圆形路牌位姿的确定方法、装置、电子设备及介质

技术领域

本申请涉及高精地图技术领域，尤其涉及圆形路牌位姿的确定方法、装置、电子设备及介质。

背景技术

高精度地图的数据采集过程中，需要用到圆形路牌的位姿。圆形路牌的位姿解算的精度与圆形路牌的特征点有直接关系。

相关技术中，能够通过矩形识别框来识别出圆形路牌的角点作为圆形路牌的特征点，进而解算出圆形路牌的位姿。

但是，由于矩形识别框的各个角点并不是圆形路牌自身的特征点，而是圆形路牌之外的特征点，因此，相关技术中圆形路牌的特征点识别结果不准确，进而导致圆形路牌的位姿解算精度不够高。

申请内容

为克服相关技术中存在的问题，本申请提供圆形路牌位姿的确定方法、装置、电子设备及介质，用以提高圆形路牌特征点的识别精度，进而提升圆形路牌的位姿解算精度。

本申请第一方面提供一种圆形路牌位姿的确定方法，包括：

对目标图像中的圆形路牌进行识别，得到矩形检测子图像；

基于图像分割算法将所述矩形检测子图像进行分割，得到椭圆检测子图像；

将所述椭圆检测子图像中椭圆的顶点作为所述圆形路牌的特征点，以确定所述圆形路牌的位姿。

优选的，所述对目标图像中的圆形路牌进行识别包括：

获取目标图像；

将所述目标图像输入到圆形路牌识别模型中；

得到所述圆形路牌模型输出的包括矩形框的矩形检测子图像；其中，所述矩形框用于表征圆形路牌的识别结果。

可选的，所述基于分割算法将所述矩形检测子图像进行分割包括：

基于图像分割算法，将所述矩形检测子图像分割为前景子图像和背景子图像；其中，所述前景子图像的色相与所述背景子图像的色相为相反色相；

去除所述背景子图像，得到椭圆检测子图像。

优选的，所述将所述椭圆检测子图像中椭圆的顶点作为所述圆形路牌的特征点包括：

对所述椭圆检测子图像进行边缘检测，得到轮廓特征点；

将所述轮廓特征点进行拟合，得到至少一个椭圆；

将所述椭圆的顶点作为所述圆形路牌的特征点。

优选的，所述椭圆为多个，所述将所述椭圆的顶点作为所述圆形路牌的特征点包括：

计算每一椭圆的椭圆面积；

将多个椭圆面积中最大的椭圆作为目标椭圆；

将所述目标椭圆的四个顶点作为所述圆形路牌的特征点。

优选的，所述目标椭圆的四个顶点的计算过程包括：

获取所述目标椭圆的拟合函数；

基于所述拟合函数对应的椭圆参数计算所述椭圆的四个顶点。

优选的，当所述目标图像为相连的两帧或多帧图像时，所述方法还包括：

将各所述目标图像对应的圆形路牌中相应的每一特征点分别进行匹配；

将符合预设阈值范围的特征点作为所述圆形路牌的目标特征点。

本申请第二方面提供一种圆形路牌位姿的确定装置，包括：

识别模块，用于对目标图像中的圆形路牌进行识别，得到矩形检测子图像；

分割模块，用于基于图像分割算法将所述矩形检测子图像进行分割，得到椭圆检测子图像；

提取模块，用于将所述椭圆检测子图像中椭圆的顶点作为所述圆形路牌的特征点，以确定所述圆形路牌的位姿。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

由此可见，本申请提供的一种圆形路牌位姿的确定方法、装置、电子设备及存储介质，所述方法首先对目标图像中的圆形路牌进行识别，得到矩形检测子图像；然后基于图像分割算法将所述矩形检测子图像进行分割，得到椭圆检测子图像；最后将所述椭圆检测子图像中椭圆的顶点作为所述圆形路牌的特征点，以确定所述圆形路牌的位姿。由于椭圆检测子图像中不包括圆形路牌之外的特征点，因此，特征点是圆形路牌自身的特征点，采用该特征点对位姿进行解算的精度高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的一种圆形路牌位姿的确定方法的流程示意图；

图2是本申请实施例示出的一种圆形路牌位姿的确定方法中目标图像的结构示意图；

图3是本申请实施例示出的圆形路牌去除背景后图像示意图；

图4是本申请实施例示出的一种圆形路牌位姿的确定装置的结构示意图；

图5是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

本申请实施例，主要应用在高精度地图的场景中，尤其是涉及圆形路牌位姿的确定方法装置、电子设备及存储介质。高精度地图除了能提供道路级别的导航信息外，还能够提供车道级别的导航信息。因此，高精度地图的数据采集过程中，圆形路牌的位姿解算精度与圆形路牌的特征点提取更精确有直接关系。

相关技术中，能够通过矩形识别框识别出圆形路牌的角点进而解算圆形路牌的位姿。其中，采用矩形识别框实际上是通过提取出所需采集圆形路牌的最小包围矩形，由于生成的最小包围矩形包含圆形路牌，因此矩形识别框是别的各个角点并不是圆形路牌自身的特征点，而是圆形路牌之外的特征点，此种方式中会给高精度地图的数据采集带来较大偏差，难以满足高精度地图的精度要求。

可见，相关技术中，圆形路牌的特征点识别结果不准确，进而导致圆形路牌的位姿解算精度不够高。

基于相关技术中存在的圆形路牌的特征点识别结果不准确的技术问题，本申请实施例公开了一种圆形路牌位姿的确定方法。该方法首先通过对圆形路牌识别得到矩形检测子图像，然后基于图像分割算法将矩形检测子图像进行分割得到椭圆检测子图像，最后将椭圆检测子图像中椭圆顶点作为圆形路牌的特征点，进而提高圆形路牌的位姿解算精度。

参见图1，图1是本申请实施例中一种圆形路牌位姿的确定方法的流程示意图。

本申请公开的一种圆形路牌位姿的确定方法包括：

S10、对目标图像中的圆形路牌进行识别，得到矩形检测子图像。

S20、基于图像分割算法将矩形检测子图像进行分割，得到椭圆检测子图像。

S30、将椭圆检测子图像中椭圆的顶点作为圆形路牌的特征点，以确定所述圆形路牌的位姿。

本申请实施例中，目标图像可以理解为在高精度地图升级更新过程中所使用的图像，该图像中包括有圆形路牌以及周围场景，还可以是车载实时采集的圆形路牌标识图像。

本申请实施例中，矩形检测子图像可以是矩形识别框，为了提高测量精度，矩形识别框的面积可以为包含全部圆形路牌的最小面积。如图2所示，图2是本申请实施例中一种圆形路牌位姿的确定方法中目标图像的结构示意图。针对目标图像进行识别，定位目标图像中包含圆形路牌图像部分，并利用矩形识别框将圆形路牌框出。其中，101为矩形识别框，102为圆形路牌，矩形识别框内即为矩形检测子图像。

本申请实施例中，基于图像分割算法将矩形检测子图像进行分割，图像分割算法可以将圆形路牌与不包含圆形路牌的背景中分割出来。如图3所示，图3是本申请实施例示出的圆形路牌去除背景后图像示意图。其中，矩形检测子图像通过图像分割算法处理后，得到圆形路牌图像部分与非圆形路牌图像部分，圆形路牌图像部分即为椭圆检测子图像。

可以理解的是，在本申请实施例中，目标图像至少为相邻的两帧或多帧图像，通过对各图像例如是相邻的两帧图像中同一图形路牌进行识别得到的特征点来作为对圆形路牌的位姿解算的依据。

本申请实施例中，将椭圆检测子图像中椭圆的顶点作为圆形路牌的特征点，其中，圆形路牌的特征点即为圆形路牌真实的特征点。通过图像分割算法分割后的椭圆检测子图像中仅保留了圆形路牌的图像，其余非圆形路牌的背景图像部分均被分割，因此，椭圆检测子图像即是圆形路牌图像，椭圆检测子图像中椭圆的顶点也就是圆形路牌的顶点。

由此可见，在传统对圆形路牌进行识别得到矩形检测子图像的基础上，基于图像分割算法将矩形检测子图像进行分割，将得到的椭圆检测子图像中椭圆的顶点作为圆形路牌的特征点，由于椭圆检测子图像中不包括圆形路牌之外的特征点，因此，采用该特征点对圆形路牌位姿进行解算的精度高。

本申请实施例，S10中对目标图像中的圆形路牌进行识别，包括：

S110、获取目标图像。

S120、将所述目标图像输入到圆形路牌识别模型中。

S130、得到所述圆形路牌识别模型输出的包括矩形框的矩形检测子图像；其中，所述矩形框用于表征圆形路牌的识别结果。

本申请实施例中，可以利用图像采集装置例如摄像装置等采集目标图像，将得到的矩形检测子图像输入到圆形路牌识别模型中。

本申请实施例中，圆形路牌识别模型可以将采集的目标图像识别出包括圆形路牌的矩形检测子图像，并利用矩形识别框标记圆形路牌，能够快速、高效的识别圆形路牌，可以准确的包含圆形路牌的目标图像并标记。其中，圆形路牌识别模型可以采用神经网络、机器学习等方式建立，只要能够识别出目标图像中的圆形路牌即可。

本申请实施例，S20中基于图像分割算法将矩形检测子图像进行分割包括：

基于图像分割算法，将矩形检测子图像分割为前景子图像和背景子图像，其中，前景子图像的色相与背景子图像的色相为相反色相。

申请实际使用中，可以利用图像分割算法中的Garb Cut算法，针对矩形识别框内部图像进行处理。

其中，为了分割前景子图像和背景子图像，将矩形检测子图像中RGB颜色空间的输入图像转换为HSV颜色空间图像，将HSV颜色空间的图像利用Grab Cut算法进行分割，并将得到的分割结果图像转换为RGB颜色空间图像。

可以理解的是，可以将背景子图像部分涂黑，也可以选择与前景子图像相反色相，而剩余图像部分为前景子图像，前景子图像即为所需要的椭圆检测子图像。当然，也可以是非黑白色，只要是色相相反的颜色即可。

通过上述实施例可以看出，将矩形检测子图像中RGB颜色空间转换为HSV颜色空间，待分割后由HSV颜色空间转回RGB颜色空间，可以利用HSV颜色空间中更丰富色调以及饱和度，提高前景与背景的分割效果，还能够解决RGB颜色空间中在前景与背景具有很高相似度的图像时分割效果不理想的技术问题。

最后，去除背景子图像，得到椭圆检测子图像。此时，得到的图像中仅包括圆形路牌的相关图像，不包括其它噪声的图像。

本申请实施例，S30中将椭圆检测子图像中椭圆的定点作为圆形路牌的特征点包括：

S310、对椭圆检测子图像进行边缘检测，得到轮廓特征点。

S320、将轮廓特征点进行拟合，得到至少一个椭圆。

本申请实施例中，对椭圆检测子图像的边缘形状进行判断，提取出符合圆形路牌边缘特征的圆形边缘。

本申请实施例中，由于目标图像采集过程中圆形路牌可能会产生变形而变成椭圆形状，因此，采用最小二乘的方法对椭圆进行拟合，过滤掉椭圆检测子图像内不属于圆形路牌的图像，细化圆形路牌轮廓特征点，进一步提高圆形路牌轮廓特征点选取精度。

其中，可以采用最小二乘法拟合，在椭圆检测子图像上选取轮廓特征点，根据轮廓特征点对椭圆检测子图像进行优化，拟合出椭圆，根据拟合的椭圆数据得到椭圆的椭圆中心点、长短轴、椭圆的外界矩形框的一边与水平轴的夹角。当然，椭圆长轴和短轴相同时，则为圆形。

S330、将椭圆的顶点作为圆形路牌的特征点。

在上述实施例的基础上，本申请实施例，根据拟合的椭圆数据，计算获取椭圆四个顶点的位置。

实际使用中，可以通过如下方式来进行计算。

建立以圆形路牌为目标的椭圆平面坐标系，依据拟合椭圆数据将测点投影到平面坐标系上，椭圆中心点(x0，y0)定义为：

double x0 ＝contours01[j].center.x； (1)

double y0 ＝contours01[j].center.y； (2)

式(1)、(2)中contours01作为整个椭圆中心点的对象数组，选取第j个对象，center作为椭圆中心点对象数组的属性，该属性对应的x值和y值即为整个椭圆中心点的对象数组的浮点数。

椭圆短轴b和长轴a定义为：

double b ＝contours01[j].size.height/2； (3)

double a ＝contours01[j].size.width/2； (4)

式(3)、(4)中contours01作为整个短轴b、长轴a的对象数组，选取第j个对象，size作为长轴a、短轴b的属性，其中，式(3)中，短轴b即为高度height/2的取值，式(4)中，长轴a即为宽度width/2的取值。

椭圆的外界矩形框的一边与水平轴的夹角定义为：

double angle ＝ contours01[j].angle； (5)

式(5)中，将angle的取值作为椭圆的外界矩形框的一边与水平夹角的数值。

本申请实施例中，根据椭圆函数方程以及上述实施例中拟合的椭圆得到的椭圆中心点、长短轴和椭圆外界矩形框的一边与水平轴的夹角，计算得到四个顶点。

其中，第一顶点(x1，y1)定义为：

double x1 ＝ x0 - b * sin((180 - angle)*PI/180)； (6)

double y1 ＝ y0 - b * cos((180 - angle)*PI/180)； (7)

第二顶点(x2，y2)定义为：

double x2 ＝ x0 + b * sin((180-angle)*PI/180)；(8)

double y2 ＝ y0 + a * cos((180-angle)*PI/180)； (9)

第三顶点(x3，y3)定义为：

double x3 ＝ x0 + a * cos((180-angle)*PI/180)； (10)

double y3 ＝ y0 - a * sin((180-angle)*PI/180)；(11)

第四顶点(x4，y4)定义为：

double x4 ＝ x0 - a * cos((180-angle)*PI/180)；(12)

double y4 ＝ y0 + a * sin((180-angle)*PI/180)；(13)

其中，前述各式中，PI为圆周率，可以通过*PI/180处理，将角度值转换为弧度制的弧度值，其中，x1，y1即为第一顶点的取值。

在本申请实施例中，S330将椭圆的顶点作为圆形路牌的特征点包括：

S3310、计算每一椭圆的椭圆面积。

S3320、将多个椭圆面积中最大的椭圆作为目标椭圆。

S3330、将目标椭圆的四个顶点作为圆形路牌的特征点。

可以理解的是，由轮廓特征点拟合得到的椭圆不仅限于一个，也可以是多个。

在上述实施例的基础上，通过轮廓特征点拟合得到多个椭圆，计算每一个椭圆的椭圆面积，将得到的多个椭圆面积进行比较，筛选出其中面积最大的椭圆作为目标椭圆。通过获取多个椭圆面积进行比较筛选，可以进一步对椭圆面积的精度进行优化。

本申请实施例中，将目标椭圆的四个顶点作为圆形路牌的特征点，四个顶点对应圆形路牌真实的特征点。

可以理解的是，在同一目标椭圆上可以选取任意个数的顶点作为圆形路牌的特征点，利用椭圆顶点匹配解算圆形路牌的位姿，选取个数越多，得到圆形路牌的位姿更接近真实数据。

在上述实施例的基础上，本申请实施例中，S3330中目标椭圆的四个顶点的计算过程包括：

获取目标椭圆的拟合函数。

基于拟合函数对应的椭圆参数计算椭圆的四个顶点。

本申请实施例中，依据最小二乘法拟合的函数以及对应的计算可以具体包括：

本申请实施例中，获取目标椭圆的拟合函数可以通过构建模型的方式计算，设置二维点集作为函数模型的输入，要求拟合的点至少为6个。设置拟合椭圆的外接矩形作为函数模型的输出，其中，矩形可以存储在例如函数类RotatedRect中的。

本申请实施例中，目标图像为相连的两帧或多种图像时，确认方法还包括：

将各目标图像对应的圆形路牌中相应的每一特征点分别进行匹配。

将符合预设阈值范围的特征点作为圆形路牌的目标特征点。

本申请实施例中，获取目标图像可以是包含同一圆形路牌的连续两帧照片，设置为第一目标图像和第二目标图像，第一目标图像和第二目标图像获取时间间隔在此不做限定，从第一目标图像中提取特征点T11至特征点T14，从第二目标图像中提取特征点T21至特征点T24。将第一目标图像的特征点与第二目标图像的特征点分别进行匹配。

本申请实施例中，根据椭圆拟合得到的四个顶点设定，建立一定的阈值范围集合。

本申请实施例中，阈值范围选取圆形路牌的矩形识别框边长的20％，当提取的第一目标图像特征点与第二目标图像特征点匹配相同，则选取该特征点作为圆形路牌的目标特征点，当提取的第一目标图像特征点与第二目标图像特征点匹配不同时，选定更符合预设阈值范围的特征点作为圆形路牌的目标特征点。依据上述确认方法，根据匹配点解算位姿误差小，相对于直接利用特征点匹配，提取精度有明显提升。位姿计算精度较高。

参见图4，本申请实施例示出的一种圆形路牌位姿的确定装置，该装置可以包括：

识别模块1，用于对目标图像中的圆形路牌进行识别，得到矩形检测子图像。

分割模块2，用于基于图像分割算法将所述矩形检测子图像进行分割，得到椭圆检测子图像。

提取模块3，用于将所述椭圆检测子图像中椭圆的顶点作为所述圆形路牌的特征点，以确定所述圆形路牌的位姿。

本申请实施例中，对目标图像中的圆形路牌进行识别包括：

获取目标图像。

将目标图像输入到圆形路牌识别模型中。

得到圆形路牌模型输出的包括矩形框的矩形检测子图像。其中，矩形框用于表征圆形路牌的识别结果。

本申请实施例中，基于分割算法将矩形检测子图像进行分割包括：

基于图像分割算法，将矩形检测子图像分割为前景子图像和背景子图像。其中，前景子图像的色相与背景子图像的色相为相反色相。

去除背景子图像，得到椭圆检测子图像。

本申请实施例中，将椭圆检测子图像中椭圆的顶点作为圆形路牌的特征点包括：

对椭圆检测子图像进行边缘检测，得到轮廓特征点。

将轮廓特征点进行拟合，得到至少一个椭圆。

将椭圆的顶点作为圆形路牌的特征点。

本申请实施例中，椭圆为多个，将椭圆的顶点作为圆形路牌的特征点包括：

计算每一椭圆的椭圆面积。

将多个椭圆面积中最大的椭圆作为目标椭圆。

将目标椭圆的四个顶点作为所述圆形路牌的特征点。

本申请实施例中，目标椭圆的四个顶点的计算过程包括：

获取目标椭圆的拟合函数。

基于拟合函数对应的椭圆参数计算椭圆的四个顶点。

本申请实施例中，当目标图像为相连的两帧或多帧图像时，方法还包括：

将各所述目标图像对应的圆形路牌中相应的每一特征点分别进行匹配。

将符合预设阈值范围的特征点作为所述圆形路牌的目标特征点。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图5是本申请实施例示出的电子设备的结构示意图。

参见图5，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。

本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。