一种多传感器外参的确定方法、装置、电子设备及介质

技术领域

本发明属于计算机技术领域，更具体地，涉及一种多传感器外参的确定方法、装置、电子设备及介质。

背景技术

相机和激光雷达等多传感器融合被广泛应用于机器人的定位与建图任务，以实现比单一传感器更加鲁棒的定位建图算法。例如，在光照较差环境下，相机图像难以提供有效信息；激光雷达易丢失反射率低的物体，多传感器融合可以实现更高的精度并保证算法的鲁棒性。在多传感器融合中，准确计算多传感器之间的外参是必要的。如何准确地确定多传感器之间的外参是本领域亟待解决的技术问题。

发明内容

针对现有技术存在的问题，本发明实施例提供一种多传感器外参的确定方法、装置、电子设备及介质。

第一方面，本发明提供一种多传感器外参的确定方法，包括：

基于第一惯性数据和第二惯性数据，计算第一惯性测量单元与第二惯性测量单元之间的相对旋转值，所述第一惯性数据是通过与第一传感器保持固定连接的所述第一惯性测量单元进行测量所获取的，所述第二惯性数据是通过与第二传感器保持固定连接的所述第二惯性测量单元进行测量所获取的；

基于所述相对旋转值和惯性测量单元间静态外参，进行旋转测量和平移测量，确定第一旋转测量值和第一平移测量值，所述惯性测量单元间静态外参是所述第一惯性测量单元和所述第二惯性测量单元之间的静态外参；

基于所述第一惯性数据、所述第二惯性数据、所述第一旋转测量值和所述第一平移测量值，确定所述第一惯性测量单元和所述第二惯性测量单元之间的第一状态参数；

基于所述第一状态参数、第一惯性测量单元外参和第二惯性测量单元外参，确定所述第一传感器和所述第二传感器之间的时变外参。

根据本发明提供的一种多传感器外参的确定方法，基于第一惯性数据和第二惯性数据，计算第一惯性测量单元与第二惯性测量单元之间的相对旋转值，包括：

基于所述第一惯性数据和所述第二惯性数据，通过姿态解算，获取所述第一惯性测量单元对应的第一姿态数据和所述第二惯性测量单元对应的第二姿态数据；

基于所述第一姿态数据和所述第二姿态数据，估算所述第一惯性测量单元与所述第二惯性测量单元之间的旋转，确定所述相对旋转值。

根据本发明提供的一种多传感器外参的确定方法，所述基于所述相对旋转值和惯性测量单元间静态外参，进行旋转测量和平移测量，确定第一旋转测量值和第一平移测量值，包括：

将所述相对旋转值q

将所述惯性测量单元间静态外参

通过融合所述第一欧拉角θ

确定所述惯性测量单元间静态外参

根据本发明提供的一种多传感器外参的确定方法，所述通过融合所述第一欧拉角θ

通过以下融合公式，确定所述第一旋转测量值θ

其中，σ

根据本发明提供的一种多传感器外参的确定方法，所述基于所述第一惯性数据、所述第二惯性数据、所述第一旋转测量值和所述第一平移测量值，确定所述第一惯性测量单元和所述第二惯性测量单元之间的第一状态参数，包括：

基于所述第一惯性数据和所述第二惯性数据，更新所述第一状态参数对应的协方差矩阵，初始化的所述协方差矩阵是基于惯性测量单元的角速度噪声和惯性测量单元的加速度噪声，按照块对角矩阵形式所构建的；

基于所述第一惯性数据、所述第二惯性数据、所述第一旋转测量值和所述第一平移测量值，确定观测模型数据、观测残差数据和用于表征观测残差不确定度的不确定度矩阵；

基于所述协方差矩阵、所述观测模型数据、所述观测残差数据和所述不确定度矩阵，通过计算卡尔曼增益，确定状态修正数据以及更新所述第一状态参数。

根据本发明提供的一种多传感器外参的确定方法，所述第一状态参数具体为

所述基于所述第一惯性数据和所述第二惯性数据，更新所述第一状态参数对应的协方差矩阵，包括：

基于所述第一惯性数据和所述第二惯性数据和采样更新时间间隔，更新所述旋转四元数

基于更新后的旋转四元数

基于噪声协方差和所述状态递推矩阵，更新所述第一状态参数对应的协方差矩阵。

根据本发明提供的一种多传感器外参的确定方法，所述观测模型数据包括第一惯性测量单元对应的第一观测模型、第二惯性测量单元对应的第二观测模型以及所述第一旋转测量值和所述第一平移测量值之间的第三观测模型；

所述观测残差数据包括第一惯性测量单元对应的第一观测残差、第二惯性测量单元对应的第二观测残差以及所述第一旋转测量值和所述第一平移测量值之间的第三观测残差；

所述基于所述协方差矩阵、所述观测模型数据、所述观测残差数据和所述不确定度矩阵，通过计算卡尔曼增益，确定状态修正数据以及更新所述第一状态参数，包括：

基于所述第一观测模型和所述第一观测残差对应的不确定度矩阵，计算所述第一惯性测量单元的第一卡尔曼增益系数，以及基于所述第一卡尔曼增益系数和所述第一观测残差，确定所述第一惯性测量单元所引入的第一状态修正量；

基于所述第二观测模型和所述第二观测残差对应的不确定度矩阵，计算所述第二惯性测量单元的第二卡尔曼增益系数，以及基于所述第二卡尔曼增益系数和所述第二观测残差，确定所述第二惯性测量单元所引入的第二状态修正量；

基于所述第三观测模型和所述第三观测残差对应的不确定度矩阵，计算第三卡尔曼增益系数，以及基于所述第三卡尔曼增益系数和所述第三观测残差，确定第三状态修正量；

基于所述第一状态修正量、所述第二状态修正量和所述第三状态修正量，更新所述第一状态参数。

第二方面，本发明还提供一种多传感器外参的确定装置，包括：

相对旋转计算模块，用于基于第一惯性数据和第二惯性数据，计算第一惯性测量单元与第二惯性测量单元之间的相对旋转值，所述第一惯性数据是通过与第一传感器保持固定连接的所述第一惯性测量单元进行测量所获取的，所述第二惯性数据是通过与第二传感器保持固定连接的所述第二惯性测量单元进行测量所获取的；

旋转平移测量模块，用于基于所述相对旋转值和惯性测量单元间静态外参，进行旋转测量和平移测量，确定第一旋转测量值和第一平移测量值，所述惯性测量单元间静态外参是所述第一惯性测量单元和所述第二惯性测量单元之间的静态外参；

状态参数确定模块，用于基于所述第一惯性数据、所述第二惯性数据、所述第一旋转测量值和所述第一平移测量值，确定所述第一惯性测量单元和所述第二惯性测量单元之间的第一状态参数；

时变外参确定模块，用于基于所述第一状态参数、第一惯性测量单元外参和第二惯性测量单元外参，确定所述第一传感器和所述第二传感器之间的时变外参。

第三方面，本发明提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

第四方面，本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

通过将惯性测量单元与传感器固定连接，以及利用多个惯性测量单元测量惯性数据，可以计算任意两个惯性测量单元之间的相对旋转值，进而结合惯性测量单元间静态外参可以进行旋转测量和平移测量，以确定旋转测量值以及平移测量值，进而结合惯性数据可以确定两个惯性测量单元之间的状态参数，利用该状态参数和惯性测量单元外参，可以确定两个惯性测量单元所对应的两个传感器之间的时变外参，实现利用多个惯性测量单元间接计算多传感器外参，能够在因振动等外界因素导致多传感器外参时变的情况下，实时且准确地确定多传感器之间的外参。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有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发明的一些实施例，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是本发明提供的多传感器外参的确定方法的流程示意图之一；

图2是本发明提供的多传感器外参的确定方法的流程示意图之二；

图3是本发明提供的多传感器和IMU的空间布局示意图；

图4是本发明提供的坐标系间关系示意图；

图5是本发明提供的任意数量多传感器间时变外参的空间布局示意图；

图6是本发明提供的确定IMU间的状态参数的流程示意图；

图7是本发明提供的时变旋转角度的计算仿真结果示意图；

图8是本发明提供的时变旋转角度的理论值示意图；

图9是本发明提供的时变平移量的计算仿真结果示意图；

图10是本发明提供的时变平移量的理论值示意图；

图11是本发明提供的多传感器外参的确定装置的结构示意图。

具体实施方式

为了便于更加清晰地理解本发明各实施例，首先对一些相关的背景知识进行如下介绍。

多传感器与机器人机体固定，外参一般在使用前进行标定。现有技术中，一般认为多传感器间的外参在使用时保持不变。

例如，现有技术提供了一种激光与相机任意相对位姿关系的标定方法，在该方法中，相机和激光雷达采集棋盘格的3D点，构造视觉点到激光平面的点面优化方程，优化求解激光雷达与相机的相对位姿参数。这种离线标定算法仅适用于外参不变场景。

例如，现有技术提供了一种雷达和相机的联合标定方法，在该方法中，对相机和雷达数据进行切分，根据目标点云帧数据和图像帧数据，确定相机和雷达的外参，解决环形激光雷达与多相机联合标定时大量无效数据干扰问题，但依然是离线标定算法无法适用于时变外参标定。

例如，现有技术中提供了一种基于样条函数的连续时间上3D激光雷达和惯性传感器外参标定方法，在该方法中，基于样条函数获取任意时刻惯性传感器位姿，引入激光雷达和惯性传感器外参，约束激光点，构建优化问题求解外参，能够解决不同测量频率的标定耦合困难，但无法解决外参变化问题。

对于现有技术中的多传感器外参标定算法，要么采用离线标定后使用，要么在执行任务时在线标定，但均假设外参是固定不变的，无法解决时变外参的实时计算。

由于不同传感器在机器人的安装位置不同，例如相机一般位于机器人前方，用于定位建图的激光雷达需安装与机器人顶端以获取更广阔视野，避障/补盲雷达位于机器人四周等。这些传感器间在机械上具有较为复杂的连接关系，容易在一些特殊工况例如地面颠簸时发生振动，造成多传感器间产生相对晃动，造成外参时变。因此需要方法实时获取多传感器间时变外参数值。

为了克服上述缺陷，本发明提供一种多传感器外参的确定方法、装置、电子设备及介质，通过多个惯性测量单元间接计算多传感器外参，能够实时且准确地确定多传感器之间的外参。

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本文中术语“和/或”，是一种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。本文中符号“/”表示关联对象是或者的关系，例如A/B表示A或者B。

本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象，而不是用于描述对象的特定顺序。例如，第一响应消息和第二响应消息等是用于区别不同的响应消息，而不是用于描述响应消息的特定顺序。

在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本发明实施例的描述中，除非另有说明，“多个”的含义是指两个或者两个以上，例如，多个处理单元是指两个或者两个以上的处理单元等；多个元件是指两个或者两个以上的元件等。

接下来，对本发明实施例中提供的技术方案进行介绍。

图1是本发明提供的多传感器外参的确定方法的流程示意图之一，如图1所示，多传感器外参的确定方法的执行主体可以是电子设备，例如机器人或服务器等。该方法包括：

步骤S101，基于第一惯性数据和第二惯性数据，计算第一惯性测量单元与第二惯性测量单元之间的相对旋转值。

具体地，惯性测量单元(Inertial Measurement Unit，IMU)可以用于惯性测量，该单元可以包括加速度传感器和陀螺仪，加速度传感器可以用于测量物体加速度，陀螺仪可以用于测量物体角速度。将惯性测量单元固定于目标物体(例如相机或激光雷达等)上，能够辅助测量目标物体相关的惯性数据(例如加速度和角速度)。可以将多个惯性测量单元分别与对应的传感器固定连接，多个惯性测量单元包括第一惯性测量单元(第一IMU)和第二惯性测量单元(第二IMU)。

通过将惯性测量单元与传感器固定连接，第一惯性测量单元(第一IMU)与第一传感器保持固定连接，第二惯性测量单元(第二IMU)与第二传感器保持固定连接，以及利用多个惯性测量单元测量惯性数据，可以计算任意两个惯性测量单元之间的相对旋转值。

步骤S102，基于相对旋转值和惯性测量单元间静态外参，进行旋转测量和平移测量，确定第一旋转测量值和第一平移测量值。

具体地，惯性测量单元间静态外参是第一惯性测量单元和第二惯性测量单元之间的静态外参，在计算相对旋转值之后，结合惯性测量单元间静态外参可以分析第一惯性测量单元和第二惯性测量单元之间的旋转，以及分析第一惯性测量单元和第二惯性测量单元之间的平移，以确定旋转测量值以及平移测量值。

步骤S103，基于第一惯性数据、第二惯性数据、第一旋转测量值和第一平移测量值，确定第一惯性测量单元和第二惯性测量单元之间的第一状态参数。

具体地，在确定第一旋转测量值和第一平移测量值之后，结合惯性数据可以确定两个惯性测量单元之间的状态参数，该状态参数可以表征第一惯性测量单元和第二惯性测量单元的状态。例如，状态参数可以表征各个惯性测量单元的角速度和加速度，两个惯性测量单元之间的旋转、平移以及相对运动速度。

步骤S104，基于第一状态参数、第一惯性测量单元外参和第二惯性测量单元外参，确定第一传感器和第二传感器之间的时变外参。

具体地，第一惯性测量单元外参是第一传感器和第一惯性测量单元之间的外参，第二惯性测量单元外参是第二传感器和第二惯性测量单元之间的外参，在确定第一状态参数之后，利用该状态参数和惯性测量单元外参，可以确定两个惯性测量单元所对应的两个传感器之间的时变外参，实现利用多个惯性测量单元间接计算多传感器外参，能够在因振动等外界因素导致多传感器外参时变的情况下，实时且准确地确定多传感器之间的外参。

示例性地，图2是本发明提供的多传感器外参的确定方法的流程示意图之二，如图2所示，该方法包括步骤S201至步骤S209。

S201：在第一传感器和第二传感器旁分别固定第一IMU和第二IMU。

S202：标定第一传感器和第一IMU之间的第一IMU外参，以及标定第二传感器和第二IMU之间的第二IMU外参。

S203：标定机器人稳定状态下，第一传感器和第二传感器之间的第一静态外参。

S204：根据第一静态外参、第一IMU外参和第二IMU外参，计算第一IMU和第二IMU之间的第二静态外参(也即上述惯性测量单元间静态外参)。

S205：获取第一IMU的第一惯性数据和第二IMU的第二惯性数据，计算第一IMU和第二IMU之间的相对旋转值。

S206：根据第二静态外参与相对旋转值，计算第一旋转测量值和第一平移测量值。

S207：根据第一惯性数据、第二惯性数据、第一旋转测量值和第一平移测量值，计算第一IMU和第二IMU之间的第一状态参数。

S208：根据第一状态参数与预先标定的第一IMU外参和第二IMU外参，计算第一传感器和第二传感器在机器人工作时的时变外参。

S209：在每次获得IMU的惯性数据时，重复S205-S208，实时计算得到第一传感器和第二传感器之间的时变外参。

步骤S201具体为：

图3是本发明提供的多传感器和IMU的空间布局示意图，如图3所示，将第一IMU和第二IMU分别紧靠第一传感器和第二传感器安装，保证刚性连接。

可选地，通过螺丝将IMU直接固定到传感器(第一传感器或第二传感器)自带的螺丝孔。

步骤S202具体为：

可以采用第一传感器和IMU的传感器外参标定方法，获得第一传感器和第一IMU间的第一IMU外参

具体地，若第一传感器为相机，则采用相机-IMU外参标定方法；若第一传感器为激光雷达，则采用激光雷达-IMU外参标定方法；第一传感器还可以是毫米波雷达、避障声呐、多普勒测速仪等任意传感器。

可以理解的是，本发明提出的方法不限于两个传感器间的时变外参计算，可以存在多个传感器，只需要按照本发明提出的方法，先后计算两个传感器间的时变外参即可，图5是本发明提供的任意数量多传感器间时变外参的空间布局示意图，如图5所示。以3个传感器为例，具体为第一传感器、第二传感器、第三传感器。首先按照本申请提出的方法计算第一、二传感器间的外参，然后再计算第二、三传感器间的外参。如果有4个，则再计算三、四传感器间的外参。

采取同样的方式，标定第二传感器和第二IMU间的第二IMU外参

步骤S203具体为：

将机器人放置于无剧烈振动/无颠簸的环境，采用第一传感器和第二传感器外参标定方法，计算第一传感器和第二传感器之间的外参，记作第一静态外参

步骤S204具体为：

第一IMU和第二IMU之间的外参记为第二静态外参(也即上述惯性测量单元间静态外参)

第二静态外参计算方式为：

根据所选用的标定方法，结合第一传感器和第二传感器的参数特性，估计第二静态外参标定的不确定度，记为第二静态外参标定不确定度∑

依照经验，σ

步骤S205具体为：

获取第一IMU的测量数据，记第一IMU输入(也即第一IMU的惯性数据)为[w

进一步地，利用第一IMU输入实现IMU姿态解算算法。

可选地，IMU姿态解算算法可以采用Mahony滤波或Madgwick滤波方法。

记第一IMU的姿态四元数为第一IMU姿态q

通过第一IMU输入的加速度计算第一IMU姿态的不确定度，记为第一IMU姿态不确定度σ

可选地，

采取同样的方式，计算第二IMU的第二IMU姿态q

进一步地，计算第一IMU和第二IMU间的旋转估计，记作相对旋转值q

计算相对旋转值估计的不确定度，记为相对旋转值不确定度σ

可选地，σ

步骤S206具体为：

将相对旋转值q

将第二静态外参

融合θ

可选地，

第一平移测量值记为

进一步地，计算第一旋转测量值不确定度σ

可选地，

图6是本发明提供的确定IMU间的状态参数的流程示意图，步骤S207的流程图为图6示，步骤S207具体包括步骤S2071至步骤S2073。

步骤S2071，基于第一惯性数据和第二惯性数据，更新第一状态参数对应的协方差矩阵。具体为：

构建第一状态参数，记为

构建第一状态参数对应的协方差矩阵，记为P。

可选地，第一次执行S207步骤时，

可选地，第一次执行S207步骤时，

可选地，第一次执行S207步骤时，

可选地，第一次执行S207步骤时，P取以[P

进一步地，将

更新

更新

更新

更新C，使C为当前

进一步地，更新预测过程中的第一状态参数的协方差矩阵P，具体为：

计算连续形式状态递推矩阵F

其中，I

计算离散形式状态递推矩阵F

计算噪声项测量矩阵

其中0

计算以[Q

计算离散形式噪声协方差Q

更新第一状态参数协方差矩阵：P←F

步骤S2072，基于第一惯性数据、第二惯性数据、第一旋转测量值和第一平移测量值，确定观测模型数据、观测残差数据和用于表征观测残差不确定度的不确定度矩阵。具体为：

构建第一IMU的第一观测模型

构建第一IMU对应的第一观测残差r

构建第一观测残差r

进一步地，构建第二IMU的第二观测模型

构建第二IMU对应的第二观测残差r

构建第二观测残差r

进一步地，构建第一旋转测量和第一平移测量之间的第三观测模型

构建第一旋转平移测量的第三观测残差

构建第三观测残差r

步骤S2073，基于协方差矩阵、观测模型数据、观测残差数据和不确定度矩阵，通过计算卡尔曼增益，确定状态修正数据以及更新第一状态参数。具体为：

利用H

具体地，计算第一IMU的第一卡尔曼增益系数，K

计算第一IMU引入的第一状态修正量δ

更新第一状态参数，

进一步地，利用H

进一步地，利用H

步骤S208涉及的坐标系关系如图4所示，具体地，S208步骤为：

取第一状态参数x中的

第一传感器和第二传感器在机器人工作时的τ时刻的时变外参(包括时变旋转角度和时变平移量)，时变旋转角度和时变平移量分别记为

从而获得第一传感器和第二传感器间任意时刻的时变旋转与平移。

进一步地，当每次第一IMU和第二IMU产生数据时，执行步骤S205-S208，获得当前时刻的第一传感器和第二传感器间的变化的外参。

示例性地，通过仿真表明所提出发明的有效性。将第一传感器和第二传感器在稳定状态下外参设置为无旋转角度、平移为沿z方向0.1m，认为第一IMU和第二IMU的坐标系分别与第一传感器和第二传感器的坐标系重合，对第二传感器的ZYX三个坐标轴施加频率为2.5Hz的旋转变化，峰值为分别为0.2，0.1，0.2弧度，并模拟生成第一IMU和第二IMU的数据，仿真的IMU频率为500Hz，加速度计与角速度计噪声分别为0.124m/s

下面对本发明提供的多传感器外参的确定装置进行描述，下文描述的多传感器外参的确定装置与上文描述的多传感器外参的确定方法可相互对应参照。

图11是本发明提供的多传感器外参的确定装置的结构示意图，如图11所示，该装置包括：相对旋转计算模块10、旋转平移测量模块20、状态参数确定模块30和时变外参确定模块40，其中：

相对旋转计算模块10，用于基于第一惯性数据和第二惯性数据，计算第一惯性测量单元与第二惯性测量单元之间的相对旋转值，第一惯性数据是通过与第一传感器保持固定连接的第一惯性测量单元进行测量所获取的，第二惯性数据是通过与第二传感器保持固定连接的第二惯性测量单元进行测量所获取的；

旋转平移测量模块20，用于基于相对旋转值和惯性测量单元间静态外参，进行旋转测量和平移测量，确定第一旋转测量值和第一平移测量值，惯性测量单元间静态外参是第一惯性测量单元和第二惯性测量单元之间的静态外参；

状态参数确定模块30，用于基于第一惯性数据、第二惯性数据、第一旋转测量值和第一平移测量值，确定第一惯性测量单元和第二惯性测量单元之间的第一状态参数；

时变外参确定模块40，用于基于第一状态参数、第一惯性测量单元外参和第二惯性测量单元外参，确定第一传感器和第二传感器之间的时变外参。

应当理解的是，上述装置用于执行上述实施例中的方法，装置中相应的程序模块，其实现原理和技术效果与上述方法中的描述类似，该装置的工作过程可参考上述方法中的对应过程，此处不再赘述。

基于上述实施例中的方法，本发明实施例提供了一种电子设备。该设备可以包括：至少一个用于存储程序的存储器和至少一个用于执行存储器存储的程序的处理器。其中，当存储器存储的程序被执行时，处理器用于执行上述实施例中所描述的方法。

基于上述实施例中的方法，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行上述实施例中的方法。

可以理解的是，本发明实施例中的处理器可以是中央处理单元(centralprocessing unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signalprocessor，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、晶体管逻辑器件，硬件部件或者其任意组合。通用处理器可以是微处理器，也可以是任何常规的处理器。

本发明实施例中的方法步骤可以通过硬件的方式来实现，也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-only memory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

可以理解的是，在本发明实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本发明的实施例的范围。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。