移动机器人路径规划方法、系统、移动机器人及存储介质

技术领域

本发明涉及机器人控制技术领域，尤其涉及一种移动机器人路径规划方法、系统、移动机器人及存储介质。

背景技术

自主移动机器人(Autonomous Mobile Robot,AMR)是一种能够自主规划路线并自主运行的移动机器人，通常用于在制造环境中进行物料搬运。在移动机器人上通常设置有导航系统和传感器，移动机器人可以根据预先设定的路径自动导航，从而实现高效的物料运输。

随着移动机器人在工业物流领域的广泛应用，为了提升物流运输速度、降低能源消耗，移动机器人的导航系统需要具备高效精准的最短运输路径推算性能，然而由于目前导航系统未充分考虑机器人在运输过程中特殊的运动约束，例如：最大转向角的限制、末端的姿态约束等，因此无法高效精准的推算得到最短运输路径。

因此，现有技术有待于进一步的改进。

发明内容

鉴于现有技术的不足，本发明目的在于提供一种移动机器人路径规划方法、系统、移动机器人及存储介质，克服现有技术中的移动机器人导航系统由于缺乏对机器人运动特殊约束的限制，无法快速精准的推算出最短运输路径的缺陷。

本发明的技术方案如下：

第一方面，本实施例公开了一种移动机器人路径规划方法，其中，所述方法包括：

获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的子状态集；

从以起点为开始端点的边对应的子状态集开始，在满足朝向角和转向角约束条件下，以查找到的邻接边为扩展边，逐级查找下一层级中子状态与起点之间的路径最短的邻接边，直至查找到邻接边的结束端点为终点且满足朝向角和转向角约束的子状态为止；

将查找到的各个邻接边逐层级倒推至起点，确定出最短路径，并输出。

可选的，所述获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的子状态集的步骤包括：

根据移动机器人工作路况构建拓扑地图；所述拓扑地图包括多个边，各个边均包含正向驶入状态、反向驶入状态及与所述正向驶入状态、反向驶入状态相对应的第一代价；

根据所有边的正向驶入状态和反向驶入状态，获取到所有边对应的子状态集。

可选的，所述从以起点为开始端点的边对应的子状态集开始，在满足朝向角和转向角约束条件下，以查找到的邻接边为扩展边，逐级查找下一层级中子状态与起点之间的路径最短的邻接边，直至查找到邻接边的结束端点为终点且满足朝向角和转向角约束的子状态为止的步骤包括：

在满足初始朝向角和转向角约束条件下，从以起点为开始端点的边对应状态的第一子状态集中查找出子状态与起点之间的路径最短的第一邻接边；判断第一邻接边的结束端点是否为终点且对应的状态是否满足终点朝向角要求，若符合，则结束查找；

否则，继续查找下一层级中子状态与起点之间的路径最短的第二邻接边，以及对查找到的第二邻接边判断结束端点是否为终点且对应的状态是否满足终点朝向角要求；

若第二邻接边的结束端点不是终点，和/或所述第二邻接边对应的状态不满足终点朝向角要求，则继续执行逐级查找下一层级中子状态与起点之间的路径最短的第N邻接边，并对查找到的所述第N邻接边判断是否符合结束端点为终点且对应的状态满足终点朝向角要求的步骤，直至查找到结束端点为终点且对应状态满足终点朝向角要求的邻接边，其中，N为自然数。

可选的，所述逐级查找下一层级中子状态与起点之间的路径最短的邻接边的步骤，包括：

逐级获取下一层级邻接边对应的子状态集；

利用代价函数分别计算子状态集中各个子状态对应的总代价；

以总代价最小的子状态对应的边为查找到的路径最短的邻接边。

可选的，所述总代价为各个状态对应的代价和；

所述利用代价函数分别计算子状态集中各个子状态对应的总代价的步骤包括：

利用代价函数分别计算各个子状态自身对应的第一代价、各个子状态对应的边与起点之间的连接线上各个边的状态对应的第二代价，得到各个子状态对应的总代价。

可选的，所述第一代价包括：个性化代价；

所述利用代价函数分别计算各个子状态自身对应的第一代价的步骤包括：

分别获取各个子状态对应的预设个性化代价；

根据预设比例系数、各个子状态对应边的长度以及所述预设个性化代价，计算得到各个子状态对应的总代价。

可选的，所述改进的代价函数为从起点到各个状态对应的总代价与各个状态对应的边到终点的直线距离之和。

第二方面，本实施例还提供了一种移动机器人路径规划系统，其中，包括：

状态获取模块，用于获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的子状态集；

路径查找模块，用于从以起点为开始端点的边对应的子状态集开始，在满足朝向角和转向角约束条件下，以查找到的邻接边为扩展边，逐级查找下一层级中子状态与起点之间的路径最短的邻接边，直至查找到邻接边的结束端点为终点且满足朝向角和转向角约束的子状态为止；

路径输出模块，用于将查找到的各个邻接边逐层级倒推至起点，确定出最短路径，并输出。

第三方面，本实施例还公开了一种移动机器人，其中，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的移动机器人路径规划方法的步骤。

第四方面，本实施例公开了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述的移动机器人路径规划方法的步骤。

有益效果：本发明提出了一种移动机器人路径规划方法、系统、移动机器人及存储介质，通过获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的状态；从以起点为开始端点的边对应的状态开始，在满足朝向角和转向角约束条件下，以邻接边为扩展层级，逐层查找各个状态中代价函数最小的子状态，直至查找到的子状态对应的边以终点为结束端点；获取各个状态对应最短路径时的前驱边，基于各个前驱边组合得到规划路径并输出。本实施例提供的方法通过考虑移动机器人在运动学约束，在移动机器人在运输过程中同时满足转向角约束和朝向角约束，所规划得到的路径可以实现移动机器人更灵活的取放货物，提高了货物运输的效率和灵活性。

附图说明

图1是本发明所述一种移动机器人路径规划方法的步骤流程图；

图2是本发明实施例中无向边的状态图；

图3是本发明实施例中子状态集的原理示意图一；

图4是本发明实施例中子状态集的原理示意图二；

图5是本发明实施例中路径规划方法的步骤流程图；

图6是本发明实施例中最短运输路径的距离示意图；

图7是本发明实施例中移动机器人运动过程中初始朝向角约束的示意图；

图8是本发明实施例中移动机器人运动过程中终点朝向角约束的示意图；

图9是本发明实施例中路径规划示意图一；

图10是本发明实施例中路径规划示意图二；

图11是本发明实施例中移动机器人路径规划系统的原理结构框图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

为了提高运输速度和降低运输能耗，需要根据运输环境中的路况高效精准的推算出运输的最短运输路径。在拓扑地图中的最短路径算法并未考虑到移动机器人运输过程中的最大转向角、初始朝向角和终点的朝向角要求，因此无法确保移动机器人在抵达某个站点时，能灵活的取货和放货。而且现有技术中的最短路径算法一般为移动机器人正向行驶，不支持倒车，因此不能满足运输过程中的灵活性需求。

为了克服上述问题，本实施例提供了一种移动机器人的路径规划方法，通过在进行最短路径规划时考虑运动学约束，使移动机器人能够在行驶过程中允许倒车，并同时满足最大转向角约束以及起点和终点的朝向角要求。由于本实施例方法所规划出的路径能够实现移动机器人在货物取货和放货时能够灵活倒车，从而提高了移动机器人运输货物的效率和行驶的灵活性。

需要注意的是，上述应用场景仅是为了便于理解本发明而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

进一步，为了对发明内容做进一步说明，下面结合附图，通过对实施例进行具体描述。

示例性方法

第一方面，本实施例公开了一种移动机器人路径规划方法，如图1所示，所述方法包括：

步骤S1、获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的子状态集。

本步骤中需要根据移动机器人当前运输的场景，构建出带有多条运输路径的拓扑地图。其中，运输的场景包括：场景下的所有路径，场景下的障碍物分布信息，根据障碍物分布信息判断出场景下各个路径中可通行的路径，根据可通行的路径构建得到拓扑地图。具体的，拓扑地图上的各个路径是以线条来表示的，环境中的路径构建到拓扑地图中时，需要满足移动机器人可以顺利通过。

进一步的，在所述拓扑地图上还标记有移动机器人运输的起点和终点，其中，起点一般为移动机器人在运输时开始的地点，终点一般为移动机器人将物资运输的目的地。在拓扑地图中一般起点和终点之间存在多条可以通行的路径。

上述步骤中创建出的拓扑地图上的每个边都为有向边，也即是移动机器人可以沿着有向边的方向正向行驶或反向行驶。每个边均对应有两种状态，包括：正向驶入的状态和反向驶入的状态。结合图2所示，根据所有边的状态，分别从正向行驶和反向行驶两个方向获取所有边的子状态，边的状态用

拓扑地图中每个边对应的状态根据允许驶入状态的不同，可以分为父状态和子状态。若允许从状态

结合图3和图4所示，建立集合

同理，如图4所示，由状态

因此基于各个边所在的位置是否在移动机器人转向角约束的范围内，邻接边是否允许转向驶入，可以得到当前边的状态对应的全部子状态，并将各个边对应的子状态组成子状态集合。

步骤S2、从以起点为开始端点的边对应的子状态集开始，在满足朝向角和转向角约束条件下，以查找到的邻接边为扩展边，逐级查找下一层级中子状态与起点之间的路径最短的邻接边，直至查找到邻接边的结束端点为终点且满足朝向角和转向角约束的子状态为止。

当获取到拓扑地图上各个边对应状态的子状态集后，则可以根据各个边对应的状态的子状态，在满足移动机器人运动约束的前提下，依次查找出各个状态对应的代价函数的最小代价的子状态，进而查找到每移动一个层级运动时的最短路径。

本步骤中利用改进的弧标注A*算法查找路径最短的邻接边。该改进的弧标注A*算法基于弧标注A*算法做了相应的改进。改进的弧标注A*算法中允许移动机器人的正向行驶和反向行驶、考虑了移动机器人在运动过程中需要同时满足朝向角约束和最大转向角约束，以及在计算总代价时增加了个性化代价，以表征不同的路径和不同的行驶方向所对应的代价不同，进而提高推算结果的准确性。

具体的，逐级查找得到最短路径对应的邻接边的步骤包括：

步骤S21、在满足初始朝向角和转向角约束条件下，从以起点为开始端点的边对应状态的第一子状态集中查找出子状态与起点之间的路径最短的第一邻接边；判断第一邻接边的结束端点是否为终点且第一邻接边对应的状态是否满足终点朝向角要求，若符合，则结束查找。

如图9所示，朝向角为车辆的车头朝向的角度，当拓扑地图中的边为直线时，朝向角可以根据车头位置和边的位置直接计算，结合图10所示，当拓扑地图中的路径为曲线时，其朝向角为曲线端点的切线处的角度。由于朝向角是移动机器人装载货物运动的起点，因此需要满足初始朝向角的要求，在一种实施方式中，可以依赖激光雷达与相机等联合测量的方式测得移动机器人朝向角信息。

在本步骤中需要首先判断以起点为开始端点的边是否满足初始朝向角的要求，若满足，则对各个满足初始朝向角要求且以起点为开始端点的边计算总代价，根据总代价查找出其中总代价最小的边。

本步骤中利用代价函数计算各个边对应的总代价，进而查找出其中总代价最小的边。具体的，各个以起点为开始端点的边的状态分别对应各自的子状态集。分别对各个边对应状态的子状态集中的各个子状态进行代价函数的计算，查找出其中与起点之间路径最短的子状态，将该子状态对应的边命名为第一邻接边。

当查找到与起点之间的路径最短的第一邻接边时，判断该第一邻接边的结束端点是否为终点，若是，则判断该第一邻接边对应的状态是否满足终点朝向角的要求，若满足，则本次查找结束，否则执行步骤S22。

步骤S22、若第一邻接边的结束端点不是终点，则继续查找下一层级中子状态与起点之间的路径最短的第二邻接边，以及对查找到的第二邻接边判断结束端点是否为终点且对应的状态是否满足终点朝向角要求。

若上述步骤中查找出的第一邻接边的结束端点不是终点，则需要继续对下一层级的邻接边对应的子状态集中与起点之间路径最短的子状态进行查找，得到其中与起点之间路径最短的子状态，并判断该子状态是否满足终点朝向角要求。

步骤S23、若第二邻接边的结束端点不是终点，和/或所述第二邻接边对应的状态不满足终点朝向角要求，则继续执行逐级查找下一层级中子状态与起点之间的路径最短的第N邻接边，并对查找到的所述第N邻接边判断是否符合结束端点为终点且对应的状态满足终点朝向角要求的步骤，直至查找到结束端点为终点且对应状态满足终点朝向角要求的邻接边，其中，N为自然数。

若上述步骤S1中查找到的第一邻接边的结束端点为终点，但是第一邻接边对应的状态不满足终点朝向角的要求，则继续查找，直至查找到符合上述要求的邻接边。

可以想到的是，在具体实施时，有可能会出现第一邻接边的结束端点为终点，但是第一邻接边的状态不符合终点朝向角要求的情况，由于第一邻接边不符合终点朝向角的要求，则无法实现运输货物的取放，因此需要舍弃本次查找到的第一邻接边，重新从第一子状态集中查找出符合满足终点朝向角且与终点之间的路径最小的子状态，在具体查找时，先查找出其中符合终点朝向角的子状态，若查找不到，则反馈查找失败，若查找到一个或多个符合终点朝向角的子状态，则计算各个该子状态对应的与起点之间的最短路径，以得到与起点之间路径最短的第一子状态。

若第二邻接边的各个子状态对应的边中依然无法查找到结束端点为终点且对应的状态满足终点朝向角要求的边，则继续执行逐级查找下一层级中子状态与起点之间的路径最短的第N邻接边的步骤，直至查找到最终符合要求的邻接边。可以想到的是，若遍历拓扑地图中全部的边均无法找到符合要求的边，则本次查找失败，无法提供最短规划路径。

具体的，本步骤中逐级查找下一层级中子状态与起点之间的路径最短的邻接边的步骤为：

逐级获取下一层级邻接边对应的子状态集；

利用代价函数分别计算子状态集中各个子状态对应的总代价；

以总代价最小的子状态对应的边为查找到的路径最短的邻接边。

按照预设代价函数，逐级计算各个子状态对应的总代价，将总代价最小的子状态对应的边作为本层级中所要查找的路径最短的邻接边。

具体的，由于各个状态对应的总代价包括：该状态本身对应的第一代价，该状态对应的边与起点之间的各个连接线对应的第二代价，因此本步骤中利用代价函数计算出各个状态对应的总代价和的步骤包括：

利用代价函数分别计算各个子状态对应的第一代价、各个子状态对应的边与起点之间的连接线上各个边的状态对应的第二代价，得到各个邻接边的状态与起点之间的总代价。

具体的，在本实施例中，由于移动机器人正向驶入和反向驶入所消耗的代价不同，例如：反向驶入的安全性低于正向驶入的安全性，因此针对每条边均所对应的设置有个性化代价，以实现对拓扑地图中各个边的个性化定制。各个边对应本身的第一代价分别由边的长度和个性化代价组成。而第一代价包括：正向驶入边的代价和反向驶入边的代价，

具体的，正向驶入a

其中，l(a

考虑到移动机器人行驶的安全性等因素，设置移动机器人的反向行驶路段尽可能少，反向行驶代价要比正向行驶代价大，因此一般而言k>1。如果边a

当根据自定义设置得到各个边对应状态的个性化代价后，基于上述代价公式分别计算得到各个边本身对应的第一代价，而各个边对应的状态总代价还包括：该状态对应的边与起点之间的各个连接线对应的第二代价。

各个子状态对应的边与起点之间的各个连接线中可以包含一个或多个逐级查找到的邻接边，利用上述第一代价的计算公式分别计算出各个邻接边对应的第一代价，将各个邻接边对应的第一代价相加，得到各个子状态对应的边与起点之间的连接线上各个邻接边对应的第二代价。

将各个子状态自身对应的第一代价和各个子状态对应边与起点之间的连接线上各个边的状态对应的第二代价相加，得到各个子状态对应的总代价。

因此，结合图5所示，计算各个邻接边的子状态与起点之间最短路径的代价函数为：

其中，

利用上述代价函数分别计算各个邻接边的子状态对应的总代价，从中获取总代价和最小的子状态，同时判断该子状态对应边的结束端点是否为终点，若是，则判断是否符合终点朝向角约束，若符合，则查找到的子状态对应的边为最后一条边，结束本次查找，否则，以该子状态对应的边为扩展层级，对该子状态对应的边的邻接边中是否含有符合条件的子状态进行判断，直至最终查找到以终点为结束端点且符合终点朝向角的子状态，从而得到一系列相互连接的边。

步骤S3、将查找到的各个邻接边逐层级倒推至起点，确定出最短路径，并输出。

当根据上述步骤中的查找出的各个邻接边，从最后查找到的邻接边开始，逐个倒推其前驱边，直至倒推的前驱边为以起点为开始端点的边，将全部查找到的边首尾相连，得到本步骤中查找得到的最短路径。

下面结合图5至图10对本发明实施例所公开的方法做进一步的说明。

本实施例所公开的方法基于弧标注A*算法改进得到，结合图5所示，在具体实施时改进的弧标注A*算法可以通过以下步骤实现本实施例所公开的方法：

步骤H1、预构建拓扑地图：该拓扑地图中标注有移动机器人运动的起点和终点。根据拓扑地图中所有边的状态分别计算得到各个状态对应的子状态集。

结合图6所示，对每个边的状态

为代价函数，其表示如下：

其中，

步骤H2、建立集合：集合

初始化：算法初始阶段

在移动机器人的起点判断与起点相连的边的状态是否能由移动机器人的初始朝向角转向而来。结合图7所示，移动机器人的最大转向角为α

步骤H3、选择待标定的状态：从集合Ω中选择

步骤H4、判断是否到达终点且满足朝向角要求。

如果状态

步骤H5、对闭集中上一步骤H3中最后标定的状态

步骤H6、根据每一个

在一种实施方式中，若需要禁止边a

本实施例公开的上述方法所规划出的路径是满足移动机器人最大转向角约束、起点和终点的朝向角约束、在中途能够灵活倒车的最短路径，并且本实施方法所规划出的路径能够实现路段的个性化定制，例如某些路段禁止倒车行驶、某些路段代价较大等，从而提高了货物运输的效率和灵活性。

示例性设备

本实施例还公开了一种移动机器人路径规划系统，如图11所示，所述路径规划系统包括：

状态获取模块111，用于获取移动机器人工作路况下的拓扑地图以及获取所述拓扑地图上所有边对应的子状态集；其功能如步骤S1所述。

路径查找模块112，用于从以起点为开始端点的边对应的子状态集开始，在满足朝向角和转向角约束条件下，以查找到的邻接边为扩展边，逐级查找下一层级中子状态与起点之间的路径最短的邻接边，直至查找到邻接边的结束端点为终点且满足朝向角和转向角约束的子状态为止；其功能如步骤S2所述。

路径输出模块113，用于将查找到的各个邻接边逐层级倒推至起点，确定出最短路径，并输出，其功能如步骤S3所述。

进一步的，所述状态获取模块包括：地图构建单元和子状态获取单元。

所述地图构建单元，用于根据移动机器人工作路况构建拓扑地图；所述拓扑地图包括多个边；各个边均包含正向驶入状态、反向驶入状态及与所述正向驶入状态、反向驶入状态相对应的第一代价；

所述子状态获取单元，用于根据所有边的正向驶入状态和反向驶入状态，获取到所有边对应的子状态集。

可选的，所述路径查找模块包括：初始查找单元、终点判断单元和逐级查找单元。

所述初始查找单元，用于在满足初始朝向角和转向角约束条件下，从以起点为开始端点的边对应状态的第一子状态集中查找出子状态与起点之间的路径最短的第一邻接边；

所述终点判断单元，用于判断第一邻接边的结束端点是否为终点且对应的状态是否满足终点朝向角要求，若符合，则结束查找；

所述逐级查找单元，用于当第一邻接边的结束端点不是终点或者对应的状态不满足终点朝向角要求，继续查找下一层级中子状态与起点之间的路径最短的第二邻接边，以及对查找到的第二邻接边判断结束端点是否为终点且对应的状态是否满足终点朝向角要求；若第二邻接边的结束端点不是终点，和/或所述第二邻接边对应的状态不满足终点朝向角要求，则继续执行逐级查找下一层级中子状态与起点之间的路径最短的第N邻接边，并对查找到的所述第N邻接边判断是否符合结束端点为终点且对应的状态满足终点朝向角要求的步骤，直至查找到结束端点为终点且对应状态满足终点朝向角要求的邻接边，其中，N为自然数。

可选的，所述逐级查找单元包括：子状态集读取子单元、总代价计算子单元和邻接边确定子单元。

所述子状态集读取子单元，用于逐级获取下一层级邻接边对应的子状态集；

所述总代价计算子单元，用于利用代价函数分别计算子状态集中各个子状态对应的总代价；

所述邻接边确定子单元，用于以总代价最小的子状态对应的边为查找到的路径最短的邻接边。

可选的，所述总代价为各个状态对应的代价和；

所述总代价计算子单元，还用于利用代价函数分别计算各个子状态自身对应的第一代价、各个子状态对应的边与起点之间的连接线上各个边的状态对应的第二代价，得到各个子状态对应的总代价。

所述第一代价包括：个性化代价；

所述总代价计算子单元包括：第一代价计算子单元；

所述第一代价计算子单元，用于分别获取各个子状态对应的预设个性化代价；根据预设比例系数、各个子状态对应边的长度以及所述预设个性化代价，计算得到各个子状态对应的第一代价。

进一步的，所述改进的代价函数为从起点到各个状态对应的总代价与各个状态对应的边到终点的直线距离之和。

本实施例方法在公开上述路径规划方法的基础上，还公开了一种移动机器人，所述移动机器人包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的移动机器人路径规划方法的步骤。

进一步的，本实施例还公开了一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现所述移动机器人路径规划的方法的步骤。

存储器作为一种计算机可读存储介质，可设置为存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令或模块。处理器通过运行存储在存储器中的软件程序、指令或模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。

存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器。例如，U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。