1.本发明涉及自动驾驶技术领域，具体提供一种自动驾驶定位数据收集处理方法、装置、介质及车辆。
背景技术：2.在自动驾驶场景下，定位模块一般会使用基于rtk(real-time kinematic，实时差分定位)技术的gnss(global navigation satellite system，全球导航卫星系统)，结合定位算法对车辆进行高精度定位，以获得车辆的实时定位结果。在实际的测试和应用过程中，实时定位结果中会存在一些异常数据，而这些异常数据对于定位算法的性能提升，以及车辆的异常诊断等方面都有着很大的价值。如何将这些实时定位结果中的异常数据进行有效回收并利用，是本领域需要解决的问题。
技术实现要素：3.本发明旨在提供解决或至少部分地解决如何将有效回收并利用实时定位结果中的异常数据的问题。
4.在第一方面，本发明提供一种自动驾驶定位数据收集处理方法，所述方法包括：
5.将实时定位结果进行时序化，获得多个定位帧数据，其中，所述实时定位结果是定位模块将车载定位传感器采集的原始定位数据输入至定位算法模型中获得的；
6.判断所述多个定位帧数据中的当前定位帧数据是否为异常数据；
7.若判断当前定位帧数据为异常数据，收集当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据作为回收数据集；以及
8.通过所述回收数据集辅助所述自动驾驶。
9.在上述自动驾驶定位数据收集处理方法的一个技术方案中，所述判断当前定位帧数据是否为异常数据，包括：
10.获取与当前定位帧数据相邻的至少一个历史定位帧数据；
11.判断所述当前定位帧数据与所述历史定位帧数据之间的帧间关系表征的车辆运行状态是否符合预设车辆运行状态；
12.若不符合，则判定当前定位帧数据为异常数据。
13.在上述自动驾驶定位数据收集处理方法的一个技术方案中，所述预设车辆运行状态包括所述车辆的位置、姿态、速度和加速度中的至少一个。
14.在上述自动驾驶定位数据收集处理方法的一个技术方案中，所述判断当前定位帧数据是否为异常数据，包括：
15.获取来自其它辅助驾驶模块的辅助驾驶数据；
16.判断所述辅助驾驶数据表征的车辆运行状态与所述多个定位帧数据表征的车辆运行状态是否相符；
17.若不相符，则判定当前定位帧数据为异常数据。
18.在上述自动驾驶定位数据收集处理方法的一个技术方案中，所述其它辅助驾驶模块包括环境感知模块，所述辅助驾驶数据为所述环境感知模块输出的环境感知结果；和/或，
19.所述其它辅助驾驶模块包括车辆控制模块，所述辅助驾驶数据为所述车辆控制模块输出的车辆控制信号；和/或，
20.所述其它辅助驾驶模块包括轮速传感器，所述辅助驾驶数据为所述轮速传感器获取的车速。
21.在上述自动驾驶定位数据收集处理方法的一个技术方案中，所述通过所述回收数据辅助所述自动驾驶，包括：
22.使用所述回收数据集对所述定位算法模型进行迭代训练，以优化所述定位算法模型的性能；和/或，
23.根据所述回收数据集判断所述车载定位传感器是否存在故障，以对所述车载传感器进行修复。
24.在上述自动驾驶定位数据收集处理方法的一个技术方案中，
25.所述收集当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据作为回收数据集，包括，
26.当前定位帧数据为异常数据时，将当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据进行数据回传，以作为所述回收数据集。
27.在第二方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述自动驾驶定位数据收集处理方法的技术方案中任一项技术方案所述的自动驾驶定位数据收集处理方法。
28.在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述自动驾驶定位数据收集处理方法的技术方案中任一项技术方案所述的自动驾驶定位数据收集处理方法。
29.在第四方面，提供一种车辆，所述车辆包括上述控制装置技术方案中的控制装置。
30.本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
31.在实施本发明的技术方案中，本发明能够将定位模块获得的实时定位结果时序化，以获得多个定位帧数据，并判断多个定位帧数据中的当前定位帧数据是否为异常数据，若是，则收集当前定位帧所在的预设长度的时间窗的内实时定位结果以及原始定位数据作为回收数据集，以应用回收数据集辅助自动驾驶过程。通过上述配置方式，本发明能够有效回收并利用实时定位结果中的异常数据，以基于这些异常数据提升辅助驾驶的性能，如应用回收数据集对定位算法模型进行迭代训练，以优化和提升定位算法模型的性能。又如根据回收数据集对定位模块的性能进行诊断修复等。
附图说明
32.参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。其中：
33.图1是根据本发明的一个实施例的自动驾驶定位数据收集处理方法的主要步骤流
程示意图；
34.图2是根据本发明实施例的一个实施方式的自动驾驶定位数据收集处理方法的主要系统架构示意图；
35.图3是根据本发明实施例的一个实例的根据帧间关系判断当前定位帧是否为异常数据的主要步骤流程示意图；
36.图4是根据本发明实施例的一个实例的根据其它辅助驾驶模块的辅助驾驶数据判断当前定位帧是否为异常数据的主要步骤流程示意图；
37.图5是根据本发明实施例的另一个实例的根据其它辅助驾驶模块的辅助驾驶数据判断当前定位帧是否为异常数据的主要步骤流程示意图。
具体实施方式
38.下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
39.在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“a和/或b”表示所有可能的a与b的组合，比如只是a、只是b或者a和b。术语“至少一个a或b”或者“a和b中的至少一个”含义与“a和/或b”类似，可以包括只是a、只是b或者a和b。单数形式的术语“一个”、“这个”也可以包含复数形式。
40.参阅附图1，图1是根据本发明的一个实施例的自动驾驶定位数据收集处理方法的主要步骤流程示意图。如图1所示，本发明实施例中的自动驾驶定位数据收集处理方法主要包括下列步骤s101-步骤s104。
41.步骤s101：将实时定位结果进行时序化，获得多个定位帧数据，其中，实时定位结果是定位模块将车载定位传感器采集的原始定位数据输入至定位算法模型中获得的。
42.在本实施例中，可以将自动驾驶的定位模块输出的实时定位结果进行时序化操作，以获得多个定位帧数据。即，定位模块是基于车载定位传感器采集的原始定位数据，应用定位算法模型根据原始定位数据计算获得车辆的实时定位结果的。
43.一个实施方式中，车载定位传感器可以为基于rtk(real-time kinematic，实时动态)技术的gnss(global navigation satellite system，全球导航卫星系统)。定位算法模型可以根据gnss采集的数据，进行航位推算，并应用滤波算法获取车辆的实时定位结果，如位置(经纬度信息)。
44.一个实施方式中，车载定位传感器可以包括gnss、imu(inertial measurement unit，惯性测量单元)、车载摄像头、车载激光雷达等多个传感器，定位算法模型可以根据多个车载定位传感器采集的数据进行数据融合，获取车辆的实时定位结果，如位置、速度、姿态等。
45.一个实施方式中，可以根据预设的时间间隔对实时定位结果进行抽帧，并进行时
序化，以获得多个定位帧数据。
46.步骤s102：判断多个定位帧数据中的当前定位帧数据是否为异常数据。
47.在本实施例中，可以判断多个定位帧数据中的当前定位帧数据是否为异常数据。
48.一个实施方式中，可以根据预设规则建立定位帧数据诊断器，以通过诊断器来判断定位帧数据是否为异常数据。
49.步骤s103：若判断当前定位帧数据为异常数据，收集当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据作为回收数据集。
50.在本实施例中，如果当前定位帧为异常数据，则可以收集当前定位帧数据的所在预设长度的时间窗内的实时定位结果和车载定位传感器采集的原始定位数据作为回收数据集。本领域技术人员可以根据实际应用的需要来设置时间窗的长度。
51.一个实施方式中，时间窗的长度为2分钟，可以采集当前定位帧对应的时间点的前后各1分钟的实时定位结果和车载定位传感器采集的原始定位数据作为回收数据集。
52.步骤s104：通过回收数据集辅助自动驾驶。
53.在本实施方式中，可以应用回收的异常数据来辅助自动驾驶。具体地，由于实时定位结果中异常数据实际上对于定位算法的性能提升，以及车辆的异常诊断等方面都有着很大的价值，因而应用回收数据集能够辅助自动驾驶，提升自动驾驶的功能。
54.基于上述步骤s101-步骤s104，本发明实施例能够将定位模块获得的实时定位结果时序化，以获得多个定位帧数据，并判断多个定位帧数据中的当前定位帧数据是否为异常数据，若是，则收集当前定位帧所在的预设长度的时间窗的内实时定位结果以及原始定位数据作为回收数据集，以应用回收数据集辅助自动驾驶过程。通过上述配置方式，本发明实施例能够有效回收并利用实时定位结果中的异常数据，以基于这些异常数据提升辅助驾驶的性能，如应用回收数据集对定位算法模型进行迭代训练，以优化和提升定位算法模型的性能。又如根据回收数据集对定位模块的性能进行诊断修复等。
55.下面对步骤s102至步骤s104作进一步地说明。
56.在本发明实施例的一个实施方式中，步骤s102可以包括以下步骤s1021至步骤s1023：
57.步骤s1021：获取与当前定位帧数据相邻的至少一个历史定位帧数据。
58.步骤s1022：判断当前定位帧数据与历史定位帧数据之间的帧间关系表征的车辆运行状态是否符合预设车辆运行状态。
59.步骤s1023：若不符合，则判定当前定位帧数据为异常数据。
60.在本实施方式中，可以根据当前定位帧数据与当前定位帧数据相邻的历史定位帧数据的帧间关系来判断当前定位帧数据是否为异常数据。具体地，由于车载定位传感器的采集的原始定位数据是实时的，且定位模块输出的实时定位结果的也是实时的，定位结果输出的频率是极高的，因而即使在车辆以一个非常高的加速度进行加减速的过程中，车辆的实时定位结果也会是一个渐变的过程。如果历史定位帧数据与当前定位帧数据之间的帧间关系发生跳变，则可以认为当前定位帧数据为异常数据。
61.一个实施方式中，车辆的运行状态可以包括车辆的位置、姿态、速度和加速度中的至少一个。也就是说，可以根据帧间关系判断车辆的位置、姿态、速度和加速度等一个或多个参数是否发生跳变，如果发生跳变，则可以判定当前定位帧数据为异常数据。
62.一个实例，可以参阅附图3，图3是根据本发明实施例的一个实例的根据帧间关系判断当前定位帧是否为异常数据的主要步骤流程示意图。如图3所示，多个定位帧数据1中的各个定位帧数据之间的帧间距离是相近的，是符合车辆的运行状态的；而多个定位帧数据2中前4个定位帧数据的距离较近，而当前定位帧数据的位置突然发生跳变，则可以诊断为当前定位帧数据为异常数据。
63.在本发明实施例的另一个实施方式中，步骤s102可以包括以下步骤s1024至步骤s1026：
64.步骤s1024：获取来自其它辅助驾驶模块的辅助驾驶数据。
65.步骤s1025：判断辅助驾驶数据表征的车辆运行状态与多个定位帧数据表征的车辆运行状态是否相符。
66.步骤s1026：若不相符，则判定当前定位帧数据为异常数据。
67.在本实施方式中，可以获取来自其它辅助驾驶模块的辅助驾驶数据，并判断这些辅助驾驶数据表征的车辆运行状态与多个定位帧数据表征的车辆运行状态是否相符，若不相符，则可以判定当前定位帧数据为异常数据。
68.一个实施方式中，其它辅助驾驶模块可以为环境感知模块，辅助驾驶数据可以为环境感知模块输出的环境感知结果。具体地，可以根据环境感知模块获取的环境感知结果来获取车辆运行状态并与多个定位帧数据表征的车辆运行状态进行比较，若不相符，则可以判定当前定位帧数据为异常数据。如，可以将环境感知结果中物体作为参照物，根据参照物与车辆之间的距离变化，判断车辆运行状态，如判断结果表征的车辆运行状态为车辆正在加速前进，而多个定位帧数据表征的车辆运行状态为车辆正在匀速前进，则可以判定当前定位帧数据为异常数据。
69.一个实施方式中，其它辅助驾驶模块可以为车辆控制模块，辅助驾驶数据可以为车辆控制模块输出的车辆控制信号。具体地，可以根据车辆控制模块输出的车辆控制信号来获取车辆运行状态，并与多个定位帧数据表征的车辆运行状态进行比较，以判断当前定位帧数据是否为异常数据。
70.一个实例，车辆控制信号为车辆方向盘的角度数据。可以参照附图4和附图5，图4是根据本发明实施例的一个实例的根据其它辅助驾驶模块的辅助驾驶数据判断当前定位帧是否为异常数据的主要步骤流程示意图；图5是根据本发明实施例的另一个实例的根据其它辅助驾驶模块的辅助驾驶数据判断当前定位帧是否为异常数据的主要步骤流程示意图。如图4所示，可以根据多个定位帧数据判定车辆正在处于右转状态，即相邻定位帧数据之间的朝向改变；而通过车辆方向盘的角度数据(10度)也能够判定出车辆正在处于右转状态；通过两种方式判定的车辆运行状态一致，则说明当前定位帧数据为正常数据。如图5所示，可以根据多个定位帧数据判定车辆正在处于右转状态，即相邻定位帧数据之间的朝向改变；而通过车辆方向盘的角度数据(0度)判定车辆并未处于右转状态，则说明两种方式判定的车辆运行状态不一致，则说明当前定位帧数据为异常数据。
71.一个实施方式中，其它辅助驾驶模块可以包括轮速传感器，辅助驾驶数据可以为轮速传感器获取的车速。具体地，可以根据轮速传感器获取的车速来获取车辆运行状态，如加速运行、减速运行、匀速运行、静止等，并与多个定位帧数据表征的车辆运行状态进行比较，以判断当前定位帧数据是否为异常数据。
72.在本发明实施例的一个实施方式中，步骤s103可以进一步被配置为执行以下步骤：
73.当前定位帧数据为异常数据时，将当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据进行数据回传，以作为回收数据集。
74.在本实施方式中，在判定当前定位帧数据为异常数据时，则可以触发数据回传，将当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据进行数据回传，以获得回收数据集。实时定位结果和原始定位数据可以回传至预设的服务器或处理器，以通过服务器或处理器进行数据处理，以生成回收数据集。
75.在本发明实施例的一个实施方式中，步骤s104可以进一步被配置为执行以下步骤：
76.使用回收数据集对定位算法模型进行迭代训练，以优化定位算法模型的性能。
77.在本实施方式中，可以将回收数据集应用于定位算法模型的优化训练中，以提升定位算法模型的性能。
78.在本发明实施例的另一个实施方式中，步骤s104可以进一步被配置为执行以下步骤：
79.根据回收数据集判断车载定位传感器是否存在故障，以对车载传感器进行修复。
80.在本实施方式中，可以根据回收数据集判定车载定位传感器是否存在故障，并对故障进行修复。具体地，可以通过分析回收数据集来获取导致异常数据的原因，当异常数据为车载定位传感器导致的，则可以进一步根据回收数据集分析出车载传感器的故障情况，对针对性的对故障进行修复。
81.一个实施方式中，可以参阅附图2，图2是根据本发明实施例的一个实施方式的自动驾驶定位数据收集处理方法的主要系统架构示意图。如图2所示，可以将历史定位结果和当前定位结果输入至时序建模器中，生成多个定位帧数据，并将多个定位帧数据分别输入至多源诊断器和定位帧间诊断器中。其中，多源诊断器判断来自其它辅助驾驶模块的辅助驾驶数据表征的车辆运行状态与多个定位帧数据表征的车辆运行状态是否相符，若不相符，则判定当前定位帧数据为异常数据；定位帧间诊断判断当前定位帧数据与历史定位帧数据之间的帧间关系表征的车辆运行状态是否符合预设车辆运行状态；若不符合，则判定当前定位帧数据为异常数据。
82.需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时(并行)执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
83.本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的
是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
84.进一步，本发明还提供了一种控制装置。在根据本发明的一个控制装置实施例中，控制装置包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的自动驾驶定位数据收集处理方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的自动驾驶定位数据收集处理方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该控制装置可以是包括各种电子设备形成的控制装置设备。
85.进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的自动驾驶定位数据收集处理方法的程序，该程序可以由处理器加载并运行以实现上述自动驾驶定位数据收集处理方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
86.进一步，本发明还提供了一种车辆。在根据本发明的一个车辆实施例中，车辆包括上述控制装置实施例中的控制装置。
87.进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。
88.本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
89.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
技术特征：1.一种自动驾驶定位数据收集处理方法，其特征在于，所述方法包括：将实时定位结果进行时序化，获得多个定位帧数据，其中，所述实时定位结果是定位模块将车载定位传感器采集的原始定位数据输入至定位算法模型中获得的；判断所述多个定位帧数据中的当前定位帧数据是否为异常数据；若判断当前定位帧数据为异常数据，收集当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据作为回收数据集；以及通过所述回收数据集辅助所述自动驾驶。2.根据权利要求1所述的方法，其特征在于，所述判断当前定位帧数据是否为异常数据，包括：获取与当前定位帧数据相邻的至少一个历史定位帧数据；判断所述当前定位帧数据与所述历史定位帧数据之间的帧间关系表征的车辆运行状态是否符合预设车辆运行状态；若不符合，则判定当前定位帧数据为异常数据。3.根据权利要求2所述的方法，其特征在于，所述预设车辆运行状态包括所述车辆的位置、姿态、速度和加速度中的至少一个。4.根据权利要求1所述的方法，其特征在于，所述判断当前定位帧数据是否为异常数据，包括：获取来自其它辅助驾驶模块的辅助驾驶数据；判断所述辅助驾驶数据表征的车辆运行状态与所述多个定位帧数据表征的车辆运行状态是否相符；若不相符，则判定当前定位帧数据为异常数据。5.根据权利要求4所述的方法，其特征在于，所述其它辅助驾驶模块包括环境感知模块，所述辅助驾驶数据为所述环境感知模块输出的环境感知结果；和/或，所述其它辅助驾驶模块包括车辆控制模块，所述辅助驾驶数据为所述车辆控制模块输出的车辆控制信号；和/或，所述其它辅助驾驶模块包括轮速传感器，所述辅助驾驶数据为所述轮速传感器获取的车速。6.根据权利要求1所述的方法，其特征在于，所述通过所述回收数据辅助所述自动驾驶，包括：使用所述回收数据集对所述定位算法模型进行迭代训练，以优化所述定位算法模型的性能；和/或，根据所述回收数据集判断所述车载定位传感器是否存在故障，以对所述车载传感器进行修复。7.根据权利要求1所述的方法，其特征在于，所述收集当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据作为回收数据集，包括，当前定位帧数据为异常数据时，将当前定位帧数据所在的预设长度的时间窗内的实时定位结果以及对应的原始定位数据进行数据回传，以作为所述回收数据集。
8.一种控制装置，包括处理器和存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至7中任一项所述的方法。9.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至7中任一项所述的方法。10.一种车辆，其特征在于，所述车辆包括权利要求10所述的控制装置。
技术总结本发明涉及自动驾驶技术领域，具体提供一种自动驾驶定位数据收集处理方法、装置、介质及车辆，旨在解决如何将有效回收并利用实时定位结果中的异常数据的问题。为此目的，本发明能够将定位模块获得的实时定位结果时序化，以获得多个定位帧数据，并判断多个定位帧数据中的当前定位帧数据是否为异常数据，若是，则收集当前定位帧所在的预设长度的时间窗的内实时定位结果以及原始定位数据作为回收数据集，以应用回收数据集辅助自动驾驶过程。本发明能够有效回收并利用实时定位结果中的异常数据，以提升辅助驾驶的性能。以提升辅助驾驶的性能。以提升辅助驾驶的性能。
技术研发人员：陈伟骏 佘晓丽 任少卿 刘国翌
受保护的技术使用者：安徽蔚来智驾科技有限公司
技术研发日：2022.06.20
技术公布日：2022/11/1
