘客(例如，人、车辆乘客等)的任何设备、组件或布置或它们的组。

车辆100可包括一个或多个车辆系统140。该一个或多个车辆系统140的各种示例在图1中示出。然而，车辆100可以包括更多、更少或不同的车辆系统。应当理解，尽管特定的车辆系统可以被分开定义，但是这些系统中每个系统或任何系统或其部分可以经由车辆100内的硬件和/或软件以其他方式组合或分离。例如，车辆100可以包括推进系统141、制动系统142、转向系统143、油门系统144、传动系统145、信号系统146和/或导航系统147。这些系统中的每一个可以包括现在已知或以后开发的一个或多个设备、组件和/或其组合。

导航系统147可以包括现在已知或以后开发的被配置为确定车辆100的地理位置和/或确定车辆100的行驶路线的一个或多个设备、应用和/或其组合。系统147可以包括一个或多个地图应用以确定车辆100的行驶路线。导航系统147可以包括全球定位系统、本地定位系统、或地理定位系统。

(一个或多个)处理器110、收集系统170和/或(一个或多个)自动驾驶模块160可以可操作地连接以与各种车辆系统140和/或其单独组件通信。例如，返回到图1，(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可以通信以从各种车辆系统140发送和/或接收信息，以控制车辆100的移动、速度、操纵、航向、方向等。(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可以控制这些车辆系统140中的一些或全部，并且因此可以是部分或完全自主的。

(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可以可操作地连接以与各种车辆系统140和/或其单独组件通信。例如，返回到图1，(一个或多个)处理器110、收集系统170和/或(一个或多个)自动驾驶模块160可以通信以从各种车辆系统140发送和/或接收信息，以控制车辆100的移动、速度、操纵、航向、方向等。(一个或多个)处理器110、收集系统170和/或(一个或多个)自动驾驶模块160可以控制这些车辆系统140中的一些或全部。

(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可操作以通过控制车辆系统140和/或其组件中的一个或多个来控制车辆100的导航和/或操纵。例如，当以自主模式操作时，(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可以控制车辆100的方向和/或速度。(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160可以使车辆100加速(例如，通过增加提供给发动机的燃料供应)、减速(例如，通过减少对发动机的燃料供应和/或通过施加制动)和/或改变方向(例如，通过转动前两个轮子)。如本文所使用的，“使”或“使得”意指以直接或间接的方式导致、强制、强迫、指导、命令、指示和/或使事件或动作发生或至少处于这样的事件或动作可能发生的状态。

车辆100可以包括一个或多个致动器150。致动器150可以是任何元件或元件组合，其可操作以响应于从(一个或多个)处理器110和/或(一个或多个)自动驾驶模块160接收信号或其他输入而修改、调整和/或更改车辆系统140或其组件中的一个或多个。任何合适的致动器可以被使用。例如，一个或多个致动器150可以包括马达、气动致动器、液压活塞、继电器、螺线管和/或压电致动器，仅举几个可能性。

车辆100可以包括一个或多个模块，这些模块中的至少一些在本文中被描述。模块可以实现为计算机可读程序代码，这些代码当由一个或多个处理器110执行时实现本文描述的各种过程中的一个或多个。这些模块中的一个或多个模块可以是(一个或多个)处理器110的组件，或者这些模块中的一个或多个模块可以在(一个或多个)处理器110可操作地连接到的其他处理系统上执行和/或分布在这些处理系统中。模块可以包括能够由一个或多个(一个或多个)处理器110执行的指令(例如，程序逻辑)。替代地或附加地，一个或多个数据存储库115可以包含这样的指令。

在一种或多种布置中，本文描述的这些模块中的一个或多个模块可以包括人工或计算智能元件，例如，神经网络、模糊逻辑或其他机器学习算法。此外，在一种或多种布置中，这些模块中的一个或多个模块可以分布在本文所述的多个模块之间。在一种或多种布置中，本文描述的这些模块中的两个或多个模块可以被组合成单个模块。

车辆100可以包括一个或多个自动驾驶模块160。(一个或多个)自动驾驶模块160可以被配置为从传感器系统120和/或能够捕获与车辆100和/或车辆100的外部环境有关的信息的任何其他类型的系统接收数据。在一种或多种布置中，(一个或多个)自动驾驶模块160可以使用这样的数据来生成一个或多个驾驶场景模型。(一个或多个)自动驾驶模块160可以确定车辆100的位置和速度。(一个或多个)自动驾驶模块160可以确定障碍物、障碍物或其他环境特征的位置，包括交通标志、树木、灌木、相邻车辆、行人等。

(一个或多个)自动驾驶模块160可以被配置为接收和/或确定车辆100的外部环境内的障碍物的位置信息，以供(一个或多个)处理器110和/或本文描述的一个或多个模块使用，以估计车辆100的位置和朝向、基于来自多个卫星的信号的车辆在全球坐标中的位置，或可用于确定车辆100的当前状态或确定车辆100相对于其环境的位置的任何其他数据和/或信号，用于创建地图或确定车辆100相对于地图数据的位置。

(一个或多个)自动驾驶模块160或者独立地或者结合收集系统170可以被配置为基于传感器系统120获取的数据、驾驶场景模型、和/或来自任何其他合适来源的数据(诸如来自传感器数据的确定结果)来确定(一个或多个)行驶路径、车辆100的当前自主驾驶操纵、未来自主驾驶操纵和/或对当前自主驾驶操纵的修改。“驾驶操纵”意指影响车辆移动的一个或多个动作。驾驶操纵的示例包括：加速、减速、制动、转弯、沿车辆100的横向移动、改变行驶车道、并入行驶车道和/或倒车，仅举几个可能性。(一个或多个)自动驾驶模块160可以被配置为实现所确定的驾驶操纵。(一个或多个)自动驾驶模块160可以直接或间接地使这样的自主驾驶操作被实现。如本文所使用的，“使”或“使得”意指以直接或间接的方式导致、命令、指示和/或使事件或动作发生或至少处于这样的事件或动作可能发生的状态。(一个或多个)自动驾驶模块160可以被配置为执行各种车辆功能和/或向车辆100或其一个或多个系统(例如，车辆系统140中的一个或多个)发送数据、从它们接收数据、与它们交互和/或控制它们。

本文公开了详细的实施例。然而，应当理解，所公开的实施例仅旨在作为示例。因此，本文公开的具体结构和功能细节不应被解释为限制性的，而仅作为权利要求的基础以及作为用于教导本领域技术人员不同地采用本文的以实际上任何适当详细的结构的方面的代表性基础。此外，本文使用的术语和短语并非旨在限制，而是提供可能实现方式的可理解描述。各种实施例在图1-图9中示出，但实施例不限于所示出的结构或应用。

图中的流程图和框图图示了根据各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在此方面，流程图或框图中的每个块可以表示模块、片段或代码的一部分，其包括用于实现(一个或多个)指定的逻辑功能的一个或多个可执行指令。还应当注意，在一些替代实现方式中，块中指出的功能可能不按附图所指出的次序发生。例如，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的次序执行，这取决于所涉及的功能。

上述系统、组件和/或过程可以在硬件或硬件和软件的组合中实现，并且可以在一个处理系统中以集中方式实现，或者以其中不同元件跨若干互连处理系统分布的分布式方式实现。适用于执行本文所述方法的任何种类的处理系统或另一装置是合适的。硬件和软件的典型组合可以是具有计算机可用的程序代码的处理系统，该代码在加载和执行时控制处理系统，使得它执行本文描述的方法。系统、组件和/或过程也可以嵌入计算机可读存储装置中，诸如计算机程序产品或其他数据程序存储设备，其是机器可读的，有形地体现可由机器执行以执行本文描述的方法和过程的指令程序。这些元件还可以嵌入到应用产品中，该应用产品包括能够实现本文描述的方法的所有特征，并且当加载到处理系统中时能够执行这些方法。

此外，本文描述的布置可以采用体现在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质具有体现(例如，存储)在其上的计算机可读程序代码。一个或多个计算机可读介质的任何组合可以被利用。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。短语“计算机可读存储介质”意指非暂时性存储介质。计算机可读存储介质可以是例如但不限于电子的、磁性的、光学的、电磁的、红外线的或半导体系统、装置或设备，或前述任何合适的组合。计算机可读存储介质的更具体示例(非详尽列表)将包括以下：便携式计算机软盘、硬盘驱动器(HDD)、固态驱动器(SSD)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、便携式紧凑盘只读存储器(CD-ROM)、数字多功能盘(DVD)、光存储设备、磁存储设备、或前述任何合适的组合。在本文的上下文中，计算机可读存储介质可以是可以包含或存储程序以供指令执行系统、装置或设备使用或与其结合使用的任何有形介质。

通常，如本文所使用的模块包括执行特定任务或实现特定数据类型的例程、程序、对象、组件、数据结构等。在进一步的方面，存储器通常存储所指出的模块。与模块相关联的存储器可以是缓冲器或者嵌入在处理器、RAM、ROM、闪存或其他合适的电子存储介质内的高速缓存。在更进一步的方面，本公开所设想的模块被实现为专用集成电路(ASIC)、片上系统(SoC)的硬件组件、实现为可编程逻辑阵列(PLA)或实现为嵌入有定义的用于执行所公开的功能的配置集(例如，指令)的其他合适的硬件组件。

体现在计算机可读介质上的程序代码可以使用任何适当的介质来传输，包括但不限于无线、有线、光纤、电缆、RF等，或前述任何适当的组合。用于执行本布置的方面的操作的计算机程序代码可以用一种或多种编程语言的任何组合来编写，包括诸如Java

术语“一”和“一个”被定义为一个或一个以上。如本文所使用的，术语“多个”被定义为两个或两个以上。如本文所使用的，术语“另一个”被定义为至少第二个或更多。如本文所使用的，术语“包括”和/或“具有”被定义为包括(即，开放语言)。如本文所使用的，短语“……或……中的至少一个”是指并涵盖一个或多个相关联的所列项目的任何和所有可能的组合。作为示例，短语“A、B或C中的至少一个”包括仅A、仅B、仅C或其任何组合(例如，AB、AC、BC或ABC)。

本文的方面可以在不脱离其精神或本质属性的情况下以其他形式体现。因此，应参考以下权利要求，而不是前述描述，以指示其范围。