基于毫米波雷达的隧道内交通目标定位方法及装置与流程

1.本发明涉及雷达信号处理领域，尤其涉及基于毫米波雷达的隧道内交通目标定位方法及装置。


背景技术：

2.交通隧道是一个半封闭空间，隧道的安稳运行对于人民群众的生命财产安全具有重要意义，所以对其内部的交通目标进行准确监测是必要的。目前用于隧道监测定位的主要传感器有光学、红外、激光与无线通信定位系统等。无线定位系统多数由合作目标与通信基站组成，移动目标定位监测的成功与否，取决于通信技术手段能否有效支撑，采用的通信技术包括zigbee、wifi、uwb等。这类定位系统需要目标随身携带通讯装置，通过与分布式站点的通信实现对目标定位。这些常用于隧道监测的光学、红外、激光等这些传感器，无法穿透烟雾、粉尘、水汽、火焰场等场景，当隧道内部发生车祸等事故时，无法获取目标的实时动态定位跟踪。另外在隧道场景中，目标具有未知性和进出的自由性，不可能携带合作目标定位所需要的配合性装置，目前采用的合作目标定位技术不适用于隧道监测应用。
3.毫米波雷达在自动驾驶，安全防范，交通监控，无人机等多个领域得到了广泛的应用。毫米波雷达具有全天时全天候、穿透烟雾粉尘等遮蔽物的目标探测能力，是隧道内部空间进行目标定位监测的优选技术手段。
4.但是，现有的毫米波雷达目标监测存在准确性较低的问题，而且在隧道环境中会因为多径效应而产生强烈的误检目标。因此亟需一种可以克服上述问题的基于毫米波雷达的隧道内交通目标定位方案。


技术实现要素：

5.本发明实施例提供一种基于毫米波雷达的隧道内交通目标定位方法，用以进行隧道内交通目标定位，提高目标监测准确性，该方法包括：
6.获得毫米波雷达采集的目标位置数据集；
7.从所述目标位置数据集中随机选取多组预设数量的样本数据；
8.对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；
9.根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；
10.根据所述隧道边界曲线，对目标位置数据集进行筛选；
11.根据筛选后的目标位置数据集，进行隧道内交通目标定位。
12.本发明实施例提供一种基于毫米波雷达的隧道内交通目标定位装置，用以进行隧道内交通目标定位，提高目标监测准确性，该装置包括：
13.数据集获得模块，用于获得毫米波雷达采集的目标位置数据集；
14.样本数据选取模块，用于从所述目标位置数据集中随机选取多组预设数量的样本数据；
15.内点数量确定模块，用于对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；
16.边界曲线确定模块，用于根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；
17.数据集筛选模块，用于根据所述隧道边界曲线，对目标位置数据集进行筛选；
18.交通目标定位模块，用于根据筛选后的目标位置数据集，进行隧道内交通目标定位。
19.本发明实施例还提供一种计算机设备，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计算机程序时实现上述基于毫米波雷达的隧道内交通目标定位方法。
20.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述基于毫米波雷达的隧道内交通目标定位方法的计算机程序。
21.本发明实施例通过获得毫米波雷达采集的目标位置数据集；从目标位置数据集中随机选取多组预设数量的样本数据；对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；根据隧道边界曲线，对目标位置数据集进行筛选；根据筛选后的目标位置数据集，进行隧道内交通目标定位。本发明实施例通过拟合隧道边界曲线，筛除了雷达因受多径影响而产生的隧道边界外部误检目标，从而实现隧道内交通目标精准定位，提高了目标监测准确性。
附图说明
22.为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，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他的附图。在附图中：
23.图1为毫米波雷达检测示意图；
24.图2为本发明实施例中隧道二面角示意图；
25.图3为本发明实施例中基于毫米波雷达的隧道内交通目标定位方法示意图；
26.图4为本发明实施例中基于毫米波雷达的隧道内交通目标定位装置结构图；
27.图5是本发明实施例的计算机设备结构示意图。
具体实施方式
28.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发
明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
29.如前所述，目前常用于隧道监测的光学、红外、激光等这些传感器，无法穿透烟雾、粉尘、水汽、火焰场等场景，当隧道内部发生车祸等事故时，无法获取目标的实时动态定位跟踪。另外在隧道场景中，目标具有未知性和进出的自由性，不可能携带合作目标定位所需要的配合性装置，目前采用的合作目标定位技术不适用于隧道监测应用。而采用毫米波雷达进行监测，也会由于雷达发射电磁波的工作模式，在隧道场景中雷达易受到多径效应而降低目标监测的准确性。甚至表现在隧道道路边界范围外的空间，雷达也会因为多径效应而误检到目标，如图1所示，点为雷达检测的目标点，隧道边界外的点为多径效应产生的误检目标，隧道边界内的点为实际的交通目标。这严重降低了隧道内部交通目标定位监测的准确性。
30.为了进行基于毫米波雷达的隧道内交通目标定位，提高目标监测准确性，本发明实施例提供一种基于毫米波雷达的隧道内交通目标定位方法，如图2所示，该方法可以包括：
31.步骤101、获得毫米波雷达采集的目标位置数据集；
32.步骤102、从所述目标位置数据集中随机选取多组预设数量的样本数据；
33.步骤103、对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；
34.步骤104、根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；
35.步骤105、根据所述隧道边界曲线，对目标位置数据集进行筛选；
36.步骤106、根据筛选后的目标位置数据集，进行隧道内交通目标定位。
37.由图2所示可以得知，本发明实施例通过获得毫米波雷达采集的目标位置数据集；从目标位置数据集中随机选取多组预设数量的样本数据；对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；根据隧道边界曲线，对目标位置数据集进行筛选；根据筛选后的目标位置数据集，进行隧道内交通目标定位。本发明实施例通过拟合隧道边界曲线，筛除了雷达因受多径影响而产生的隧道边界外部误检目标，从而实现隧道内交通目标精准定位，提高了目标监测准确性。
38.发明人发现，隧道与其他交通场景不同，其隧道侧壁与隧道路面的组合恰好是一个二面角，如图3所示。由于二面角的特殊几何结构，使雷达发射的电磁波可以在其产生强烈的后向反射，所以易被雷达检测。因此，本发明实施例利用毫米波雷达易检测隧道二面角的特性，使用毫米波雷达数据拟合了隧道边界，进而可以筛除隧道道路边界范围外雷达检测到的目标，实现对隧道道路上交通目标的准确定位监测。
39.实施例中，获得毫米波雷达采集的目标位置数据集。
40.具体实施时，首先将毫米波雷达固定在隧道路面或顶部的移动平台上，毫米波雷
达的视角朝向道路前方。移动平台上装有码盘和惯导设备，可以获取移动平台的实时位置和姿态信息，即雷达的位置和姿态信息，t时刻的信息记为(x
t
,y
t
,β
t
)，由此构造旋转矩阵o
t
：
[0041][0042]
其中，x
t
为雷达位置横坐标，y
t
为雷达位置纵坐标，β
t
为雷达姿态信息。移动平台开始运动，毫米波雷达开始采集数据。雷达以二维点云的帧流形式提供数据。从雷达工作开始，毫米波雷达采集目标位置数据集，第t帧数据记为s
t
。每一帧数据s
t
，包括n个目标的二维笛卡尔位置坐标。
[0043]
实施例中，从所述目标位置数据集中随机选取多组预设数量的样本数据；对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量。
[0044]
在本实施例中，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量，包括：
[0045]
对每个数据点，若该数据点与模型曲线表达式之间的最短距离在预设误差范围内，则将该数据点确定为内点；
[0046]
根据所有确定为内点的数据点，确定该组选取的样本数据对应的内点数量。
[0047]
实施例中，根据每组选取的样本数据对应的内点数量，确定隧道边界曲线。
[0048]
在本实施例中，基于毫米波雷达的隧道内交通目标定位方法还包括：在获得毫米波雷达采集的目标位置数据集之后，根据雷达波数中心将目标位置数据集划分为目标位置第一数据集和目标位置第二数据集；
[0049]
从所述目标位置数据集中随机选取多组预设数量的样本数据，包括：分别从目标位置第一数据集和目标位置第二数据集中随机选取多组预设数量的样本数据；
[0050]
对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量，包括：对目标位置第一数据集中每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的第一模型曲线表达式，确定目标位置第一数据集中除选取的样本数据之外的每个数据点与第一模型曲线表达式之间的最短距离，根据每个数据点与第一模型曲线表达式之间的最短距离和预设误差范围，确定目标位置第一数据集中该组选取的样本数据对应的内点数量；对目标位置第二数据集中每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的第二模型曲线表达式，确定目标位置第二数据集中除选取的样本数据之外的每个数据点与第二模型曲线表达式之间的最短距离，根据每个数据点与第二模型曲线表达式之间的最短距离和预设误差范围，确定目标位置第二数据集中该组选取的样本数据对应的内点数量；
[0051]
根据每组选取的样本数据对应的内点数量，确定隧道边界曲线，包括：根据目标位置第一数据集中每组选取的样本数据对应的内点数量，确定隧道左边界曲线；根据目标位置第二数据集中每组选取的样本数据对应的内点数量，确定隧道右边界曲线。
[0052]
具体实施时，隧道边界是曲线与直线的组合，可以概括为一条变化趋势较小的曲线，因此可以用三阶贝塞尔函数进行表示：
[0053]
p＝(1-q)3p1 3(1-q)2qp2 3(1-q)q2p3 q3p4,q∈[0,1]
ꢀꢀꢀꢀ
(2)
[0054]
其中，p1～p4分别为四组控制点的坐标，即(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)。采用ransac算法进行隧道边界拟合，即对公式(2)进行拟合。由于隧道边界有左右两条，而该方法只能针对单个模型(三阶贝塞尔函数)，即单条边界进行拟合，所以需要先将每一帧数据s
t
分为左右两部分。以雷达波束中心为界，将s
t
中的所有数据分为左右两部分：s
t左
和s
t右
，如图1所示。针对s
t左
和s
t右
数据的处理方法相同，后文均以s
t左
为例进行说明。
[0055]
由于建立的三阶贝塞尔函数模型所需要的最小样本数为4，如公式(2)所示的四组控制点，所以从数据集s
t左
中随机选择4组样本数据，记为s
t左1
。
[0056]
使用选择的数据集s
t左1
，代入公式(2)中的p1～p4，计算得到一个数学模型。用坐标表示为公式(3)：
[0057][0058]
由公式(3)可以得到三阶贝塞尔模型的x，y关系，即三阶贝塞尔模型的曲线表达式，如公式(4)：
[0059]
y＝f(x)
ꢀꢀꢀꢀꢀ
(4)
[0060]
用得到的曲线表达式(4)去测试数据集s
t左
中剩余的点，即计算所有剩余点与曲线的最短距离。以点p0＝(x0,y0)为例，计算p0到曲线的最短距离s(x)，建立公式(5)：
[0061]
h(x)＝s(x)2＝(x-x0)2 (y-y0)2ꢀꢀꢀꢀꢀꢀꢀ
(5)
[0062]
将公式(4)代入公式(5)，可以得到s关于x的方程，如公式(6)：
[0063]
h(x)＝s(x)2＝(x-x0)2 (f(x)-y0)2ꢀꢀꢀꢀꢀ
(6)
[0064]
对公式(6)求导，并令其一阶导数等于零，得到公式(7)：
[0065][0066]
由公式(7)求得对应的x，代入公式(6)，可以得到h(x)，对其开根号即可得到p0到曲线的最短距离s(x)。定义误差范围为e。如果测试数据集s
t左
中剩余的点到曲线的距离s(x)，在允许的误差范围e内，则将该数据点判为内点，否则判为外点，记所有内点组成的数据集为s
t左1*
。
[0067]
将上述过程迭代k次，即从目标位置数据集中随机选取k组预设数量的样本数据并分别进行上述处理得到对应的内点数量，将得到的内点数量进行比较，记录最大内点数量时模型参数f(x)和内点数量s
t左1*
。其中，迭代次数k根据公式(8)确定：
[0068]
[0069]
其中，p是假设得到正确模型的概率，a是假设内点在s
t左
中所占的比例，b是s
t左
中点的总数。f(x)即为拟合的隧道左边界曲线。右边界曲线使用s
t右
同理计算。
[0070]
在本实施例中，根据每组选取的样本数据对应的内点数量，确定隧道边界曲线，包括：
[0071]
将每组选取的样本数据对应的内点数量之间进行比较，确定内点数量的最大值；
[0072]
根据内点数量的最大值，将对应的一组选取的样本数据的模型曲线表达式作为隧道边界曲线。
[0073]
实施例中，根据所述隧道边界曲线，对目标位置数据集进行筛选。
[0074]
在本实施例中，根据所述隧道边界曲线，对目标位置数据集进行筛选，包括：
[0075]
将目标位置数据集中位于隧道边界曲线外部的数据点筛除，保留隧道边界曲线内部的数据点；
[0076]
根据筛选后的目标位置数据集，进行隧道内交通目标定位，包括：根据保留的隧道边界曲线内部的数据点，进行隧道内交通目标定位。
[0077]
具体实施时，得到的隧道左、右边界曲线，将毫米波雷达的第t帧数据记s
t
进行筛选，将边界线外部的数据点筛除，保留的内部点即为隧道内的交通目标，记为s
t*
。
[0078]
实施例中，根据筛选后的目标位置数据集，进行隧道内交通目标定位。
[0079]
具体实施时，每一帧数据s
t*
，包括多个交通目标的二维笛卡尔位置坐标。此坐标是交通目标相对于毫米波雷达的相对坐标。由于毫米波雷达自身跟随移动平台在运动，为了获取交通目标准确的绝对位置坐标，需要进行坐标转换，见公式(9)：
[0080]s′
t
＝o
t
·st*
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0081]
其中，s
′i即是得到的隧道内交通目标的实时位置信息，即完成了对隧道内交通目标的实时定位监测。
[0082]
本发明实施例首先将毫米波雷达安装固定在移动平台上，然后使用三阶贝塞尔函数构建隧道边界方程，利用ransac(randomsample consensus,随机采样一致)算法拟合雷达数据得到隧道边界，进而筛除隧道边界外的无效目标数据，实现对隧道道路上交通目标的准确定位监测。本发明实施例具备以下优势：
[0083]
1、利用毫米波雷达具有穿透烟雾粉尘等遮蔽物的目标探测能力，实现全天时全天候的隧道定位监测；
[0084]
2、无需目标佩戴合作定位装置，单独使用毫米波雷达即可实现隧道内交通目标的定位监测，降低成本与复杂性；
[0085]
3、通过拟合隧道边界，筛除了雷达因受到多径影响而产生的隧道边界外部的误检目标，提高了隧道内交通目标定位监测的准确性。
[0086]
基于同一发明构思，本发明实施例还提供了一种基于毫米波雷达的隧道内交通目标定位装置，如下面的实施例所述。由于这些解决问题的原理与基于毫米波雷达的隧道内交通目标定位方法相似，因此基于毫米波雷达的隧道内交通目标定位装置的实施可以参见方法的实施，重复之处不再赘述。
[0087]
图4为本发明实施例中基于毫米波雷达的隧道内交通目标定位装置的结构图，如图4所示，该基于毫米波雷达的隧道内交通目标定位装置包括：
[0088]
数据集获得模块401，用于获得毫米波雷达采集的目标位置数据集；
[0089]
样本数据选取模块402，用于从所述目标位置数据集中随机选取多组预设数量的样本数据；
[0090]
内点数量确定模块403，用于对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；
[0091]
边界曲线确定模块404，用于根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；
[0092]
数据集筛选模块405，用于根据所述隧道边界曲线，对目标位置数据集进行筛选；
[0093]
交通目标定位模块406，用于根据筛选后的目标位置数据集，进行隧道内交通目标定位。
[0094]
一个实施例中，基于毫米波雷达的隧道内交通目标定位装置还包括：数据集划分模块，用于在获得毫米波雷达采集的目标位置数据集之后，根据雷达波数中心将目标位置数据集划分为目标位置第一数据集和目标位置第二数据集；
[0095]
所述样本数据选取模块进一步用于：分别从目标位置第一数据集和目标位置第二数据集中随机选取多组预设数量的样本数据；
[0096]
所述内点数量确定模块进一步用于：对目标位置第一数据集中每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的第一模型曲线表达式，确定目标位置第一数据集中除选取的样本数据之外的每个数据点与第一模型曲线表达式之间的最短距离，根据每个数据点与第一模型曲线表达式之间的最短距离和预设误差范围，确定目标位置第一数据集中该组选取的样本数据对应的内点数量；对目标位置第二数据集中每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的第二模型曲线表达式，确定目标位置第二数据集中除选取的样本数据之外的每个数据点与第二模型曲线表达式之间的最短距离，根据每个数据点与第二模型曲线表达式之间的最短距离和预设误差范围，确定目标位置第二数据集中该组选取的样本数据对应的内点数量；
[0097]
所述边界曲线确定模块进一步用于：根据目标位置第一数据集中每组选取的样本数据对应的内点数量，确定隧道左边界曲线；根据目标位置第二数据集中每组选取的样本数据对应的内点数量，确定隧道右边界曲线。
[0098]
一个实施例中，所述内点数量确定模块进一步用于：
[0099]
对每个数据点，若该数据点与模型曲线表达式之间的最短距离在预设误差范围内，则将该数据点确定为内点；
[0100]
根据所有确定为内点的数据点，确定该组选取的样本数据对应的内点数量。
[0101]
综上所述，本发明实施例通过获得毫米波雷达采集的目标位置数据集；从目标位置数据集中随机选取多组预设数量的样本数据；对每组选取的样本数据，根据三阶贝塞尔函数构建数学模型，得到该组选取的样本数据对应的模型曲线表达式，确定目标位置数据集中除选取的样本数据之外的每个数据点与模型曲线表达式之间的最短距离，根据每个数据点与模型曲线表达式之间的最短距离和预设误差范围，确定该组选取的样本数据对应的内点数量；根据每组选取的样本数据对应的内点数量，确定隧道边界曲线；根据隧道边界曲
线，对目标位置数据集进行筛选；根据筛选后的目标位置数据集，进行隧道内交通目标定位。本发明实施例通过拟合隧道边界曲线，筛除了雷达因受多径影响而产生的隧道边界外部误检目标，从而实现隧道内交通目标精准定位，提高了目标监测准确性。
[0102]
基于前述发明构思，如图5所示，本发明还提出了一种计算机设备500，包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530，所述处理器520执行所述计算机程序530时实现前述基于毫米波雷达的隧道内交通目标定位方法。
[0103]
基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述基于毫米波雷达的隧道内交通目标定位方法。
[0104]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
[0105]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0106]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0107]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0108]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。