多设备标定方法、装置和计算可读存储介质与流程

1.本技术涉及智能驾驶技术领域，尤其涉及多设备标定方法、装置和计算可读存储介质。


背景技术：

2.在进行数据融合时，多种(或多个)设备的标定是必须解决的问题之一，其中，各个设备自身参数的标定是为了保证所采集数据的准确性，而多个设备的联合标定是为了多个设备数据的准确匹配，确保数据融合的准确性。相关技术中，对多个设备的标定方法一般是选择在固定场地(例如，标定间)或者使用类似于棋盘格的标定装置进行。然而，这种方法存在的缺陷主要是受限于特定场地和/或特定装置，因此，灵活性不够，从而带来各种不便(例如，特定场地预约困难，特定装置较大，不便携带，等等)。


技术实现要素：

3.为解决或部分解决相关技术中存在的问题，本技术提供一种多设备标定方法、装置和计算可读存储介质，可以较为便捷地标定多个设备。
4.一方面提供一种多设备标定方法，包括：
5.获取第一设备的初始标定参数；
6.获取第二设备的初始标定参数；
7.根据任意第一预设环境中任意第一标识物的已知参数，评测所述第一设备的精度和第二设备的精度，所述已知参数包括所述任意第一标识物在所述第一预设环境中的位姿信息；
8.若所述第一设备的精度高于所述第二设备的精度，则通过在任意第二预设环境中任意第二标识物，使用所述第一设备的初始标定参数对所述第二设备进行联合标定，得到所述第二设备的最终标定参数。
9.本技术第二方面提供一种多设备标定装置，应用于智能驾驶，包括：
10.第一获取模块，用于获取第一设备的初始标定参数；
11.第二获取模块，用于获取第二设备的初始标定参数；
12.评测模块，用于根据任意第一预设环境中任意第一标识物的已知参数，评测所述第一设备的精度和第二设备的精度，所述已知参数包括所述任意第一标识物在所述第一预设环境中的位姿信息；
13.标定模块，用于若所述第一设备的精度高于所述第二设备的精度，则通过在任意第二预设环境中任意第二标识物，使用所述第一设备的初始标定参数对所述第二设备进行联合标定，得到所述第二设备的最终标定参数。
14.本技术第三方面提供一种电子设备，包括：
15.处理器；以及
16.存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述
处理器执行如上所述的方法。
17.本技术第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
18.本技术提供的技术方案可以包括以下有益效果：由于无论是评测第一设备的精度和第二设备的精度，还是使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数，都可以在任意预设环境中对任意标识物进行，即，在对多设备的联合标定时无需特定场所和/或特定装置，不受环境、条件的限制，因此能够非常便捷地对多个(种)设备进行标定，客观上也降低了标定的成本。
19.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，并不能限制本技术。
附图说明
20.通过结合附图对本技术示例性实施方式进行更详细地描述，本技术的上述以及其它目的、特征和优势将变得更加明显，其中，在本技术示例性实施方式中，相同的参考标号通常代表相同部件。
21.图1是本技术实施例示出的多设备标定方法的流程示意图；
22.图2是本技术实施例示出的多设备标定装置的结构示意图；
23.图3是本技术实施例示出的电子设备的结构示意图。
具体实施方式
24.下面将参照附图更详细地描述本技术的实施方式。虽然附图中显示了本技术的实施方式，然而应该理解，可以以各种形式实现本技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本技术更加透彻和完整，并且能够将本技术的范围完整地传达给本领域的技术人员。
25.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术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。
26.应当理解，尽管在本技术可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
27.在进行数据融合时，为了保证所采集数据的准确性，对多种(个)设备的标定是必须解决的问题之一，而多个设备的联合标定也是为了多个设备数据的准确匹配，确保数据融合的准确性。相关技术中，对多个设备的标定方法一般是选择在固定场地(例如，标定间)，使用类似于棋盘格的标定装置进行。显然，现有的多设备标定方法受限于特定场地和/或特定装置，会带来诸如特定场地预约困难、特定装置较大以及不便携带此类的各种不便，
因此，灵活性不够。
28.针对上述问题，本技术实施例提供一种多设备标定方法，可以较为便捷地标定多个设备。
29.以下结合附图详细描述本技术实施例的技术方案。
30.参见图1，是本技术实施例示出的多设备标定方法的流程示意图，主要包括步骤s101至步骤s104，说明如下：
31.步骤s101：获取第一设备的初始标定参数。
32.在本技术实施例中，第一设备可以是智能驾驶领域中最为常见和重要的激光类传感器，例如激光雷达，也可以是视觉类传感器，例如，单目相机、双目相机或深度相机等。至于第一设备的初始标定参数的获取，其可以是直接读取第一设备历史的标定参数，也可以是在离线条件下，在标定间对第一设备标定时得到的标定参数，还可以是在线时标定得到的标定参数，例如，搭载第一设备的无人车在行驶时对第一设备进行标定得到的标定参数，等等；本技术对第一设备的初始标定参数的获取方式并不限定。此外，之所以称之为初始标定参数，是相对于设备的最终标定参数而言，意味着该设备的初始标定参数可能存在不准确的缺陷。
33.步骤s102：获取第二设备的初始标定参数。
34.与第一设备的初始标定参数的获取方式类似，第二设备的初始标定参数的获取，其可以是直接读取第二设备历史的标定参数，也可以是在离线条件下，在标定间对第二设备标定时得到的标定参数，还可以是在线时标定得到的标定参数，例如，搭载第二设备的无人车在行驶时对第二设备进行标定得到的标定参数，等等；第二设备也可以是视觉类传感器，例如，单目相机、双目相机或深度相机等，或者是智能驾驶领域中最为常见和重要的激光类传感器，例如激光雷达。
35.步骤s103：根据任意第一预设环境中任意第一标识物的已知参数，评测第一设备的精度和第二设备的精度，其中，已知参数包括任意第一标识物在第一预设环境中的位姿信息。
36.所谓设备的精度，可以认为是设备发挥功能时的精度，例如，对于激光雷达设备，其精度表现为对目标的位置、姿态等参数测量的准确性。可以根据任意第一预设环境中任意第一标识物的已知参数，评测第一设备的精度和第二设备的精度，此处任意第一标识物的已知参数包括该任意第一标识物在第一预设环境中的位姿信息。以第一设备是激光雷达，第二设备是相机为例，根据任意第一预设环境中任意第一标识物的已知参数，评测第一设备的精度和第二设备的精度具体可以是：根据惯导设备所得位姿数据和激光雷达采集的点云数据，确定任意第一预设环境中任意第一标识物的第一参数；根据惯导设备所得位姿数据和相机采集的图像，确定任意第一预设环境中任意第一标识物的第二参数；若第一参数与所述已知参数的误差绝对值小于第二参数与已知参数的误差绝对值，则确定第一设备的精度高于第二设备的精度。上述实施例中，惯导设备包括惯性测量单元(inertial measurement unit，imu)和导航模块，例如全球定位系统(global positioning system，gps)，前者可较为精确测量目标的角速度、朝向等参数，而后者可以对目标进行定位。
37.作为本技术一个实施例，根据惯导设备所得位姿数据和激光雷达采集的点云数据，确定任意第一预设环境中任意第一标识物的第一参数可以通过步骤s1031至步骤s1033
实现，详细说明如下：
38.步骤s1031：通过激光雷达对任意第一预设环境的扫描，采集感兴趣区域的点云数据。
39.在本技术实施例中，原则上，可能存在第一标识物的任何区域都可以是感兴趣区域，其可以根据感知范围的要求来定。以激光雷达搭载在无人车上为例，感兴趣区域可以是车身左外侧至车身右外侧的预设范围内、车前方至车后方的预设范围内、车身正面左右的预设范围内和/或激光雷达正面竖直上下的预设范围内。为了减小对计算资源的无谓消耗，在采集感兴趣区域的点云数据时，可以滤除明显不符合要求的点云，例如，尺寸和坐标等参数在感兴趣区域范围外的点云。
40.步骤s1032：通过对点云数据的处理，检测得到第一标识物在激光雷达坐标系下的中心坐标。
41.具体地，可以通过数据统计，得到感兴趣区域内目标的点云簇特征；测定这些感兴趣区域内目标的点云簇中两点之间的最大距离d
max
以及同一类目标中最大点云簇的点云数n
max
；滤除两点之间最大距离为d
max
以及同一类目标的点云数为n
max
的最大点云簇中，其三维坐标的任意一维坐标的标准差大于预设标准差阈值的点云簇，保留其三维坐标的任意一维坐标的标准差与预设标准差阈值的绝对差值最小的点云簇；计算上述保留下来的点云簇的x坐标、y坐标、z坐标的平均值作为第一标识物在激光雷达坐标系的中心坐标。
42.步骤s1033：根据第一标识物在激光雷达坐标系下的中心坐标和惯导设备对激光雷达确定的位姿结果，解算第一标识物的世界位姿作为任意第一预设环境中任意第一标识物的第一参数。
43.在本技术实施例中，假设激光雷达和惯导设备安装在无人车上，则在启动惯导设备时可以读取、解析差分定位服务模块提供的实时动态((real-time kinematic，rtk)信号，获得无人车的世界位姿；将激光雷达的安装参数累加至无人车的世界位姿上，获得惯导设备对激光雷达确定的位姿结果；根据惯导设备对激光雷达确定的位姿结果，将第一标识物在激光雷达坐标系下的中心坐标换算至世界坐标系下，得到第一标识物的世界位姿即横坐标、纵坐标和朝向角，将其作为任意第一预设环境中任意第一标识物的第一参数。
44.作为本技术一个实施例，根据惯导设备所得位姿数据和相机采集的图像，确定任意第一预设环境中任意第一标识物的第二参数可以通过步骤s’1031至步骤s’1035实现，详细说明如下：
45.步骤s’1031：获取多帧标识物图像中每帧标识物图像对应的惯导设备位姿数据，其中，标识物图像为相机对任意第一预设环境中任意第一标识物拍摄的图像。
46.步骤s’1032：对多帧标识物图像中每帧标识物的特定标志进行特征检测，得到每帧标识物图像中的语义特征。
47.本技术实施例中，当相机是搭载在无人车上时，该标识物可以是路牌、道路和标识牌等，标识物的特定标志是标识物中具有特定含义或者特定形式的区别物，例如，对于道路这一标识物，其特定标志可以是车道线、路灯杆、交通牌、道路边缘线、停止线、地面标识和红绿灯等，而对路牌这一标识物，其特定标志可以是路牌的四个角的角点。
48.步骤s’1033：根据每帧标识物图像中的语义特征，对各帧标识物图像之间进行数据匹配，得到各帧标识物图像之间属于同一特定标志的匹配语义特征。
49.步骤s’1034：确定匹配语义特征在世界坐标系中的第一位姿。
50.步骤s’1035：根据第一位姿以及每帧标识物图像对应的惯导设备位姿数据，确定匹配语义特征在世界坐标系中的第二位姿作为任意第一预设环境中任意第一标识物的第二参数。
51.具体可以根据第一位姿以及每帧标识物图像对应的惯导设备位姿数据，确定匹配语义特征与每帧标识物图像中对应的语义特征之间的重投影误差，并确定各个重投影误差之间的投影误差和值，根据投影误差和值，确定匹配语义特征在世界坐标系中的第二位姿作为任意第一预设环境中任意第一标识物的第二参数。此处需要说明的是，惯导设备位姿数据主要是指通过imu获取的相机或第一标识物的角速度、朝向等数据以及通过gps提供的rtk信号获取的相机或第一标识物的位置等数据。
52.当确定了任意第一预设环境中任意第一标识物的第一参数和确定任意第一预设环境中任意第一标识物的第二参数后，将第一参数与已知参数求差并取绝对值，得到第一参数与已知参数的误差绝对值；同样地，也可以得到第二参数与已知参数的误差绝对值；比较这两个误差绝对值，第一参数与已知参数的误差绝对值小于第二参数与已知参数的误差绝对值，则确定第一设备的精度高于第二设备的精度。
53.需要说明的是，虽然上述是以第一设备是激光雷达、第二设备是相机为例来说明根据任意第一预设环境中任意第一标识物的已知参数，评测第一设备的精度和第二设备的精度的技术方案，但本领域技术人员可以理解，当第一设备是相机、第二设备是激光雷达时，技术方案是类似或者基本相同的，因此，本技术不再以第一设备是相机、第二设备是激光雷达为例来赘述评测第一设备的精度和第二设备的精度的技术方案。
54.步骤s104：若第一设备的精度高于第二设备的精度，则通过在任意第二预设环境中任意第二标识物，使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数。
55.由于第一设备的精度高于第二设备的精度，意味着第一设备的初始标定参数较为准确，因此，可以通过在任意第二预设环境中任意第二标识物，使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数。仍然以第一设备是激光雷达，第二设备是相机为例，在本技术一个实施例中，通过在任意第二预设环境中任意第二标识物，使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数可以是：提取任意第二标识物的预设个数的特征点；根据预设个数的特征点，通过激光雷达确定任意第二标识物在任意第二预设环境中预设个数的第一位置p1以及通过相机确定任意第二标识物在任意第二预设环境中预设个数的第二位置p2；采用最小二乘法，求解使得t
w1
×
p1＝t
′2×
t
w2
×
p2成立的t
′2，将t
′2×
t
w2
作为相机的最终标定参数，其中，t
w1
为激光雷达的初始标定参数，t
w2
为相机的初始标定参数，t
′2为相机的补偿参数。需要说明的是，本实施例中，通过激光雷达确定任意第二标识物在任意第二预设环境中预设个数的第一位置p1，具体可以采用前述实施例中根据惯导设备所得位姿数据和激光雷达采集的点云数据，确定任意第一预设环境中任意第一标识物的第一参数的类似技术方案，此处不做赘述；同样地，通过相机确定任意第二标识物在任意第二预设环境中预设个数的第二位置p2，具体也可以采用前述实施例中根据惯导设备所得位姿数据和相机采集的图像，确定任意第一预设环境中任意第一标识物的第二参数的类似技术方案，因此此处亦不做赘述，读者可以参
阅前述实施例的相关说明。
56.在本技术另一实施例中，通过在任意第二预设环境中任意第二标识物，使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数可以是：当相机与第二标识物相距第一距离时，根据相机的初始标定参数获取所述第二标识物的第一投影；当相机与第二标识物相距第二距离时，根据激光雷达的初始标定参数获取第二标识物的三维信息；基于第二标识物的三维信息确定第二标识物的第二投影；以及基于第一投影和所述第二投影，确定相机相对于激光雷达的相对位姿；求解t
′
w2
＝δp
×
t
w2
，将t
′
w2
作为第二设备的最终标定参数，其中，第二投影是当相机与目标物的距离为第一距离时第二标识物的虚拟投影，第一距离大于第二距离，δp为相机相对于激光雷达的相对位姿，t
w2
为相机的初始标定参数。
57.从上述图1示例的多设备标定方法可知，由于无论是评测第一设备的精度和第二设备的精度，还是使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数，都可以在任意预设环境中对任意标识物进行，即，在对多设备的联合标定时无需特定场所和/或特定装置，不受环境、条件的限制，因此能够非常便捷地对多个(种)设备进行标定，客观上也降低了标定的成本。
58.与前述应用功能实现方法实施例相对应，本技术还提供了一种多设备标定装置、电子设备及相应的实施例。
59.参见图2，是本技术实施例示出的多设备标定装置的结构示意图。为了便于说明，仅示出了与本技术实施例相关的部分。图2示例的多设备标定装置可应用于智能驾驶，该装置主要包括第一获取模块201、第二获取模块202、评测模块203和标定模块204，其中：
60.第一获取模块201，用于获取第一设备的初始标定参数；
61.第二获取模块202，用于获取第二设备的初始标定参数；
62.评测模块203，用于根据任意第一预设环境中任意第一标识物的已知参数，评测第一设备的精度和第二设备的精度，其中，已知参数包括任意第一标识物在第一预设环境中的位姿信息；
63.标定模块204，用于若第一设备的精度高于第二设备的精度，则通过在任意第二预设环境中任意第二标识物，使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数。
64.从上述图2示例的多设备标定装置可知，由于无论是评测第一设备的精度和第二设备的精度，还是使用第一设备的初始标定参数对第二设备进行联合标定，得到第二设备的最终标定参数，都可以在任意预设环境中对任意标识物进行，即，在对多设备的联合标定时无需特定场所和/或特定装置，不受环境、条件的限制，因此能够非常便捷地对多个(种)设备进行标定，客观上也降低了标定的成本。
65.可选地，上述示例的第一设备为相机，第二设备为激光雷达，或者，第一设备为激光雷达，第二设备为相机。
66.可选地，在第一设备为激光雷达，第二设备为相机时，图2示例的评测模块203可包括第一确定单元、第二确定单元和第三确定单元，其中：
67.第一确定单元，用于根据惯导设备所得位姿数据和激光雷达采集的点云数据，确定任意第一预设环境中任意第一标识物的第一参数；
68.第二确定单元，用于根据惯导设备所得位姿数据和相机采集的图像，确定任意第一预设环境中任意第一标识物的第二参数；
69.第三确定单元，用于若第一参数与已知参数的误差绝对值小于第二参数与已知参数的误差绝对值，则确定第一设备的精度高于第二设备的精度。
70.可选地，上述示例的第一确定单元可包括点云采集单元、第一检测单元和解算单元，其中：
71.点云采集单元，通过激光雷达对任意第一预设环境的扫描，采集感兴趣区域的点云数据；
72.第一检测单元，用于通过对点云数据的处理，检测得到第一标识物在激光雷达坐标系下的中心坐标；
73.解算单元，用于根据第一标识物在激光雷达坐标系下的中心坐标和惯导设备对激光雷达确定的位姿结果，解算第一标识物的世界位姿作为任意第一预设环境中任意第一标识物的第一参数。
74.可选地，上述示例的第二确定单元可包括位姿数据获取单元、第二检测单元、匹配单元、第四确定单元和第五确定单元，其中：
75.位姿数据获取单元，用于获取多帧标识物图像中每帧标识物图像对应的惯导设备位姿数据，其中，标识物图像为相机对任意第一预设环境中任意第一标识物拍摄的图像；
76.第二检测单元，用于对多帧标识物图像中每帧标识物的特定标志进行特征检测，得到每帧标识物图像中的语义特征；
77.匹配单元，用于根据每帧标识物图像中的语义特征，对各帧标识物图像之间进行数据匹配，得到各帧标识物图像之间属于同一特定标志的匹配语义特征；
78.第四确定单元，用于确定匹配语义特征在世界坐标系中的第一位姿；
79.第五确定单元，用于根据第一位姿以及每帧标识物图像对应的惯导设备位姿数据，确定匹配语义特征在世界坐标系中的第二位姿作为任意第一预设环境中任意第一标识物的第二参数。
80.可选地，上述示例的第三确定单元可包括提取单元、第六确定单元和第一计算单元，其中：
81.提取单元，用于提取任意第二标识物的预设个数的特征点；
82.第六确定单元，用于根据所预设个数的特征点，通过激光雷达确定任意第二标识物在任意第二预设环境中预设个数的第一位置p1以及通过相机确定任意第二标识物在任意第二预设环境中预设个数的第二位置p2；
83.第一计算单元，用于采用最小二乘法，求解使得t
w1
×
p1＝t
′2×
t
w2
×
p2成立的t
′2，将t
′2×
t
w2
作为相机的最终标定参数，其中，t
w1
为激光雷达的初始标定参数，t
w2
为相机的初始标定参数，t
′2为相机的补偿参数。
84.可选地，上述示例的第三确定单元可包括第一投影获取单元、三维信息获取单元、第二投影确定单元、相对位姿确定单元和第二计算单元，其中：
85.第一投影获取单元，用于当相机与第二标识物相距第一距离时，根据相机的初始标定参数获取第二标识物的第一投影；
86.三维信息获取单元，用于当相机与第二标识物相距第二距离时，根据激光雷达的
初始标定参数获取第二标识物的三维信息，其中，第一距离大于第二距离；
87.第二投影确定单元，用于基于第二标识物的三维信息确定第二标识物的第二投影，其中，第二投影是当相机与目标物的距离为第一距离时第二标识物的虚拟投影；
88.相对位姿确定单元，用于基于第一投影和第二投影，确定相机相对于激光雷达的相对位姿；
89.第二计算单元，用于求解t
′
w2
＝δp
×
t
w2
，将所述t
′
w2
作为第二设备的最终标定参数，其中，δp为相机相对于激光雷达的相对位姿，t
w2
为相机的初始标定参数。
90.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
91.图3是本技术实施例示出的电子设备的结构示意图。
92.参见图3，电子设备300包括存储器310和处理器320。
93.处理器320可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、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)或者其他可编程逻辑器件、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。
94.存储器310可以包括各种类型的存储单元，例如系统内存、只读存储器(rom)和永久存储装置。其中，rom可以存储处理器320或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器310可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如dram，sram，sdram，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器310可以包括可读和/或写的可移除的存储设备，例如激光唱片(cd)、只读数字多功能光盘(例如dvd-rom，双层dvd-rom)、只读蓝光光盘、超密度光盘、闪存卡(例如sd卡、min sd卡、micro-sd卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
95.存储器310上存储有可执行代码，当可执行代码被处理器320处理时，可以使处理器320执行上文述及的方法中的部分或全部。
96.此外，根据本技术的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本技术的上述方法中部分或全部步骤的计算机程序代码指令。
97.或者，本技术还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本技术的上述方法的各个步骤的部分或全部。
98.以上已经描述了本技术的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。