基于混合A星的全局参考路径规划方法及装置

技术领域

本发明实施例涉及自动驾驶领域，尤其涉及一种基于混合A星的全局参考路径规划方法及装置。

背景技术

随着车辆数量的不断增加，自动驾驶可以有效解决驾驶难的问题，而路径规划是自动驾驶的重要步骤。

现有的驾驶路径规划方法仅仅是利用现有的启发式算法或贪婪算法等确定一个全局参考路径，再根据全局参考路径进行实际路径规划，并没有给出具体的如何确定全局参考路径的步骤。并且，一般的启发式算法、贪婪算法或局部算法在进行路径规划时，都很容易产生局部最优，或者根本无法查证产生的最优解是否是全局的，或者只是局部的。现有的泊车路径规划方法还使用预先构建动态地图制作离线启发代价，计算目标点到任何一点的启发代价，在实际使用时采用查表法来减少计算时间，这种方法不适应动态场景，而且也会有陷入局部最优的问题。因此，如何避免陷入局部最优且能够快速规划全局参考路径成为自动驾驶领域面临的问题。

发明内容

鉴于此，为解决上述技术问题或部分技术问题，本发明实施例提供一种基于混合A星的全局参考路径规划方法及装置。

第一方面，本发明实施例提供一种基于混合A星的全局参考路径规划方法，包括：

基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿；

在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径；

基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径。

在一个可能的实施方式中，所述方法还包括：

将起始点位姿对应的起始点信息记录在预先设置的开启列表中，基于所述起始点信息扩展起始点对应的多个邻节点；

在所述多个邻节点中将符合预设条件的邻节点记录在开启列表中，并记录每个邻节点对应的代价值，以及将不符合预设条件的邻节点记录在预先设置的关闭列表中；

在所述开启列表中选择代价值最小的目标邻节点，作为下一次扩展邻节点的父节点。

在一个可能的实施方式中，所述方法还包括：

基于所述父节点以及所述目标点位姿，采用Reed Sheep曲线解析方法，扩展所述父节点到目标点位姿的最短路径；

基于所述当前驾驶场景中的障碍物信息，对所述最短路径进行碰撞检测，确定所述父节点到目标点位姿的RS解析扩展最短有效路径。

在一个可能的实施方式中，所述方法还包括：

查询当前邻节点对应的至少一个节点属性，并确定所述节点属性对应的预设判定条件，所述预设判定条件用于判定当前邻节点是否满足跳转机制；

当节点属性与预设判定条件不匹配的情况下，确定当前邻节点对应的跳转机制生效，并基于所述跳转机制进行下一邻节点的判定，将当前邻节点记录在关闭列表中；

将符合所述预设判定条件的邻节点记录在开启列表中，并记录每个预设判定条件的邻节点对应的代价值。

在一个可能的实施方式中，所述方法还包括：

若当前父节点对应的邻节点存在于开启列表时，计算当前父节点对应的邻节点的当前代价值；

获取开启列表中的当前父节点对应的邻节点的代价值与所述当前代价值作比较，将代价值最小的值作为开启列表中的当前父节点对应的邻节点的代价值。

在一个可能的实施方式中，所述方法还包括：

若所述开启列表中不存在任何邻节点或当前父节点对应的多个邻节点均不符合预设条件，则确定全局参考路径规划失败。

在一个可能的实施方式中，所述方法还包括：

基于所述当前驾驶场景中的障碍物信息，对所述起始点位姿和目标点位姿进行碰撞检测，得到碰撞检测结果；

若所述碰撞检测结果为所述起始点位姿和目标点位姿不存在碰撞情况，则确定所述起始点位姿和目标点位姿有效；

若所述碰撞检测结果为所述起始点位姿和目标点位姿存在碰撞情况，则确定全局参考路径规划失败。

第二方面，本发明实施例提供一种基于混合A星的全局参考路径规划装置，包括：

确定模块，用于基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿；

建立模块，用于在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径；

扩展模块，用于基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径；

所述确定模块，还用于将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考。

第三方面，本发明实施例提供一种电子设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的基于混合A星的全局参考路径规划程序，以实现上述第一方面中所述的基于混合A星的全局参考路径规划方法。

第四方面，本发明实施例提供一种存储介质，包括：所述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，以实现上述第一方面中所述的基于混合A星的全局参考路径规划方法。

本发明实施例提供的基于混合A星的全局参考路径规划方案，通过基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿；在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径；基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径；将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考，相比于目前自动驾驶时只是利用某些算法直接确定全局参考路径，并不关心该全局参考路径是否陷入局部最优的情况，由本方案，通过使用A星算法建立引导路径，引导混合A星算法的节点扩展规则，从而加快混合A星的路径搜索过程，避免陷入局部最优，提升用户体验。

附图说明

图1为本发明实施例提供的一种基于混合A星的全局参考路径规划方法的流程示意图；

图2为本发明实施例提供的另一种基于混合A星的全局参考路径规划方法的流程示意图；

图3为未使用引导路径的全局参考路径规划方法陷入局部最优的示意图；

图4为本发明实施例提供的一种使用引导路径的基于混合A星的全局参考路径规划方法避免陷入局部最优的示意图；

图5为本发明实施例提供的一种基于混合A星的全局参考路径规划装置的结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图；

图7为本发明实施例提供的一种混合A星网格地图示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。

图1为本发明实施例提供的一种基于混合A星的全局参考路径规划方法的流程示意图，如图1所示，该方法具体包括：

S11、基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿。

本发明提供的基于混合A星的全局参考路径规划方法适用于利用混合A星算法在车辆自动驾驶时快速规划一条全局参考路径，且在规划过程中避免陷入局部最优的情况。

本发明实施例中，首先基于当前的驾驶场景，依据位置边界、起始点位姿、目标点位姿、障碍物线段在X-Y-Theta平面上构建三维的混合A星网格地图，如图7所示，为本发明实施例提供的一种混合A星网格地图示意图，该混合A星网格地图有一定的边界范围，即图中的XYbounds围成的四边形为混合A星网格地图边界，用于避免扩展邻节点时超出该地图边界范围；地图中还包含由多条线段连接构成的障碍物信息，障碍物信息可以有多个，本示意图中只设置了一个，对于有长宽的障碍物，可以连接成封闭的线段，比如长方形。

进一步的，可以根据车辆的当前起始点位姿以及泊车终点对应的目标点位姿，在该混合A星网格地图中确定起始点位姿和目标点位姿，其中，位姿可以包括起始点或目标点的位置信息和车辆姿态等信息。

S12、在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径。

根据当前驾驶场景中的障碍物信息，可以对上述A星网格地图中的起始点位姿以及目标点位姿进行碰撞检测，即确定起始点位置和目标点位置附近是否有障碍物导致车辆无法启动或泊车，或者，车辆在起始点姿态和目标点姿态是否可以驾驶或泊车，在起始点位置和目标点位置附近不存在障碍物阻碍车辆启动或泊车，以及车辆在起始点姿态和目标点姿态可以驾驶或泊车的情况时，表征起始点位姿和目标点位姿有效。

进一步的，采用A星算法可以在混合A星网格地图的基础上建立A星网格地图，在A星网格地图中建立引导路径；具体的，根据混合A星地图边界建立A星网格地图边界、使用混合A星相同的X-Y分辨率、使用混合A星相同的障碍物线条、使用混合A星起始点和目标点的位置作为起始节点和目标节点，基于上述信息通过A星算法计算引导路径，该引导路径用于引导混合A星算法在进行路径规划时的节点扩展路径。

S13、基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径。

S14、将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考。

本发明实施例中，基于建立的引导路径从起始点位姿开始基于预设规则循环扩展起始点位姿对应的有效邻节点，在有效邻节点中根据规则确定父节点，再次扩展该父节点对应的有效邻节点，以此类推，循环进行邻节点扩展，其中，在每次确定父节点后均采用RS解析方法扩展当前父节点到目标点位姿的最短扩展路径并验证该最短扩展路径的有效性，直至当前有效邻节点与目标点位姿存在最短有效路径时，可以确定路径规划成功，输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径，将规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考。具体如何基于预设规则循环扩展邻节点，以及如何扩展有效路径在图2对应的实施例进行具体说明，在此先不详述。

本发明实施例提供的基于混合A星的全局参考路径规划方法，通过基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿；在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径；基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径；将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考，相比于目前自动驾驶时只是利用某些算法直接确定全局参考路径，并不关心该全局参考路径是否陷入局部最优的情况，由本方法，通过使用A星算法建立引导路径，引导混合A星算法的节点扩展规则，从而加快混合A星的路径搜索过程，避免陷入局部最优，减少计算资源占用，提升用户体验。

图2为本发明实施例提供的另一种基于混合A星的全局参考路径规划方法的流程示意图，如图2所示，该方法具体包括：

在对本发明实施例进行说明之前，首先说明一下现有的混合A星全局路径规划方法在进行全局路径规划时，由于缺乏引导路径，可能出现局部最优情况，如图3所示，为未使用引导路径的全局参考路径规划方法陷入局部最优的示意图。

具体的，例如，在确定起始点位姿和目标点位姿后，对起始点位姿进行邻节点扩展时，由于目标点位姿的引导，可能出现趋近于目标点位姿的方向进行邻节点循环扩展，但是此时扩展的邻节点可能由于障碍物的存在无法满足现实中车辆行驶条件，但是系统仍然会将这些最优邻节点扩展完毕后才会扩展其他邻节点，这就使得现有技术中的全局参考路径规划陷入局部最优，并且需要较长时间才能完成应答，占用大量计算资源。

S21、基于所述当前驾驶场景中的障碍物信息，对所述起始点位姿和目标点位姿进行碰撞检测，得到碰撞检测结果。

本发明实施例中，首先基于当前的驾驶场景，依据位置边界、起始点位姿、目标点位姿、障碍物线段在X-Y-Theta平面上构建三维的混合A星网格地图，如图7所示，为本发明实施例提供的一种混合A星网格地图示意图，该混合A星网格地图有一定的边界范围，即图中的XYbounds围成的四边形为混合A星网格地图边界，用于避免扩展邻节点时超出该地图边界范围；地图中还包含由多条线段连接构成的障碍物信息，障碍物信息可以有多个，本示意图中只设置了一个，对于有长宽的障碍物，可以连接成封闭的线段，比如长方形。

进一步的，可以根据车辆的当前起始点位姿以及泊车终点对应的目标点位姿，在该混合A星网格地图中确定起始点位姿和目标点位姿，其中，位姿可以包括起始点或目标点的位置信息和车辆姿态等信息。

进一步的，根据当前驾驶场景中的障碍物信息，可以对上述A星网格地图中的起始点位姿以及目标点位姿进行碰撞检测，即确定起始点位姿和目标点位姿附近是否有障碍物导致车辆无法启动或泊车，得到碰撞检测结果。

S22、若所述碰撞检测结果为所述起始点位姿和目标点位姿不存在碰撞情况，则确定所述起始点位姿和目标点位姿有效。

若上述碰撞检测结果为起始点位姿和目标点位姿不存在碰撞情况，表征起始点位姿和目标点位姿附近不存在障碍物阻碍车辆启动或泊车的情况，则确定起始点位姿和目标点位姿有效。

可选的，若碰撞检测结果为起始点位姿和目标点位姿存在碰撞情况，表征起始点位姿或目标点位姿附近存在障碍物阻碍车辆启动或泊车的情况，则确定全局参考路径规划失败。

S23、在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径。

进一步的，在确定起始点位姿和目标点位姿有效时，采用A星算法可以在混合A星网格地图的基础上建立A星网格地图，在A星网格地图中建立引导路径；具体的，根据混合A星地图边界建立A星网格地图边界、使用混合A星相同的X-Y分辨率、使用混合A星相同的障碍物线条、使用混合A星起始点和目标点的位置作为起始节点和目标节点，基于上述信息通过A星算法计算引导路径，该引导路径用于引导混合A星算法在进行路径规划时的节点扩展路径，避免陷入局部最优。如图4所示的一种使用引导路径的基于混合A星的全局参考路径规划方法避免陷入局部最优的示意图，图中AStarPath为引导路径，AStarPath引导路径就是采用A星算法计算出来的引导路径，在该引导路径的约束下，与没有引导路径的情况下对比，扩展邻节点数量、扩展节点耗时均大大减少。

可选的，还可以采用Dijkstar算法或贪婪算法替代A星算法建立引导路径。

S24、将起始点位姿对应的起始点信息记录在预先设置的开启列表中，基于所述起始点信息扩展起始点对应的多个邻节点。

在起始点位姿和目标点位姿有效时，首先将起始点位姿记录在预先设置的开启列表中进行初始化，基于该起始点信息，使用欧拉距离作为代价在起始点对应的多个方向(例如，8个)上扩展邻节点，扩展时进行碰撞检测。其中，开启列表用于存储有效邻节点，即车辆可以正常行驶的邻节点。

起始点对应的邻节点扩展条件可以包括：判断扩展邻节点是否超越混合A星网格地图边界，若越界则继续扩展下一个邻节点；判断邻节点与引导路径所有线段的距离，若都超过设定的范围，则继续扩展下一个邻节点；判断邻节点是否与障碍物碰撞，若碰撞则继续扩展下一个邻节点。

S25、在所述多个邻节点中将符合预设条件的邻节点记录在开启列表中，并记录每个邻节点对应的代价值，以及将不符合预设条件的邻节点记录在预先设置的关闭列表中。

基于上述条件，可以将符合条件的起始点对应的邻节点记录在开启列表中，同时计算每个邻节点对应的代价值，该代价值可以表征后续邻节点的最有利扩展方向，由前进、后退，档位切换，方向盘角度变化量及变化率，启发值等参数计算而得到。

可选的，将不符合条件的邻节点记录在预先设置的关闭列表中，后续循环扩展邻节点时，不再扩展关闭列表中记录的邻节点。其中，关闭列表用于存储不符合条件的邻节点。

S26、在所述开启列表中选择代价值最小的目标邻节点，作为下一次扩展邻节点的父节点。

进一步的，选择开启列表中记录的起始点对应的邻节点中代价值最小的邻节点为目标邻节点，将该目标邻节点作为下一次扩展邻节点的父节点。使用欧拉距离作为代价在父节点对应的多个方向上扩展邻节点，扩展时进行碰撞检测。

进一步的，在对父节点扩展邻节点时，查询当前邻节点对应的至少一个节点属性，并确定节点属性对应的预设判定条件，所述预设判定条件用于判定当前邻节点是否满足跳转机制；当节点属性与预设判定条件不匹配的情况下，确定当前邻节点对应的跳转机制生效，并基于跳转机制进行下一邻节点的判定，将当前邻节点记录在关闭列表中；将符合预设判定条件的邻节点记录在开启列表中，并记录每个预设判定条件的邻节点对应的代价值。

具体的，预设判定条件可以是父节点对应的邻节点扩展条件，可以包括：判断扩展邻节点是否超越混合A星网格地图边界，若越界则继续扩展下一个邻节点；判断邻节点是否在关闭列表中，若在，则继续扩展下一个邻节点；判断邻节点与引导路径所有线段的距离，若都超过设定的范围，则继续扩展下一个邻节点；判断邻节点是否与障碍物碰撞，若碰撞则继续扩展下一个邻节点；若邻节点不存在于开启列表中，则计算该邻节点的代价值，并将该邻节点以及对应的代价值记录在开启列表中；若邻节点已经存在于开启列表中，则计算当前父节点对应的邻节点的当前代价值，与开启列表中该节点的代价值比较，若代价值更小，则更新开启列表中该邻节点的代价值。

可选的，若开启列表中不存在任何邻节点或当前父节点对应的多个邻节点均不符合上述预设判定条件，则表征没有可以扩展的邻节点，即没有可以供车辆行驶的位置，此时确定全局参考路径规划失败。

S27、基于所述父节点以及所述目标点位姿，采用Reed Sheep曲线解析方法，扩展所述父节点到目标点位姿的最短路径。

S28、基于所述当前驾驶场景中的障碍物信息，对所述最短路径进行碰撞检测，确定所述父节点到目标点位姿的RS解析扩展最短有效路径。

本发明实施例中，在每次确定完父节点后，均采用Reed Sheep曲线解析扩展从当前父节点位姿到目标点位姿的最短扩展路径，基于当前驾驶场景中的障碍物信息，对最短扩展路径进行碰撞检测，若该最短扩展路径的碰撞检测成功，表征该最短扩展路径在实际中可通行，则选择该最短扩展路径作为父节点到目标点位姿的最短有效路径。

进一步的，从扩展成功最终点依次往回寻找父节点可以找到起始点到最终点的坐标集合，将坐标集合组成的路径作为最终的规划路径。

需要说明的是，采用Reed Sheep曲线解析方法扩展的最短有效路径中的终点位姿可能与原始的目标点位姿存在一些偏差，将最短有效路径中的终点位姿输出，输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径，将规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考。

本发明实施例提供的基于混合A星的全局参考路径规划方法，通过基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿；在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径；基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径；将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考，由本方法，通过使用A星算法建立引导路径，引导混合A星算法的节点扩展规则，从而加快混合A星的路径搜索过程，避免陷入局部最优，减少计算资源占用，提升用户体验。

图5示出了本发明实施例的一种基于混合A星的全局参考路径规划装置的结构示意图。如图5所示，该装置包括：

确定模块501，用于基于当前驾驶场景建立混合A星网格地图，以及在所述混合A星网格地图中确定车辆的起始点位姿和目标点位姿。详细说明参见上述方法实施例对应的相关描述，此处不再赘述。

建立模块502，用于在所述起始点位姿和目标点位姿有效时，基于所述起始点位姿和目标点位姿以及当前驾驶场景中的障碍物信息，采用A星算法建立引导路径。详细说明参见上述方法实施例对应的相关描述，此处不再赘述。

扩展模块503，用于基于所述引导路径，从起始点位姿开始基于预设规则循环扩展有效邻节点，直至当前有效邻节点与目标点位姿的RS解析扩展最短路径有效，则输出由起始点位姿、全部有效邻节点以及当前有效邻节点与目标点位姿的RS解析扩展最短有效路径组成的规划路径。详细说明参见上述方法实施例对应的相关描述，此处不再赘述。

所述确定模块501，还用于将所述规划路径作为全局参考路径，所述全局参考路径用于为车辆自动驾驶过程中提供参考。详细说明参见上述方法实施例对应的相关描述，此处不再赘述。

本发明实施例提供的基于混合A星的全局参考路径规划装置，用于执行上述实施例提供的基于混合A星的全局参考路径规划方法，其实现方式与原理相同，详细内容参见上述方法实施例的相关描述，不再赘述。

图6示出了本发明实施例的一种电子设备，该电子设备可以是搭载在车端的域控制器，也可以是云服务器。当电子设备为搭载在车端的域控制器时，该域控制器采集车辆对应的当前驾驶场景，基于当前驾驶场景进行全局参考路径规划，进而可以控制车辆基于全局参考路径行驶；当电子设备为云服务器时，云服务器可以与车端进行通信，通过车端设置的当前驾驶场景采集设备获取车辆的当前驾驶场景，进而在云端进行全局参考路径规划，并将规划好的全局参考路径发送回车端控制器，以使车端控制器依据全局参考路径控制车辆行驶。

如图6所示，该电子设备可以包括处理器901和存储器902，其中处理器901和存储器902可以通过总线或者其他方式连接，图6中以通过总线连接为例。

处理器901可以为中央处理器(Central Processing Unit，CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。

存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中所提供方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。

存储器902可以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、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。

上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。