自动驾驶方法、装置、处理设备及存储介质与流程

1.本发明涉及自动驾驶技术领域，尤其涉及一种自动驾驶方法、装置、处理设备及存储介质。


背景技术：

2.近年来，人工智能在自动驾驶领域得到了深入的发展和应用，例如可以利用经训练的神经网络对车辆当前采集到的和生成的信息，得到车辆的控制信息从而实现自动驾驶。
3.然而，由于用于自动驾驶的神经网络设计、训练过程复杂，且训练过程耗费大量的时间和资源，如果训练成果应用于未授权的车辆会造成多方损失。


技术实现要素：

4.有鉴于此，本公开提出一种自动驾驶方案，以解决上述技术问题。
5.第一方面，提出一种自动驾驶方法，应用于服务器，所述方法包括：获取经训练的神经网络，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息；利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据第一车辆信息生成；将所述加密网络参数和指示信息发送至目标车辆的处理设备，以使所述处理设备根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；在所述第二车辆信息与所述第一车辆信息一致的情况下，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络进行自动驾驶。
6.结合本公开提供的任一实施方式，所述神经网络的网络参数包含所述目标车辆的参数信息。
7.结合本公开提供的任一实施方式，所述利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，包括：利用所述加密函数对所述网络参数的其中一层参数进行加密，得到加密网络参数。
8.第二方面，提出一种自动驾驶方法，应用于目标车辆的处理设备，所述方法包括：获取经训练的神经网络的加密网络参数和指示信息，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息，所述加密网络参数是利用加密函数对神经网络的至少部分网络参数加密得到的，所述加密函数是根据所述第一车辆信息生成的；根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；利用所述解密函数对所述加密网络参数解密，在所述第二车辆信息与所述第一车辆信息一致的情况下，得到解密后的网络参数；利用所述神经网络进行自动驾驶。
9.结合本公开提供的任一实施方式，所述神经网络的网络参数包含所述目标车辆的参数信息。
10.结合本公开提供的任一实施方式，所述加密网络参数是对所述网络参数的其中一
层参数进行加密得到的。
11.第三方面，提出一种自动驾驶装置，应用于服务器，所述装置包括：获取单元，用于获取经训练的神经网络，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息；加密单元，用于利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据第一车辆信息生成；发送单元，用于将所述加密网络参数和指示信息发送至目标车辆的处理设备，以使所述处理设备根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；在所述第二车辆信息与所述第一车辆信息一致的情况下，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络进行自动驾驶。
12.结合本公开提供的任一实施方式，所述神经网络的网络参数包含所述目标车辆的参数信息。
13.结合本公开提供的任一实施方式，所述加密单元具体用于：利用所述加密函数对所述网络参数的其中一层参数进行加密，得到加密网络参数。
14.第四方面，提出一种自动驾驶装置，应用于目标车辆的处理设备，所述装置包括：接收单元，用于获取经训练的神经网络的加密网络参数和指示信息，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息，所述加密网络参数是利用加密函数对神经网络的至少部分网络参数加密得到的，所述加密函数是根据所述第一车辆信息生成的；获取单元，用于根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；解密单元，用于利用所述解密函数对所述加密网络参数解密，在所述第二车辆信息与所述第一车辆信息一致的情况下，得到解密后的网络参数；驾驶单元，用于利用所述神经网络进行自动驾驶。
15.结合本公开提供的任一实施方式，所述神经网络的网络参数包含所述目标车辆的参数信息。
16.结合本公开提供的任一实施方式，所述加密网络参数是对所述网络参数的其中一层参数进行加密得到的。
17.第五方面，提出一种处理设备，所述设备包括存储器、处理器，所述存储器用于存储可在处理器上运行的计算机指令，所述处理器用于在执行所述计算机指令时实现本公开提供的任一实施方式。
18.第六方面，提出一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开提供的任一实施方式。
19.第七方面，提出一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现本公开提供的任一实施方式。
20.本公开提供的自动驾驶方案，利用加密函数对经训练的神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据目标车辆的设定信息生成；将所述加密网络参数发送至目标车辆的处理设备，以使所述处理设备根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；在所述第二车辆信息与所述第一车辆信息一致的情况下，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络进行自动驾驶。通过根据第一车辆信息对神经网络的网络参数进行加密，使得只有神经网络的设计和训练所针对的目标车辆才能解密所述加密网络参数，
从而能够使用该神经网络进行自动驾驶，保障了神经网络应用的安全性。
21.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，并不能限制本公开。
附图说明
22.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
23.图1示出本公开至少一个实施例提出的一种自动驾驶方法的流程图；
24.图2示出本公开至少一个实施例提出的另一种自动驾驶方法的流程图；
25.图3示出本公开至少一个实施例提出的一种自动驾驶装置的结构示意图；
26.图4示出本公开至少一个实施例提出的另一种自动驾驶装置的结构示意图；
27.图5示出本公开至少一个实施例提出的处理设备的结构图。
具体实施方式
28.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利
29.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明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。
30.应当理解，尽管在本发明可能采用术语第一、第二等来描述各种结构或信息，但这些结构不应限于这些术语。这些术语仅用来将同一类型的结构或信息彼此区分开。
31.图1示出本公开至少一个实施例提出的一种自动驾驶方法的流程图。该方法应用于服务器，所述服务器可以是神经网络的开发商或者供应商的服务器，也可以是用于自动驾驶车辆的服务器。如图1所示，该自动驾驶方法可以包括步骤101～103。
32.在步骤101中，获取经训练的神经网络。其中，所述神经网络用于根据环境感知信息和车辆状态信息进行处理生成车辆的控制信息，也即是用于进行自动驾驶的神经网络。
33.在本公开实施例中，所述环境感知信息通常是由设置在车辆上的传感器探测得到的，包括车辆周围环境中的各类目标对象的距离数据、速度数据、状态数据等等，所述传感器例如为设置摄像头、激光雷达、毫米波雷达等等。所述车辆状态信息例如为车辆位置、速度、行驶方向等信息。
34.可以根据环境感知信息样本和车辆状态信息样本，对所述神经网络进行训练。进行训练的执行主体，可以是所述服务器，也可以由其他设备进行，本公开对此不进行限制。
35.在步骤102中，利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据目标车辆的设定信息生成。
36.其中，所述网络参数包括各层神经元的连接权重、偏置值等等。可以利用加密函数对全部网络参数进行加密，也可以对部分网络参数进行加密。
37.在一个示例中，可以利用所述加密函数对网络参数的其中一层参数进行加密，例如对其中一层连接权重进行加密，或者对其中一层连接权重和偏置值同时进行加密，得到加密网络参数。
38.通过对其中一层连接权重进行加密，一方面在应用过程中进行解密的系统负担较小，同时也保障了神经网络的安全性。
39.并且，可以将所述加密网络参数存储为设定格式的权重文件，该设定格式可以与原始的未经加密的网络参数的存储格式相同。
40.所述加密函数可以从由一系列加密函数组成的加密函数库中进行选择，所述加密函数库可以包括以下多种算法的加密函数：aes、des、rsa、3des等等。
41.在本公开实施例中，所述加密函数是根据目标车辆的设定信息生成的。其中，所述目标车辆可以是某一品牌的车辆，或者某一型号、某一系列的车辆，或者是授权使用所述神经网络的车辆，或者是具有某一共同特征的车辆；所述设定信息可以是目标车辆所特有的特定信息。也即是说，该加密函数是针对目标车辆设计的。例如，所述神经网络是针对使用xx型号引擎的车辆设计的，那么所述目标车辆的设定信息即为该引擎的型号。通过该引擎的型号生成加密函数，并对至少部分网络参数进行加密，得到加密网络参数。在步骤103中，将所述加密网络参数发送至目标车辆的处理设备，以使所述处理设备从所述目标车辆获取所述设定信息以得到解密函数，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络对环境信息和行驶信息进行处理，得到车辆的控制信息。
42.在应用神经网络时，所述神经网络模型安装于所述目标车辆的处理设备中。所述处理设备可以从所述目标车辆中得到所述设定信息，并根据所述设定信息生成解密函数，以对所述加密网络参数进行解密，得到解密后的网络参数。
43.以所述设定信息为车辆所使用的引擎的型号为例，在应用过程中，处理设备获取自身车辆所使用的引擎的型号，并根据所述引擎的型号生成解密函数。如果车辆所使用的引擎的信号，与服务器用于生成加密函数的引擎型号一致，则所述处理设备所生成的解密函数可以对所述加密网络参数成功进行解密；反之，如果自身车辆所使用的引擎的型号与用于加密的引擎型号不一致，则无法解密加密网络参数，也即无法使用该神经网络进行自动驾驶，从而防止了神经网络被未授权的车辆盗用，保证了神经网络的安全性。
44.在本公开实施例中，利用加密函数对经训练的神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据目标车辆的设定信息生成；将所述加密网络参数发送至目标车辆的处理设备，以使所述处理设备从所述目标车辆获取所述设定信息以得到解密函数，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络对环境信息和行驶信息进行处理，得到车辆的控制信息，通过根据目标车辆的设定信息对神经网络的参数加密，使得只有专门针对进行神经网络的设计和训练的目标车辆才能解密所述加密网络参数，从而能够使用该神经网络进行自动驾驶，保障了神经网络应用的安全性。
45.在一些实现方式中，所述神经网络的网络参数包含了所述目标车辆的参数信息。也即是说，所述神经网络是针对所述目标车辆所设计的，由于所述神经网络参数中包含了目标车辆的参数信息，在应用于所述目标车辆时，所述神经网络可以根据环境感知信息和车辆状态信息生成准确的控制信息。例如，所述神经网络的网络参数中包含了特定型号车
辆的摄像头的内参和外参，对于其他不同型号车辆，由于摄像头安装位置不同、型号也可能不同，因此摄像头的内参和外参可能与所述网络参数中的不同，因此其他不同型号的车辆的摄像头所采集的环境感知信息输入至所述神经网络中，所得到的控制信息可能是有偏差的。而该特定型号车辆应用所述神经网络时，由于摄像头的内参和外参与所述神经网络的网络参数中所包含的摄像头的内参和外参一致，因此基于该车辆的摄像头所采集的环境感知信息，可以得到准确的车辆控制信息以进行自动驾驶。
46.在一些实施方案中，服务器在向所述目标车辆发送加密网络参数的同时，还可以发送指示信息。所述指示信息用于指示所述处理设备如何从所述目标车辆获取所述设定信息。
47.所述指示信息可以指示特定存储地址。例如，所述特定存储地址用于存储车辆的引擎型号，通过将所述特定存储地址发送给目标车辆，可以使目标车辆从所述特征存储地址中获取引擎型号。在所获取的引擎型号与用于加密的引擎型号一致的情况下，则根据所获取的引擎型号所生成的解密函数可以成功对所述加密网络参数进行解密；反之，在所获取的引擎型号与用于加密的引擎型号不一致的情况下，则生成的解密函数无法解密所述加密网络参数，则车辆无法使用神经网络进行自动驾驶。
48.图2示出本公开至少一个实施例提出的另一种自动驾驶方法的流程图。该方法应用于，所述服务器可以是神经网络的开发商或者供应商的服务器，也可以是用于自动驾驶车辆的服务器。如图1所示，该自动驾驶方法可以包括步骤101～103。
49.在步骤101中，获取经训练的神经网络。其中，所述神经网络用于根据环境感知信息和车辆状态信息进行处理生成车辆的控制信息，也即是用于进行自动驾驶的神经网络。
50.在本公开实施例中，所述环境感知信息通常是由设置在车辆上的传感器探测得到的，包括车辆周围环境中的各类目标对象的距离数据、速度数据、状态数据等等，所述传感器例如为设置摄像头、激光雷达、毫米波雷达等等。所述车辆状态信息例如为车辆位置、速度、行驶方向等信息。
51.可以根据环境感知信息样本和车辆状态信息样本，对所述神经网络进行训练。进行训练的执行主体，可以是所述服务器，也可以由其他设备进行，本公开对此不进行限制。
52.在步骤102中，利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据目标车辆的设定信息生成。
53.其中，所述网络参数包括各层神经元的连接权重、偏置值等等。可以利用加密函数对全部网络参数进行加密，也可以对部分网络参数进行加密。
54.在一个示例中，可以利用所述加密函数对网络参数
55.的其中一层参数进行加密，例如对其中一层连接权重进行加密，或者对其中一层连接权重和偏置值同时进行加密，得到加密网络参数。
56.通过对其中一层连接权重进行加密，一方面在应用过程中进行解密的系统负担较小，同时也保障了神经网络的安全性。
57.并且，可以将所述加密网络参数存储为设定格式的权重文件，该设定格式可以与原始的未经加密的网络参数的存储格式相同。
58.所述加密函数可以从由一系列加密函数组成的加密函数库中进行选择，所述加密函数库可以包括以下多种算法的加密函数：aes、des、rsa、3des等等。
59.在本公开实施例中，所述加密函数是根据目标车辆的设定信息生成的。其中，所述目标车辆可以是某一品牌的车辆，或者某一型号、某一系列的车辆，或者是授权使用所述神经网络的车辆，或者是具有某一共同特征的车辆；所述设定信息可以是目标车辆所特有的特定信息。也即是说，该加密函数是针对目标车辆设计的。例如，所述神经网络是针对使用xx型号引擎的车辆设计的，那么所述目标车辆的设定信息即为该引擎的型号。通过该引擎的型号生成加密函数，并对至少部分网络参数进行加密，得到加密网络参数。在步骤103中，将所述加密网络参数发送至目标车辆的处理设备，以使所述处理设备从所述目标车辆获取所述设定信息以得到解密函数，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络对环境信息和行驶信息进行处理，得到车辆的控制信息。
60.在应用神经网络时，所述神经网络模型安装于所述目标车辆的处理设备中。所述处理设备可以从所述目标车辆中得到所述设定信息，并根据所述设定信息生成解密函数，以对所述加密网络参数进行解密，得到解密后的网络参数。
61.以所述设定信息为车辆所使用的引擎的型号为例，在应用过程中，处理设备获取自身车辆所使用的引擎的型号，并根据所述引擎的型号生成解密函数。如果车辆所使用的引擎的信号，与服务器用于生成加密函数的引擎型号一致，则所述处理设备所生成的解密函数可以对所述加密网络参数成功进行解密；反之，如果自身车辆所使用的引擎的型号与用于加密的引擎型号不一致，则无法解密加密网络参数，也即无法使用该神经网络进行自动驾驶，从而防止了神经网络被未授权的车辆盗用，保证了神经网络的安全性。
62.在本公开实施例中，利用加密函数对经训练的神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据目标车辆的设定信息生成；将所述加密网络参数发送至目标车辆的处理设备，以使所述处理设备从所述目标车辆获取所述设定信息以得到解密函数，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络对环境信息和行驶信息进行处理，得到车辆的控制信息，通过根据目标车辆的设定信息对神经网络的参数加密，使得只有专门针对进行神经网络的设计和训练的目标车辆才能解密所述加密网络参数，从而能够使用该神经网络进行自动驾驶，保障了神经网络应用的安全性。
63.在一些实现方式中，所述神经网络的网络参数包含了所述目标车辆的参数信息。也即是说，所述神经网络是针对所述目标车辆所设计的，由于所述神经网络参数中包含了目标车辆的参数信息，在应用于所述目标车辆时，所述神经网络可以根据环境感知信息和车辆状态信息生成准确的控制信息。例如，所述神经网络的网络参数中包含了特定型号车辆的摄像头的内参和外参，对于其他不同型号车辆，由于摄像头安装位置不同、型号也可能不同，因此摄像头的内参和外参可能与所述网络参数中的不同，因此其他不同型号的车辆的摄像头所采集的环境感知信息输入至所述神经网络中，所得到的控制信息可能是有偏差的。而该特定型号车辆应用所述神经网络时，由于摄像头的内参和外参与所述神经网络的网络参数中所包含的摄像头的内参和外参一致，因此基于该车辆的摄像头所采集的环境感知信息，可以得到准确的车辆控制信息以进行自动驾驶。
64.在一些实施方案中，服务器在向所述目标车辆发送加密网络参数的同时，还可以发送指示信息。所述指示信息用于指示所述处理设备如何从所述目标车辆获取所述设定信息。
65.所述指示信息可以指示特定存储地址。例如，所述特定存储地址用于存储车辆的引擎型号，通过将所述特定存储地址发送给目标车辆，可以使目标车辆从所述特征存储地址中获取引擎型号。在所获取的引擎型号与用于加密的引擎型号一致的情况下，则根据所获取的引擎型号所生成的解密函数可以成功对所述加密网络参数进行解密；反之，在所获取的引擎型号与用于加密的引擎型号不一致的情况下，则生成的解密函数无法解密所述加密网络参数，则车辆无法使用神经网络进行自动驾驶。
66.图3示出本公开至少一个实施例提出的一种自动驾驶装置的结构示意图，该装置应用于服务器，所述装置可以包括：获取单元301，用于获取经训练的神经网络，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息；加密单元302，用于利用加密函数对所述神经网络的至少部分网络参数进行加密，得到加密网络参数，其中，所述加密函数根据第一车辆信息生成；发送单元303，用于将所述加密网络参数和指示信息发送至目标车辆的处理设备，以使所述处理设备根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；在所述第二车辆信息与所述第一车辆信息一致的情况下，通过所述解密函数对所述加密网络参数解密得到解密后的网络参数，以利用所述神经网络进行自动驾驶。
67.在一些实施方式中，所述神经网络的网络参数包含所述目标车辆的参数信息。
68.在一些实施方式中，所述加密单元具体用于：利用所述加密函数对所述网络参数的其中一层参数进行加密，得到加密网络参数。
69.图4示出本公开至少一个实施例提出的另一种自动驾驶装置的结构示意图，该装置应用于目标车辆的处理设备，所述装置可以包括：接收单元401，用于获取经训练的神经网络的加密网络参数和指示信息，其中，所述神经网络用于根据环境感知信息和车辆状态信息生成车辆的控制信息，所述加密网络参数是利用加密函数对神经网络的至少部分网络参数加密得到的，所述加密函数是根据所述第一车辆信息生成的；获取单元402，用于根据所述指示信息获取第二车辆信息，并根据所述第二车辆信息生成解密函数；解密单元403，用于利用所述解密函数对所述加密网络参数解密，在所述第二车辆信息与所述第一车辆信息一致的情况下，得到解密后的网络参数；驾驶单元404，用于利用所述神经网络进行自动驾驶。
70.在一些实施方式中，所述神经网络的网络参数包含所述目标车辆的参数信息。
71.在一些实施方式中，所述加密网络参数是对所述网络参数的其中一层参数进行加密得到的。
72.本公开至少一个实施例还提供了一种处理设备，如图5所示，所述设备包括存储器、处理器，存储器用于存储可在处理器上运行的计算机指令，处理器用于在执行所述计算机指令时实现本公开任一实施例所述的自动驾驶方法。
73.本公开至少一个实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的自动驾驶方法。
74.本公开至少一个实施例还提供了一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现本公开任一实施例所述的自动驾驶方法。
75.本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或
结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
76.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于数据处理设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
77.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的行为或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
78.本说明书中描述的主题及功能操作的实施例可以在以下中实现：数字电子电路、有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
79.本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如fpga(现场可编程门阵列)或asic(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
80.适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(pda)、移动音频或视频播放器、游戏操纵台、全球定位系统(gps)接收机、或例如通用串行总线(usb)闪存驱动器的便携式存储设备，仅举几例。
81.适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如eprom、eeprom和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及cd rom和dvd
‑
rom盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
82.虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范
围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
83.类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
84.由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
85.以上所述仅为本说明书一个或多个实施例的较佳实施例而已，并不用以限制本说明书一个或多个实施例，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例保护的范围之内。