一种输电线路无人机自主巡检方法及系统与流程

1.本技术涉及电力无人机巡检技术领域，特别地，涉及一种输电线路无人机自主巡检方法及系统。


背景技术：

2.长久以来，我国电网庞大的输电线路网络巡检工作主要依赖人工巡视方式进行。巡检成果的时效性、安全性、准确性是人巡时代长期困扰电网运维部门的难题。近些年，无人机作为一种高科技的巡检利器在电网行业中得到迅速推广与应用。飞控手通过操作无人机沿线路飞行，并同步拍照或者激光扫描，结合智能ai数据处理软件，可以快速、准确地发掘线路中的隐患缺陷。通过利用无人机进行输电线路网络的巡检工作，提高了巡检效率，但是新的工作方式也带来了新的挑战。无人机巡检需要对无人机进行长时间的飞行控制操作，这对基层班组人员的无人机操作技能要求很高。“炸机”、“撞塔”等事故的发生也随着机巡业务的扩大与日俱增。在安全飞行的前提下，同一条线路在具有不同无人机操作技能的巡检班组人员进行机巡，可能得到迥异的巡视结论。因此，机巡行业迫切需要更加智能、更加安全、更加可控的巡检作业方式，以降低无人机操作门槛，降低相关人员经验对巡检工作的影响，进一步提升机巡作业效率。
3.现有技术中，一种方法为无人机航线自主规划飞行，以差分gps结合lidar数据，用算法划分为可飞区块和禁飞区块，按照规定的原则自主规划出无人机电力巡检的最优飞行路径并实现自主飞行的过程；该方法仅利用点云区分可飞区和禁飞区，没有对可飞区的电力线和杆塔进行自动识别分类，会降低巡检的准确性。而另一种方法利用激光点云数据得到电力线及杆塔点云，通过曲线拟合方程计算出绝缘子坐标；根据绝缘子坐标设置相机焦距及安全飞行距离，形成连接各拍照点的无人机飞行轨迹；通过获得电力线走廊三维点云，电力线点云提取，获得相对位置关系，规划航迹的调整信息，进而形成航迹。此方法单纯的进行了航迹规划，无法满足高精度精细化巡检的需求。
4.然而，现有技术中多是利用gps作为无人机的定位系统。若美国对gps系统采取加密、屏蔽和民用制裁等措施后，会使整个定位系统出现根本性问题。现有电力行业无人机巡检多需要飞控手进行长时间的飞行控制操作，因受环境、及天气的影响也较大，对班组人员的操作能力要求高。虽然现有无人机具有航线规划功能，也可利用其航线规划功能去实现自主巡检功能，但是不能靠近杆塔进行精细化巡检，而只能实现粗略的巡检。


技术实现要素：

5.本技术提供了一种输电线路无人机自主巡检方法及系统，通过建立点云杆塔数据模型，一定程度上可以解决现有技术中定位系统的可靠性低，巡检准确性低，操作能力要求高的问题。
6.本技术的实施例是这样实现的：
7.本技术实施例的第一方面提供一种输电线路无人机自主巡检方法，包括：
8.采集电力线走廊的激光点云数据，并对所述激光点云数据进行预处理，得到预处理后的激光点云数据；
9.利用所述预处理后的激光点云数据，建立电力线走廊的三维模型；
10.通过hough变换、kmeans聚类算法对所述预处理后的激光点云数据进行分类，得到杆塔点云和导线点云数据；
11.基于所述三维模型和经分类的激光点云数据，得到点云杆塔数据模型；
12.通过对所述导线点云数据进行曲线拟合，得到曲线拟合方程并计算，得到导线点坐标；
13.通过卷积神经网络法对所述杆塔点云数据进行位置识别，得到杆塔坐标；
14.根据所述杆塔点云数据，确定所述点云杆塔数据模型中每一基杆塔的拍照点；
15.根据所述导线点坐标、杆塔坐标，设置相机焦距和安全飞行距离，形成连接所述每一基杆塔的拍照点的无人机自主巡检轨迹；
16.无人机基于北斗精准定位服务，依据所述无人机自主巡检轨迹自主飞行，实现输电线路的精细化巡检。
17.在一些实施例中，所述得到电力线走廊的三维模型，包括：通过无人机搭载激光雷达系统获取所述电力线走廊的激光点云数据，所述预处理后的激光点云数据经结算处理分析，得到用于建立电力线走廊三维模型的特征数据；通过对所述特征数据进行处理，得到电力线走量的三维模型，其中，所述激光点云数据包括：激光数据、影像数据、摄像数据。
18.在一些实施例中，所述得到杆塔点云和导线点云数据的方法，包括：通过对所述预处理后的激光点云数据进行斜率计算，得到输电线路的线路走向斜率；通过canny算法对所述预处理后的激光点云数据进行边缘检测，得到边缘点；对所述边缘点进行hough变换、kmeans聚类算法，得到用于表示直线斜率的两簇类别；通过比较所述两簇类别和所述线路走向斜率，得到导线点云数据；针对除导线点云数据以外的预处理后的激光点云数据进行kmeans聚类，得到杆塔点云数据。
19.在一些实施例中，得到所述导线点坐标的方法,包括：选取所述导线点云数据对应坐标值中沿x、y、z方向的最小值，组成空间点[x
min
,y
min
,z
min
]作为空间坐标原点，通过所述空间坐标原点对所述导线点云数据进行坐标转换，得到经相对坐标处理的导线点云数据；选取所述导线点云数据对应坐标值中沿x方向的最小值、及对应的y值，组成平面点[x
min
,y(x
min
)]作为平面坐标原点，通过所述平面坐标原点在x-y平面上对所述导线点云数据进行旋转变换，得到经旋转变换的导线点云数据；通过最小二乘法对所述经相对坐标处理的导线点云数据进行拟合，得到x-y平面直线拟合；通过对所述经旋转变换的导线点云数据进行拟合，得到x-z平面直线拟合；通过对所述x-y平面直线拟合和所述x-z平面直线拟合进行三维空间的拟合，得到导线在三维空间的拟合分布；根据所述导线在三维空间的拟合分布，得到导线点坐标。
[0020]
在一些实施例中，所述每一基杆塔的拍照点的确定方法，包括：根据待巡检目标，确定相应初定的拍照点；根据所述杆塔点云数据，对所述初定的拍照点进行过滤，得到所述每一基杆塔的拍照点。
[0021]
在一些实施例中，所述预处理包括:通过将所述激光点云数据中的重复点进行剔除，得到预处理后的激光点云数据。
[0022]
在一些实施例中，所述北斗精准定位服务是通过北斗智能位置服务系统进行实时高精度的定位。
[0023]
本技术实施例的第二方面提供一种输电线路无人机自主巡检系统，包括：
[0024]
数据处理模块，用于采集电力线走廊的激光点云数据，并对所述激光点云数据进行预处理，得到预处理后的激光点云数据；
[0025]
识别模块，用于通过hough变换、kmeans聚类算法对所述预处理后的激光点云数据进行分类，得到杆塔点云和导线点云数据；
[0026]
第一建模型模块，用于利用所述预处理后的激光点云数据，建立电力线走廊的三维模型；
[0027]
第二建模型模块，用于基于所述三维模型和经分类的激光点云数据，得到点云杆塔数据模型；
[0028]
第一坐标确定模块，用于通过对所述导线点云数据进行曲线拟合，得到曲线拟合方程并计算，得到导线点坐标；
[0029]
第二坐标确定模块，用于通过卷积神经网络法对所述杆塔点云数据进行位置识别，得到杆塔坐标；
[0030]
路线规划模块，用于根据所述杆塔点云数据，确定所述点云杆塔数据模型中每一基杆塔的拍照点；根据所述导线点坐标、杆塔坐标，设置相机焦距和安全飞行距离，形成连接所述每一基杆塔的拍照点的无人机自主巡检轨迹；
[0031]
应用模块，用于无人机基于北斗精准定位服务，依据所述无人机自主巡检轨迹自主飞行，实现输电线路的精细化巡检。
[0032]
本技术的有益效果在于，通过对激光点云数据进行预处理，以实现提高数据计算的效率，进一步，通过hough变换、kmeans聚类算法对预处理后激光点云数据进行自动识别，以实现杆塔和导线的自动分类，提高巡检的准确率；进一步，通过卷积神经网络法对杆塔进行位置识别，以实现杆塔精细化巡检的拍照点自动化精准选定；进一步，确定无人机自主自主巡检轨迹，以实现降低操控人员操作步骤，减轻工作压力，提高效率；进一步，无人机基于北斗精准定位服务自主飞行，以实现输电线路的精细化巡检，提高可靠性。
附图说明
[0033]
具体为了更清楚地说明本技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0034]
图1示出了本技术实施例一种输电线路无人机自主巡检方法的流程示意图；
[0035]
图2示出了本技术实施例一种输电线路无人机自主巡检方法中得到导线点坐标方法的流程示意图。
具体实施方式
[0036]
现在将描述某些示例性实施方案，以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解，在本文中具体描述并示出于附图中的装置和方法为非限制性的示
例性实施方案，并且本技术的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本技术的范围之内。
[0037]
本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本技术的范围之内。
[0038]
本技术中使用了流程图用来说明根据本技术的一些实施例的系统所执行的操作。应当明确理解，流程图的操作可以不按顺序来精确地执行。相反，这些操作可以以相反的顺序或同时执行。而且，可以将一个或多个其他操作添加到流程图。一个或多个操作可以从流程图中移除。
[0039]
图1示出了本技术实施例一种输电线路无人机自主巡检方法的流程示意图。
[0040]
在步骤101中，采集电力线走廊的激光点云数据，并对所述激光点云数据进行预处理，得到预处理后的激光点云数据。
[0041]
在一些实施例中，所述预处理包括:通过将所述激光点云数据中的重复点进行剔除，得到预处理后的激光点云数据。
[0042]
在一些实施例中，因在数据采集过程中，难免会重复接收信号，则会在激光点云数据(即，点云数据)中有重复点。若同一个空间位置存在多于两个的数裾，这样会导致数据计算效率下降。因此，对激光点云数据中的重复点进行剔除，以提高计算效率，以便曲线拟合更准确。
[0043]
在步骤102中，利用所述预处理后的激光点云数据，建立电力线走廊的三维模型。
[0044]
在一些实施例中，所述得到电力线走廊的三维模型，包括：通过无人机搭载激光雷达系统获取所述电力线走廊的激光点云数据，所述预处理后的激光点云数据经结算处理分析，得到用于建立电力线走廊三维模型的特征数据；通过对所述特征数据进行处理，得到电力线走量的三维模型，其中，所述激光点云数据包括：激光数据、影像数据、摄像数据。
[0045]
在一些实施例中，无人机搭载激光雷达系统在输电线路上空或一侧飞行，获取电力线走廊的激光数据、影像数据、摄像数据并经过后期结算处理分析，得到电力线走廊的台账数据，其中，台账数据包括线路刨面图、断面图、跨度、弧垂等特征数据，并对电力线路走廊进行矢量化分类管理，以建立线路走廊的三维模型(即，数字高程模型)。
[0046]
在步骤103中，通过hough变换、kmeans聚类算法对所述预处理后的激光点云数据进行分类，得到杆塔点云和导线点云数据。
[0047]
在一些实施例中，所述得到杆塔点云和导线点云数据的方法，包括：通过对所述预处理后的激光点云数据进行斜率计算，得到输电线路的线路走向斜率；通过canny算法对所述预处理后的激光点云数据进行边缘检测，得到边缘点；对所述边缘点进行hough变换、kmeans聚类算法，得到用于表示直线斜率的两簇类别；通过比较所述两簇类别和所述线路走向斜率，得到导线点云数据；针对除导线点云数据以外的预处理后的激光点云数据进行
kmeans聚类，得到杆塔点云数据。
[0048]
在一些实施例中，由于输电线路导线档间走廊自身的复杂性，导线和杆塔的快速自动识别通过采用hough变换及kmeans聚类方法来实现的。通过对所述预处理后的激光点云数据进行斜率计算，得到输电线路的线路走向斜率；使用canny算法对采集二维影像进行边缘检测；并对其进行hough变换得到用于表示二维影像的直线。根据直线斜率进行kmeans聚类，聚类得到的两簇类别，其中，两簇类别为用于表示直线斜率的两个类别。将两簇类别与输电线路的线路走向斜率比较，若线路走向斜率与两簇类别的斜率一致，则两簇类别对应的点云数据为导线数据。将杆塔点云数据在聚类起始点分类中独立出来，针对剩下的点云数据，再进行一次kmeans聚类，得到单独、独立的杆塔分类数据。判断杆塔区域范围，依照线路走向生成杆塔区域平面投影范围，对没有分类的点云数据进行分类识别，在杆塔区域内的点云数据为杆塔点云数据。
[0049]
在步骤104中，基于所述三维模型和经分类的激光点云数据，得到点云杆塔数据模型。
[0050]
在一些实施例中，通过将点云数据处理成标准的数字高程模型，结合经分类后的点云数据建立点云杆塔数据模型，以实现电力线走廊的三维数字化，将线路下方分为杆塔、导线、地线、树木、通道、铁路、河流等线路通道内常见地物类型，恢复电力线沿线地表形态、地表附着物，满足各个电压等级的输电线路对各种不同地物的安全运行距离要求。利用空间量测技术开展通道树障等交叉跨越物的净空距离自动量测、自动分类、缺陷隐患自主分析并自动生成报告。
[0051]
在步骤105中，通过对所述导线点云数据进行曲线拟合，得到曲线拟合方程并计算，得到导线点坐标。
[0052]
在一些实施例中，采用空间曲线拟合的方式对导线点云数据进行修复，利用逐步降维的方法实现h维空间曲线的拟合。根据导线在水平面分布呈直线的分布特点，对导线点云数据进行二维平面直线拟合，实现第一次降维；根据导线在垂直水平面的平面上，呈现抛物线的分布特点，对导线点云数据进行二维曲线拟合，实现第二次降维；通过完成整个三维空间的拟合，以得到导线三维整体空间的分布。
[0053]
图2示出了本技术实施例一种输电线路无人机自主巡检方法中得到导线点坐标方法的流程示意图。
[0054]
在步骤201中，选取所述导线点云数据对应坐标值中沿x、y、z方向的最小值，组成空间点[x
min
,y
min
,z
min
]作为空间坐标原点，通过所述空间坐标原点对所述导线点云数据进行坐标转换，得到经相对坐标处理的导线点云数据。
[0055]
在一些实施例中，因采集的点云数据坐标值位数较多，会导致存储效率下降，所以选用合适的坐标原点对点云数据进行重新定位。针对需进行坐标转换的导线点云数据，选取导线点云数据对应坐标值中沿x方向的最小值，y方向的最小值，z方向的最小值，组成空间点[x
min
,y
min
,z
min
]，将这个空间点作为空间坐标原点，通过空间坐标原点对导线点进行坐标转换，生成相应的相对坐标，(即相对坐标点集ω＝{p(xi,yi)i＝1,2,
…
n}，)进一步得到经相对坐标处理的导线点云数据。
[0056]
在步骤202中，选取所述导线点云数据对应坐标值中沿x方向的最小值、及对应的y值，组成平面点[x
min
,y(x
min
)]作为平面坐标原点，通过所述平面坐标原点在x-y平面上对所
述导线点云数据进行旋转变换，得到经旋转变换的导线点云数据。
[0057]
在一些实施例中，选取导线点云数据对应坐标值中沿x方向的最小值，及其对应的y值，组成平面点[x
min
,y(x
min
)]，以此平面点为中心点(即，平面坐标原点)在x-y平面上将导线点进行旋转变换，得到平行于x轴的数据(即，平行于x轴的点集φ＝{p(xi,yi,zi)i＝1,2,
…
n})，如公式(1)，进一步得到经旋转变换的导线点云数据。
[0058][0059]
其中，x
′
为旋转后平行于x轴的x坐标值。
[0060]
在步骤203中，通过最小二乘法对所述经相对坐标处理的导线点云数据进行拟合，得到x-y平面直线拟合。
[0061]
在一些实施例中，取相对坐标点集相对坐标点集ω＝{p(xi,yi)i＝1,2,
…
n}，进行如下计算：
[0062][0063][0064]
其中，k为x-y平面直线拟合的斜率，b为平面直线拟合的截距。
[0065]
在步骤204中，通过对所述经旋转变换的导线点云数据进行拟合，得到x-z平面直线拟合。
[0066]
在一些实施例中，取平行于x轴的点集ω＝{p(xi,yi)i＝1,2,
…
n}，进行以下计算：
[0067][0068][0069]
式中：ca，cb，cc分别为曲线方程次数由小到大的系数。
[0070]
在步骤205中，通过对所述x-y平面直线拟合和所述x-z平面直线拟合进行三维空间的拟合，得到导线在三维空间的拟合分布。
[0071]
在步骤206中，根据所述导线在三维空间的拟合分布，得到导线点坐标。
[0072]
在一些实施例中，通过在x方向设定一个步长，并求取对应的拟合直线上的y坐标值，将求取的y坐标值进行旋转变换，得到平行于x轴的坐标值，将平行于x轴的坐标值带入曲线方程，得到导线点沿zd的坐标值，最后导线点的各项坐标值(即，平行于x轴的坐标值和沿zd的坐标值)加上对应的坐标原点(即，平面坐标原点和空间坐标原点)，即为拟合出的空间导线点的坐标。
[0073]
在步骤106中，通过卷积神经网络法对所述杆塔点云数据进行位置识别，得到杆塔坐标。
[0074]
在一些实施例中，针对分类识别出来的每一基杆塔进行处理，采用卷积神经网络深度法，对所述杆塔点云数据中的内容进行识别，把电力部件的位置(即，杆塔坐标)自动标记出来，可对标记结果进行审核和修改，查缺补漏，将识别标记好的电力部件数据都保存好。
[0075]
在步骤107中，根据所述杆塔点云数据，确定所述点云杆塔数据模型中每一基杆塔的拍照点。
[0076]
在一些实施例中，所述每一基杆塔的拍照点的确定方法，包括：根据待巡检目标，确定相应初定的拍照点；根据所述杆塔点云数据，对所述初定的拍照点进行过滤，得到所述每一基杆塔的拍照点。
[0077]
在一些实施例中，通过摄影原理结合相机的解析度和焦距，将待巡检目标停留的位置反向推算出来，并结合相机的俯仰角，获取初定的拍照点(即，符合条件的拍照点集合)。根据杆塔点云数据，对初定的拍照点进行过滤，将和杆塔点云数据冲突、或太近容易撞塔的拍照点去除掉，以及相机俯仰角太小或过大导致照片效果不好的拍照点，去除会导致碰撞周围障碍物的拍照点，留下合理的拍照点集合。
[0078]
在步骤108中，根据所述导线点坐标、杆塔坐标，设置相机焦距和安全飞行距离，形成连接所述每一基杆塔的拍照点的无人机自主巡检轨迹。
[0079]
在一些实施例中，根据所述导线点坐标和杆塔坐标(即，模拟的无人机拍照点)，结合所有拍照点集合，以路径最短为原则。基于每个目标选取一个拍照点，形成一条耗时最短的最优航线，航线规划完成后可以进行塔内航线的三维模拟飞行预览，直观查看飞机使用航线作业的效果。
[0080]
在步骤109中，无人机基于北斗精准定位服务，依据所述无人机自主巡检轨迹自主飞行，实现输电线路的精细化巡检。
[0081]
在一些实施例中，所述北斗精准定位服务是通过北斗智能位置服务系统进行实时高精度的定位。
[0082]
在一些实施例中，无人机依据规划的无人机自主巡检轨迹，采用北斗高精度定位服务来进行电力业务的自主飞行，实现厘米级的定位精度，可以满足无人机自主巡检的位置要求。借助北斗智能位置服务系统，对无人机进行实时高精度定位，掌握无人机的航速、航向和精确位置，辅助无人机飞行到达飞行任务要求。
[0083]
在一些实施例中，建设基于北斗精准位置服务的无人机管理控制系统。其中，人机管理控制系统包括无人机管控平台。无人机管控平台可实现管理激光雷达数据制作的无人机航线、无人机航线信息等。同时，可以进行无人机监控和调度。
[0084]
无人机管控平台提供实时任务管理、飞行数据同步、设备与团队管理功能，让无人
机的“飞行理”可以实时管控无人机的作业情况，打通作业现场与后方团队的衔接壁垒，可对多无人机及跨地域任务进行管理，让行业无人机作业更为高效。此外，在日常管理中，可调度存储在云端的飞行数据，让飞行更加规范，实现精益管理。作为管理员的飞行经理，通过管理平台合理调度飞手任务，了解作业与设备情况，可以有效保障飞行的后勤支援。
[0085]
在一些实施例中，北斗cors系统(即，基于北斗卫星定位)可提供精准位置服务，用于无人机定位、设备定位、人员定位。基于北斗精确定位的位置服务系统是一个动态的、实时的定位框架基准，同时也能及时、精确获取位置信息和杆塔目标的信息。该系统是由卫星定位技术、互联网技术、移动通讯技术等多种高新科技深度融合的产物。主要由定位基站、数据处理模块、数据传输模块、定位导航数据播发模块、用户应用模块等组成，可利用多个基准站构成一个基准站网来获取高精度的定位结果。各基站与监控中心通过数据传输模块连接成一体，为用户提供高效的定位服务。
[0086]
在一些实施例中，使用无人机进行现场飞行，采集相关数据。将航迹上传到无人机管理控制系统的管控中心，将巡检数据提交到管控中心。最终实现无人机在输电线路上精确按照规划路径进行电力业务的精细化巡视。
[0087]
本技术还提供了一种输电线路无人机自主巡检系统，包括：数据处理模块，用于采集电力线走廊的激光点云数据，并对所述激光点云数据进行预处理，得到预处理后的激光点云数据；识别模块，用于通过hough变换、kmeans聚类算法对所述预处理后的激光点云数据进行分类，得到杆塔点云和导线点云数据；第一建模型模块，用于利用所述预处理后的激光点云数据，建立电力线走廊的三维模型；第二建模型模块，用于基于所述三维模型和经分类的激光点云数据，得到点云杆塔数据模型；第一坐标确定模块，用于通过对所述导线点云数据进行曲线拟合，得到曲线拟合方程并计算，得到导线点坐标；第二坐标确定模块，用于通过卷积神经网络法对所述杆塔点云数据进行位置识别，得到杆塔坐标；路线规划模块，用于根据所述杆塔点云数据，确定所述点云杆塔数据模型中每一基杆塔的拍照点；根据所述导线点坐标、杆塔坐标，设置相机焦距和安全飞行距离，形成连接所述每一基杆塔的拍照点的无人机自主巡检轨迹；应用模块，用于无人机基于北斗精准定位服务，依据所述无人机自主巡检轨迹自主飞行，实现输电线路的精细化巡检。
[0088]
本技术的有益效果在于，通过对激光点云数据进行预处理，以实现提高数据计算的效率，进一步，通过hough变换、kmeans聚类算法对预处理后激光点云数据进行自动识别，以实现杆塔和导线的自动分类，提高巡检的准确率；进一步，通过卷积神经网络法对杆塔进行位置识别，以实现杆塔精细化巡检的拍照点自动化精准选定；进一步，确定无人机自主自主巡检轨迹，以实现降低操控人员操作步骤，减轻工作压力，提高效率；进一步，无人机基于北斗精准定位服务自主飞行，以实现输电线路的精细化巡检，提高可靠性。
[0089]
此外，除非权利要求中明确说明，本技术所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
[0090]
同理，应当注意的是，为了简化本技术披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
[0091]
针对本技术引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本技术作为参考。与本技术内容不一致或产生冲突的申请历史文件除外，对本技术权利要求最广范围有限制的文件(当前或之后附加于本技术中的)也除外。需要说明的是，如果本技术附属材料中的描述、定义、和/或术语的使用与本技术所述内容有不一致或冲突的地方，以本技术的描述、定义和/或术语的使用为准。