六维传感器的标定方法、装置及存储介质

技术领域

本申请涉及机械技术领域，尤其涉及一种六维传感器的标定方法、装置及存储介质。

背景技术

六维力传感器广泛应用于机械臂领域，用于感知与外部环境的接触力。常见的案例有零件打磨机器人，医疗手术机器人等等。

通常，在六维力传感器的输出与机械臂算法的输入之间，需要进行传感器零点与负载重力的补偿。而补偿算法的前提是对负载参数和六维力传感器零点的辨识。目前已有成熟的六维力传感器标定的算法，可以通过记录传感器负载情况下一系列的姿态与对应的力/力矩数值，通过离线计算的方法，使用最小二乘法得到辨识参数。最少只需要三组数据即可求解。当数据超过三组(非线性相关)时，通过超定方程求得的是二阶最小范数解。

但现有的标定方法是一次性收集所有的数据后离线计算，且对不同姿态的数据不处理判断直接加入计算，因而存在得到的补偿结果不准确的问题。

发明内容

本申请实施例提供一种六维传感器的标定方法、装置及存储介质，用以解决相关技术中标定方法得到的补偿结果不准确的技术问题。

第一方面，本申请实施例提供一种六维传感器的标定方法，包括：

获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

在一些实施例中，所述获取六维传感器的第一辨识参数，包括：

获取六维传感器的第一测量数据和机械臂基座的第一姿态数据；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数。

在一些实施例中，所述基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数，包括：

基于所述六维传感器的第一测量数据，确定负载的质心坐标值；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定所述六维传感器的零点偏置值和负载重力值；

基于所述负载重力，确定基座旋转值。

在一些实施例中，所述基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，包括：

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定重投影误差；

基于所述重投影误差，更新所述第一辨识参数，得到所述第二辨识参数。

在一些实施例中，所述获取六维传感器的第二测量数据和机械臂基座的第二姿态数据，包括：

基于预设周期，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

在一些实施例中，所述第一辨识参数包括以下参数中的一种或多种：

负载的质心坐标值；

负载重力值；

六维传感器的零点偏置值；

基座旋转值。

第二方面，本申请实施例还提供一种六维传感器的标定装置，包括：

第一获取模块，用于获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

第二获取模块，用于获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

第一确定模块，用于基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

在一些实施例中，所述第一获取模块，包括：

第一获取子模块，用于获取六维传感器的第一测量数据和机械臂基座的第一姿态数据；

第一确定子模块，用于基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数。

在一些实施例中，所述第一确定子模块，包括：

第一确定单元，用于基于所述六维传感器的第一测量数据，确定负载的质心坐标值；

第二确定单元，用于基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定所述六维传感器的零点偏置值和负载重力值；

第三确定单元，用于基于所述负载重力，确定基座旋转值。

在一些实施例中，所述第一确定模块，包括：

第二确定子模块，用于基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定重投影误差；

第一处理子模块，用于基于所述重投影误差，更新所述第一辨识参数，得到所述第二辨识参数。

在一些实施例中，所述第二获取模块，包括：

第二获取子模块，用于基于预设周期，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

在一些实施例中，所述第一辨识参数包括以下参数中的一种或多种：

负载的质心坐标值；

负载重力值；

六维传感器的零点偏置值；

基座旋转值。

第三方面，本申请实施例还提供一种电子设备，包括存储器、处理器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程序时实现如上述任一种所述六维传感器的标定方法。

第四方面，本申请实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述六维传感器的标定方法。

第五方面，本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述六维传感器的标定方法。

本申请实施例提供的六维传感器的标定方法、装置及存储介质，可以根据第一辨识参数、第二测量数据和第二姿态数据，更新辨识参数，确定第二辨识参数，能够持续标定六位传感器，从而保证六维传感器的参数在长周期内的准确性。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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的附图。

图1是本申请实施例提供的六维传感器的标定方法的流程示意图；

图2是本申请实施例提供的六维传感器的标定装置的结构示意图；

图3是本申请实施例提供的电子设备的实体结构示意图。

具体实施方式

六维力传感器的技术方案有多种，但最终目的都是求出自身传感器坐标系下的三维正交力(Fx、Fy、Fz)与三维正交力矩(Mx、My、Mz)。但这些输出数据无法直接被机械臂算法使用，原因有二：

第一，在机器人应用中，六维力传感器一端安装在机械臂末端法兰上，另一端往往还要安装负载，典型的比如夹爪。由于负载的存在，六维力传感器在没有受到外力的情况下，也会感知到负载向下的重力影响。对于机械臂力控算法来说，如果不能消除掉负载重力的影响，会导致运动异常。

第二，由于六维力本身的工作原理以及标定误差、温度漂移等问题，导致即使在空载的情况下，六维力传感器本身输出的数据也不为零。这会影响机械臂算法对外界接触力的判断。

由于以上两点的存在，在六维力传感器的输出与机械臂算法的输入之间，需要进行传感器零点与负载重力的补偿。而补偿算法的前提是对负载参数和六维力传感器零点的辨识。

目前已有成熟的六维力传感器标定的算法，可以通过记录传感器负载情况下一系列的姿态与对应的力或力矩数值，通过离线计算的方法，使用最小二乘法得到辨识参数。最少只需要三组数据即可求解。当数据超过三组(非线性相关)时，通过超定方程求得的是二阶最小范数解。

但传统算法的不足主要有三点：

第一，一次性计算，计算量大。

传统算法使用常规最小二乘法，一次性收集所有的数据，组成一个巨大的线性矩阵方程，然后进行矩阵的乘法、转置与取逆。采集的数据越多，矩阵越大，计算量越大，耗时越长。

第二，离线计算，固定不变。

传统算法只在最开始标定好参数，后续使用中不再改变。但考虑到传感器本身的零点漂移，最开始的参数可能逐渐与真实值越差越远，导致补偿后的环境外力不准确。

第三，病态矩阵，影响结果。

传统算法对不同姿态的数据不处理判断直接加入计算。但由于计算过程中使用到的姿态差的倒数，当两个姿态过于接近时，可能导致姿态矩阵的差值非常小，接近0，进而导致倒数解决无穷大。由于浮点数的计算误差问题，这样的病态矩阵会对辨识结果产生严重干扰。

为解决上述技术问题，本申请实施例提供一种六维传感器的标定方法，可以根据第一时刻的辨识参数来更新第二时刻的辨识参数，从而持续标定六位传感器，保证六维传感器的参数在长周期内的准确性。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，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。基于本申请中的实施例，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，都属于本申请保护的范围。

图1是本申请实施例提供的六维传感器的标定方法的流程示意图，如图1所示，本申请实施例提供一种六维传感器的标定方法，包括：

步骤101，获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器。

具体地，可以将六维力传感器直接测量的三个力分量记为F

其中，第一辨识参数可以至少包括以下一项：负载重力G，质心坐标x、y、z，传感器零点偏置F

步骤102，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

具体地，得到第一时刻的第一辨识参数后，为了保证传感器参数在长周期内的准确性，可以持续地根据传感器数据对自身参数进行更新。运行中可以以一定的频率执行更新函数，获取第二时刻六维传感器的第二测量数据和机械臂基座的第二姿态数据，以第K个时间点(K>1)为例，可以检测力F

值得一提的是，辨识算法可以根据需要开启或关闭，运行过程中要求保持空载(末端执行器除外)。

步骤103，基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

具体地，根据第二时刻获取的第二测量数据和第二姿态数据以及第一时刻的第一辨识参数，通过迭代最小二乘法使用重投影误差对结果进行优化，对现有的辨识数据进行更新，可以得到第二辨识参数。

本申请实施例提供的六维传感器的标定方法，可以根据第一辨识参数、第二测量数据和第二姿态数据，更新辨识参数，确定第二辨识参数，能够持续标定六位传感器，从而保证六维传感器的参数在长周期内的准确性。

在一些实施例中，所述获取六维传感器的第一辨识参数，包括：

获取六维传感器的第一测量数据和机械臂基座的第一姿态数据；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数。

具体地，六维传感器的第一测量数据可以通过传感器直接读取获得，机械臂基座的第一姿态数据可以根据机械臂关节角通过正运动学计算得到。再根据第一测量数据和第一姿态数据计算得到六维传感器的第一辨识参数。

进一步地，可以先根据六维传感器的第一测量数据，确定负载的质心坐标值，再根据六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定六维传感器的零点偏置值和负载重力值，最后根据负载重力，确定基座旋转值，从而确定全部第一辨识参数。

本申请实施例提供的六维传感器的标定方法，可以根据第一时刻六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定第一辨识参数，对第一时刻的六维传感器进行标定。

在一些实施例中，所述基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数，包括：

基于所述六维传感器的第一测量数据，确定负载的质心坐标值；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定所述六维传感器的零点偏置值和负载重力值；

基于所述负载重力，确定基座旋转值。

具体地，当没有除了负载之外的其他外力作用时，传感器数据取决于负载重力与传感器零点，关系式如下：

其中，F

由于

将(2)代入(1)，得

记

将(4)代入(3)可得

由于F

记作m＝F*p，则

p＝(F

至此可求解出负载质心在传感器坐标系下的坐标[x,y,z]

传感器的测量值取决于重力与零点分量，

其中，G

将三组以上数据组合，得到

记作f＝R*l，则

l＝(R

至此可求解出传感器力的零点偏置[F

由(4)可得

假设基座坐标系是通过世界坐标系绕轴x转角度θ

其中，

将(13)代入(12)得

由于负载的总重力为

将(15)代入(14)可得

至此，负载重力G，质心坐标x、y、z，传感器零点偏置F

值得一提的是，传统算法可能一次使用一百组数据一次计算得出较为准确的辨识参数，但计算量过大，算法单次耗时长。本算法通过第一次只用少量数据进行初始计算，大大加速辨识过程，不会出现程序的卡顿阻塞。虽然初始数据不够准确，但此组数据仅用于初始化，后续将不断更新，持续靠近正确值。通常在两三次迭代之后就能够达到足够的精度。

本申请实施例提供的六维传感器的标定方法，可以根据第一时刻六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定第一辨识参数，对第一时刻的六维传感器进行标定，通过迭代最小二乘法使用迭代方式进行计算，每次只计算一组数据，大大减小了计算量，且每次计算量固定，不受数据规模的影响。

在一些实施例中，所述基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，包括：

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定重投影误差；

基于所述重投影误差，更新所述第一辨识参数，得到所述第二辨识参数。

具体地，得到第一辨识参数后，为了保证传感器参数在长周期内的准确性，需要持续地根据传感器数据对自身参数进行更新。

辨识算法可以根据需要开启或关闭，运行过程中要求保持空载(末端执行器除外)。运行中的算法以一定的频率执行更新函数，以第二时刻为第K个时间点(K>1)为例，输入为六维力传感器检测力F

由(5)可得力矩的重投影误差：

其中，[x

简写为

令

更新P

更新辨识参数，

[x

至此，根据第一辨识参数，结合最新传感器数据，获得第二时刻的第二辨识参数。计算量小且固定，不受过往数据量的影响。

同理，可根据(8)更新参数[G

最后，结合更新后的数据，计算M

本申请实施例提供的六维传感器的标定方法，在计算M

在一些实施例中，所述获取六维传感器的第二测量数据和机械臂基座的第二姿态数据，包括：

基于预设周期，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

具体地，在得到第一辨识参数后，为了保证传感器参数在长周期内的准确性，在整个运行过程中需要持续地根据传感器数据对自身参数进行更新。不仅可以在标定过程中更新，如有必要，在机械臂正常运行状态下，也可以在不影响正常使用的情况下更新辨识参数。使参数时刻保持在最新最准确的状态。

例如，以1秒为周期，进行六位传感器辨识参数的更新。

再例如，以10秒为周期，进行六位传感器辨识参数的更新。

本申请实施例提供的六维传感器的标定方法，通过迭代最小二乘法，根据最新的感知数据，对现有的辨识数据进行更新。这种增量式的方法，保证其可以在线持续进行。

图2是本申请实施例提供的六维传感器的标定装置的结构示意图，如图2所示，本申请实施例提供的六维传感器的标定装置，包括第一获取模块201，第二获取模块202，第一确定模块203，其中：

第一获取模块201，用于获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

第二获取模块202，用于获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

第一确定模块203，用于基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

在一些实施例中，所述第一获取模块，包括：

第一获取子模块，用于获取六维传感器的第一测量数据和机械臂基座的第一姿态数据；

第一确定子模块，用于基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数。

在一些实施例中，所述第一确定子模块，包括：

第一确定单元，用于基于所述六维传感器的第一测量数据，确定负载的质心坐标值；

第二确定单元，用于基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定所述六维传感器的零点偏置值和负载重力值；

第三确定单元，用于基于所述负载重力，确定基座旋转值。

在一些实施例中，所述第一确定模块，包括：

第二确定子模块，用于基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定重投影误差；

第一处理子模块，用于基于所述重投影误差，更新所述第一辨识参数，得到所述第二辨识参数。

在一些实施例中，所述第二获取模块，包括：

第二获取子模块，用于基于预设周期，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

在一些实施例中，所述第一辨识参数包括以下参数中的一种或多种：

负载的质心坐标值；

负载重力值；

六维传感器的零点偏置值；

基座旋转值。

具体地，本申请实施例提供的上述六维传感器的标定装置，能够实现上述六维传感器的标定方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

图3是本申请实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行六维传感器的标定方法，该方法包括：

获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

此外，上述的存储器330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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机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步骤。而前述的存储介质包括：U盘、移动硬盘、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。

在一些实施例中，所述获取六维传感器的第一辨识参数，包括：

获取六维传感器的第一测量数据和机械臂基座的第一姿态数据；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数。

在一些实施例中，所述基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定所述六维传感器的第一辨识参数，包括：

基于所述六维传感器的第一测量数据，确定负载的质心坐标值；

基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据，确定所述六维传感器的零点偏置值和负载重力值；

基于所述负载重力，确定基座旋转值。

在一些实施例中，所述基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，包括：

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定重投影误差；

基于所述重投影误差，更新所述第一辨识参数，得到所述第二辨识参数。

在一些实施例中，所述获取六维传感器的第二测量数据和机械臂基座的第二姿态数据，包括：

基于预设周期，获取六维传感器的第二测量数据和机械臂基座的第二姿态数据。

在一些实施例中，所述第一辨识参数包括以下参数中的一种或多种：

负载的质心坐标值；

负载重力值；

六维传感器的零点偏置值；

基座旋转值。

具体地，本申请实施例提供的上述电子设备，能够实现上述执行主体为电子设备的方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的六维传感器的标定方法，该方法包括：

获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的六维传感器的标定方法，该方法包括：

获取六维传感器的第一辨识参数，所述第一辨识参数是基于所述六维传感器的第一测量数据和机械臂基座的第一姿态数据确定的，所述第一辨识参数用于标定第一时刻的六维传感器；

获取六维传感器的第二测量数据和机械臂基座的第二姿态数据；

基于所述第一辨识参数、所述第二测量数据和所述第二姿态数据确定第二辨识参数，所述第二辨识参数用于标定第二时刻的六维传感器。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

另外需要说明的是：本申请实施例中术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”所区别的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。

本申请实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本申请实施例中术语“多个”是指两个或两个以上，其它量词与之类似。

本申请中的“基于A确定B”表示确定B时要考虑A这个因素。并不限于“只基于A就可以确定出B”，还应包括：“基于A和C确定B”、“基于A、C和E确定B”、基于“A确定C，基于C进一步确定B”等。另外还可以包括将A作为确定B的条件，例如，“当A满足第一条件时，使用第一方法确定B”；再例如，“当A满足第二条件时，确定B”等；再例如，“当A满足第三条件时，基于第一参数确定B”等。当然也可以是将A作为确定B的因素的条件，例如，“当A满足第一条件时，使用第一方法确定C，并进一步基于C确定B”等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。