基于双目立体相机的多人动捕方法、系统、设备及可读介质

技术领域

本申请涉及动作捕捉技术领域，尤其涉及一种基于双目立体相机的多人动捕系统、方法、设备及可读介质。

背景技术

传统的多人动作捕捉技术通常使用红外光学系统或惯性动作捕捉系统，这些方法具有高精度的追踪能力，但也伴随着昂贵的整体方案成本、繁琐的部署流程以及需要佩戴特定追踪装置的问题。这限制了这些方法在某些应用领域的广泛应用。

相比之下，基于机器视觉的AI动作捕捉技术呈现出了更为灵活和经济的潜力。它通过单一摄像头结合AI算法，可以实现对人物全身动作姿态的实时捕捉。相较于传统技术，它的部署简便，只需要一个摄像头即可。然而，尽管具备了成本效益和操作简易的优势，这种方法仍然存在一些挑战。

其中，主要问题之一是数据抖动。由于基于机器视觉的算法对图像数据的实时处理，捕捉到的姿态数据在某些情况下可能会表现出明显的抖动。这可能影响最终的动作捕捉效果，尤其是在需要高度稳定的场景，例如虚拟现实体验中。另一个问题是追踪精度。虽然AI算法在一些情况下能够准确地估计人物的姿态，但在特定情况下，例如快速运动或姿势变化较大的情况下，追踪精度可能受到限制。这可能会在某些应用领域中，如虚拟现实，导致用户体验不够流畅和真实。

发明内容

本申请的一个目的是提供一种基于双目立体相机的多人动捕方法、系统、设备及可读介质，至少用以使得该方法可以利用多台双目立体深度相机和AI算法实现精确的全身动捕，解决数据抖动和追踪精度不足的技术问题。

为实现上述目的，本申请的一些实施例提供了一种基于双目立体相机的多人动捕方法，所述方法包括：通过多台双目立体相机，从不同角度拍摄深度图片，根据所述双目立体相机的倾斜角数据和所述深度图片，对所述双目立体相机的坐标系进行标定，得到所述双目立体相机坐标数据的配置文件；根据所述配置文件，计算得到所述深度图片中的人物骨骼数据，将所述人物骨骼数据统一重置到所述双目立体相机的坐标系下，再将与所述双目立体相机获取到的捕捉数据融合，得到人物骨骼关节的追踪数据；根据所述追踪数据，将人物骨骼关节与虚拟环境结合，得到虚拟环境中人物动作捕捉画面。

进一步地，所述对所述双目立体相机的坐标系进行标定包括：根据所述深度图片和图像识别的AI算法，得到所述深度图片中人物骨架姿态数据；通过逐帧对比所述人物骨架姿态数据，来校准每台所述双目立体相机的相对位置。

进一步地，所述计算得到所述深度图片中的人物骨骼数据包括：根据所述配置文件驱动运行SDK，所述多台双目立体相机根据所述深度图片和AI算法分别计算所述人物骨骼数据。

进一步地，所述将人物骨骼关节与虚拟环境结合包括：根据所述追踪数据，驱动虚拟角色在虚拟场景运动；从所述虚拟角色足部发射一条垂直向下的射线，检测到虚拟场景地面碰撞后，计算所述虚拟角色足部与所述虚拟场景地面的高度差；根据所述高度差将所述虚拟角色平移到所述虚拟场景地面，并对之后所有的所述追踪数据都加上所述高度差。

进一步地，所述方法还包括：通过一欧元滤波算法消除所述人物骨骼数据的数据抖动。

进一步地，所述所述将人物骨骼关节与虚拟环境结合包括：从所述虚拟角色足部发射射线，获取所述虚拟场景地面的位置和朝向，当所述虚拟角色足部追踪点离地距离小于第一阈值时，采用IK算法进行调整。

进一步地，所述采用IK算法进行调整包括：根据所述虚拟场景地面的位置和朝向，调整所述虚拟角色的位置和朝向；对所述虚拟角色的关节采用所述追踪数据，并通过IK算法获取所述虚拟角色大腿根部关节和膝关节的旋转角度，并驱动所述虚拟角色的骨骼进行调整。

本申请的一些实施例还提供了一种基于双目立体相机的多人动捕系统，所述系统包括：坐标系标定模块，用于通过多台双目立体相机，从不同角度拍摄深度图片，根据所述双目立体相机的倾斜角数据和所述深度图片，对所述双目立体相机的坐标系进行标定，得到所述双目立体相机坐标数据的配置文件；

骨骼校准模块，用于根据所述配置文件，计算得到所述深度图片中的人物骨骼数据，将所述人物骨骼数据统一重置到所述双目立体相机的坐标系下，再将与所述双目立体相机获取到的捕捉数据融合，得到人物骨骼关节的追踪数据；虚拟场景模块，用于根据所述追踪数据，将人物骨骼关节与虚拟环境结合，得到虚拟环境中人物动作捕捉画面。

本申请的一些实施例还提供了一种基于双目立体相机的多人动捕设备，所述设备包括：一个或多个处理器；以及存储有计算机程序指令的存储器，所述计算机程序指令在被执行时使所述处理器执行如上所述的方法。

本申请的一些实施例还提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令可被处理器执行以实现所述的基于双目立体相机的多人动捕方法。

相较于现有技术，本申请实施例提供的方案中，基于双目立体相机的多人动捕方法利用多台双目立体相机从不同角度拍摄深度图片，实现对多人姿态的多角度捕捉；基于双目立体相机的倾斜角数据和深度图片，采用图像识别的AI算法，进行坐标系标定，通过此标定，获得了精确的双目立体相机坐标数据的配置文件；利用配置文件，计算出深度图片中的人物骨骼数据，这些数据根据标定后的坐标系进行重置，确保了数据的统一性和一致性；通过将各个双目立体相机获取到的捕捉数据融合，得到更精准的人物骨骼关节追踪数据；利用追踪数据，将人物骨骼关节与虚拟环境进行结合，通过IK算法调整姿态，使得虚拟环境中的人物动作捕捉画面更为真实和流畅。

总体而言，与传统的红外光学或惯性动作捕捉系统相比，本方案具有成本低、部署简单的优势。而与基于机器视觉的AI动作捕捉方法相比，本方案在保持成本效益的同时，通过数据融合和坐标系标定等步骤，解决了数据抖动和追踪精度不足的问题，适用于虚拟现实等领域的应用需求。这种创新的多人动作捕捉方法为动画、游戏、虚拟现实等领域带来了更高效、准确和具有可扩展性的解决方案。

附图说明

图1为本申请实施例提供的一种基于双目立体相机的多人动捕方法的流程图；

图2为本申请实施例提供的一种基于双目立体相机的多人动捕系统的结构图；

图3为本申请实施例提供的一种基于双目立体相机的多人动捕设备的结构示意图。

具体实施方式

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作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。

传统的多人动作捕捉方法往往使用红外光学系统或惯性动作捕捉系统，这些方法可以实现高精度的追踪效果。然而，这些方案存在诸多问题，如昂贵的成本、复杂的部署流程以及需要佩戴复杂的追踪装置等。相较之下，基于机器视觉的AI动作捕捉技术仅需一个摄像头结合AI算法，即可实现对人物全身动作姿态的捕捉。尽管具有成本低廉和便利性的优势，但在某些情况下，这种方法也存在明显的问题，如数据抖动和追踪精度不足。特别是在对于要求高度真实虚拟现实体验的场景中，现有的基于机器视觉的AI动作捕捉技术的追踪效果往往难以令人满意。

为了解决这些问题，本申请实施例提供了一种基于双目立体相机的多人动捕方法，如图1所示，本申请实施例的核心在于：通过多台双目立体相机，从不同角度拍摄深度图片，根据所述双目立体相机的倾斜角数据和所述深度图片，对所述双目立体相机的坐标系进行标定，得到所述双目立体相机坐标数据的配置文件；根据所述配置文件，计算得到所述深度图片中的人物骨骼数据，将所述人物骨骼数据统一重置到所述双目立体相机的坐标系下，再将与所述双目立体相机获取到的捕捉数据融合，得到人物骨骼关节的追踪数据；根据所述追踪数据，将人物骨骼关节与虚拟环境结合，得到虚拟环境中人物动作捕捉画面。

本方案借助多台双目立体相机的双目立体摄像头，从多个角度捕捉深度图片，以获取全方位的深度信息。利用双目立体相机的倾斜角数据和深度图片，结合图像识别的AI算法，对各个双目立体相机的坐标系进行标定。标定后，生成了包含相机位置、姿态等信息的配置文件。利用配置文件，对深度图片中的人物骨骼数据进行计算。这些数据按照标定后的坐标系进行重置，确保了数据的一致性和准确性。利用多台双目立体相机获取的捕捉数据，进行数据融合。通过综合各个角度的数据，消除数据抖动、修正误差，提升了人物骨骼关节的追踪效果。基于融合后的追踪数据，将人物骨骼关节与虚拟环境相结合。通过IK算法等技术，确保虚拟环境中人物的动作与真实姿态相符，从而创造更加沉浸、逼真的虚拟现实体验。

在本申请一些实施例中，根据所述深度图片和图像识别的AI算法，得到所述深度图片中人物骨架姿态数据；通过逐帧对比所述人物骨架姿态数据，来校准每台所述双目立体相机的相对位置。

使用多台双目立体相机，从不同角度对场景进行拍摄，获得包含深度信息的彩色画面，这些画面将为后续的相机坐标系标定提供数据基础。借助相机内置的IMU(惯性测量单元)，获取每台相机的倾斜角度数据，包括俯仰角和横滚角。这些角度数据将在坐标系标定中被用来调整相机位置。在场景中引导一位用户进行连续的走动，通过多台双目立体相机捕捉深度画面，并运用图像识别的AI算法，获得用户的人物全身骨架姿态数据。逐帧地对比不同相机捕捉到的骨架数据，以校准每台相机的相对位置。以第一台相机位置作为坐标原点，并参考相机IMU检测到的水平朝向，记录其他相机的位置偏移和偏航角。在相机位置标定过程中，记录用户走动过程中的最低点位置，相对于第一台相机。通过连续的数据对比，对整个坐标系的水平面和第一台相机的物理高度进行校准，同时对其他相机的位置数据进行高度偏移的校准。将校准后的相机坐标数据和参数保存为一个配置文件。此文件将包含各个相机的位置、姿态、相对关系以及高度偏移等信息。

在本申请一些实施例中，所述计算得到所述深度图片中的人物骨骼数据包括：根据所述配置文件驱动运行SDK，所述多台双目立体相机根据所述深度图片和AI算法分别计算所述人物骨骼数据。

使用之前生成的配置文件，设置和驱动SDK(软件开发工具包)，使得多台双目立体相机能够在运行时共同工作。在运行时，每台相机基于深度画面和AI模型分别计算用户的人物全身骨骼姿态，这些姿态数据将是后续校准和数据融合的基础。针对每台相机所获得的AI动作捕捉数据，将人物骨骼数据统一重置到之前校准后的坐标系中。通过这个步骤，不同相机获得的数据将具有一致的坐标系基准，为数据融合提供了统一的基础。将每台相机获得的校准后的人物骨骼数据进行融合，通过合并不同角度和视角的数据，减少数据抖动和误差，从而获得更准确的人物骨骼关节追踪数据。通过以上步骤，在运行时能够实现对从多台双目立体相机获得的人物骨骼数据的校准、重置和融合。这个过程将为后续的虚拟环境结合以及动作捕捉数据的渲染提供更准确和稳定的基础，从而创造出更加逼真和流畅的虚拟现实体验。

在本申请一些实施例中，所述将人物骨骼关节与虚拟环境结合包括：根据所述追踪数据，驱动虚拟角色在虚拟场景运动；从所述虚拟角色足部发射一条垂直向下的射线，检测到虚拟场景地面碰撞后，计算所述虚拟角色足部与所述虚拟场景地面的高度差；根据所述高度差将所述虚拟角色平移到所述虚拟场景地面，并对之后所有的所述追踪数据都加上所述高度差。

从之前运行时校准和数据融合步骤中获得的实时骨骼数据中，提取每个骨骼关节的角度数据。将实时骨骼数据中的角度信息用作输入，驱动虚拟角色在虚拟现实场景中进行运动。这样，虚拟角色将根据真实用户的动作姿态进行模拟。考虑到不同用户的身高差异，虚拟现实中的角色可能会出现身体部位与实际位置不匹配的情况。在虚拟角色的足部上下5米范围内发射一条垂直向下的射线，检测地面碰撞。这将允许系统检测虚拟角色与地面的高度差。根据检测到的高度差，平滑地将虚拟角色移动到与虚拟环境地面贴合的高度上。此外，将高度差锁定，以便在后续的动作捕捉中对所有数据添加相应的高度偏移，以确保虚拟角色与虚拟场景的地面始终保持贴合状态。

在本申请一些实施例中，所述方法还包括：通过一欧元滤波算法消除所述人物骨骼数据的数据抖动。

在动作捕捉过程中，由于各种因素(例如传感器噪音、运动不稳定等)，捕捉到的人物骨骼数据可能会出现微小的抖动，影响数据的平滑性和准确性。为了解决这个问题，本申请实施例采用了一欧元滤波算法。这是一种数字信号处理中常用的滤波技术，旨在减少噪音和抖动，从而得到更平滑的数据，除一欧元滤波算法外还可以采用卡尔曼滤波器、无迹卡尔曼滤波器(UKF)、移动平均滤波器对抖动数据进行处理。通过引入一欧元滤波算法，本方案可以有效地消除人物骨骼数据中的数据抖动，提升数据的稳定性和可靠性。这将为后续的虚拟环境结合以及动作捕捉数据的渲染提供更加准确和流畅的基础，创造出更真实和出色的虚拟现实体验。

在本申请一些实施例中，所述所述将人物骨骼关节与虚拟环境结合包括：从所述虚拟角色足部发射射线，获取所述虚拟场景地面的位置和朝向，当所述虚拟角色足部追踪点离地距离小于第一阈值时，采用IK算法进行调整。

虚拟角色的双脚发射射线，这些射线将与虚拟环境进行碰撞检测，以确定虚拟角色足部与虚拟场景地面的位置和朝向。当射线与虚拟环境发生碰撞时，获取碰撞点的位置和法线方向，这些信息将用于后续的虚拟角色调整过程。检测虚拟角色足部追踪点与虚拟场景地面之间的距离。如果距离小于预设的第一阈值，表示出现追踪误差，需要进行调整。当检测到虚拟角色足部追踪点距离地面小于第一阈值时，触发IK(逆向动力学)算法进行调整。根据虚拟角色足部的追踪点位置、虚拟场景地面法线方向，以及期望的地面高度，计算需要调整的关节角度，以使虚拟角色的足部与地面贴合。

逆向动力学(Inverse Kinematics)IK算法是一种计算方法，用于确定多关节系统中每个关节的旋转角度，以使系统的末端效应器(如手或足部)达到特定的目标位置或朝向。在计算机图形学、动画和机器人控制等领域广泛应用。在虚拟现实中，IK算法用于控制虚拟角色的关节以模拟人体的自然运动，以下是IK算法的一般工作原理：

目标定义，IK算法首先需要确定一个目标位置或朝向，这通常是虚拟角色的末端效应器(例如手或脚)应该达到的位置或朝向。

目标反推，然后，IK算法反向推导每个关节的旋转角度，以使末端效应器能够到达目标位置或朝向。这是“逆向”的含义，因为它是从末端效应器开始，反向计算关节角度。

迭代求解，IK算法通常使用迭代的方法来逐步调整关节角度，以逼近目标位置或朝向。在每次迭代中，算法计算当前关节角度与目标之间的误差，然后根据误差调整关节角度。这个过程会不断迭代，直到误差足够小或达到最大迭代次数。

约束和限制。在实际应用中，关节角度可能会受到物理限制和约束的影响。例如，人体关节不能扭曲到不自然的角度。因此，IK算法通常会考虑这些限制，确保生成的角度符合生物力学规律。

IK算法的复杂性取决于系统的结构和约束，以及目标的特性。在虚拟现实中，IK算法可以用于确保虚拟角色的运动与现实中的人体运动保持一致，从而实现更真实的虚拟环境体验。

在本申请一些实施例中，所述采用IK算法进行调整包括：根据所述虚拟场景地面的位置和朝向，调整所述虚拟角色的位置和朝向；对所述虚拟角色的关节采用所述追踪数据，并通过IK算法获取所述虚拟角色大腿根部关节和膝关节的旋转角度，并驱动所述虚拟角色的骨骼进行调整。

基于获取的虚拟场景地面位置和朝向信息，对虚拟角色的位置和朝向进行调整，通过将虚拟角色的位置移动到虚拟场景地面的高度，以及根据地面法线方向调整虚拟角色的朝向，使虚拟角色与虚拟环境地面紧密贴合。使用追踪数据来驱动虚拟角色的关节，并应用IK(逆向动力学)算法来获取虚拟角色的大腿根部关节和膝关节的旋转角度。将通过IK算法计算得到的旋转角度应用到虚拟角色的骨骼结构中，这将导致虚拟角色的大腿根部关节和膝关节发生调整，从而使虚拟角色的腿部姿态与虚拟环境地面保持贴合。通过以上步骤，将实现通过IK算法对虚拟角色进行精确的调整，以使其与虚拟环境地面贴合并呈现出更加自然的动作。IK算法将在虚拟现实中自动调整虚拟角色的位置、朝向和关节角度，使其与用户的实际动作更加一致，为用户创造出更具身临其境感的虚拟现实体验。

如图2所示，本申请实施例提供一种基于双目立体相机的多人动捕系统，所述系统包括：坐标系标定模块，用于通过多台双目立体相机，从不同角度拍摄深度图片，根据所述双目立体相机的倾斜角数据和所述深度图片，对所述双目立体相机的坐标系进行标定，得到所述双目立体相机坐标数据的配置文件；骨骼校准模块，用于根据所述配置文件，计算得到所述深度图片中的人物骨骼数据，将所述人物骨骼数据统一重置到所述双目立体相机的坐标系下，再将与所述双目立体相机获取到的捕捉数据融合，得到人物骨骼关节的追踪数据；虚拟场景模块，用于根据所述追踪数据，将人物骨骼关节与虚拟环境结合，得到虚拟环境中人物动作捕捉画面。

不难发现，本申请实施例是与方法实施例相对应的系统实施例，本申请实施例的实现细节已在方法实施例中阐述，为避免重复，此处不再赘述。

此外，本申请实施例还提供了一种基于双目立体相机的多人动捕设备，该设备的结构如图3所示，所述设备包括用于存储计算机可读指令的存储器90和用于执行计算机可读指令的处理器100，其中，当该计算机可读指令被该处理器执行时，触发所述处理器执行上述方法。

本申请实施例中的方法和/或实施例可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被处理单元执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图或框图示出了按照本申请各种实施例的设备、方法和计算机程序产品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，该模块、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，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示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针对硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本申请实施例还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个计算机可读指令，所述计算机可读指令可被处理器执行以实现前述本申请的多个实施例的方法和/或技术方案的步骤。

在本申请一个典型的配置中，终端、服务网络的设备均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体，可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

此外，本申请实施例还提供了一种计算机程序，所述计算机程序存储于计算机设备，使得计算机设备执行所述控制代码执行的方法。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。