钢水液面距离确定方法、系统、设备及介质与流程

1.本发明涉及冶金智能化技术领域，尤其涉及一种钢水液面距离确定方法、系统、设备及介质。


背景技术：

2.准确地测量钢水在容器中的高度和钢渣的厚度，对于炼钢作业工艺流程来说是非常重要的，而每炉钢水在容器中的高度及钢渣的厚度是不同的。
3.相关测量技术中，要么是通过人工分别对钢渣距离和液面距离进行测量，以得到钢水的高度和钢渣的厚度，但这样对工人的操作熟练度有要求，存在较大风险，执行效率不高。近来也存在一些使用激光等方式来测量钢水液面距离，但由于钢水具有强辐射性，以及钢渣堆积等影响因素，导致激光测量不能准确的测量钢水液面距离。故亟需一种准确便捷的方式来实现钢水液面距离的确定。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本发明提供一种钢水液面距离确定方法、系统、设备及介质，以解决上述技术问题。
5.本发明提供的一种钢水液面距离确定方法，包括：
6.分别获取第一钢水液面图像和第二钢水液面图像，其中，所述第一钢水液面图像由第一图像采集设备采集，所述第二钢水液面图像由第二图像采集设备采集，所述第一钢水液面图像和第二钢水液面图像均包括目标钢水液面区域的图像；
7.分别根据所述第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像；
8.分别从所述第一灰度图像和第二灰度图像中提取多个纹理特征点，并获取各纹理特征点的梯度幅值，若所述梯度幅值高于预设边缘强度阈值，将所述纹理特征点作为目标特征点；
9.分别获取各所述目标特征点的纹理方向及纹理位置信息，根据所述纹理方向和纹理位置信息将相邻的两个所述目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓，所述第一强纹理轮廓为所述第一钢水液面图像中的钢渣图像轮廓，所述第二强纹理轮廓为所述第二钢水液面图像中的钢渣图像轮廓；
10.分别获取各所述第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分所述第一强纹理轮廓与各所述第二强纹理轮廓进行匹配，得到多个匹配轮廓对；
11.根据所述匹配轮廓对从所述第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各所述匹配位置的匹配距离，进而确定钢水液面距离。
12.可选的，所述钢水液面距离的确定方式包括：
13.对所述匹配距离进行聚类处理，得到多个聚类小组；
14.获取各所述聚类小组中的匹配距离数量，并将所述匹配距离数量最多的所述聚类小组中所述匹配距离作为目标距离；
15.根据所述目标距离确定所述钢水液面距离。
16.可选的，所述所述目标距离确定所述钢水液面距离包括以下任意之一：
17.获取各所述目标距离的第一目标平均值，将所述第一目标平均值作为所述钢水液面距离；
18.对所述目标距离进行排序后，获取相邻两个所述目标距离之间的距离差值，若存在至少一个所述距离差值大于预设距离误差，根据所述距离差值将所述目标距离划分为至少两个目标小组，获取各所述目标小组中的目标距离数量，获取所述目标距离数量最多的所述目标小组中所述目标距离的第二目标平均值，并将所述第二目标平均值作为所述钢水液面距离。
19.可选的，所述分别获取各所述第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息之后，所述方法还包括：
20.获取第一距离，所述第一距离包括所述第一强纹理轮廓与第一钢水液面图像中心之间的距离；
21.根据所述第一距离对各所述第一强纹理轮廓进行排序；
22.根据靠近所述第一钢水液面图像中心的预设数量所述第一强纹理轮廓生成第一候选轮廓集合；
23.对至少一部分所述第一候选轮廓集合中的所述第一强纹理轮廓与各第二强纹理轮廓进行匹配。
24.可选的，所述分别获取各所述第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息之前，所述方法还包括以下至少之一：
25.获取各所述第一强纹理轮廓的第一轮廓长度，若所述第一轮廓长度小于预设轮廓长度阈值，删除所述第一轮廓长度对应的所述第一强纹理轮廓；
26.获取各所述第二强纹理轮廓的第二轮廓长度，若所述第二轮廓长度小于预设轮廓长度阈值，删除所述第二轮廓长度对应的所述第二强纹理轮廓；
27.获取各所述第一强纹理轮廓的第一纹理方向一致性，若所述第一纹理方向一致性高于预设一致性，删除所述第一强纹理轮廓，获取剩余的各所述第一强纹理轮廓的轮廓位置信息和轮廓特征信息；
28.获取各所述第二强纹理轮廓的第二纹理方向一致性，若所述第二纹理方向一致性高于预设一致性，删除所述第二强纹理轮廓，获取剩余的各所述第二强纹理轮廓的轮廓位置信息和轮廓特征信息。
29.可选的，分别获取第一钢水液面图像和第二钢水液面图像之后，所述方法还包括：
30.分别获取所述第一液面图像和第二钢水液面图像中各像素的亮度值；
31.若所述亮度值位于预设亮度值区间内，将所述亮度值作为有效亮度值；
32.分别确定所述第一液面图像和第二钢水液面图像中各所述有效亮度值的平均亮度值；
33.若所述第一液面图像和第二钢水液面图像分别对应的所述平均亮度值均位于预设平均亮度阈值区间内，分别根据所述第一钢水液面图像和第二钢水液面图像生成第一灰
度图像和第二灰度图像；
34.若所述平均亮度值位于预设平均亮度阈值区间外，调整所述第一图像采集设备和/或第二图像采集设备采集的曝光参数，重新获取新的所述第一钢水液面图像和第二钢水液面图像。
35.可选的，调整所述第一图像采集设备和/或第二图像采集设备采集的曝光参数包括：
36.获取所述第一液面图像和/或第二钢水液面图像中所述像素值高于预设平均亮度值的区域面积；
37.根据所述区域面积和预设区域面积阈值确定钢水液面状态；
38.获取所述第一图像采集设备和/或第二图像采集设备采集的曝光参数；
39.根据所述钢水液面状态对曝光参数进行调整。
40.本发明还提供了一种钢水液面距离确定系统，所述系统包括：
41.图像获取模块，用于分别获取第一钢水液面图像和第二钢水液面图像，其中，所述第一钢水液面图像由第一图像采集设备采集，所述第二钢水液面图像由第二图像采集设备采集，所述第一钢水液面图像和第二钢水液面图像均包括目标钢水液面区域的图像；
42.灰度图像生成模块，用于分别根据所述第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像；
43.纹理特征点提取模块，用于分别从所述第一灰度图像和第二灰度图像中提取多个纹理特征点，并获取各纹理特征点的梯度幅值，若所述梯度幅值高于预设边缘强度阈值，将所述纹理特征点作为目标特征点；
44.纹理轮廓生成模块，用于分别获取各所述目标特征点的纹理方向及纹理位置信息，根据所述纹理位置信息将相邻的两个所述目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓，所述第一强纹理轮廓为所述第一钢水液面图像中的钢渣图像轮廓，所述第二强纹理轮廓为所述第二钢水液面图像中的钢渣图像轮廓；
45.匹配模块，用于分别获取各所述第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分所述第一强纹理轮廓与各所述第二强纹理轮廓进行匹配，得到多个匹配轮廓对；
46.距离确定模块，用于根据所述匹配轮廓对从所述第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各所述匹配位置的匹配距离，进而确定钢水液面距离。
47.本发明还提供了一种电子设备，包括处理器、存储器和通信总线；
48.所述通信总线用于将所述处理器和存储器连接；
49.所述处理器用于执行所述存储器中存储的计算机程序，以实现如上述中任一项实施例所述的方法。
50.本发明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，
51.所述计算机程序用于使所述计算机执行如上述任一项实施例所述的方法。
52.本发明的有益效果：本发明提出的一种钢水液面距离确定方法、系统、设备及介质，该方法通过分别获取第一钢水液面图像和第二钢水液面图像，并生成对应的第一灰度图像和第二灰度图像，分别提取其中的多个纹理特征点，从各纹理特征点中确定目标特征点，获取各目标特征点的纹理方向和纹理位置信息，根据纹理方向和纹理位置信息将相邻
的两个目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓，通过获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分第一强纹理轮廓与各第二强纹理轮廓进行匹配，得到多个匹配轮廓对，根据匹配轮廓对从第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各匹配位置的匹配距离，进而确定钢水液面距离，能够替代人工进行钢水液面距离的确定，降低了人工作业的危险性，提升了钢水液面距离确定的准确性，方法便捷准确简便。
附图说明
53.图1是本发明实施例一中提供的钢水液面距离确定方法的一种流程示意图；
54.图2是本发明实施例一种提供的包括多个强纹理轮廓的图像示意图；
55.图3是本发明实施例一种提供的图2中r区域的放大示意图；
56.图4是本发明实施例一中提供的包括选定的纹理特征的第一钢水液面图像的示意图；
57.图5是本发明实施例一中提供的包括与图4中纹理特征匹配的纹理特征的第二钢水液面图像的示意图；
58.图6是本发明实施例一中提供的聚类后的匹配距离的示意图；
59.图7是本发明实施例二提供的钢水液面距离确定系统的一种结构示意图；
60.图8是本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
61.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
62.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
63.在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
64.实施例一
65.如图1所示，本实施例提供了一种钢水液面距离确定方法，该方法包括：
66.步骤s101：分别获取第一钢水液面图像和第二钢水液面图像。
67.其中，第一钢水液面图像由第一图像采集设备采集，第二钢水液面图像由第二图像采集设备采集，第一钢水液面图像和第二钢水液面图像均包括目标钢水液面区域的图像。
68.可选的，第一钢水液面图像和第二钢水液面图像可以是通过双目照相机来采集的图像。
69.需要说明的是，第一钢水液面图像和第二钢水液面图像也可以通过多目照相机来采集，从多目照相机所采集的多张图像中选择两张图像作为第一钢水液面图像和第二钢水液面图像。当然，也可以通过多张图像基于本实施例的原理进行钢水液面距离的确定，具体方式与本实施例所提供的两张图像的方式类似，在此不做赘述。
70.第一钢水液面图像和第二钢水液面图像各自的拍摄区域中存在至少一部分区域为重叠区域，也即，第一钢水液面图像和第二钢水液面图像均拍摄到了目标钢水液面区域的图像，这样才能确定后续所提到的匹配轮廓对。
71.第一钢水液面图像和第二钢水液面图像可以是彩色图像或黑白图像，在此不做限定。
72.在一个实施例中，在拍摄第一钢水液面图像和第二钢水液面图像之前，需要对第一图像采集设备和第二图像采集设备进行调整，该调整包括但不限于：
73.调整第一图像采集设备和第二图像采集设备的光圈及曝光时间至相同；
74.对第一图像采集设备和第二图像采集设备进行标定，分别得出第一图像采集设备和第二图像采集设备的设备内参数和畸变参数，及第一图像采集设备和第二图像采集设备的旋转平移矩阵。
75.可选的，上述标定方式可以利用采集不同位姿下的黑白棋盘格标定板图像进行标定。
76.为进一步确保后续钢水液面距离确定的准确，第一钢水液面图像和第二钢水液面图像可以是同时采集。
77.在一个实施例中，在分别获取第一钢水液面图像和第二钢水液面图像之前，该方法还包括：
78.利用第一图像采集设备和第二图像采集设备内参数和畸变参数分别对第一钢水液面图像和第二钢水液面图像进行校正。
79.在一个实施例中，分别获取第一钢水液面图像和第二钢水液面图像之后，该方法还包括：
80.分别获取第一液面图像和第二钢水液面图像中各像素的亮度值；
81.若亮度值位于预设亮度值区间内，将亮度值作为有效亮度值；
82.分别确定第一液面图像和第二钢水液面图像中各有效亮度值的平均亮度值；
83.若第一液面图像和第二钢水液面图像分别对应的平均亮度值均位于预设平均亮度阈值区间内，分别根据第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像；
84.若平均亮度值位于预设平均亮度阈值区间外，调整第一图像采集设备和/或第二图像采集设备采集的曝光参数，重新获取新的第一钢水液面图像和第二钢水液面图像。
85.其中，第一液面图像和第二钢水液面图像中各像素的亮度值的获取方式可以采用本领域技术人员所知晓的方式实现，在此不做限定。
86.预设亮度值区间为本领域技术人员根据需要预先设定预设亮度最小值minb和预设亮度最大值maxb，由预设亮度最小值和预设亮度最大值确定预设亮度值区间【minb，
maxb】。若亮度值大于或等于预设亮度最小值minb，且小于或等于预设亮度最大值maxb，则该亮度值为有效亮度值。若亮度值小于预设亮度最小值minb，或，亮度值大于预设亮度最大值maxb，则该亮度值为无效亮度值。
87.通过确定第一液面图像对应的各有效亮度值的平均亮度值，进而可以判断该平均亮度值是否位于预设平均亮度阈值区间内，可以筛选出过亮或过暗的第一液面图像，避免采用该图像进行距离确定导致准确性不高的问题。相似的，通过确定第二液面图像对应的各有效亮度值的平均亮度值，进而可以判断该平均亮度值是否位于预设平均亮度阈值区间内，可以筛选出过亮或过暗的第二液面图像，避免采用该图像进行距离确定导致准确性不高的问题。只有第一液面图像和第二钢水液面图像各自的平均亮度值均位于预设平均亮度值区间内，则说明这两张图像为合格图像，可以通过其较为准确的确定出钢水液面距离。
88.预设平均亮度阈值区间可以通过本领域技术人员进行设定。
89.预设平均亮度阈值区间也可以通过以下方式设定：
90.预先设定平均亮度阈值；
91.设定平均亮度阈值的容忍度阈值；
92.根据平均亮度阈值和容忍度阈值确定预设平均亮度阈值区间。
93.一种可选的预设平均亮度阈值区间的确定方式如下：
94.【(t
b-tb*t
p
)，(tb tb*t
p
)】
95.其中，tb为平均亮度阈值，t
p
为容忍度阈值，t
p
∈【0,1】。
96.可选的，由于钢水可能存在波动，或者其它因素影响导致钢水液面亮度区域特征是处于动态变化中，影响因素变化越大，tp值越大。换句话说，容忍度阈值可以根据波动情况等亮度区域影响因素来确定。
97.若第一液面图像和第二钢水液面图像分别对应的平均亮度值均位于预设平均亮度阈值区间内，则第一液面图像和第二钢水液面图像均为有效待检测图像。否则，第一液面图像和第二钢水液面图像分别对应的平均亮度值中至少一个位于预设平均亮度阈值区间外，则需要调整第一图像采集设备和/或第二图像采集设备的曝光参数，重新采集新的图像，直到得到的新的第一钢水液面图像和第二钢水液面图像均有有效待检测图像(新的第一钢水液面图像和第二钢水液面图像分别对应的平均亮度值均位于预设平均亮度阈值区间内)。
98.在一个实施例中，调整第一图像采集设备和/或第二图像采集设备采集的曝光参数包括：
99.获取第一液面图像和/或第二钢水液面图像中像素值高于预设平均亮度值的区域面积；
100.根据区域面积和预设区域面积阈值确定钢水液面状态；
101.获取第一图像采集设备和/或第二图像采集设备采集的曝光参数；
102.根据钢水液面状态对曝光参数进行调整。
103.在一个实施例中，该方法还包括：
104.对第一钢水液面图像和第二钢水液面图像中至少进行检测分类，得到钢水液面状态。
105.可选的，钢水液面状态包括：
106.钢渣厚(情况一)：钢水液面上堆积的钢渣较厚(厚度一般超过40cm以上)，并且钢水液面的钢渣覆盖率较高，此时，钢水液面图像整体亮度较低，纹理特征不明显；
107.钢渣薄(情况二)：钢水液面上堆积的钢渣较薄(厚度不超过30cm)，并且钢水液面的钢渣覆盖率较高，此时，钢水液面虽然覆盖有钢渣，但是由于钢渣较薄，钢液液面图像的整体亮度较高，钢水的弧光辐射导致纹理特征不明显；
108.钢渣分布不均匀(情况三)：由于冶炼工艺的影响，例如底部吹氩工艺，导致钢水液面某些区域内的钢渣被氩气吹开，钢水直接裸露在空气中，此时，钢水液面覆盖有钢渣的区域亮度较低，裸露钢水的区域亮度较高，图像呈现部分区域“太亮”，部分区域“太暗”，导致纹理特征稳定性受到影响。
109.在一个实施例中，对第一钢水液面图像和第二钢水液面图像中至少进行检测分类，得到钢水液面状态包括：
110.分别获取第一钢水液面图像和/或第二钢水液面图像的各像素的亮度值；
111.分别获取各图像中亮度值高于平均亮度阈值tb的区域面积；
112.若至少一个图像的区域面积小于预设区域面积阈值ta，钢水液面状态包括钢渣厚；
113.若至少一个图像的区域面积大于预设区域面积阈值ta，且区域面积小于三倍预设区域面积阈值3ta，钢水液面状态包括钢渣分布不均匀；
114.若至少一个图像的区域面积大于三倍预设区域面积阈值3ta，钢水液面状态包括钢渣薄。
115.换句话说，根据区域面积s与预设区域面积阈值ta的关系，可以确定钢水液面状态：
116.s≤ta，钢水液面状态包括钢渣厚；
117.s≥3ta，钢水液面状态包括钢渣薄；
118.ta＜s＜3ta，钢水液面状态包括钢渣分布不均匀。
119.其中，一种确定区域面积的确定方式可以是：
120.获取图像中像素的数量a，以及亮度值高于平均亮度阈值tb的像素数量b；
121.获取图像面积x；
122.区域面积＝x*(b/a)。
123.其中，另一种确定区域面积的确定方式可以是：
124.将图像划分为若干个子区域，分别获取各子区域中像素的亮度值的子区域亮度平均值，获取各子区域的子区域面积；
125.将区域亮度平均值高于平均亮度阈值tb的子区域面积进行加总，得到区域面积。
126.需要说明的是，上述三种情况都会导致钢水液面的纹理特征无法进行准确的检测，可以通过上述三种情况的确定，通过预先设定的调整策略对第一图像采集设备和/或第二图像采集设备采集的曝光参数进行调整，使得图像有效亮度的平均值在预设平均亮度阈值区间内内，使得最终钢水液位图像的纹理特征相对比较稳定，以便于后续操作。
127.换句话说，若平均亮度值位于预设平均亮度阈值区间外，可以通过确定钢水液面状态，以知晓对于曝光参数的调整策略。具体的调整方式可以由本领域技术人员进行预先的规则是定，根据曝光参数以及当前的钢水液面状态，查找预设调整策略数据库中的预设
数据，以确定合适的曝光参数，进而实现对于采集设备的曝光参数的调整。
128.步骤s102：分别根据第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像。
129.在一个实施例中，分别根据第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像的方式包括：
130.预先设定图像的感兴趣区域；
131.根据该感兴趣区域在第一钢水液面图像中确定第一感兴趣图像；
132.根据该感兴趣区域在第二钢水液面图像中确定第二感兴趣图像；
133.对第一感兴趣图像进行灰度处理，得到第一灰度图像；
134.对第二感兴趣图像进行灰度处理，得到第二灰度图像。
135.其中，感兴趣区域可以由本领域技术人员根据需要进行设定。
136.需要说明的是，上述实施例提到的方案中，对于有效亮度值、钢水液面状态等进行确定时，也可以仅适用感兴趣区域内的图像，对于感兴趣区域外的图像进行屏蔽，不予计算，这样可以进一步降低由于图像采集设备等因素的影响。
137.在一个实施例中，第一钢水液面图像为第一图像采集设备所采集的初始图像的感兴趣区域的图像。第二钢水液面图像为第二图像采集设备所采集的初始图像的感兴趣区域的图像。
138.根据第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像的具体方式可以采用本领域技术人员所知晓的方式实现。
139.步骤s103：分别从第一灰度图像和第二灰度图像中提取多个纹理特征点，并获取各纹理特征点的梯度幅值，若梯度幅值高于预设边缘强度阈值，将纹理特征点作为目标特征点。
140.其中，纹理特征点可以是图像中的轮廓点，其提取方式可通过边缘检测等方式实现，或者由本领域技术人员所知晓的方式实现。
141.其中，预设边缘强度阈值ts可以由本领域技术人员根据需要进行设定。
142.部分纹理特征点由于不够明显，在后续步骤中将影响结果的准确性，故将其筛去。
143.通过预设边缘强度阈值ts，提取感兴趣区域内的纹理特征点，纹理特征点的梯度幅值大于ts，则将纹理特征点作为目标特征点，根据目标特征点生成各图像对应的候选纹理特征点集合1。
144.其中，梯度幅值的确定方式可以由本领域技术人员所知晓的方式实现，在此不做限定。
145.步骤s104：分别获取各目标特征点的纹理方向及纹理位置信息，根据纹理方向和纹理位置信息将相邻的两个目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓。
146.其中，可选的，第一强纹理轮廓为第一钢水液面图像中的渣缝与钢渣之间的轮廓，第二强纹理轮廓为第二钢水液面图像中的渣缝与钢渣之间的轮廓。
147.其中，纹理方向可以是通过获取图像中各像素的梯度方向，将与梯度方向垂直的方向作为该像素的纹理方向。在图像中，该纹理方向与渣缝的延伸方向相近。
148.参见图2，图2为一种包括若干个强纹理轮廓的图像示意图，该图像中深色区域边
缘的线条则为强纹理轮廓。
149.参见图3，图3为图2中r区域的放大示意图，图3中每一个纹理特征点均有梯度方向，图中以y方向示意，与该梯度方向垂直的方向，图中以x方向示意，则为纹理方向。图3中，虚线框为该纹理特征点(位于虚线框中心的点)的8邻域。
150.例如，可以通过计算候选纹理特征点集合1中的每个目标特征点的纹理方向，根据目标特征点y的纹理方向判断该目标特征点y周围8邻域范围内是否存在有属于候选纹理特征点集合1中的目标特征点x，如果目标特征点x及其纹理方向的邻域都属于集合1，则将两点(目标特征点y、x)连接，以此类推，将候选纹理特征点集合1中所有的目标特征点按照其纹理方向及其邻域判断后进行连接，形成各图像对应的强纹理轮廓候选集合2。第一钢水液面图像的强纹理轮廓候选集合2包括有多个第一强纹理轮廓。第二钢水液面图像的强纹理轮廓候选集合2包括有多个第二强纹理轮廓。
151.在一个实施例中，分别获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息之后，该方法还包括：
152.获取第一距离，第一距离包括第一强纹理轮廓与第一钢水液面图像中心之间的距离；
153.根据第一距离对各第一强纹理轮廓进行排序；
154.根据靠近第一钢水液面图像中心的预设数量第一强纹理轮廓生成第一候选轮廓集合；
155.对至少一部分第一候选轮廓集合中的第一强纹理轮廓与各第二强纹理轮廓进行匹配。
156.其中，第一距离可以是欧式距离。第一钢水液面图像中心可以是第一采集设备的相机原点或其他本领域技术人员所是定的位置。预设数量可以是本领域技术人员所设定的数量。该预设数量可以根据后续需要匹配得到的匹配轮廓对最少数量的一定倍数确定，以确保能够得到足够数量的匹配轮廓对。
157.在一个实施例中，根据靠近第一钢水液面图像中心的预设数量第一强纹理轮廓生成备选轮廓集合包括：
158.获取预设待匹配纹理轮廓数量tn；
159.选择按照第一距离进行升序排序得到的第一距离较小的前a*tn个第一强纹理轮廓生成候选轮廓集合4。
160.其中，a可以是大于1的数值，该数值可以由本领域技术人员进行设定。选取数量为a*tn个是为了防止存在匹配失败的情况而预留了余量。
161.其中，第一距离可以是通过计算候选轮廓集合3或强纹理轮廓候选集合2中所有强纹理轮廓的重心及其与图像中心的欧式距离得到。选最靠近图像中心的轮廓，是由于越靠近图像中心的轮廓可能存在的畸变越小，可以尽量避免畸变的影响。
162.在一个实施例中，还可以对参与匹配的第二强纹理轮廓进行与第一强纹理轮廓相似的预筛选，一种可选的方式如下：
163.获取第二距离，第二距离包括第二强纹理轮廓与第二钢水液面图像中心之间的距离；
164.根据第二距离对各第二强纹理轮廓进行排序；
165.根据靠近第二钢水液面图像中心的预设数量第二强纹理轮廓生成第二候选轮廓集合；
166.对至少一部分候第一选轮廓集合中的第一强纹理轮廓与第二候选轮廓集合中各第二强纹理轮廓进行匹配。
167.这样可以减少匹配范围，节约资源。
168.第二距离、第二候选轮廓集合的确定方式与第一距离、第一候选轮廓集合类似，在此不做赘述。
169.其中，至少一部分候第一选轮廓集合中的第一强纹理轮廓与第二候选轮廓集合中各第二强纹理轮廓进行匹配时，第一强纹理轮廓的数量不小于预设待匹配纹理轮廓数量tn。
170.在一个实施例中，得到多个第一强纹理轮廓和多个第二强纹理轮廓之后，分别获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息之前，方法还包括以下至少之一：
171.获取各第一强纹理轮廓的第一轮廓长度，若第一轮廓长度小于预设轮廓长度阈值，删除第一轮廓长度对应的第一强纹理轮廓；
172.获取各第二强纹理轮廓的第二轮廓长度，若第二轮廓长度小于预设轮廓长度阈值，删除第二轮廓长度对应的第二强纹理轮廓；
173.获取各第一强纹理轮廓的第一纹理方向一致性，若第一纹理方向一致性高于预设一致性，删除第一强纹理轮廓，获取剩余的各第一强纹理轮廓的轮廓位置信息和轮廓特征信息；
174.获取各第二强纹理轮廓的第二纹理方向一致性，若第二纹理方向一致性高于预设一致性，删除第二强纹理轮廓，获取剩余的各第二强纹理轮廓的轮廓位置信息和轮廓特征信息。
175.其中，预设轮廓长度阈值tc可以由本领域技术人员根据需要进行设定。
176.对于第一轮廓长度和第二轮廓长度的确定方式，可以通过像素数量，或本领域技术人员所知晓的方式进行确定。
177.通过将长度较短的第一、二强纹理轮廓进行删除，可以避免由于轮廓长度过短，导致后续匹配结果不准确等问题。通过将纹理方向一致性较高的第一、二强纹理轮廓进行删除，可以避免由于第一、二强纹理轮廓为近似直线时导致后续匹配不准确等问题。
178.其中，对于第一强纹理轮廓、第二强纹理轮廓可以既进行基于轮廓长度维度的删除，也进行基于纹理方向一致性维度的删除。删除的顺序可以由本领域人员进行设定。例如，预设轮廓长度阈值tc，对上述的强纹理轮廓候选集合2中轮廓长度小于tc的轮廓进删除，对删除后保留的轮廓进行纹理方向统计、纹理方向一致性比较高的轮廓可能属于直线轮廓，将这类轮廓分类为简单轮廓，由于钢水与钢渣的纹理特征中可能存在大量的简单轮廓，因此需要对强纹理轮廓候选集合2中的简单轮廓进行删除，最终保留的轮廓集合为候选轮廓集合3。
179.可选的，第一纹理方向一致性、第二纹理方向一致性的确定方式可以是通过获取第一强纹理轮廓、第二强纹理轮廓的轮廓弧度，基于该轮廓弧度确定。若第一强纹理轮廓、第二强纹理轮廓的轮廓弧度接近于0，说明该第一强纹理轮廓、第二强纹理轮廓越接近于直
线轮廓。预设一致性可以由本领域技术人员来确定，以上述轮廓弧度为例，该预设一致性可以是一定的弧度数值。
180.可选的，第一纹理方向一致性、第二纹理方向一致性的确定方式也可以是通过确定第一强纹理轮廓、第二强纹理轮廓的切线方向，若切线数量只有一条和/或各切线的夹角小于一定预设角度，则说明纹理方向一致性较强，此时预设一致性可以由切线数量和/或各切线的夹角确定。
181.第一纹理方向一致性、第二纹理方向一致性的确定方式还可以是由本领域技术人员所知晓的方式实现。
182.步骤s105：分别获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分第一强纹理轮廓与各第二强纹理轮廓进行匹配，得到多个匹配轮廓对。
183.可选的，轮廓位置信息可以为第一强纹理轮廓和第二强纹理轮廓的重心位置信息，或者第一强纹理轮廓和第二强纹理轮廓的至少一个端点位置信息。
184.轮廓位置信息也可以是该第一强纹理轮廓和第二强纹理轮廓的轮廓识别框的位置信息(轮廓识别框的几何中心位置信息、轮廓识别框的断点位置信息等)。该轮廓识别框可以是该第一强纹理轮廓和第二强纹理轮廓的外接矩形。
185.轮廓特征信息可以通过轮廓位置信息、轮廓面积、区域方向、凸性、圆度等确定。
186.又例如，当第二强纹理轮廓或第一强纹理轮廓为弯折的曲线，则分别确定各曲部的弧度，进而按照一定预设方向进行弧度的排列，将该弧度序列作为轮廓特征信息。
187.在一个实施例中对至少一部分第一强纹理轮廓与各第二强纹理轮廓进行匹配，得到多个匹配轮廓对的一种实现方式可以为：
188.获取一第一强纹理轮廓m的轮廓特征信息与各第二强纹理轮廓的轮廓特征信息进行比对，若比对得到的相似度高于预设相似度阈值，将该第二强纹理轮廓作为疑似轮廓；
189.若存在多个疑似轮廓，则获取各疑似轮廓与一第一强纹理轮廓m之间的疑似距离(欧式距离)，若疑似距离小于预设疑似距离阈值，取各疑似距离中相似度最大的一个第二强纹理轮廓与该一第一强纹理轮廓m形成一个匹配轮廓对。
190.可选的，也可以先进行各第二强纹理轮廓与该一第一强纹理轮廓的疑似距离判断，将疑似距离满足条件的各第二强纹理轮廓与该一第一强纹理轮廓进行相似度比对，将相似度最大的一个第二强纹理轮廓与该一第一强纹理轮廓m形成一个匹配轮廓对。
191.可选的，匹配轮廓对的识别方法可以选择基于边缘梯度方向或者基于图像互相关技术的匹配方法或者使用基于dnn，cnn的深度识别方法去匹配实现。
192.步骤s106：根据匹配轮廓对从第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各匹配位置的匹配距离，进而确定钢水液面距离。
193.可选的，匹配距离可以基于双目测距的方式确定。
194.可选的，匹配距离也可以是通过第一图像采集设备确定第一钢水液面图像中匹配位置的第一子距离，通过第二图像采集设备确定第二钢水液面图像中匹配位置的第二子距离，基于第一子距离和第二子距离确定匹配距离。
195.在一个实施例中，钢水液面距离的确定方式包括：
196.对匹配距离进行聚类处理，得到多个聚类小组；
197.获取各聚类小组中的匹配距离数量，并将匹配距离数量最多的聚类小组中匹配距离作为目标距离；
198.根据目标距离确定钢水液面距离。
199.在一个实施例中，根据目标距离确定钢水液面距离包括以下任意之一：
200.获取各目标距离的第一目标平均值，将第一目标平均值作为钢水液面距离；
201.对目标距离进行排序后，获取相邻两个目标距离之间的距离差值，若存在至少一个距离差值大于预设距离误差，根据距离差值将目标距离划分为至少两个目标小组，获取各目标小组中的目标距离数量，获取目标距离数量最多的目标小组中目标距离的第二目标平均值，并将第二目标平均值作为钢水液面距离。
202.其中，预设距离误差的数值可以由本领域技术人员根据需要进行设定。
203.其中，一种目标小组的划分方式如下：
204.若相邻两个目标距离之间的距离差值大于预设距离误差，将较小的一个目标距离作为标记距离；
205.获取目标距离序列中各标记距离，并将两个标记距离之间的目标距离以及较小的标记距离作为一个目标小组，将最大目标距离、与最大目标距离差值最小的标记距离、以及两者之间的目标距离作为一个目标小组，将剩余的目标距离作为一个目标小组。
206.例如，当前目标距离为1、2、3.2、4、5.6、5.8、7、8，预设距离误差为1，各距离差值分别为1，1.2，0.8，1.6，0.2，1.2，1，则标记距离为3.2，4，5.8，这样得到目标小组1(1，2)，目标小组2(3.2)，目标小组3(4，5.6)，目标小组4(5.8，7，8)，可见，目标小组4中的目标距离数量最多，则第二目标平均值＝(5.8 7 8)/3＝6.93。
207.当然，也有可能存在两个目标小组中的目标距离数量相等，此时可以取其中一个目标小组的第二目标平均值作为钢水液面距离，也可以分别确定两个目标小组的第二目标平均值后，再取加权平均(权重可以由本领域技术人员根据需要设定)得到钢水液面距离。
208.上述实施例提供的钢水液面距离确定方法，通过分别获取第一钢水液面图像和第二钢水液面图像，并生成对应的第一灰度图像和第二灰度图像，分别提取其中的多个纹理特征点，从各纹理特征点中确定目标特征点，获取各目标特征点的纹理方向和纹理位置信息，根据纹理方向和纹理位置信息将相邻的两个目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓，通过获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分第一强纹理轮廓与各第二强纹理轮廓进行匹配，得到多个匹配轮廓对，根据匹配轮廓对从第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各匹配位置的匹配距离，进而确定钢水液面距离，能够替代人工进行钢水液面距离的确定，降低了人工作业的危险性，提升了钢水液面距离确定的准确性，方法便捷准确简便。通过智能选择钢水液面的纹理特征，提高了测量的速度和稳定性，对结果进行多点检测和距离聚类提高了钢水液位距离检测的准确性，为钢水冶炼流程智能化提供了支撑。
209.下面以双目相机来实现图像采集为例，对上述方法进行示例性说明，该具体的方法如下：
210.预先设置双目相机的第一相机和第二相机，双目相机的任何一个都可以设置为第一相机，另一个则为第二相机。
211.调整第一相机和第二相机的光圈及曝光时间至相同，例如可通过光圈刻度为参照，手动调整第一相机和第二相机的光圈至相同位置；也可以通过相机参数设置软件分别设置第一相机和第二相机的曝光时间至相同。
212.对双目相机进行标定，分别得出第一相机和第二相机的相机内参数和畸变参数及第一相机和第二相机的旋转平移矩阵。
213.其中标定方式可以利用采集不同位姿下的黑白棋盘格标定板图像进行标定。
214.第一相机和第二相机分别实时采集图像。
215.由于钢水液面存在波动，因此，要求第一相机与第二相机需要满足在同一时刻采集图像，这可以通过多线程采集方式或者相机硬触发采集方式进行同时采集图像。
216.利用所述的相机内参数和畸变参数分别对第一相机和第二相机采集的图像进行校正。
217.第一相机和第二相机所采集的图像都是指校正后的图像。
218.设置第一相机图像检测的感兴趣区域。
219.通过第一相机和第二相机分别获取第一钢水液面图像和第二钢水液面图像。
220.对第一钢水液面图像进行检测分类，判断钢水液面处于状态。
221.一种钢水液面状态的确定方式包括：
222.预先设置感兴趣区域内的平均亮度阈值tb及预设区域面积阈值ta；
223.钢渣厚(情况一)：钢水液面上堆积的钢渣较厚(厚度一般超过40cm以上)，并且钢水液面的钢渣覆盖率较高，此时，钢水液面图像整体亮度较低，纹理特征不明显；
224.钢渣薄(情况二)：钢水液面上堆积的钢渣较薄(厚度不超过30cm)，并且钢水液面的钢渣覆盖率较高，此时，钢水液面虽然覆盖有钢渣，但是由于钢渣较薄，钢液液面图像的整体亮度较高，钢水的弧光辐射导致纹理特征不明显；
225.钢渣分布不均(情况三)：由于冶炼工艺的影响，例如底部吹氩工艺，导致钢水液面某些区域内的钢渣被氩气吹开，钢水直接裸露在空气中，此时，钢水液面覆盖有钢渣的区域亮度较低，裸露钢水的区域亮度较高，图像呈现部分区域“太亮”，部分区域“太暗”，导致纹理特征稳定性受到影响；
226.针对上述三种情况，需要对图像进行亮度区域特征分析，并计算超过平均亮度阈值tb的区域面积，当区域面积小于预设区域面积阈值ta时，判断为情况一；当区域面积大于ta时，并小于3ta时，判断为情况三；当区域面积大于3ta时，判断为情况二。
227.需要说明的是，三种情况都会导致钢水液面的纹理特征无法进行准确的检测。
228.通过对钢水液面状态进行检测，根据钢水液面状态有针对性的进行相机的曝光参数的调整，使得后续该相机所采集的图像有效亮度的平均值在预设范围内。
229.预先设置亮度最小值minb、亮度最大值maxb及平均亮度阈值tb的容忍度阈值t
p
，注意，由于钢水可能存在波动，或者其它因素影响导致钢水液面亮度区域特征是处于动态变化中，影响因素变化越大，t
p
值越大，；
230.对第一钢水液面图像中每个每个像素的亮度值进行分类，当亮度值在大于minb并且小于maxb时，则判断为有效的亮度值，反之则为无效的亮度值；
231.对所述的所有的有效亮度值进行统计，计算平均亮度值，当平均亮度值在tb±
tb*t
p
范围内时，判断为有效的待检测图像，反之，则调整相机的曝光参数，重新采集图像，使得
有效亮度的平均值在预设范围内；
232.通过上述调整，使得最终钢水液位图像的纹理特征稳定。
233.对所述的有效的待检测图像的感兴趣区域，进行边缘纹理特征智能化选择。
234.一种示例性的边缘纹理特征智能化选择方法如下：
235.第一步：预设边缘强度阈值ts，提取感兴趣区域内的纹理特征点，纹理特征点的梯度幅值大于ts，则将纹理特征点保留为候选纹理特征点集合1，
236.第二步：计算候选集合1中的每个纹理特征点的纹理方向，根据该纹理特征点的纹理方向判断该点周围8邻域范围内是否存在有属于候选纹理特征点集合1中的纹理特征点，如果该纹理特征点及其纹理方向的邻域都属于候选纹理特征点集合1，则将两点连接，以此类推，将候选纹理特征点集合1中所有的纹理特征点按照其纹理方向及其邻域判断后进行连接，形成强纹理轮廓候选集合2；
237.第三步：预设轮廓长度阈值tc，对所述的强纹理轮廓候选集合2中轮廓长度小于tc的轮廓进删除，对删除后保留的轮廓进行纹理方向统计、纹理方向一致性比较高的轮廓可能属于直线轮廓，将这类轮廓分类为简单轮廓，由于钢水与钢渣的纹理特征中可能存在大量的简单轮，因此需要对强纹理轮廓候选集合2中的简单轮廓进行删除，最终保留的轮廓集合为候选轮廓集合3；
238.第四步：预设待匹配纹理轮廓数量tn，计算所述的候选轮廓集合3中所有第一强纹理轮廓的重心及其与第一钢水液面图像中心的欧式距离，将所有的第一距离进行升序排序，选择距离最近的2*tn个第一强纹理轮廓作为候选轮廓集合4，之所以选最靠近图像中心的第一强纹理轮廓，是越靠近图像中心的第一强纹理轮廓可能存在的畸变越小，选取数量为2*tn个是为了防止存在双目匹配失败的情况而预留了余量。
239.选取所述的待匹配纹理轮廓的个数tn，选取候选轮廓集合3中的tn个第一强纹理轮廓作为模板的一种实现方式如下：
240.根据所预设的待匹配纹理轮廓数量tn，选取候选轮廓集合3中的tn个轮廓分别设置为tn个模板，并记录其每个模板的位置；
241.在第二相机采集的第二钢水液面图像中，分别匹配识别所述的多个模板的位置；
242.根据多个模板的位置及其对应的匹配位置计算钢水液面距离。
243.一种钢水液面距离的确定方式如下：
244.根据第一相机的图像中感兴趣区域内tn个模板的位置，在第二相机的图像中匹配识别tn个模板；
245.每个模板在第二相机的图像中可能找到多个可能的匹配位置，选择匹配度最高的位置作为其最终的匹配位置；
246.记录每个模板的位置x及其对应的匹配位置p，计算并记录该位置x与第一相机的距离。
247.参见图3和图4，图3为第一钢水液面图像的图像，其中的识别框即为智能选择的多个纹理特征，图4为第二钢水液面图像的图像，其中的识别框即为与图3中的纹理特征匹配的纹理特征。
248.对所述的多个匹配距离进行聚类后，保留满足误差范围内的目标距离，一种示例的方式如下：
249.预先设置距离误差阈值t
distance
；
250.对多个匹配距离进行聚类后，排除误差大的匹配距离，得到目标距离；
251.并剩下的目标距离进行升序排序，并排除掉相邻距离值的差值大于t
distance
的距离值；
252.对所保留的目标距离值计算平均距离，作为最终的钢水液面距离。
253.参见图6，图6为一种聚类后的匹配距离的示意图，其中，(a)类点为匹配距离误差大于t
distance
的位置点。(b)类点为匹配距离误差小于t
distance
的位置点，(b)类点的所有目标距离求平均得到最终的钢水液面距离。
254.通过智能选择钢水液面的纹理特征，提高了测量的速度和稳定性，对结果进行多点检测和距离聚类提高了钢水液位距离检测的准确性，为钢水冶炼流程智能化提供了支撑。
255.实施例二
256.请参阅图7，本实施例提供了钢水液面距离确定系统500，该系统包括：
257.图像获取模块501，用于分别获取第一钢水液面图像和第二钢水液面图像，其中，第一钢水液面图像由第一图像采集设备采集，第二钢水液面图像由第二图像采集设备采集，第一钢水液面图像和第二钢水液面图像均包括目标钢水液面区域的图像；
258.灰度图像生成模块502，用于分别根据第一钢水液面图像和第二钢水液面图像生成第一灰度图像和第二灰度图像；
259.纹理特征点提取模块503，用于分别从第一灰度图像和第二灰度图像中提取多个纹理特征点，并获取各纹理特征点的梯度幅值，若梯度幅值高于预设边缘强度阈值，将纹理特征点作为目标特征点；
260.纹理轮廓生成模块504，用于分别获取各目标特征点的纹理方向及纹理位置信息，根据纹理位置信息将相邻的两个目标特征点进行连接，得到多个第一强纹理轮廓和多个第二强纹理轮廓，第一强纹理轮廓为第一钢水液面图像中的钢渣图像轮廓，第二强纹理轮廓为第二钢水液面图像中的钢渣图像轮廓；
261.匹配模块505，用于分别获取各第一强纹理轮廓和第二强纹理轮廓的轮廓位置信息和轮廓特征信息，并对至少一部分第一强纹理轮廓与各第二强纹理轮廓进行匹配，得到多个匹配轮廓对；
262.距离确定模块506，用于根据匹配轮廓对从第一钢水液面图像和第二钢水液面图像中确定多个匹配位置，并确定各匹配位置的匹配距离，进而确定钢水液面距离。
263.在本实施例中，该系统实质上是设置了多个模块用以执行上述实施例中的方法，具体功能和技术效果参照上述实施例一即可，此处不再赘述。
264.参见图8，本发明实施例还提供了一种电子设备600，包括处理器601、存储器602和通信总线603；
265.通信总线603用于将处理器601和存储器连接602；
266.处理器601用于执行存储器602中存储的计算机程序，以实现如上述实施例一中的一个或多个所述的方法。
267.本发明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，
268.计算机程序用于使计算机执行如上述实施例一中的任一项所述的方法。
269.本技术实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在设备时，可以使得该设备执行本技术实施例的实施例一所包含步骤的指令(instructions)。
270.需要说明的是，本公开上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。计算机可读存储介质例如可以是——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。在本公开中，计算机可读存储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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
271.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
272.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公开的操作的计算机程序代码，上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)。
273.附图中的流程图和框图，图示了按照本公开各种实施例的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，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基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
274.上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因
此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。