无人机器控制方法、装置、计算机设备及存储介质与流程

1.本公开涉及智能机器人技术领域，尤其涉及一种无人机器控制方法、装置、计算机设备及存储介质。


背景技术：

2.随着科学技术的发展，可移动机器人也越来越广泛地应用于各个领域中，可移动机器人可以代替人们完成大量的工作，例如，送药机器人可以为病人送药、巡逻机器人帮助安保人员进行巡逻、以及清洁机器人可以为人们进行地板清洁等。各个类型的可移动机器人在生活中的广泛使用，可以给人们待来极大的便利。
3.现有技术中，扫地机器人一般搭载激光雷达作为环境信息输入的传感器，可以进行较为准确的环境的测量与感知。激光雷达因为基于光学检测，在行走过程中遇到玻璃等障碍物时会穿过，从而导致玻璃障碍物测量不准，当机器人靠近玻璃时会因为无法识别而直接撞击，导致不必要的碰撞和绕障，进一步影响运动规划和清扫效率。


技术实现要素：

4.有鉴于此，本公开实施例提供了一种无人机器控制方法、装置、计算机设备及存储介质，以解决现有技术中激光雷达对于玻璃障碍物测量不准，容易发生不必要的碰撞和绕障，影响运动规划和清扫效率的问题。
5.本公开实施例的第一方面，提供了一种无人机器控制方法，包括：
6.获取无人机器在行驶路径上的前方图像和激光雷达数据；
7.利用图像识别模型，对前方图像进行分类识别；
8.在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；
9.将具体位置信息传输到路径规划模块，得到路径信息；
10.基于路径信息和激光雷达数据，控制无人机器的行驶路径。
11.本公开实施例的第二方面，提供了一种无人机器控制装置，包括：
12.获取模块，用于获取无人机器在行驶路径上的前方图像和激光雷达数据；
13.分类模块，用于利用图像识别模型，对前方图像进行分类识别；
14.确定模块，用于在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；
15.传输模块，用于将具体位置信息传输到路径规划模块，得到路径信息；
16.控制模块，用于基于路径信息和激光雷达数据，控制无人机器的行驶路径。
17.本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
18.本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
19.本公开实施例与现有技术相比存在的有益效果是：通过获取无人机器在行驶路径上的前方图像和激光雷达数据，再利用图像识别模型，对前方图像进行分类识别，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息，将具体位置信息传输到路径规划模块，得到路径信息，基于路径信息和激光雷达数据，控制无人机器的行驶路径。本公开实现了通过图像识别技术将激光会产生较大误差的玻璃进行优化处理，避免了机器人的碰撞，有效优化了行走效率并提高了机器人的智能性。
附图说明
20.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
21.图1是本公开实施例的应用场景的场景示意图；
22.图2是本公开实施例提供的一种无人机器控制方法的流程图；
23.图3是本公开实施例提供的另一种无人机器控制方法的流程图；
24.图4是本公开实施例提供的一种无人机器控制装置的框图；
25.图5是本公开实施例提供的一种计算机设备的示意图。
具体实施方式
26.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
27.下面将结合附图详细说明根据本公开实施例的一种无人机器控制方法和装置。
28.图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括无人机器1、图像采集设备2和激光雷达3、服务器4以及网络5。
29.无人机器1可以是诸如送药机器人、巡逻机器人、以及清洁机器人等移动的机器人，本公开实施例对此不作限制。
30.图像采集设备2可以是用来拍摄无人机器1在行驶方向上前方路径的图像的各种设备，包括但不限于广角摄像头、双目摄像头、电荷耦合器件(charge coupled device，ccd)摄像头、无线摄像头、变焦摄像机、枪型摄像机、半球摄像机、宽动态摄像机等。图像采集设备2可以安装在无人机器1上的任何位置，例如，前方，中间，后方等，本公开实施例对此不作限制。进一步地，图像采集设备2内设置有无线通信模块，以经由网络向设置在无人机器1中的处理器或服务器传送图像采集设备2所拍摄的图像信息。
31.激光雷达3是一种光学传感器，其使用红外激光束确定传感器与附近物体之间的距离。在本公开实施例中，激光雷达3用于采集无人机器1在行驶方向上前方路径的激光雷达数据。激光雷达3可以安装在无人机器1上的任何位置，例如，前方，中间，后方等，本公开实施例对此不作限制。
32.服务器4可以是提供各种服务的服务器，例如，对与其建立通信连接的终端设备发
送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器4可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
33.需要说明的是，服务器4可以是硬件，也可以是软件。当服务器4为硬件时，其可以是为无人机器1、图像采集设备2和激光雷达3提供各种服务的各种电子设备。当服务器4为软件时，其可以实现为为无人机器1、图像采集设备2和激光雷达3提供各种服务的多个软件或软件模块，也可以实现为为无人机器1、图像采集设备2和激光雷达3提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
34.网络5可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(bluetooth)、近场通信(near field communication，nfc)、红外(infrared)等，本公开实施例对此不作限制。
35.以无人机器1的处理器为例，图像采集设备2和激光雷达3可以经由网络5与服务器4建立通信连接，以接收或发送信息等。具体地，在图像采集设备2获取到无人机器1在行驶方向上前方路径的图像，并且激光雷达3获取到无人机器1在行驶方向上前方路径的激光雷达数据之后，图像采集设备2和激光雷达3经由网络5将获取到的图像和激光雷达数据传送到处理器；进一步地，处理器对获取到的图像进行分类识别，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息，然后基于路径信息和激光雷达数据，控制无人机器1的行驶路径。
36.需要说明的是，无人机器1、图像采集设备2和激光雷达3、服务器4以及网络5的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
37.图2是本公开实施例提供的一种无人机器控制方法的流程图。图2的无人机器控制方法可以由图1的服务器执行。如图2所示，该无人机器控制方法包括：
38.s201，获取无人机器在行驶路径上的前方图像和激光雷达数据；
39.s202，利用图像识别模型，对前方图像进行分类识别；
40.s203，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；
41.s204，将具体位置信息传输到路径规划模块，得到路径信息；
42.s205，基于路径信息和激光雷达数据，控制无人机器的行驶路径。
43.具体地，服务器可以通过有线或无线的方式获取无人机器在行驶路径上的前方图像和激光雷达数据；在获取到前方图像和激光雷达数据之后，服务器利用图像识别模型，对前方图像进行分类识别；在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；进一步地，服务器将具体位置信息传输到路径规划模块，得到路径信息；基于路径信息和激光雷达数据，控制无人机器的行驶路径。
44.这里，激光雷达数据可以是通过安装在无人机器上的激光雷达得到的数据。激光雷达分为多种类别，扫地机器人使用的一般为激光测距雷达。激光测距雷达是通过发射激光光束，光束击中被测物体后返回并被雷达接收到反射波，计算时间差来计算飞行的距离从而得到距离测试点的距离。并且扫地机器人使用的基本为单线激光雷达，单线激光雷达的主要特点是扫描速度快，分辨率高，可靠性强，因此在距离和精度上更准确，但同时只能平面式扫描，无法进行三维测量。这里的数据也可以是点云数据，点云数据是指在一个三维
坐标系统中的一组向量的集合。点云数据除了具有几何位置以外，有的还有颜色信息，颜色信息通常是通过相机获取彩色影像，然后将对应位置的像素的颜色信息(rgb)赋予点云中对应的点。
45.前方图像可以是对安装在无人机器上的摄像装置拍摄的无人机器在行驶路径上的图片或视频。
46.图像识别模型是通过训练得到的，例如，alexnet、vgg19、resnet_152、inceptionv4、densenet。服务器可以将前方图像输入图像识别模型，得到前方图像对应的类别。这里的，类别可以是动物，人，墙，玻璃障碍物等。玻璃障碍物包括但不限于落地窗、玻璃门、玻璃茶几等。
47.具体位置信息可以是用于表征识别出的玻璃障碍物在无人机器和玻璃障碍物所在空间的三维空间位置，可以是一个三维坐标。
48.路径规划模块可以是路径规划算法，路径规划算法可以大致分为四类：传统算法、图形学的方法、智能仿生学算法和其他算法。传统的路径规划算法有：模拟退火算法(simulated annealing，sa)、人工势场法、模糊逻辑算法、禁忌搜索算法(ts)等。图形学的方法有：c空间法、栅格法、自由空间法、voronoi图法等。智能仿生学算法有：蚁群算法(ant colony algorithm，aca)、神经网络算法、粒子群算法、遗传算法(genetic algorithms，ga)等。
49.路径信息可以是用于描述从无人机器现在的位置到经过玻璃障碍物的路线的图片或文字。
50.服务器可以基于激光雷达数据建立无人机器所在空间的初始三维空间地图，然后，基于路径信息更新初始三维空间地图，基于更新后的初始三维空间地图控制无人机器的行驶路径。根据本公开实施例提供的技术方案，通过获取无人机器在行驶路径上的前方图像和激光雷达数据，再利用图像识别模型，对前方图像进行分类识别，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息，将具体位置信息传输到路径规划模块，得到路径信息，基于路径信息和激光雷达数据，控制无人机器的行驶路径。本公开实现了通过图像识别技术将激光会产生较大误差的玻璃进行优化处理，避免了机器人的碰撞，有效优化了行走效率并提高了机器人的智能性。
51.在一些实施例中，在对前方图像识别出玻璃障碍物的情况下，根据图像采集设备的位置信息和无人机器的坐标系的转换，获取玻璃障碍物的具体位置信息。
52.具体地，图像采集设备可以是用来拍摄无人机器在行驶方向上前方路径的图像的各种设备，包括但不限于广角摄像头、双目摄像头、电荷耦合器件摄像头、无线摄像头、变焦摄像机、枪型摄像机、半球摄像机、宽动态摄像机等。无人机器的坐标系可以是无人机器的所在空间的三维空间坐标系。图像采集设备可以是安装在无人机器上的。服务器可以以将图像采集设备的三维坐标落实到上述三维空间坐标系中，基于图像采集设备的本身属性可以知道前方图像中玻璃障碍物距离图像采集设备的距离，和玻璃障碍物的尺寸信息。本身属性可以是相机的焦距等。尺寸信息可以是玻璃障碍物的长、宽和高。
53.根据本公开实施例提供的技术方案，通过在无人机器上安装图像采集设备可以获取视觉相关信息，包括室内空间划分以及特定物体类别的识别，可以进行三维测量。
54.在一些实施例中，基于具体位置信息将玻璃障碍物在无人机器的空间地图上标
出。
55.具体地，无人机器的空间地图可以是根据gps定位得到的无人机器的所在空间的空间地图。服务器可以以无人机器所在位置为标准，在无人机器的空间地图上标出具体位置信息所代表的位置。
56.根据本公开实施例提供的技术方案，通过在无人机器的空间地图上标出具体位置信息所代表的位置可以更加清晰准确的确定玻璃障碍物的位置，从而更精准的避让。
57.在一些实施例中，图像识别模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图片和与样本图片对应的样本类别；将训练样本集合中的训练样本的样本图片作为输入，将与输入的样本图片对应的样本类别作为期望输出，训练得到图像识别模型。
58.具体地，图像识别模型可以用于表征图像与类别之间的对应关系，电子设备可以通过多种方式训练出可以表征图像与类别之间的对应关系的图像识别模型。电子设备可以基于对大量记录有图像和类别进行统计而生成存储有多个记录有图像与类别之间的对应关系的对应关系表，并将该对应关系表作为图像识别模型。这样，电子设备可以将前方图像与该对应关系表中的多个记录信息依次进行比较，若该对应关系表中的一个图像与前方图像相同或相似，则将该对应关系表中的该图像所对应的类别作为前方图像的类别。
59.可选地，图像识别模型可以是基于训练样本集合执行以下训练步骤得到的：将训练样本集合中的至少一个训练样本的样本图像分别输入至初始机器学习模型，得到上述至少一个训练样本中的每个样本图像所对应的类别；将上述至少一个训练样本中的每个样本图像对应的类别与对应的样本类别进行比较；根据比较结果确定上述初始机器学习模型的预测准确率；确定上述预测准确率是否大于预设准确率阈值；响应于确定上述准确率大于上述预设准确率阈值，则将上述初始机器学习模型作为训练完成的图像识别模型；响应于确定上述准确率不大于上述预设准确率阈值，调整上述初始机器学习模型的参数，以及使用未使用过的训练样本组成训练样本集合，使用调整后的初始机器学习模型作为初始机器学习模型，再次执行上述训练步骤。
60.可以理解的是，经过上述训练之后，图像识别模型可以用于表征样本图像与样本类别之间的对应关系。上述提及的图像识别模型可以是卷积神经网络模型。
61.根据本公开实施例提供的技术方案，通过模型对前方图像进行识别，可以提高图像识别的准确度和速度。
62.在一些实施例中，获取安装在无人机器上的激光雷达检测到的无人机器的激光雷达数据；获取安装在无人机器上的图像采集设备捕捉到的无人机器在行驶路径上的前方图像。
63.具体地，雷达也称为无线电定位，是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。雷达的种类很多，按照信号形式可以分为脉冲雷达、连续波雷达、脉部压缩雷达和频率捷变雷达等；按照角跟踪方式可以分为单脉冲雷达、圆锥扫描雷达和隐蔽圆锥扫描雷达等；按照目标测量的参数可以分为测高雷达、二坐标雷达、多站雷达等；按雷达频段可以分为超视距雷达、微波雷达、毫米波雷达以及激光雷达等。优选地，在本公开实施例中，雷达为激光测距雷达，该激光测距雷达可以安装在无人机器的任何位置，本
公开实施例对此不作限制。
64.根据本公开实施例提供的技术方案，因为激光测距雷达为单线激光雷达，单线激光雷达的主要特点是扫描速度快，分辨率高，可靠性强，因此在距离和精度上更准确。
65.在一些实施例中，利用具体位置信息和路径规划算法，得到路径信息。
66.具体地，服务器可以将具体位置信息作为参数，利用路径规划算法进行计算，得到路径信息。
67.根据本公开实施例提供的技术方案，通过算法计算得到的路径信息比认为划定的路线更加准确。
68.在一些实施例中，激光雷达包括：单线束激光雷达和多线束激光雷达。
69.具体地，单线束激光雷达的主要特点是扫描速度快，分辨率高，可靠性强，因此在距离和精度上更准确，但同时只能平面式扫描，无法进行三维测量。多线束激光雷达可以识别物体的高度信息并获取周围环境的3d扫描图，主要应用于无人驾驶领域。上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
70.图3是本公开实施例提供的另一种无人机器控制方法的流程图。图3的无人机器控制方法可以由服务器执行。如图3所示，该无人机器控制方法包括：
71.s301，获取安装在无人机器上的激光雷达检测到的无人机器的激光雷达数据；
72.s302，获取安装在无人机器上的图像采集设备捕捉到的无人机器在行驶路径上的前方图像；
73.s303，利用图像识别模型，对前方图像进行分类识别；
74.s304，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；
75.s305，将具体位置信息传输到路径规划模块，得到路径信息；
76.s306，基于路径信息和激光雷达数据，控制无人机器的行驶路径；
77.s307，根据具体位置信息将玻璃障碍物在无人机器的空间地图上标出。
78.具体地，安装在无人机器上的激光雷达将获取到的无人机器在行驶方向上的激光雷达数据发送至服务器，安装在无人机器上的图像采集设备获取到的无人机器在行驶路径上的前方图像发送至服务器，在获取到前方图像和激光雷达数据之后，服务器利用图像识别模型，对前方图像进行分类识别；在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；进一步地，服务器将具体位置信息传输到路径规划模块，得到路径信息；基于路径信息和激光雷达数据，控制无人机器的行驶路径，最后，根据具体位置信息将玻璃障碍物在无人机器的空间地图上标出。
79.根据本公开实施例提供的技术方案，通过获取无人机器在行驶路径上的前方图像和激光雷达数据，再利用图像识别模型，对前方图像进行分类识别，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息，将具体位置信息传输到路径规划模块，得到路径信息，基于路径信息和激光雷达数据，控制无人机器的行驶路径。本公开实现了通过图像识别技术将激光会产生较大误差的玻璃进行优化处理，避免了机器人的碰撞，有效优化了行走效率并提高了机器人的智能性。
80.下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
81.图4是本公开实施例提供的一种无人机器控制装置的示意图。如图4所示，该无人机器控制装置包括：
82.获取模块401，用于获取无人机器在行驶路径上的前方图像和激光雷达数据；
83.分类模块402，用于利用图像识别模型，对前方图像进行分类识别；
84.确定模块403，用于在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息；
85.传输模块404，用于将具体位置信息传输到路径规划模块，得到路径信息；
86.控制模块405，用于基于路径信息和激光雷达数据，控制无人机器的行驶路径。
87.根据本公开实施例提供的技术方案，通过获取无人机器在行驶路径上的前方图像和激光雷达数据，再利用图像识别模型，对前方图像进行分类识别，在对前方图像识别出玻璃障碍物的情况下，确定玻璃障碍物的具体位置信息，将具体位置信息传输到路径规划模块，得到路径信息，基于路径信息和激光雷达数据，控制无人机器的行驶路径。本公开实现了通过图像识别技术将激光会产生较大误差的玻璃进行优化处理，避免了机器人的碰撞，有效优化了行走效率并提高了机器人的智能性。
88.在一些实施例中，图4的确定模块403在对前方图像识别出玻璃障碍物的情况下，根据图像采集设备的位置信息和无人机器的坐标系的转换，获取玻璃障碍物的具体位置信息。
89.在一些实施例中，该无人机器控制装置还包括：标出模块406，用于基于具体位置信息将玻璃障碍物在无人机器的空间地图上标出。
90.在一些实施例中，图像识别模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图片和与样本图片对应的样本类别；将训练样本集合中的训练样本的样本图片作为输入，将与输入的样本图片对应的样本类别作为期望输出，训练得到图像识别模型。
91.在一些实施例中，图4的获取模块401获取安装在无人机器上的激光雷达检测到的无人机器的激光雷达数据；获取安装在无人机器上的图像采集设备捕捉到的无人机器在行驶路径上的前方图像。
92.在一些实施例中，图4的传输模块404利用具体位置信息和路径规划算法，得到路径信息。
93.在一些实施例中，激光雷达包括：单线束激光雷达和多线束激光雷达。
94.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
95.图5是本公开实施例提供的计算机设备5的示意图。如图5所示，该实施例的计算机设备5包括：处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
96.示例性地，计算机程序503可以被分割成一个或多个模块/单元，一个或多个模块/单元被存储在存储器502中，并由处理器501执行，以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序503在
计算机设备5中的执行过程。
97.计算机设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是计算机设备5的示例，并不构成对计算机设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如，计算机设备还可以包括输入输出设备、网络接入设备、总线等。
98.处理器501可以是中央处理单元(central processing unit，cpu)，也可以是其它通用处理器、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)或者其它可编程逻辑器件、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。
99.存储器502可以是计算机设备5的内部存储单元，例如，计算机设备5的硬盘或内存。存储器502也可以是计算机设备5的外部存储设备，例如，计算机设备5上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器502还可以既包括计算机设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器502还可以用于暂时地存储已经输出或者将要输出的数据。
100.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
101.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述或记载的部分，可以参见其它实施例的相关描述。
102.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。
103.在本公开所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
104.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单元来实现本实施例方案的目的。
105.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
106.集成的模块/单元如果以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存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
107.以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，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公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。