船型特征获取方法、系统、电子设备及可读存储介质

技术领域

本发明涉及船舶扫描技术领域，尤其涉及一种船型特征获取方法、系统、电子设备及可读存储介质。

背景技术

目前，得益于载货量大、成本低、占地面积小等优势，水路运输在大型物流运输中具有重要地位，在内外贸易中发挥至关重要的作用。而随着经济全球化的不断推动，物流行业正在迅速从传统物流向智能物流转型，通过桥式起重机无人驾驶技术、计算机视觉技术、智能调度技术等新一代信息化技术，实现码头仓库取料、吊运、放料作业无人化，提高仓库运转效率和本质化安全，在业内已形成共识。

通过对船舶的船舱、船首、雷达桅杆等进行精确测量与定位，进而取得系统坐标系下船舱、雷达桅杆的空间坐标，是完成船舶智能装卸必要基础和前提条件，具有必要性、特殊性。但是，由于船舶尺寸大，类型多且不固定、视野范围要求严苛、船体晃动造成不稳定、由于涨退潮及物料承载量引起吃水深度得不断变化等多种原因，码头船舶船型识别相对于汽车车型、火车车型识别，其难度更大，造成现有的船型识别技术精确度较低，不能达到行业需求。

发明内容

为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

鉴于以上所述现有技术的缺点，本发明公开了一种船型特征获取方法、系统、电子设备及可读存储介质，以提高船型识别的精确度。

本发明公开了一种船型特征获取方法，包括：获取目标船体所在区域对应的原始点云数据和所述目标船体的船体基准数据，并从所述原始点云数据中确定所述目标船体对应的船体点云数据；基于所述船体点云数据建立所述目标船体的模型数据，并根据所述模型数据对所述船体点云数据进行数据拟合，得到所述目标船体的船型特征信息；获取所述目标船体的实时基准数据，基于所述船体基准数据和所述实时基准数据对所述船型特征信息进行数据调整，得到所述目标船体的实时特征信息。

可选地，通过以下方式确定目标船体所在区域的原始点云数据：通过安装于移动装置的激光扫描设备对目标船体的停放区域进行扫描，得到所述移动装置对应的位移数据和所述激光扫描设备对应的原始扫描数据；将所述位移数据和所述原始扫描数据作为重构数据，并基于重构算法和所述重构数据对所述目标船体所在区域进行三维重构，得到所述目标船体所在区域对应的原始点云数据。

可选地，通过以下方式获取所述目标船体的船体基准数据：通过安装于移动装置的激光扫描设备对目标船体的停放区域进行扫描的同时，获取所述目标船体的当前船舷高度，并将所述当前船舷高度确定为所述目标船体的船体基准数据。

可选地，从所述原始点云数据中确定所述目标船体对应的船体点云数据，包括：通过直通滤波算法从所述原始点云数据中提取所述目标船体对应的区域点云数据；通过统计滤波算法去除所述区域点云数据中的噪点和离群点，将去除所述噪点和所述离群点后的区域点云数据确定为船体点云数据。

可选地，所述目标船体包括船舱区域和超限区域，基于所述船体点云数据建立所述目标船体的模型数据，包括：根据所述船体点云数据确定所述超限区域的坐标参数；根据所述船体点云数据确定所述目标船体的表面法线和表面曲率，并根据所述表面法线、所述表面曲率和预设几何模型对所述船体点云数据进行分割，得到所述船舱区域的船舱特征信息，所述船舱特征信息包括直线特征信息、平面特征信息和方体特征信息中的至少一种；根据预设评估算法判断所述船舱特征信息是否符合预期标准，若所述船舱特征信息符合预期标准，获取模型参数阈值，并根据所述船舱特征信息和所述模型参数阈值之间的比较结果确定船舱盖状态；将所述坐标参数、所述船舱特征信息和所述船舱盖状态作为模型数据。

可选地，所述船型特征信息包括一个或多个船型坐标参数，基于所述船体基准数据和所述实时基准数据对所述船型特征信息进行数据调整，得到所述目标船体的实时特征信息：根据所述船体基准数据和所述实时基准数据确定数据变化值；根据所述数据变化值分别对各所述船型坐标参数进行数据调整，得到所述目标船体的实时特征信息。

可选地，通过以下公式确定所述目标船体的实时特征信息：P

本发明公开了一种船型特征获取系统，包括：获取模块，用于获取目标船体所在区域对应的原始点云数据和所述目标船体的船体基准数据，并从所述原始点云数据中确定所述目标船体对应的船体点云数据；计算模块，用于基于所述船体点云数据建立所述目标船体的模型数据，并根据所述模型数据对所述船体点云数据进行数据拟合，得到所述目标船体的船型特征信息；调节模块，用于获取所述目标船体的实时基准数据，基于所述船体基准数据和所述实时基准数据对所述船型特征信息进行数据调整，得到所述目标船体的实时特征信息

本发明公开了一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行上述的方法。

本发明公开了一种计算机可读存储介质，其上存储有计算机程序：所述计算机程序被处理器执行时实现上述的方法。

本发明的有益效果：

通过获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。这样，通过船体基准数据和实时基准数据对船型特征信息进行数据调节，以避免因各种环境因素造成的船型识别不稳定，提高船型识别的准确性，进而便于用户通过船舶进行智能装载。

附图说明

图1是本发明实施例中一个船型特征获取方法的流程示意图；

图2-a是本发明实施例中一个船型特征获取方法对应的扫描系统的结构示意图；

图2-b是本发明实施例中另一个船型特征获取方法对应的扫描系统的结构示意图；

图3是本发明实施例中另一个船型特征获取方法的流程示意图；

图4是本发明实施例中一个船型特征获取系统的结构示意图；

图5是本发明实施例中一个电子设备的示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的子样本可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。

本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

除非另有说明，术语“多个”表示两个或两个以上。

本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

结合图1所示，本公开实施例提供了一种船型特征获取方法，包括：

步骤S101，获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据；

步骤S102，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息；

步骤S103，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。

采用本公开实施例提供的船型特征获取方法，通过获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。这样，通过船体基准数据和实时基准数据对船型特征信息进行数据调节，以避免因各种环境因素造成的船型识别不稳定，提高船型识别的准确性，进而便于用户通过船舶进行智能装载。

可选地，通过以下方式确定目标船体所在区域的原始点云数据：通过安装于移动装置的激光扫描设备对目标船体的停放区域进行扫描，得到移动装置对应的位移数据和激光扫描设备对应的原始扫描数据；将位移数据和原始扫描数据作为重构数据，并基于重构算法和重构数据对目标船体所在区域进行三维重构，得到目标船体所在区域对应的原始点云数据。

在一些实施例中，重构算法包括单点概率函数、三点概率函数、线性路径函数等特征函数中的至少一种，其中，单点概率函数用于确定孔隙率，三点概率函数用于计算x轴、y轴和z轴方向的三点概率，线性路径函数用于计算x轴、y轴和z轴方向的线性路径。

可选地，通过以下方式获取目标船体的船体基准数据：通过安装于移动装置的激光扫描设备对目标船体的停放区域进行扫描的同时，获取目标船体的当前船舷高度，并将当前船舷高度确定为目标船体的船体基准数据。

可选地，将目标船体的实时船舷高度确定为实时基准数据。

结合图2-a及图2-b所示，本公开实施例提供了一种船型特征获取方法对应的扫描系统的主视图和俯视图，该扫描系统包括目标船体201、目标船体的船舱区域2011、目标船体的船首2012、目标船体的雷达桅杆2013、桥式起重机202、第一激光扫描设备203、第二激光扫描设备204、码头205、运输框架车206、目标船体的载体207，其中，船首2012和雷达桅杆2013为目标船体的超限区域；桥式起重机202安装在目标船体201上方，桥式起重机包括一个安装有增量式编码器的大车，该大车能够沿着一个直线方向来回移动，增量式编码器的信号通过带屏蔽功能的双绞线接入第一激光扫描设备；第一激光扫描设备203安装在桥式起重机202下方并在目标船体201上方，扫描方向面向目标船体，用于对目标船体所在区域沿着大车移动方向进行扫描，得到原始扫描数据；第二激光扫描设备204安装在目标船体201侧面，用于扫描目标船体的当前船舷高度和实时船舷高度；目标船体的载体207为海水。

在一些实施例中，通过第一激光扫描设备随桥式起重机的大车移动，对目标船体所在区域进行扫描，并结合大车的增量式编码器位移信息，实现码头船舶停放区域三维重构，汇聚原始三维点云数据，通过第二激光扫描设备对目标船体进行扫描，获得目标船体的当前船舷高度。

可选地，从原始点云数据中确定目标船体对应的船体点云数据，包括：通过直通滤波算法从原始点云数据中提取目标船体对应的区域点云数据；通过统计滤波算法去除区域点云数据中的噪点和离群点，将去除噪点和离群点后的区域点云数据确定为船体点云数据。

在一些实施例中，设置目标船体的区域范围，通过直通滤波算法和目标船体的区域范围对原始点云数据进行处理，得到目标船体对应的区域点云数据，以消除周边环境对后续算法处理结果的影响；通过统计滤波算法去除区域点云数据中由于干扰引起的噪点和离群点，得到船体点云数据。

在激光点云的采集过程中，因为设备和环境因素的影响，会出现一些噪点信息，例如点云数据中存在不合常理的坐标值；同时由于采集设备的有效距离的影响，对于距离较远的目标其反射的激光点云数据呈现过度离散的状态，不具备识别的可能，通过直通滤波算法将目标船体的区域范围之外的点滤除(在背景与前景有一定距离的情况下，可以除掉背景),再利用统计滤波算法对激光点云数据做一些过滤处理操作，过滤噪点和距离过远的点，进而提高船体识别的准确性。

可选地，目标船体包括船舱区域和超限区域，基于船体点云数据建立目标船体的模型数据，包括：根据船体点云数据确定超限区域的坐标参数；根据船体点云数据确定目标船体的表面法线和表面曲率，并根据表面法线、表面曲率和预设几何模型对船体点云数据进行分割，得到船舱区域的船舱特征信息，船舱特征信息包括直线特征信息、平面特征信息和方体特征信息中的至少一种；根据预设评估算法判断船舱特征信息是否符合预期标准，若船舱特征信息符合预期标准，获取模型参数阈值，并根据船舱特征信息和模型参数阈值之间的比较结果确定船舱盖状态；将坐标参数、船舱特征信息和船舱盖状态作为模型数据。

可选地，超限区域包括船首、雷达桅杆等超出桥式起重机行驶安全高度的区域。

在一些实施例中，根据船体点云数据确定超限区域的坐标参数，包括：根据预设函数对船体点云数据中的点云轮廓进行函数迭代，求取点云数据的极值，并根据点云数据的极值确定超限区域的坐标参数。

可选地，若船舱特征信息不符合预期标准，则重新获取船舱特征信息。

可选地，预设评估算法为RANSAC算法，其中，RANSAC算法的输入是一组观测数据，一个可以解释或者适应于观测数据的参数化模型。RANSAC通过反复选择数据中的一组随机子集来达成目标，被选取的子集被假设为局内点，并用下述方法进行验证：首先我们先随机假设一小组局内点为初始值，然后用此局内点拟合一个模型，此模型适应于假设的局内点，所有的未知参数都能从假设的局内点计算得出；用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点，将局内点扩充；如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理；然后，用所有假设的局内点去重新估计模型，因为此模型仅仅是在初始的假设的局内点估计的，后续有扩充后，需要更新；最后，通过估计局内点与模型的错误率来评估模型。整个这个过程为迭代一次，此过程被重复执行固定的次数，每次产生的模型有两个结局：要么因为局内点太少，还不如上一次的模型，而被舍弃；要么因为比现有的模型更好而被选用。因此，通过RANSAC算法判断船舱特征信息是否符合预期标准，将不合理的模型参数去除，提高了船体识别得到的船舱特征信息的可信性。

可选地，模型参数阈值包括长度阈值、宽度阈值、高度阈值、相对位移阈值、船舱质心阈值等。

可选地，根据船舱特征信息和模型参数阈值之间的比较结果确定船舱盖状态，包括：获取船底平面质心与船舱质心阈值之间的第一比较关系，并获取船盖平面与船舱质心阈值的第二比较关系；根据第一比较关系和第二比较关系确定船舱盖类型、船舱盖闭合状态、船舱盖收叠形式，其中，船舱盖类型包括折叠式，侧开式，吊离式等。

在一些实施例中，结合法线估计、表面曲率以及线面几何模型对目标船体的船体点云数据进行分割，并采用RANSAC算法对船舱特征信息检测，获得目标船体的船舱区域的直线、平面等特征信息，即船舱特征信息，其中，船舱区域包括船舱舷、船舱盖、船舱底部分中的至少一种；针对船舱区域，定义表面法线、直线、平面等共有数据特征描述，并建立了长度、宽度、高度、相对位移等特征参数阈值，对平面特征信息、船舶轮廓信息进行参数估计，船底平面质心低于船舱质心，船盖平面高于船舱质心，判断出船舱盖闭合状态、船舱盖收叠形式等船舱盖状态；超出桥式起重机行驶安全高度的区域为避障区域或超限区域，计算船首、雷达桅杆等超限区域的坐标参数；将坐标参数、船舱特征信息和船舱盖状态作为模型数据。

可选地，船型特征信息包括船型坐标参数和船型尺度参数中的至少一种。

可选地，船型特征信息包括一个或多个船型坐标参数，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息：根据船体基准数据和实时基准数据确定数据变化值；根据数据变化值分别对各船型坐标参数进行数据调整，得到目标船体的实时特征信息。

可选地，实时特征信息包括所有船舱的长、宽、高尺寸信息，所有船舱的实时高度信息，船首、雷达桅杆等超限区域的范围、实时位置坐标信息。

可选地，通过以下公式确定目标船体的实时特征信息：

P

式中，P

在一些实施例中，基于第二激光扫描设备得到实时船舷高度，根据实时船舷高度和当前船舷高度对船型特征信息进行动态调整，得到实时特征信息，并把实时特征信息反馈至智能调度管理系统。

结合图3所示，本公开实施例提供了一种船型特征获取方法，包括：

步骤S301，通过安装于移动装置的激光扫描设备对目标船体的停放区域进行扫描，得到移动装置对应的位移数据和激光扫描设备对应的原始扫描数据；

步骤S302，获取目标船体的当前船舷高度，并将当前船舷高度确定为目标船体的船体基准数据；

步骤S303，基于重构算法和重构数据对目标船体所在区域进行三维重构，得到目标船体所在区域对应的原始点云数据；

其中，重构数据包括位移数据和原始扫描数据；

步骤S304，通过直通滤波算法从原始点云数据中提取目标船体对应的区域点云数据；

步骤S305，通过统计滤波算法去除区域点云数据中的噪点和离群点，将去除噪点和离群点后的区域点云数据确定为船体点云数据；

步骤S306，根据船体点云数据确定超限区域的坐标参数；

其中，目标船体包括船舱区域和超限区域；

步骤S307，根据船体点云数据确定目标船体的表面法线和表面曲率；

步骤S308，根据表面法线、表面曲率和预设几何模型对船体点云数据进行分割，得到船舱区域的船舱特征信息；

其中，船舱特征信息包括直线特征信息、平面特征信息和方体特征信息中的至少一种；

步骤S309，根据预设评估算法判断船舱特征信息是否符合预期标准；

步骤S310，若船舱特征信息符合预期标准，获取模型参数阈值，并根据船舱特征信息和模型参数阈值之间的比较结果确定船舱盖状态；

步骤S311，根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息；

其中，模型数据包括坐标参数、船舱特征信息和船舱盖状态；

步骤S312，获取目标船体的实时基准数据；

步骤S313，根据船体基准数据和实时基准数据确定数据变化值；

步骤S314，根据数据变化值分别对各船型坐标参数进行数据调整，得到目标船体的实时特征信息；

其中，船型特征信息包括一个或多个船型坐标参数。

采用本公开实施例提供的船型特征获取方法，通过获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。这样，通过船体基准数据和实时基准数据对船型特征信息进行数据调节，以避免因各种环境因素造成的船型识别不稳定，提高船型识别的准确性，进而便于用户通过船舶进行智能装载。

结合图4所示，本公开实施例提供了一种船型特征获取系统，包括获取模块401、计算模块402和调节模块403。获取模块401用于获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据。计算模块402用于基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息。调节模块403用于获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。

采用本公开实施例提供的船型特征获取系统，通过获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。这样，通过船体基准数据和实时基准数据对船型特征信息进行数据调节，以避免因各种环境因素造成的船型识别不稳定，提高船型识别的准确性，进而便于用户通过船舶进行智能装载。

结合图5所示，本公开实施例提供了一种电子设备，包括：处理器(processor)500及存储器(memory)501；存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以使终端执行本实施例中任一项方法。可选地，该电子设备还可以包括通信接口(Communication Interface)502和总线503。其中，处理器500、通信接口502、存储器501可以通过总线503完成相互间的通信。通信接口502可以用于信息传输。处理器500可以调用存储器501中的逻辑指令，以执行上述实施例中的方法。

此外，上述的存储器501中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。

存储器501作为一种计算机可读存储介质，可用于存储软件程序、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/模块。处理器500通过运行存储在存储器501中的程序指令/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501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501可以包括高速随机存取存储器，还可以包括非说易失性存储器。

采用本公开实施例提供的电子设备，通过获取目标船体所在区域对应的原始点云数据和目标船体的船体基准数据，并从原始点云数据中确定目标船体对应的船体点云数据，基于船体点云数据建立目标船体的模型数据，并根据模型数据对船体点云数据进行数据拟合，得到目标船体的船型特征信息，获取目标船体的实时基准数据，基于船体基准数据和实时基准数据对船型特征信息进行数据调整，得到目标船体的实时特征信息。这样，通过船体基准数据和实时基准数据对船型特征信息进行数据调节，以避免因各种环境因素造成的船型识别不稳定，提高船型识别的准确性，进而便于用户通过船舶进行智能装载。

本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。

本公开实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本实施例公开的电子设备，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子设备执行如上方法的各个步骤。

在本实施例中，存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、图形处理器(Graphics Processing Unit，简称GPU)，网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选地，并且操作的顺序可以变化。一些实施例的部分和子样本可以被包括在或替换其他实施例的部分和子样本。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的子样本、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它子样本、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。

本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些子样本可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。