一种防爆机器人智能巡检方法、系统及介质

技术领域

本申请涉及机器人智能巡检领域，具体而言，涉及一种防爆机器人智能巡检方法、系统及介质。

背景技术

近年来，随着科技与信息的高速发展，智能机器人技术也发生了日新月异的变化，机器人在工业、医疗、军事、生活等领域得到了越来越多的应用。机器人涉及很多领域，如计算机领域、自动控制领域、机构学、传感技术、通信技术、人工智能以及仿生学等很多先进学科，因此，机器人的发展是现代科学技术的结晶，机器人既可以接受人类指挥，又可以运行预先编排的程序，进行区域巡检，并执行巡检任务。现有的机器人在进行巡检过程中无法根据建筑物分类进行不同路径设定巡检，巡检效率较低。

针对上述问题，目前亟待有效的技术解决方案。

发明内容

本申请实施例的目的在于提供一种防爆机器人智能巡检方法、系统及介质，可以通过防爆机器人进行协同巡检；通过对不同的建筑物进行分类，根据不同的分类结果建立不同的巡检路径，实现智能巡检的技术。

本申请实施例还提供了一种防爆机器人智能巡检方法，包括：

获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；

根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；

将所述建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；

判断所述偏差率是否大于预设的偏差率阈值；

若大于，则对建筑物建立不同的巡检策略；

若小于，则生成联动巡检，通过防爆机器人进行协同巡检。

可选地，在本申请实施例所述的防爆机器人智能巡检方法中，所述获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定巡检范围，根据巡检范围将全区域巡检图像进行区域分割，得到若干个子图像；

将若干个子图像进行图像增强处理，并提取子图像特征值；

根据图像特征值输入灰度值计算模型得到若干个子图像的像素点的灰度值；

将子图像的像素点的灰度值与预设灰度阈值进行比较；

若子图像的像素点的灰度值大于第一预设灰度阈值，则判定该像素点为低速运动体像素点；

若子图像的像素点的灰度值大于第二预设灰度阈值，则判定该像素点为高速运动体像素点；

若子图像的像素点的灰度值小于第一预设灰度阈值，则判定该像素点为静止物体像素点；

将所有的静止物体像素点进行融合得到建筑物分布信息；

所述第一预设灰度阈值小于所述第二预设灰度阈值。

可选地，在本申请实施例所述的防爆机器人智能巡检方法中，所述获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值；

通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

若标定范围阈值等于第一巡检范围阈值时，停止防爆机器人移动并生成第一个子区域图像；

继续移动防爆机器人使标定范围阈值大于第一巡检范围阈值小于第二巡检阈值时，生成扩张区域图像；

判断所述扩张区域图像像素点灰度值是否大于预设像素点灰度值；

若大于，则将扩张区域图像与第一子区域图像进行拼接，形成完整的第一个子区域图像；

若小于，则将第一子区域图像进行标定记录；

将全区域巡检图像进行依次分割形成M个子区域图像。

可选地，在本申请实施例所述的防爆机器人智能巡检方法中，所述获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值，包括：

通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

若标定范围阈值等于第一巡检范围阈值时，生成第一个子区域图像，并计算第一个子区域图像的灰度值；

移动防爆机器人使标定范围阈值大于第一巡检范围阈值且小于第二巡检阈值时，生成扩张区域图像，计算扩张区域图像的灰度值；

将扩张区域图像的灰度值减去第一个子区域图像的灰度值得到灰度差值；

判断所述灰度差值与预设差值进行比较，得到扩张区域图像与第一个子区域图像的相似度；

若相似度大于预设相似度阈值时，将第一巡检范围阈值与第二巡检阈值进行叠加得到新的巡检范围阈值，并对设定的巡检范围阈值进行更新重置。

可选地，在本申请实施例所述的防爆机器人智能巡检方法中，所述根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性，包括：

获取建筑物分布信息，并计算建筑物占地面积；

将不同的建筑物的占地面积进行差值计算，得到面积差值；

判断所述面积差值是否小于第一面积差阈值；

若小于，则获取建筑物轮廓线，将不同的建筑物轮廓线重叠并进行距离计算；

判断不同建筑物轮廓线距离是否小于距离阈值，若小于，则将不同的建筑物归为同一类建筑物。

可选地，在本申请实施例所述的防爆机器人智能巡检方法中，若大于，则对建筑物建立不同的巡检策略；若小于，则生成联动巡检，通过防爆机器人进行协同巡检，包括：

不同类的建筑物进行单独巡检，并根据建筑物分布信息生成巡检路径，根据巡检路径与建筑物分布信息建立防爆机器人巡检移动参数；

根据巡检移动参数控制所述防爆机器人按照预定的方式进行移动；

同类的建筑物进行协同巡检，同类建筑物进行路径规划，并生成同类建筑物的协同巡检路径；

防爆机器人根据协同巡检路径对同类建筑物进行巡检；

巡检完成后对不同类的建筑物进行单独巡检。

第二方面，本申请实施例提供了一种防爆机器人智能巡检系统，该系统包括：存储器及处理器，所述存储器中包括防爆机器人智能巡检方法的程序，所述防爆机器人智能巡检方法的程序被所述处理器执行时实现以下步骤：

获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；

根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；

将所述建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；

判断所述偏差率是否大于预设的偏差率阈值；

若大于，则对建筑物建立不同的巡检策略；

若小于，则生成联动巡检，通过防爆机器人进行协同巡检。

可选地，在本申请实施例所述的防爆机器人智能巡检系统中，所述获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定巡检范围，根据巡检范围将全区域巡检图像进行区域分割，得到若干个子图像；

将若干个子图像进行图像增强处理，并提取子图像特征值；

根据图像特征值输入灰度值计算模型得到若干个子图像的像素点的灰度值；

将子图像的像素点的灰度值与预设灰度阈值进行比较；

若子图像的像素点的灰度值大于第一预设灰度阈值，则判定该像素点为低速运动体像素点；

若子图像的像素点的灰度值大于第二预设灰度阈值，则判定该像素点为高速运动体像素点；

若子图像的像素点的灰度值小于第一预设灰度阈值，则判定该像素点为静止物体像素点；

将所有的静止物体像素点进行融合得到建筑物分布信息；

所述第一预设灰度阈值小于所述第二预设灰度阈值。

可选地，在本申请实施例所述的防爆机器人智能巡检系统中，所述获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值；

通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

若标定范围阈值等于第一巡检范围阈值时，停止防爆机器人移动并生成第一个子区域图像；

继续移动防爆机器人使标定范围阈值大于第一巡检范围阈值小于第二巡检阈值时，生成扩张区域图像；

判断所述扩张区域图像像素点灰度值是否大于预设像素点灰度值；

若大于，则将扩张区域图像与第一子区域图像进行拼接，形成完整的第一个子区域图像；

若小于，则将第一子区域图像进行标定记录；

将全区域巡检图像进行依次分割形成M个子区域图像。

第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括防爆机器人智能巡检方法程序，所述防爆机器人智能巡检方法程序被处理器执行时，实现如上述任一项所述的防爆机器人智能巡检方法的步骤。

由上可知，本申请实施例提供的一种防爆机器人智能巡检方法、系统及介质，通过获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；将所述建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；判断所述偏差率是否大于预设的偏差率阈值；若大于，则对建筑物建立不同的巡检策略；若小于，则生成联动巡检，通过防爆机器人进行协同巡检；通过对不同的建筑物进行分类，根据不同的分类结果建立不同的巡检路径，实现智能巡检的技术。

本申请的其他特征和优点将在随后的说明书阐述，并且，本申请的优点部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的防爆机器人智能巡检方法的流程图；

图2为本申请实施例提供的防爆机器人智能巡检方法的生成建筑物分布信息流程图；

图3为本申请实施例提供的防爆机器人智能巡检方法的全区域巡检图像分割方法流程图；

图4为本申请实施例提供的防爆机器人智能巡检方法的巡检范围阈值更新重置流程图；

图5为本申请实施例提供的防爆机器人智能巡检系统的结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1是本申请一些实施例中的一种防爆机器人智能巡检方法的流程图。该防爆机器人智能巡检方法用于终端设备中，该防爆机器人智能巡检方法，包括以下步骤：

S101，获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；

S102，根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；

S103，将建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；

S104，判断偏差率是否大于预设的偏差率阈值；

S105，若大于，则对建筑物建立不同的巡检策略；

S106，若小于，则生成联动巡检，通过防爆机器人进行协同巡检。

需要说明的是，全区域巡检图像包括公园图像或工业园区图像或工厂图像或仓库图像、社区图像中的一种；不同的区域生成不同的巡检路径，根据巡检路径防爆机器人进行移动巡检，防爆机器人移动过程中，实时更新移动参数，使防爆机器人移动状态与巡检区域进行适配。

请参照图2，图2是本申请一些实施例中的一种防爆机器人智能巡检方法的生成建筑物分布信息流程图。根据本发明实施例，获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

S201，获取全区域巡检图像，设定巡检范围，根据巡检范围将全区域巡检图像进行区域分割，得到若干个子图像；

S202，将若干个子图像进行图像增强处理，并提取子图像特征值；

S203，根据图像特征值输入灰度值计算模型得到若干个子图像的像素点的灰度值；

S204，将子图像的像素点的灰度值与预设灰度阈值进行比较；

S205，若子图像的像素点的灰度值大于第一预设灰度阈值，则判定该像素点为低速运动体像素点；若子图像的像素点的灰度值大于第二预设灰度阈值，则判定该像素点为高速运动体像素点；

S206，若子图像的像素点的灰度值小于第一预设灰度阈值，则判定该像素点为静止物体像素点；将所有的静止物体像素点进行融合得到建筑物分布信息；

第一预设灰度阈值小于第二预设灰度阈值。

需要说明的是，根据子图像像素点的灰度值进行判断像素点的状态，低速运动包括行人，高速运动体包括汽车移动，静止物体为建筑物。

请参照图3，图3是本申请一些实施例中的一种防爆机器人智能巡检方法的全区域巡检图像分割方法流程图。根据本发明实施例，获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

S301，获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值；

S302，通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

S303，若标定范围阈值等于第一巡检范围阈值时，停止防爆机器人移动并生成第一个子区域图像；

S304，继续移动防爆机器人使标定范围阈值大于第一巡检范围阈值小于第二巡检阈值时，生成扩张区域图像；

S305，判断扩张区域图像像素点灰度值是否大于预设像素点灰度值；

若大于，则将扩张区域图像与第一子区域图像进行拼接，形成完整的第一个子区域图像；

若小于，则将第一子区域图像进行标定记录；

S306，将全区域巡检图像进行依次分割形成M个子区域图像。

需要说明的是，通过防爆机器人移动标定，能够将全区域巡检图像进行精准分割，保证同一建筑物位于同一个子区域图像内，防止建筑物分割，影响建筑物的判断与分布信息的确定。

请参照图4，图4是本申请一些实施例中的一种防爆机器人智能巡检方法的巡检范围阈值更新重置流程图。根据本发明实施例，获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值，包括：

S401，通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

S402，若标定范围阈值等于第一巡检范围阈值时，生成第一个子区域图像，并计算第一个子区域图像的灰度值；

S403，移动防爆机器人使标定范围阈值大于第一巡检范围阈值且小于第二巡检阈值时，生成扩张区域图像，计算扩张区域图像的灰度值；

S404，将扩张区域图像的灰度值减去第一个子区域图像的灰度值得到灰度差值；

S405，判断灰度差值与预设差值进行比较，得到扩张区域图像与第一个子区域图像的相似度；

S406，若相似度大于预设相似度阈值时，将第一巡检范围阈值与第二巡检阈值进行叠加得到新的巡检范围阈值，并对设定的巡检范围阈值进行更新重置。

需要说明的是，通过灰度差值与预设差值计算扩张图像与第一个子区域图像的相似度能够精准分割第一个子区域图像，保证同一建筑物位于同一个子区域图像内，提高全区域图像分割精度，实现设定的巡检范围阈值实时更新。

根据本发明实施例，根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性，包括：

获取建筑物分布信息，并计算建筑物占地面积；

将不同的建筑物的占地面积进行差值计算，得到面积差值；

判断面积差值是否小于第一面积差阈值；

若小于，则获取建筑物轮廓线，将不同的建筑物轮廓线重叠并进行距离计算；

判断不同建筑物轮廓线距离是否小于距离阈值，若小于，则将不同的建筑物归为同一类建筑物。

根据本发明实施例，若大于，则对建筑物建立不同的巡检策略；若小于，则生成联动巡检，通过防爆机器人进行协同巡检，包括：

不同类的建筑物进行单独巡检，并根据建筑物分布信息生成巡检路径，根据巡检路径与建筑物分布信息建立防爆机器人巡检移动参数；

根据巡检移动参数控制防爆机器人按照预定的方式进行移动；

同类的建筑物进行协同巡检，同类建筑物进行路径规划，并生成同类建筑物的协同巡检路径；

防爆机器人根据协同巡检路径对同类建筑物进行巡检；

巡检完成后对不同类的建筑物进行单独巡检。

根据本发明实施例，还包括：设定巡检计划，防爆机器人24小时自动执行巡检任务，支持巡检路线、巡检点位、点位动作、巡检计划的自由配置；

机器人巡检或者值守过程中，设置在不同点位进行巡检动作的规划；

根据巡检动作进行智能巡检。

需要说明的是，巡检动作包括：场景抓拍、预置点调用、音频播报、文字语音播报、环视一周、车辆检测、离岗告警、车辆违停检测、本体角度转向、全程循环播报、充电、补光灯控制、开门。

请参照图5，图5是本申请一些实施例中的一种防爆机器人智能巡检系统的结构示意图。第二方面，本申请实施例提供了一种防爆机器人智能巡检系统5，该系统包括：存储器51及处理器52，存储器51中包括防爆机器人智能巡检方法的程序，防爆机器人智能巡检方法的程序被处理器执行时实现以下步骤：

获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；

根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；

将建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；

判断偏差率是否大于预设的偏差率阈值；

若大于，则对建筑物建立不同的巡检策略；

若小于，则生成联动巡检，通过防爆机器人进行协同巡检。

需要说明的是，全区域巡检图像包括公园图像或工业园区图像或工厂图像或仓库图像、社区图像中的一种；不同的区域生成不同的巡检路径，根据巡检路径防爆机器人进行移动巡检，防爆机器人移动过程中，实时更新移动参数，使防爆机器人移动状态与巡检区域进行适配。

根据本发明实施例，获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定巡检范围，根据巡检范围将全区域巡检图像进行区域分割，得到若干个子图像；

将若干个子图像进行图像增强处理，并提取子图像特征值；

根据图像特征值输入灰度值计算模型得到若干个子图像的像素点的灰度值；

将子图像的像素点的灰度值与预设灰度阈值进行比较；

若子图像的像素点的灰度值大于第一预设灰度阈值，则判定该像素点为低速运动体像素点；

若子图像的像素点的灰度值大于第二预设灰度阈值，则判定该像素点为高速运动体像素点；

若子图像的像素点的灰度值小于第一预设灰度阈值，则判定该像素点为静止物体像素点；

将所有的静止物体像素点进行融合得到建筑物分布信息；

第一预设灰度阈值小于第二预设灰度阈值。

需要说明的是，根据子图像像素点的灰度值进行判断像素点的状态，低速运动包括行人，高速运动体包括汽车移动，静止物体为建筑物。

根据本发明实施例，获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息，包括：

获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值；

通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

若标定范围阈值等于第一巡检范围阈值时，停止防爆机器人移动并生成第一个子区域图像；

继续移动防爆机器人使标定范围阈值大于第一巡检范围阈值小于第二巡检阈值时，生成扩张区域图像；

判断扩张区域图像像素点灰度值是否大于预设像素点灰度值；

若大于，则将扩张区域图像与第一子区域图像进行拼接，形成完整的第一个子区域图像；

若小于，则将第一子区域图像进行标定记录；

将全区域巡检图像进行依次分割形成M个子区域图像。

需要说明的是，通过防爆机器人移动标定，能够将全区域巡检图像进行精准分割，保证同一建筑物位于同一个子区域图像内，防止建筑物分割，影响建筑物的判断与分布信息的确定。

根据本发明实施例，获取全区域巡检图像，设定多个巡检范围阈值，多个巡检范围阈值分别为第一巡检阈值、第二巡检阈值至第N巡检阈值，包括：

通过防爆机器人移动对巡检区域进行标定，得到标定范围阈值；

若标定范围阈值等于第一巡检范围阈值时，生成第一个子区域图像，并计算第一个子区域图像的灰度值；

移动防爆机器人使标定范围阈值大于第一巡检范围阈值且小于第二巡检阈值时，生成扩张区域图像，计算扩张区域图像的灰度值；

将扩张区域图像的灰度值减去第一个子区域图像的灰度值得到灰度差值；

判断灰度差值与预设差值进行比较，得到扩张区域图像与第一个子区域图像的相似度；

若相似度大于预设相似度阈值时，将第一巡检范围阈值与第二巡检阈值进行叠加得到新的巡检范围阈值，并对设定的巡检范围阈值进行更新重置。

需要说明的是，通过灰度差值与预设差值计算扩张图像与第一个子区域图像的相似度能够精准分割第一个子区域图像，保证同一建筑物位于同一个子区域图像内，提高全区域图像分割精度，实现设定的巡检范围阈值实时更新。

根据本发明实施例，根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性，包括：

获取建筑物分布信息，并计算建筑物占地面积；

将不同的建筑物的占地面积进行差值计算，得到面积差值；

判断面积差值是否小于第一面积差阈值；

若小于，则获取建筑物轮廓线，将不同的建筑物轮廓线重叠并进行距离计算；

判断不同建筑物轮廓线距离是否小于距离阈值，若小于，则将不同的建筑物归为同一类建筑物。

根据本发明实施例，若大于，则对建筑物建立不同的巡检策略；若小于，则生成联动巡检，通过防爆机器人进行协同巡检，包括：

不同类的建筑物进行单独巡检，并根据建筑物分布信息生成巡检路径，根据巡检路径与建筑物分布信息建立防爆机器人巡检移动参数；

根据巡检移动参数控制防爆机器人按照预定的方式进行移动；

同类的建筑物进行协同巡检，同类建筑物进行路径规划，并生成同类建筑物的协同巡检路径；

防爆机器人根据协同巡检路径对同类建筑物进行巡检；

巡检完成后对不同类的建筑物进行单独巡检。

根据本发明实施例，还包括：设定巡检计划，防爆机器人24小时自动执行巡检任务，支持巡检路线、巡检点位、点位动作、巡检计划的自由配置；

机器人巡检或者值守过程中，设置在不同点位进行巡检动作的规划；

根据巡检动作进行智能巡检。

需要说明的是，巡检动作包括：场景抓拍、预置点调用、音频播报、文字语音播报、环视一周、车辆检测、离岗告警、车辆违停检测、本体角度转向、全程循环播报、充电、补光灯控制、开门。

本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括防爆机器人智能巡检方法程序，防爆机器人智能巡检方法程序被处理器执行时，实现如上述任一项的防爆机器人智能巡检方法的步骤。

本发明公开的一种防爆机器人智能巡检方法、系统及介质，通过获取全区域巡检图像，对全区域巡检图像进行预处理，生成建筑物分布信息；根据建筑物分布信息对建筑物进行分类，并计算建筑物之间的相关性；将建筑物之间的相关性与预设的关联阈值进行比较，得到偏差率；判断所述偏差率是否大于预设的偏差率阈值；若大于，则对建筑物建立不同的巡检策略；若小于，则生成联动巡检，通过防爆机器人进行协同巡检；通过对不同的建筑物进行分类，根据不同的分类结果建立不同的巡检路径，实现智能巡检的技术。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。