机械臂分拣控制方法、介质、设备及装置

技术领域

本申请涉及机械臂控制技术领域，特别涉及一种机械臂分拣控制方法、介质、设备及装置。

背景技术

随着社会的发展，基于视觉的机械臂自动抓取与分拣目前在各行各业都得到了广泛地应用。

相关技术中，在对机械臂进行控制时，多只是通过固定设置的摄像头对待抓取物品进行拍照，并根据拍照得到的图像的识别结果控制摄像头进行抓取；然而，受限于摄像头精度、现场环境等因素，通过机械臂对物品进行自动分拣的过程中经常会出现图像识别失败的问题，进而导致机械臂对于目标物品分拣失败。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种机械臂分拣控制方法，能够在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

第一方面，本发明实施例提出了一种机械臂分拣控制方法，包括：通过安装在机械臂上的摄像头获取第一目标物品图像；对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息，并根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，以及将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，获取第二目标物品图像，并对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类。

根据本发明实施例的机械臂分拣控制方法，首先，通过安装在机械臂上的摄像头获取第一目标物品图像；接着，对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息，并根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，以及将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；然后，在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；接着，在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，获取第二目标物品图像，并对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类；从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

在一些实施例中，在根据所述目标物品对应的位置信息控制机械臂进行移动之前，该控制方法还包括：获取所述机械臂的位姿信息，并根据所述机械臂的位姿信息和所述目标物品的位置信息判断所述机械臂是否能够完成所述目标物品的分拣归类；在所述机械臂无法完成所述目标物品的分拣归类时，所述机械臂将所述目标物品对应的区域图像发送给云端服务器，以便所述云端服务器控制下一机械臂对所述目标物品进行优先分拣归类。

在一些实施例中，云端服务器控制下一机械臂对所述目标物品进行优先分拣归类，包括：云端服务器将所述目标物品对应的优先分拣指令发送给所述下一机械臂，其中，所述优先分拣指令包括所述目标物品对应的区域图像；所述下一机械臂获取第三目标物品图像，并将所述区域图像与所述第三目标物品图像进行比对，以判断所述第三目标物品图像中是否包含上一机械臂进行标签识别未成功且未完成分拣的目标物品，以及在判断结果为是时对所述上一机械臂进行标签识别未成功且未完成分拣的目标物品进行优先分拣归类。。

在一些实施例中，对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息，包括：对所述第一目标物品图像进行分割处理和滤波处理，以得到预处理图像；计算所述预处理图像的梯度，以得到梯度幅值图像，并对所述梯度幅值图像进行非极大抑制，以得到候选边缘点集合；通过阈值法对所述候选边缘点集合中的候选边缘点进行筛选，以得到有效边缘点集合。

在一些实施例中，对所述第一目标物品图像进行分割处理包括：对所述第一目标物品图像进行划分，以得到多个邻域；计算每个邻域对应的局部标准差和局部均值，并根据所述局部标准差和所述局部均值计算所述邻域对应的局部阈值，以及根据所述局部阈值进行分割处理，以得到局部分割结果；对所述局部分割结果进行拼接，以得到最终分割图像。

在一些实施例中，根据以下公式对所述第一目标物品图像进行滤波处理：

其中，g(x,y)表示滤波处理后的图像，

为达到上述目的，本发明第二方面提出了一种计算机可读存储介质，其上存储有机械臂分拣控制程序，该机械臂分拣控制程序被处理器执行时实现如上所述的机械臂分拣控制方法。

根据本发明实施例的计算机可读存储介质，通过存储机械臂分拣控制程序，以使得处理器在执行该机械臂分拣控制程序时，实现如上述的机械臂分拣控制方法，从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

为达到上述目的，本发明第三方面提出了一种计算机设备，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，实现如上所述的机械臂分拣控制方法。

根据本发明实施例的计算机设备，通过存储器对机械臂分拣控制程序进行存储，以使得处理器在执行该机械臂分拣控制程序时，实现如上述的机械臂分拣控制方法，从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

为达到上述目的，本发明第四方面提出了一种机械臂分拣控制装置，包括：获取模块，用于通过安装在机械臂上的摄像头获取第一目标物品图像；边缘检测模块，用于对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息；标签识别模块，用于根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，并将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；控制模块，用于在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；所述控制模块还用于在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，控制所述获取模块获取第二目标物品图像，并控制所述标签识别模块对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类。

根据本发明实施例的机械臂分拣控制装置，通过设置获取模块，用于通过安装在机械臂上的摄像头获取第一目标物品图像；边缘检测模块，用于对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息；标签识别模块，用于根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，并将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；控制模块，用于在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；所述控制模块还用于在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，控制所述获取模块获取第二目标物品图像，并控制所述标签识别模块对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类；从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

在一些实施例中，所述控制模块还用于获取所述机械臂的位姿信息，并根据所述机械臂的位姿信息和所述目标物品的位置信息判断所述机械臂是否能够完成所述目标物品的分拣归类，以及在所述机械臂无法完成所述目标物品的分拣归类时，所述机械臂将所述目标物品对应的区域图像发送给云端服务器，以便所述云端服务器控制下一机械臂对所述目标物品进行优先分拣归类。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1是根据本发明实施例的机械臂分拣控制方法的流程示意图；

图2是根据本发明实施例的计算机设备的方框示意图；

图3是根据本发明实施例的机械臂分拣控制装置的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的机械臂分拣控制方法。

请参阅图1，图1为根据本发明实施例的机械臂分拣控制方法的流程示意图，如图1所示，该机械臂分拣控制方法包括以下步骤：

S101，通过安装在机械臂上的摄像头获取第一目标物品图像。

也就是说，将摄像头固定安装在机械臂的固定段，以通过固定安装在机械臂上的摄像头获取待分拣物品对应的以目标物品图像。

S102，对第一目标物品图像进行边缘检测，以得到目标物品的位置信息，并根据位置信息对第一目标物品图像进行切割，以得到目标物体对应的区域图像，以及将区域图像输入到预先训练好的标签识别模型中，以通过标签识别模型对区域图像进行标签识别。

在一些实施例中，对第一目标物品图像进行边缘检测，以得到目标物品的位置信息，包括：对第一目标物品图像进行分割处理和滤波处理，以得到预处理图像；计算预处理图像的梯度，以得到梯度幅值图像，并对梯度幅值图像进行非极大抑制，以得到候选边缘点集合；通过阈值法对候选边缘点集合中的候选边缘点进行筛选，以得到有效边缘点集合。

可以理解，梯度计算可以增强图像的边缘，但同时，也会增强图像的噪声；因此，在进行梯度计算之前，首先对第一目标物品图像进行分割处理和滤波处理；以得到预处理图像，可以在梯度计算之前去除图像的噪声，以避免图像的噪声影响后续计算的准确性。而通过对梯度幅值图像进行非极大抑制，即可获取到对应的局部极大值，以获取到候选边缘点集合，进而根据阈值法获取到对应的有效边缘点集合。具体地，可以采用双阈值处理和连接分析以得到有效边缘点集合。

在一些实施例中，对第一目标物品图像进行分割处理包括：对第一目标物品图像进行划分，以得到多个邻域；计算每个邻域对应的局部标准差和局部均值，并根据局部标准差和局部均值计算邻域对应的局部阈值，以及根据局部阈值进行分割处理，以得到局部分割结果；对局部分割结果进行拼接，以得到最终分割图像。

可以理解，如果使用预设的固定阈值进行分割处理，噪声会导致某些像素的灰度值增大或减小。因此，采用上述方式，将第一目标物品图像划分为多个邻域，并计算邻域对应的局部阈值的方式，能够有效保证局部分割的效果，进而提高整体图像分割效果。

在一些实施例中，根据以下公式对第一目标物品图像进行滤波处理：

其中，g(x,y)表示滤波处理后的图像，

即言，对第一目标物品图像进行离散傅里叶变换，接着，计算其反变换，以完成第一目标物品图像的滤波处理。

S103，在标签识别失败时，根据目标物品对应的位置信息控制机械臂进行移动，以使得摄像头与目标物品之间的距离小于或等于预设距离阈值。

也就是说，如果标签识别成功，则直接根据识别得到的标签信息对目标物品进行分拣归类；而如果标签识别失败，则控制机械臂进行移动，以使得机械臂上安装的摄像头与目标物品之间的距离小于或等于预设距离阈值；以对目标物品进行二次拍摄和识别，避免因识别失败而导致物品无法分拣。

其中，标签信息的设置方式可以有多种。

作为一种示例，标签信息可以是二维码信息，该二维码信息中存储有目标物品对应的物品属性、归属人信息等。

作为另一种示例，标签信息为文字信息，该文字信息中包含目标物品对应的收发件人、手机号和地址等信息。

在一些实施例中，在根据目标物品对应的位置信息控制机械臂进行移动之前，还包括：获取机械臂的位姿信息，并根据机械臂的位姿信息和目标物品的位置信息判断机械臂是否能够完成目标物品的分拣归类；在机械臂无法完成目标物品的分拣归类时，机械臂将目标物品对应的区域图像发送给云端服务器，以便云端服务器控制下一机械臂对目标物品进行优先分拣归类。

可以理解，每个机械臂在安装完成之后，均设置有对应的工作区域(对应传送带的部分区域)；待分拣物品通过传送带的装载进行运动。而在标签识别失败时，当前时刻机械臂以当前位姿移动到目标物品对应的位置需要一定的时间；如果目标物品对应的位置靠近当前机械臂的工作区域边缘，则可能当前机械臂立刻进行移动也无法完成目标物品的分拣。因此，在控制机械臂进行移动之前，首先对当前情况进行判断，以判断当前时刻机械臂是否能够完成目标物品的分拣，如果当前时刻已无法完成，则机械臂将目标物品对应的区域图像发送给云端服务器，以便云端服务器根据接收到的区域图像控制下一机械臂对目标物品进行优先分拣。

作为一种示例，首先，根据目标物品的位置信息确定机械臂的期望位姿；接着，根据机械臂的期望位姿和机械臂的当前位姿信息进行轨迹规划，以确定机械臂以当前位姿对目标物品进行抓取所要进行的运动轨迹；然后，根据轨迹规划结果进行计算，以得到机械臂对目标物品进行抓取所需要的第一预计时间，接着，根据第一预计时间和机械臂对目标物品进行二次拍摄与识别所需的第二预计时间之和作为最终预计时间；然后，根据目标物品的位置信息、机械臂的工作区域位置信息和传送带的运动速度计算当前距离目标物品离开机械臂的工区区域的剩余时间；接着，判断最终预计时间是否大于剩余时间；如果是，则表示机械臂当前无法完成目标物品的抓取；如果否，则表示机械臂当前可以完成目标物品的抓取。

在一些实施例中，云端服务器控制下一机械臂对目标物品进行优先分拣归类，包括：云端服务器将目标物品对应的优先分拣指令发送给下一机械臂，其中，优先分拣指令包括目标物品对应的区域图像；下一机械臂获取第三目标物品图像，并将区域图像与第三目标物品图像进行比对，以判断第三目标物品图像中是否包含上一机械臂进行标签识别未成功且未完成分拣的目标物品，以及在判断结果为是时对上一机械臂进行标签识别未成功且未完成分拣的目标物品进行优先分拣归类。

即言，当机械臂在接收到云端服务器发送的优先分拣指令后，每一次机械臂通过其上安装的摄像头获取到第三目标物品图像之后，即将优先分拣指令中的区域图像与第三目标物品图像进行比对，以判断该第三目标物品图像是否包含上一机械臂进行标签识别不成功并且未完成分拣的目标物品；如果是，则对该目标物品进行优先分拣归类；如果否，则按照正常的步骤进行分拣归类。

S104，在摄像头与目标物品之间的距离小于或等于预设距离阈值时，获取第二目标物品图像，并对第二目标物品图像进行标签识别，以得到目标物品对应的标签信息，以及根据标签信息对目标物品进行分拣归类。

综上所述，根据本发明实施例的机械臂分拣控制方法，首先，通过安装在机械臂上的摄像头获取第一目标物品图像；接着，对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息，并根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，以及将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；然后，在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；接着，在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，获取第二目标物品图像，并对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类；从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

为了实现上述实施例，本发明实施例提出了一种计算机可读存储介质，其上存储有机械臂分拣控制程序，该机械臂分拣控制程序被处理器执行时实现如上所述的机械臂分拣控制方法。

根据本发明实施例的计算机可读存储介质，通过存储机械臂分拣控制程序，以使得处理器在执行该机械臂分拣控制程序时，实现如上述的机械臂分拣控制方法，从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

为了实现上述实施例，本发明实施例提出了一种计算机设备，如图2所示，该计算机设备200包括存储器201和处理器202及存储在存储器201上并可在处理器202上运行的计算机程序，所述处理器202执行所述程序时，实现如上所述的机械臂分拣控制方法。

综上所述，根据本发明实施例的计算机设备，通过存储器对机械臂分拣控制程序进行存储，以使得处理器在执行该机械臂分拣控制程序时，实现如上述的机械臂分拣控制方法，从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

为了实现上述实施例，本发明实施例提出了一种机械臂分拣控制装置，如图3所示，该机械臂分拣控制装置包括：获取模块10、边缘检测模块20、标签识别模块30和控制模块40。

其中，获取模块10，用于通过安装在机械臂上的摄像头获取第一目标物品图像；

边缘检测模块20，用于对第一目标物品图像进行边缘检测，以得到目标物品的位置信息；

标签识别模块30，用于根据位置信息对第一目标物品图像进行切割，以得到目标物体对应的区域图像，并将区域图像输入到预先训练好的标签识别模型中，以通过标签识别模型对区域图像进行标签识别；

控制模块40，用于在标签识别失败时，根据目标物品对应的位置信息控制机械臂进行移动，以使得摄像头与目标物品之间的距离小于或等于预设距离阈值；

控制模块40还用于在摄像头与目标物品之间的距离小于或等于预设距离阈值时，控制获取模块获取第二目标物品图像，并控制标签识别模块对第二目标物品图像进行标签识别，以得到目标物品对应的标签信息，以及根据标签信息对目标物品进行分拣归类。

在一些实施例中，控制模块40还用于获取机械臂的位姿信息，并根据机械臂的位姿信息和目标物品的位置信息判断机械臂是否能够完成目标物品的分拣归类，以及在机械臂无法完成目标物品的分拣归类时，机械臂将目标物品对应的区域图像发送给云端服务器，以便云端服务器控制下一机械臂对目标物品进行优先分拣归类。

在一些实施例中，该装置还包括预处理模块，边缘检测模块20用于对第一目标物品图像进行分割处理和滤波处理，以得到预处理图像；计算预处理图像的梯度，以得到梯度幅值图像，并对梯度幅值图像进行非极大抑制，以得到候选边缘点集合；通过阈值法对候选边缘点集合中的候选边缘点进行筛选，以得到有效边缘点集合。

在一些实施例中，边缘检测模块20还用于对第一目标物品图像进行划分，以得到多个邻域；计算每个邻域对应的局部标准差和局部均值，并根据局部标准差和局部均值计算邻域对应的局部阈值，以及根据局部阈值进行分割处理，以得到局部分割结果；对局部分割结果进行拼接，以得到最终分割图像。

在一些实施例中，根据以下公式对第一目标物品图像进行滤波处理：

其中，g(x,y)表示滤波处理后的图像，

综上所述，根据本发明实施例的机械臂分拣控制装置，通过设置获取模块，用于通过安装在机械臂上的摄像头获取第一目标物品图像；边缘检测模块，用于对所述第一目标物品图像进行边缘检测，以得到目标物品的位置信息；标签识别模块，用于根据所述位置信息对所述第一目标物品图像进行切割，以得到所述目标物体对应的区域图像，并将所述区域图像输入到预先训练好的标签识别模型中，以通过所述标签识别模型对所述区域图像进行标签识别；控制模块，用于在所述标签识别失败时，根据所述目标物品对应的位置信息控制所述机械臂进行移动，以使得所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值；所述控制模块还用于在所述摄像头与所述目标物品之间的距离小于或等于预设距离阈值时，控制所述获取模块获取第二目标物品图像，并控制所述标签识别模块对所述第二目标物品图像进行标签识别，以得到所述目标物品对应的标签信息，以及根据所述标签信息对目标物品进行分拣归类；从而实现在物品信息识别失败时，对机械臂进行有效控制，以对物品信息进行二次识别，提高物品分拣成功率。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。