基于反射靶標(biāo)的激光SLAM 定位方法在港口無人車輛上的應(yīng)用

王康，楊勇生，姚海慶

( 上海海事大學(xué) 物流科學(xué)與工程研究院，上海 201306 )

0 引 言

隨著我國“一帶一路”倡議的不斷推進(jìn)，港口作為連接國內(nèi)外貨運(yùn)商貿(mào)、物流倉儲以及信息服務(wù)等的重要載體，迎來了重大發(fā)展機(jī)遇[1]. 同時(shí)，云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、智能控制等新一代信息技術(shù)與港口運(yùn)輸業(yè)務(wù)深度融合的“智慧港口”的建設(shè)步伐不斷加快[2]. 在智慧港口中，為實(shí)現(xiàn)集裝箱作業(yè)的自動化與智能化，無人車輛引起了業(yè)界的廣泛關(guān)注，相關(guān)技術(shù)也成為研究熱點(diǎn). 其中，港口無人車輛的高精度定位導(dǎo)航技術(shù)成為一個(gè)關(guān)鍵性問題.

無人車的定位導(dǎo)航技術(shù)主要依賴于視覺導(dǎo)航、全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)、激光雷達(dá)等，這些技術(shù)各有特點(diǎn). 其中，視覺導(dǎo)航信息豐富但易受光照變化影響，GNSS 成本低但易受到鋼結(jié)構(gòu)和建筑物等的遮擋干擾. 港口不僅要求無人車輛全天候作業(yè)，且在岸邊作業(yè)區(qū)和堆場內(nèi)部等特殊工況中也要安全高效地運(yùn)營. 考慮到激光雷達(dá)具有測距精度高、全天候作業(yè)能力強(qiáng)等特點(diǎn)，目前基于激光雷達(dá)的同步定位與建圖(SLAM)技術(shù)日益成熟，該技術(shù)已廣泛應(yīng)用于無人駕駛、服務(wù)機(jī)器人、工業(yè)自動導(dǎo)引運(yùn)輸車(AGV)等領(lǐng)域，將激光雷達(dá)用于港口無人車輛的高精度定位是必然趨勢[3-4].

SLAM 技術(shù)自1988 年被提出以來，一直是機(jī)器人領(lǐng)域的熱點(diǎn)問題. 它的本質(zhì)是個(gè)系統(tǒng)狀態(tài)估計(jì)問題，即在給定系統(tǒng)輸入的條件下，估計(jì)出機(jī)器人的位姿和位置，并衍生出基于濾波以及基于圖優(yōu)化[5]的多種SLAM 算法.

基于卡爾曼濾波的SLAM 主要有擴(kuò)展卡爾曼濾波(EKF)、無跡卡爾曼濾波(UKF)等. 其中EKF 算法結(jié)構(gòu)簡單，具有一定的精度，因此得到了較好地應(yīng)用，但也存在一些不足，例如受環(huán)境、設(shè)備等因素影響，測量誤差較大，對于有信號突變的數(shù)據(jù)，收斂速度較慢[6]. 其代表技術(shù)是 Hector SLAM. 使用一個(gè)更新頻率高、測量噪聲小的激光雷達(dá)，優(yōu)點(diǎn)是不需要里程計(jì)的信息就可以完成實(shí)時(shí)地圖創(chuàng)建和定位，但是對于雷達(dá)的幀率要求很高[7].

圖優(yōu)化SLAM 分為前端和后端兩個(gè)模塊：前端模塊先從里程計(jì)獲得初始的位姿，然后通過激光雷達(dá)數(shù)據(jù)連續(xù)幀匹配，求得激光約束后的位姿；后端模塊采用回環(huán)檢測，構(gòu)造閉環(huán)約束，通過最小化觀測和估計(jì)殘差求得優(yōu)化后的位姿. 圖優(yōu)化SLAM 的核心是構(gòu)建位姿圖，圖中每個(gè)節(jié)點(diǎn)表示不同時(shí)刻機(jī)器人的位姿，圖中邊由各個(gè)節(jié)點(diǎn)間的變換關(guān)系構(gòu)成[8]. 基于圖優(yōu)化框架SLAM的代表技術(shù)是Google 開發(fā)的實(shí)時(shí)室內(nèi)項(xiàng)目Cartographer，采用基于Ceres 非線性優(yōu)化的方法，其基本思想是將機(jī)器人不同時(shí)刻的位姿抽象為點(diǎn)，機(jī)器人在不同位置上觀測所產(chǎn)生的約束被抽象為點(diǎn)之間的邊[9].

港口的岸邊作業(yè)區(qū)和堆場內(nèi)部等工況壞境是頻繁變化的，即此類環(huán)境中缺少穩(wěn)定的觀測物體或觀測物體位置會頻繁變化，進(jìn)而導(dǎo)致激光點(diǎn)云數(shù)據(jù)對環(huán)境的描述能力不足，容易發(fā)生點(diǎn)云數(shù)據(jù)的誤匹配，最終導(dǎo)致定位失效[10]. 本研究旨在通過設(shè)計(jì)優(yōu)化反射靶標(biāo)，并將反射靶標(biāo)設(shè)立在類港口實(shí)驗(yàn)環(huán)境中，通過提取反射靶標(biāo)上的點(diǎn)云信息構(gòu)建地圖，進(jìn)而實(shí)現(xiàn)無人車輛高精度定位厘米級，同時(shí)將激光雷達(dá)與慣性測量單元(IMU)融合，以實(shí)現(xiàn)大抖動干擾場景下的魯棒定位. 本研究拓展了激光SLAM 技術(shù)在港口無人車輛高精度定位領(lǐng)域上的應(yīng)用，為實(shí)現(xiàn)無人車輛全天候精準(zhǔn)定位，提升港口作業(yè)效率等奠定基礎(chǔ).

1 硬件平臺及實(shí)驗(yàn)基礎(chǔ)

1.1 基于激光SLAM 的港口無人車輛平臺

基于已有的類港口無人車輛，結(jié)合激光雷達(dá)和IMU 設(shè)計(jì)搭建了實(shí)驗(yàn)平臺，如圖1 所示.

圖1 基于激光SLAM 的港口無人車輛平臺

其中，車載計(jì)算機(jī)用于運(yùn)行機(jī)器人操作系統(tǒng)(ROS)和Cartographer SLAM 算法，激光雷達(dá)為velodyne 公司16 線激光雷達(dá)VLP-16[11]，IMU 為Inertial Labs 公司的IMU-P[12]. 實(shí)驗(yàn)所用無人車輛是港口真實(shí)無人車輛的1∶3 比例縮小版，使用遙控器控制其運(yùn)動，速度可調(diào)，分為8 個(gè)檔位. VLP-16 線激光雷達(dá)通過鋼架結(jié)構(gòu)固定在無人車的車頭，距地面1.1 m；IMU-P打孔安裝在AGV 內(nèi)部，其安裝位置及坐標(biāo)系如圖2所示.

如圖2 所示，全局坐標(biāo)系W以激光雷達(dá)的初始位置O為原點(diǎn)，以車輛前進(jìn)方向?yàn)閄正方向，且遵循右手定則；激光雷達(dá)的坐標(biāo)系為L，車輛坐標(biāo)系為C；L與C重合；IMU 坐標(biāo)系為 {imu} ，單位為m，其轉(zhuǎn)換到激光雷達(dá)坐標(biāo)系下

圖2 坐標(biāo)系相對位置關(guān)系圖

1.2 反射靶標(biāo)設(shè)計(jì)與優(yōu)化

在設(shè)計(jì)反射靶標(biāo)時(shí)，為了提高激光點(diǎn)云數(shù)據(jù)中反射靶標(biāo)的識別成功率，設(shè)定在有效的激光雷達(dá)探測距離內(nèi)，反射靶標(biāo)垂直方向至少有2 條激光束，同時(shí)，水平方向上至少有8 道激光束. 當(dāng)探知到至少3 個(gè)反射靶標(biāo)時(shí)，SLAM 算法對無人車輛的定位精度才能保證. 反射靶標(biāo)布置間隔距離越遠(yuǎn)，激光雷達(dá)探測到至少3 個(gè)反射靶標(biāo)的區(qū)域范圍越小，即要求激光雷達(dá)距離反射靶標(biāo)較近. 反之，靶標(biāo)布置越密集，探測區(qū)域范圍越大，但部署反射靶標(biāo)的成本越高. 經(jīng)實(shí)驗(yàn)測定，綜合考慮部署成本與極限探測距離后，將靶標(biāo)間距設(shè)定為2.25 m，激光雷達(dá)單幀掃描有效探測的靶標(biāo)數(shù)量應(yīng)不少于6 個(gè)，結(jié)合激光雷達(dá)的垂直和水平方向角度分辨率分別為 θ =3°和 ω =0.2°. 計(jì)算出激光雷達(dá)的極限探測距離為Dmax=20 m，進(jìn)而得到反射靶標(biāo)的高度h和寬度b：

本方法依靠靶標(biāo)上反光貼發(fā)射的激光點(diǎn)云數(shù)據(jù)有很強(qiáng)的反射強(qiáng)度這一特點(diǎn)進(jìn)行點(diǎn)云數(shù)據(jù)的前處理.此外，由圖3(a)可知，反光貼反射點(diǎn)云數(shù)據(jù)的強(qiáng)度與激光束的照射角度有關(guān)，最小即正射，最大即激光束與反光貼平行，角度越小，反射強(qiáng)度越大. 這就要求激光雷達(dá)在運(yùn)動過程中，其激光束與反光貼之間的角度不能過大，否則將出現(xiàn)點(diǎn)云提取失敗引起定位失效的情況. 為保證無人車在斜射反射靶標(biāo)時(shí)也能夠提取較多反射強(qiáng)度高的點(diǎn)云信息，將靶標(biāo)的形狀設(shè)計(jì)成三面矩形. 由于測試中使用的是條狀反光貼，而非全覆蓋反光貼，為了算法的可靠性，不僅需要在靶標(biāo)的每一個(gè)面上(共3 個(gè)面)都布置一條反光貼，另外還需要在兩個(gè)轉(zhuǎn)角處各布置一條反光貼，保證激光雷達(dá)光線相對靶標(biāo)角度傾斜時(shí)也能夠提取到足夠的點(diǎn)云，優(yōu)化后的反射靶標(biāo)設(shè)計(jì)與實(shí)物如圖3(b)所示.

圖3 反射靶標(biāo)設(shè)計(jì)原則

2 基于反射靶標(biāo)的激光SLAM 算法設(shè)計(jì)

2.1 Cartographer 算法架構(gòu)

Cartographer 算法分為局部SLAM 和全局SLAM.文中的研究與改進(jìn)工作集中在局部SLAM 部分. 局部SLAM 的掃描匹配過程如下：開始掃描于 0 ∈R2時(shí)，將有關(guān)掃描點(diǎn)的信息記為H={hk} ，k=1,···,k，hk∈R2.掃描匹配的位姿 ξ 轉(zhuǎn)換到子地圖M下的位姿為Tξ，其將掃描幀從掃描幀剛性地變換到子圖幀中

式中：p表示柵格的hits 概率phits，對于觀測到的柵格地圖按照式(5)對其進(jìn)行概率更新，式(5)中clamp函數(shù)可以將隨機(jī)變化的數(shù)值限定在一個(gè)給定區(qū)間[min,max]，小于 min 的數(shù)值返回 min ，大于 max 的數(shù)值返回 max ，區(qū)間 [min,max] 為Cartographer 初始參數(shù).

Cartographer 將新掃描結(jié)果插入更新子地圖的過程歸納為一個(gè)非線性最小二乘優(yōu)化問題，并使用Ceres 掃描匹配器優(yōu)化求解[13].

文章研究的基于反射靶標(biāo)的激光SLAM 算法是在Cartographer 算法基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)的[9]. 考慮到前述港口場景下動態(tài)干擾和環(huán)境參數(shù)等易引入的不確定性，此處僅以反射靶標(biāo)作為激光SLAM 的定位基準(zhǔn)，主要技術(shù)架構(gòu)如圖4 所示.

圖4 主要技術(shù)流程圖

算法中首先初始化參數(shù)，包括激光雷達(dá)的掃描角度范圍、掃描角度間隔、掃描點(diǎn)數(shù)、掃描時(shí)間，一次掃描的線束數(shù)等. 以激光雷達(dá)的初始位置為原點(diǎn)，此后在新掃描生成的原始點(diǎn)云數(shù)據(jù)集中根據(jù)實(shí)驗(yàn)測定的反射靶標(biāo)激光點(diǎn)云強(qiáng)度范圍篩選靶標(biāo)反射的數(shù)據(jù)，進(jìn)而將符合反射強(qiáng)度(實(shí)驗(yàn)測得反射強(qiáng)度為80)的點(diǎn)云劃分為反射靶標(biāo)點(diǎn)云的搜索區(qū)域，并將該區(qū)域半徑內(nèi)的所有點(diǎn)云用于構(gòu)建局部地圖. 此后，全局地圖的構(gòu)建與優(yōu)化與原算法相同.

2.2 基于IMU 位姿修正的傳感器位姿融合

基于反射靶標(biāo)的激光SLAM 方法隨著運(yùn)動路徑的增大，其累計(jì)誤差也隨之增大，但是考慮到港口封閉環(huán)境下使用反射靶標(biāo)的激光SLAM 定位場景中的運(yùn)動區(qū)域是有限的，因此在有限的區(qū)域內(nèi)使用基于反射靶標(biāo)的激光SLAM 定位方法的誤差并不會無限制累計(jì)，能夠通過全局SLAM 中的閉環(huán)檢測予以抑制.但在港口的實(shí)際工況中，由于重載車輛對路面的碾壓導(dǎo)致路面出現(xiàn)沉降、壓潰現(xiàn)象使車輛在行駛過程中不可避免會產(chǎn)生抖動. 此抖動信號會造成點(diǎn)云數(shù)據(jù)的偏移，被插入到子地圖后，會影響算法的建圖效果及定位精度. 如圖5 所示，假設(shè)激光雷達(dá)坐標(biāo)為 (x1,y1) ，某一時(shí)刻激光雷達(dá)測得反射靶標(biāo)任意點(diǎn) (x2,y2) 的距離為d，在沒有抖動時(shí)，反射靶標(biāo)反射的點(diǎn)云在激光雷達(dá)觀測坐標(biāo)為 (d·cos α,d·sin α) ，即(x2,y2)=(x1+d·cos α,y1+d·sin α)，當(dāng)引入抖動信號后，激光雷達(dá)偏轉(zhuǎn)角度為Δα，此時(shí)反射靶標(biāo)反射的點(diǎn)云在激光雷達(dá)觀測坐標(biāo)為：(d·cos(α?Δα),d·sin(α?Δα))，即(,)=(x1+d·cos(α?Δα),y1+d·sin(α?Δα))顯然抖動引入前后的數(shù)據(jù)出現(xiàn)了偏差. 此時(shí)誤差：

圖5 抖動時(shí)引入的角度誤差

由于 α 已知，|Δα|的范圍為0°～90°，則誤差隨著|Δα|的增大而增大，即隨著抖動的增大，偏轉(zhuǎn)角度隨之增大，引入的誤差也增大.

由于激光雷達(dá)對場景描述能力不足，幀間匹配特征不夠明顯，在應(yīng)對上述干擾時(shí)不起作用. 因此震動信號產(chǎn)生時(shí)所帶來的角度誤差一并被加入算法中進(jìn)行了錯(cuò)誤計(jì)算，此誤差將會累計(jì)下來并對之后所建立的地圖和定位產(chǎn)生影響.

所以，提高算法精度和魯棒性就要抑制抖動信號. 為此，本文在激光SLAM 的位姿融合估計(jì)部分，利用IMU 構(gòu)建觀測模型進(jìn)行抖動觀測. 當(dāng)掃描匹配器估計(jì)的位姿或者角度數(shù)據(jù)產(chǎn)生時(shí)，利用觀測值與系統(tǒng)狀態(tài)變量均值的矢量差修正狀態(tài)變量(只有IMU數(shù)據(jù)產(chǎn)生時(shí)，只觀測不更新)及其協(xié)方差，這一種方法需要對激光雷達(dá)點(diǎn)云數(shù)據(jù)和IMU 數(shù)據(jù)進(jìn)行同步，本文采用記錄數(shù)據(jù)采樣時(shí)間，進(jìn)而計(jì)算插值的方式實(shí)現(xiàn). IMU 由陀螺儀和加速度計(jì)兩部分構(gòu)成. 陀螺儀提供各軸的角速度，加速度計(jì)提供三軸的加速度大小，其中重力加速度是地表垂直方向的加速度. Cartographer中要求陀螺儀提供的是角速度，因此要求對IMU 進(jìn)行角加速度積分得到IMU 的角速度信息，并將此信息附帶時(shí)間戳記錄并保存. 當(dāng)角速度信號達(dá)到算法設(shè)定閾值，此時(shí)將IMU 積分得到的角速度融合到Cartographer 的掃描匹配器估計(jì)的位姿中，達(dá)到角度修正狀態(tài)更新.

3 類港口實(shí)驗(yàn)環(huán)境下基于反射靶標(biāo)的激光SLAM 實(shí)驗(yàn)設(shè)計(jì)

3.1 類港口實(shí)驗(yàn)環(huán)境

為了驗(yàn)證本文方法的可行性及有效性，并分析行車速度和抖動干擾對定位精度的影響，搭建了模擬碼頭岸邊作業(yè)區(qū)的類港口實(shí)驗(yàn)環(huán)境，如圖6 所示. 其中，設(shè)定無人車輛的行駛路徑為平直路線，道路寬度為16 m，考慮到不同車道上車輛存在對反射靶標(biāo)的遮擋，所以將靶標(biāo)平行布設(shè)在道路兩側(cè)，間隔為2.25 m.

圖6 類港口實(shí)驗(yàn)場景

實(shí)驗(yàn)條件：

1)相同場景、光照、時(shí)間和運(yùn)動軌跡；

2)同步采集激光雷達(dá)、IMU、北斗差分系統(tǒng)的測試數(shù)據(jù). 此處為空曠地帶，北斗差分系統(tǒng)可以輸出厘米級定位數(shù)據(jù)，用來驗(yàn)證基于反射靶標(biāo)的激光SLAM定位精度.

3.2 實(shí)驗(yàn)結(jié)果與分析

3.2.1 基于反射靶標(biāo)的激光SLAM 定位效果分析

實(shí)驗(yàn)中，運(yùn)行Cartographer SLAM 算法，觀察SLAM 算法輸出定位軌跡與建立的柵格地圖，運(yùn)行結(jié)束后保存運(yùn)動軌跡，對比北斗差分系統(tǒng)輸出定位軌跡與激光SLAM 算法輸出定位軌跡的誤差，變換車速，繼續(xù)進(jìn)行上述測試分析過程. 其中，搭載了激光雷達(dá)的AGV 以0.75 m/s 的速度運(yùn)行后構(gòu)建的柵格地圖與運(yùn)動軌跡如圖7 所示.

圖7 基于反射靶標(biāo)的激光SLAM 定位建圖

對比發(fā)現(xiàn)，基于反射靶標(biāo)的激光SLAM 輸出的運(yùn)動軌跡與北斗差分系統(tǒng)的定位軌跡基本重合，如圖8 所示.

圖8 激光雷達(dá)定位軌跡與北斗差分定位軌跡對比

進(jìn)一步分析數(shù)據(jù)可得，隨著車輛移動距離的增加，激光SLAM 的累計(jì)定位誤差越來越大，在運(yùn)動了14 m 之后，兩種軌跡的絕對誤差仍然保持在10 cm以內(nèi)，符合厘米級的高精度定位，如圖9～10 所示. 因此，單純的依靠靶標(biāo)進(jìn)行高精度定位的思路是可行的.

圖9 X 方向誤差

圖10 Y 方向誤差

此外，為了研究不同速度對建圖定位精度的影響，在保證實(shí)驗(yàn)安全的前提下，將車輛速度分別調(diào)至0.75 m/s、1.5 m/s 和2.1 m/s，并分別進(jìn)行三組實(shí)驗(yàn)測試，以平均定位誤差作為評判標(biāo)準(zhǔn)，得到三個(gè)速度下的定位誤差如表1 所示.

表1 不同車速下激光SLAM 定位誤差

由表1 可知，隨著車速的增大，車輛的定位誤差也隨之增大. 這是由于車速增大，AGV 的車身抖動增大，隨之導(dǎo)致激光SLAM 定位精度下降，但最終誤差仍舊保持在10 cm 之內(nèi)，符合港口無人車高精度定位要求.

3.2.2 基于IMU 位姿修正的激光SLAM 定位效果分析

經(jīng)過前述分析，隨著抖動干擾的增大，定位誤差也隨之增大. 因此為了分析大抖動干擾對激光SLAM定位失效的影響，在車輛運(yùn)動過程中加入一個(gè)較大的抖動信號(在車輛行駛正前方地面上鋪設(shè)高度為8 cm的障礙物)，在不引入IMU 角加速度信息進(jìn)行位姿修正時(shí)，激光SLAM 算法由于環(huán)境中的極端抖動干擾，出現(xiàn)了建圖與定位失效. 如圖11 所示，紅色圓圈為震動對車輛定位帶來的瞬時(shí)影響，軌跡有明顯的偏移，綠色圓圈建圖效果明顯惡化，出現(xiàn)嚴(yán)重的重影現(xiàn)象.

圖11 存在抖動干擾的激光SLAM 定位建圖

同時(shí)，北斗差分定位軌跡與激光SLAM 的定位軌跡曲線發(fā)生明顯偏移，即定位誤差增大，如圖12所示.

圖12 存在抖動干擾的定位軌跡對比

圖13 和圖14 分別表示，參考北斗差分定位軌跡數(shù)據(jù)，激光SLAM 的定位誤差在運(yùn)動方向和垂直運(yùn)動方向的發(fā)展變化. 顯然，在震動產(chǎn)生前兩者的軌跡誤差較小，震動產(chǎn)生后的誤差瞬間增大，并且這一誤差持續(xù)累計(jì)并沒有被消除，直至定位誤差累計(jì)超過10 cm，導(dǎo)致定位失效.

圖13 X 方向誤差

圖14 Y 方向誤差

針對這一問題，提出基于IMU 位姿修正與激光雷達(dá)融合的解決方案. 在相同的車速和干擾下，應(yīng)對上述干擾時(shí)有更好的建圖效果與定位效果. 如圖15所示，紅色圓圈中為經(jīng)過抖動時(shí)的軌跡，有明顯的降低，綠色圓圈為之后的建圖效果，對比之前沒有嚴(yán)重的惡化.

圖15 加入IMU 修正后的激光SLAM 定位建圖

圖16 在經(jīng)過震動后，北斗差分定位軌跡與激光SLAM 定位軌跡曲線重合性較好；

圖16 修正后定位軌跡對比

如圖17 和圖18 所示，激光雷達(dá)與北斗差分定位軌跡誤差對比發(fā)現(xiàn)，較加入IMU 修正之前的誤差，有顯著地降低.

圖17 X 方向誤差

圖18 Y 方向誤差

如表2 所示，將平均誤差作為對比指標(biāo). 加入IMU 位姿修正后，AGV 在經(jīng)過震動干擾，由于IMU提供的信息能夠抑制由于車輛抖動給激光雷達(dá)帶來的角度誤差，使其定位效果良好，并將最終的平均定位誤差降低了49.5%，明顯提升了激光SLAM 高精度定位的魯棒性.

表2 修正前后激光SLAM 定位誤差對比

4 結(jié)束語

本文研究了港口岸邊作業(yè)區(qū)和堆場內(nèi)部等特定場景影響無人車輛高精度定位的問題，提出了基于反射靶標(biāo)的激光SLAM 高精度定位方法. 首先，針對應(yīng)用環(huán)境頻繁變化缺少穩(wěn)定的觀測物這一問題，設(shè)計(jì)優(yōu)化了反射靶標(biāo)參數(shù)與布置方法. 然后針對港口場景下易發(fā)生的大抖動干擾導(dǎo)致激光SLAM 定位失效的問題，分析了定位失效的產(chǎn)生機(jī)理，提出了基于IMU 和激光SLAM 的復(fù)合定位技術(shù)，可以抑制大抖動干擾情況下基于反射靶標(biāo)的激光SLAM 定位誤差. 最后，在構(gòu)建的類港口實(shí)驗(yàn)環(huán)境中，通過對比實(shí)驗(yàn)驗(yàn)證了本文方法的可行性與有效性.

港口復(fù)雜環(huán)境為無人車輛的高效應(yīng)用帶來了諸多挑戰(zhàn)，因此，將多傳感器融合技術(shù)拓展到港口無人車輛方向，研究高精度定位與建圖等應(yīng)用，是我們未來繼續(xù)探索的方向.