一种基于点云数据的字符分割方法和系统与流程

1.本技术涉及字符识别领域，特别涉及一种基于点云数据的字符分割方法以及系统。


背景技术：

2.在三维字符的识别过程中，需要先获取各个字符的点云数据，然后基于各个字符的点云数据进行字符识别。但直接处理点云数据可能会因为多个字符的互相干扰，影响识别结果。因此，为提高字符的识别率，需要一种将可以将各个字符对应点云数据分割的方法，以使各个字符独立识别。


技术实现要素：

3.本说明书实施例之一提供一种基于点云数据的字符分割方法。所述基于点云数据的字符分割方法包括：获取三维字符的点云数据，所述三维字符包括至少两个以上字符；基于所述三维字符的点云数据对所述三维字符进行分割，得到分割后的三维字符的点云数据。
4.在一些实施例中，所述基于所述三维字符的点云数据对所述三维字符进行分割包括：基于所述三维字符确定参考基线；将所述三维字符的点云数据投影至所述参考基线；基于投影结果确定分割界限。
5.在一些实施例中，所述基于投影结果确定分割界限包括：基于所述投影结果中相邻两个字符之间的距离以及预设距离阈值，确定分割界限。
6.在一些实施例中，所述参考基线包括单字符参考基线，用于将所述三维字符分割成单个字符；所述基于所述三维字符确定参考基线包括：基于所述三维字符在高度方向以及厚度方向的中线确定所述单字符参考基线。
7.在一些实施例中，所述参考基线包括单行参考基线，用于将所述三维字符分割成单行字符；所述基于所述三维字符确定参考基线包括：基于平行于所述三维字符在高度方向，确定所述单行参考基线。
8.在一些实施例中，所述将所述三维字符的点云数据投影至所述参考基线包括：将所述三维字符的点云数据沿垂直于所述参考基线的方向投影至所述参考基线。
9.在一些实施例中，所述方法还包括：基于分割后的三维字符的点云数据训练机器学习模型，所述机器学习模型用于识别三维字符的点云数据的字符含义。
10.本说明书实施例之一提供一种基于点云数据的字符分割系统，所述系统包括：点云数据获取模块，用于获取三维字符的点云数据；所述三维字符包括至少两个以上字符；以及字符分割模块，用于基于所述三维字符的点云数据对所述三维字符进行分割，得到分割后的三维字符的点云数据。
11.本说明书实施例之一提供一种基于点云数据的字符分割装置，包括处理器，以及存储器；所述存储器用于存储指令，其特征在于，所述指令被所述处理器执行时，导致所述
装置实现本说明书实施例之一提供的基于点云数据的字符分割方法对应的操作。
12.本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行本说明书实施例之一提供的基于点云数据的字符分割方法。
附图说明
13.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
14.图1是根据本说明书一些实施例所示的点云数据的分割系统的模块示意图；
15.图2是根据本技术的一些实施例所示的通过聚类的方式分割三维字符的示例性流程图；
16.图3根据本技术的一些实施例所示的三维字符的字符分割的方法流程图；
17.图4是根据本技术的一些实施例所示的确定单行参考基线的示意图；
18.图5是根据本技术的一些实施例所示的确定单字符参考基线的示意图。
具体实施方式
19.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
20.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
21.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
22.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
23.在三维字符的识别领域，三维字符可以为在工件表面上的凸出和/或凹陷的字符。为了表征工件的相关信息，三维字符往往是以字符串的形式呈现，即三维字符中包含一个以上的字符。例如，三维字符可以包括多行字符。又例如，一行三维字符中可以包括多个字符。由于三维字符以字符串的形式呈现，在三维字符识别时，字符串中各个字符可能互相影响识别结果，例如，当对第一个字符进行识别时，第二个字符的部分区域可能会影响识别结果，尤其是字符大小不确定的情况下(例如“1”这种字符)，很容易造成识别错误。基于此，本
说明书的一个或多个实施例提供了一种基于点云数据的字符分割方法和系统，基于本技术提供的方法与系统可以将包含多个字符的点云数据进行分割以获得各个字符的点云数据，在识别中可以避免其他字符对当前字符识别结果的影响，可以提高后续字符识别方法的准确性。另外，分割出来的三个字符的点云数据还可以用作训练机器学习模型，该训练好的机器学习模型可以用于识别三维字符的点云数据(例如，识别三维字符的字符含义)。
24.在一些实施例中，三维字符可以为在工件表面上的凸出和/或凹陷的字符。工件表面可以为平面或曲面。字符可以为文字、数字、图案、字符串、二维码、条形码等中的至少一种或其组合。例如，压印在液化气缸瓶上的标识编码、饮料瓶上的喷码、机械加工工件上通过冲头或激光加工出的字符串等。还例如，银行卡的卡号、电机外壳的铭牌上的钢印等。还例如，金属零件上的凹凸字符，示例地，航空发动机上的关键零部件上的凹凸字符、汽车发动机的关键零部件上的凹凸字符等。
25.图1是根据本技术一些实施例所示的基于点云数据的字符分割系统的模块示意图。
26.如图1所示，基于点云数据的分割系统100可以包括点云数据获取模块110以及字符分割模块120。
27.点云数据获取模块110，可以用于获取所述三维字符的点云数据，所述三维字符包括至少两个以上字符。在一些实施例中，三维字符的点云数据可以通过摄像设备获取三维字符的深度信息实现，其中，深度信息可以为用于表示三维字符在三维空间的位置信息。在一些实施例中，点云数据获取模块110可以通过相关摄像设备(例如，结构光扫描设备、3d摄像设备等)获取的点云图像实现。在一些实施例中，三维字符的点云数据可以预存在对应计算设备中，点云数据获取模块110可以通过调用对应的数据实现。在一些实施例中，在点云数据获取模块110获取点云数据前，可以通过计算设备对点云数据进行预处理，预处理可以包括校准基准面、去除表面噪声等操作。
28.字符分割模块120，可以用于基于所述三维字符的点云数据对所述三维字符进行分割，得到分割后的三维字符的点云数据。
29.在一些实施例中，分割过程可以理解为将三维字符的点云数据进行拆分，以使每一个的三维字符对应一个点云数据。在一些实施例中，字符分割模块120可以通过分割算法实现，例如，聚类算法、目标识别算法、字符识别算法等。
30.在一些实施例中，为降低字符分割算法的运算量，提高字符分割算法的效率，字符分割模块120还可以基于三维字符的投影信息确定三维字符的分割界限，从而实现对三维字符的点云数据的分割。在一些实施例中，字符分割模块120可以进一步包括基线确定单元121、投影单元122以及界限确定单元123。
31.基线确定单元121可以用于基于所述三维字符确定参考基线。参考基线可以为用于承载三维字符的点云数据分布的一条直线。字符分割模块120可以把三维字符的点云数据投影至参考基线以确定三维字符的分布情况，然后根据分布情况确定三维字符的分割边界。在一些实施例中，三维字符可以分布在一行上，即三维字符可以是单行字符。对应的，所述参考基线包括单字符参考基线，单字符参考基线可以用于将所述三维字符分割成单个字符。其中，基线确定单元121可以基于所述三维字符在高度方向以及厚度方向的中线确定所述单字符参考基线。在一些实施例中，三维字符可以包括多行字符。对应的，所述参考基线
包括单行参考基线，用于将所述三维字符分割成单行字符。其中，所基线确定单元121可以用于基于平行于所述三维字符的高度方向，确定所述单行参考基线。
32.投影单元122可以用于将所述三维字符的点云数据投影至所述参考基线。在一些实施例中，投影单元122可以通过将所述三维字符的点云数据沿垂直于所述参考基线的方向投影至所述参考基线实现对三维字符的投影。
33.界限确定单元123可以用于基于投影结果确定分割界限。其中，分割界限可以指能够把三维字符在行与行之间或字符与字符之间区分开的边界线。在一些实施例中，界限确定单元123可以通过基于所述投影结果中相邻两个字符之间的距离以及预设距离阈值，确定分割界限。其中，相邻两个字符可以包括单行字符中相邻的两个字符也可以包括多行字符中相邻的两行字符。需要注意的是，以上对于点云数据的字符分割系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的各个模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
34.图2是根据本技术的一些实施例所示的基于点云数据的字符分割方法的示例性流程图。关于流程200的具体内容，请参见步骤210、220。
35.步骤210，获取所述三维字符的点云数据，所述三维字符包括至少两个以上字符。在一些实施例中，步骤210可以由点云数据获取模块110执行。
36.在一些实施例中，三维字符的点云数据可以为用于表示三维字符在三维空间的位置信息。进一步地，三维字符的点云数据可以指三维字符表面的位置信息。在一些实施例中，三维字符表面的位置信息是指三维字符表面上若干点的位置信息。在一些实施例中，位置信息可以包括三维字符表面上若干点在空间坐标系中的坐标信息。在一些实施例中，位置信息可以包括三维字符表面上若干点相对三维字符所在基面的相对位置信息。其中，三维字符所在的基面是指在工件表面上，三维字符开始凸起或凹陷的那个面，即三维字符从基面开始向上凸起或向下凹陷。在一些实施例中，三维字符表面是指三维字符相对基面向上凸出或向下凹陷的面。在一些实施例中，三维字符的点云数据可以包括三维字符表面上若干点的点云数据。在一些实施例中，三维字符的点云数据也可以包括能够体现三维字符高度的其他形式。
37.在一些实施例中，点云数据获取模块110可以基于字符信息采集装置获取的三维字符的信息确定三维字符的点云数据。
38.在一些实施例中，点云数据获取模块110获取的三维字符的信息可以为三维字符的点云数据。例如，字符信息采集装置可以通过深度摄像头对三维字符的空间三维信息进行扫描，以获取三维字符表面的位置信息(例如，点云数据)。点云数据获取模块可以直接从字符信息采集装置处获取三维字符的点云数据。
39.在一些实施例中，字符信息采集获取的三维字符的信息可以为三维字符在不同角度的多张二维图像。信息处理装置可以对多张二维图像进行图像重建，以确定三维字符的点云数据(例如，能够体现三维字符表面若干点位置的点云数据)。
40.步骤220，基于所述三维字符的点云数据对所述三维字符进行分割，得到分割后的三维字符的点云数据。在一些实施例中，步骤220可以由符分割模块120执行。
41.在一些实施例中，步骤220可以通过预设算法将三维字符的点云数据拆分为多个三维字符的单字点云数据，其中，预设算法可以包括聚类算法、目标识别算法、字符识别算法等。
42.在一些实施例红，步骤220可以通过投影确定三维字符的边界进而对三维字符的点云数据进行拆分，该方法具体可以参考本技术图3的相关描述。
43.在一些实施例中，字符分割模块120对三维字符的分割结果还可以用于机器学习模型训练，训练好的机器学习模型可以用于直接对三维字符的点云数据进行识别。在一些实施例中，还可以对三维字符的分割结果进行后续处理。
44.在一些实施例中，为得到三维字符的识别结果可以在确定三维字符的分割结果对分割后的三维字符进行识别。在一些实施例中，可以基于分割后的三维字符的点云数据确定单个三维字符的二维图像，然后基于预设的字符识别算法识别单个三维字符对应的二维图像，进而确定整个三维字符的字符含义。在一些实施例中，预设的字符识别算法可以包括光学字符识别算法(ocr，optical character recognition)。光学字符识别算法可以包括但不限于ctc(connectionist temporal classification)算法、crnn(convolutional recurrent neural network)算法、cptn(connectionist text proposal network)算法、多标签分类(mutli-label classification)算法等。
45.在一些实施例中，也可以用训练好的机器学习模型来识别分割后的单个字符的点云数据。
46.在一些实施例中，分割后的三维字符的点云数据可以作为训练样本，积累一定数量的样本之后可以进行模型训练。在模型的训练过程中，可以将分割后的单个字符的点云数据作为样本数据，并对点云数据进行标记(例如，该点云数据对应的字符含义)，把标记结果作为标签。然后把单个字符的点云数据作为输入数据，点云数据对应的标签作为输出数据，并把其输入初始机器学习模型进行训练，训练好的机器学习模型可以用于识别三维字符的点云数据的字符含义。
47.图3是本说明书一些实施例中三维字符的字符分割的方法流程图。在一些实施例中，可以基于三维字符的点云数据中若干点的投影结果来对三维字符进行分割。关于流程300的具体内容，请参见步骤310-330。
48.步骤310，基于三维字符确定参考基线。在一些实施例中，步骤310可以由基线确定单元121执行。
49.参考基线可以为用于承载三维字符的点云数据分布的一条直线。基线确定单元121可以把三维字符的点云数据投影至参考基线以确定三维字符的分布情况，然后根据分布情况确定三维字符的分割边界。
50.在一些实施例中，三维字符中的多个字符分布在同一行。例如，图5所示的三维字符310为一行“abc”。在一些实施例中，三维字符的多个字符分布在两个或以上行。例如，图4中的三维字符410为三行，第一行为“abc”，第二行为“一二三”，第三行为“123”。
51.当三维字符中包括两行或以上时，可以先在行与行之间进行单行分割，以确定分割后的单行字符。然后再分别对每一行中的三维字符进行单字符分割，以确定每行中的单
字符。当三维字符中仅包括一行字符时，可以直接进行此行中的单字符分割。
52.在一些实施例中，行与行之间进行单行分割可以通过单行参考基线实现，其中，具体地，在执行单行分割时，可以先将多行字符的点云数据投影至第一参考基线，根据投影结果确定行与行之间的分割界限，即三维字符分割成若干个单行，然后基于分割界限将多行三维字符拆分为多个单行三维字符。其中，第一参考基线也可以叫单行参考基线。单字符分割可以理解为把同一行中多个字符的点云数据投影至第二参考基线，根据投影结果确定字符与字符之间的分割界限，即该行的三维字符分割成若干个单字符。其中，第二参考基线也可以叫单字符参考基线。
53.在一些实施例中，基线确定单元121可以基于三维字符的高度方向确定单行参考基线及单字符参考基线，其中，三维字符的高度是指从正面视角(正面投影的视角)来看，字符的顶点到字符的底面的垂直距离。例如，图4中三维字符410中“abc”的高度h。
54.在一些实施例中，对于包含有两行或以上行的三维字符，基线确定单元121可以将任意一条平行或近似平行于三维字符的高度方向的直线作为单行参考基线。例如，将穿过三维字符的点云数据中的任意一点且平行于三维字符的高度方向的直线作为单行参考基线。其中，近似平行是指单行参考基线与三维字符的高度方向之间的夹角范围包括170
°
～180
°
。在一些实施例中，近似平行也可以是指单行参考基线与三维字符的高度方向之间的夹角范围包括175
°
～180
°
。示例地，参照图4，对于包含有三行字符“123”、“abc”及“一二三”的三维字符410，基线确定单元121可以确定一条平行于三维字符的高度方向430的直线420作为单行参考基线。
55.在一些实施例中，单行参考基线420还可以位于三维字符的长度(例如，图4中的三维字符“123”的字符长度l)方向的最右侧，也可以位于长度方向的中间位置，还可以位于三维字符的长度方向的最左侧等。
56.在一些实施例中，对于包含有两个或以上个字符的单行三维字符，基线确定单元121可以将平行或近似平行于该单行三维字符的长度方向的任意一条直线作为单字符参考基线。示例地，结合图5，基线确定单元121可以将位于单行三维字符310上方且平行于单行三维字符310的长度方向330一条直线作为单字符参考基线320。又示例地，单字符参考基线320可以依次穿过组成该三维字符310的三个单个字符“a”、“b”、“c”。在一些实施例中，可以将三维字符310在高度方向上的中心面确定单字符参考基线320。例如，单字符参考基线320可以是位于高度方向的中心面上的任一平行于字符长度方向的直线。高度方向的中心面可以理解为垂直于高度方向且经过三维字符310在高度方向上最高点与最低点的中点的面。
57.进一步地，还可以基于三维字符在高度方向以及厚度方向的中线确定单字符参考基线。高度方向与厚度方向的中线是指由高度方向的中心面中与厚度方向的中心面的交点确定的直线。厚度方向是指三维字符从基面上凹陷或凸出的方向。厚度方向的中心面可以理解为垂直于厚度方向且经过三维字符在厚度方向上最高点与最低点的中点的面。在一些实施例中，单字符参考基线可以是与该中线重合的直线，也可以是与三维字符在高度方向的该中线上的预设距离范围内的直线。
58.本说明书一个或多个实施例中的一行三维字符可以是直线(例如，多个三维字符所在的基面为平面)，也可以是曲线(例如，多个三维字符所在的基面为曲面)。对应地，在一些实施例中，参考基线可以为直线，也可以是曲线，也可以是折线。
59.在一些实施例中，上述步骤中的高度方向、厚度方向、三维字符的行数可以通过读取三维字符的预设信息实现，例如，可以在步骤210中获取三维字符的工件信息，从工件信息中读取三维字符的形态信息，从而获得三维字符的方向、厚度方向、行数等信息。
60.在一些实施例中，还可以通过多角度投影的方式自动确定三维字符的行数和列数。例如，基线确定单元121可以以三维字符的中心点为原点建立多个投影基线进行投影，其中投影的具体方法可以参考后续步骤320的相关描述。根据各个投影基线的投影结果，将投影间隔最大的基线作为第一拆分方向，并基于第一拆分方向对三维字符进行拆分，具体拆分方法可以参考后续步骤330的相关描述。对于拆分后的各行数据延垂直于第一拆分方向的第二拆分方向进行投影与拆分，如果第二拆分方向不存在拆分界限则三维字符为一行，若存在则三维字符为多行三维字符。
61.步骤320，将三维字符的点云数据投影至参考基线。在一些实施例中，步骤320可以由投影单元122执行。
62.在步骤310中参考基线确定后，可以将三维字符的点云数据投影至参考基线。在一些实施例中，投影单元122可以先确定投影方向，再沿投影方向将三维字符的点云数据投影至参考基线(单行参考基线或单字符参考基线)上。在一些实施例中，投影方向可以与参考基线(单行参考基线或单字符参考基线)呈预设角度。在一些实施例中，预设角度可以为45
°
～90
°
范围内的任意值。在一些实施例中，预设角度可以为60
°
～90
°
范围内的任意值。在一些实施例中，预设角度可以为75
°
～90
°
范围内的任意值。优选地，预设角度为90
°
，即投影方向垂直于参考基线。在一些实施例中，投影方向可以与三维字符在高度方向上的倾斜程度保持一致。例如，三维字符在高度方向不倾斜，则投影方向可以为90
°
。又例如，三维字符在高度方向上向右倾斜30
°
，则投影方向可以为60
°
。
63.在一些实施例中，参考基线与投影方向确定后，可以把三维字符的点云数据的全部投影至参考基线，也可以把三维字符的点云数据的部分投影至参考基线。在一些实施例中，可以把经过参考基线所在的面上的点云数据投影至参考基线。其中，参考基线所在的面可以包括垂直于三维字符厚度方向或长度方向的面。在一些实施例中，投影单元122可以基于单字符参考基线确定一个经过单字符参考基线且垂直于三维字符的厚度方向的面(例如，二维平面)，将面上的点云数据作为待投影点云数据。在一些实施例中，投影单元122可以基于单行字符参考基线确定一个经过单行字符参考基线且垂直于三维字符的长度方向的面(例如，二维平面)，将平面上的点云数据作为待投影点云数据。
64.步骤330，基于投影结果确定分割界限。在一些实施例中，步骤330可以由界限确定单元123执行。
65.分割界限是指能够把三维字符在行与行之间或字符与字符之间区分开的边界线。根据三维字符的点云数据投影至参考基线的投影结果，可以确定行与行之间的分割界限或字符与字符之间的分割界限。在一些实施例中，三维字符的点云数据投影至参考基线后，根据参考基线上的点的分布情况确定分割界限。在一些实施例中，点的分布情况包括投影点的数量分布。
66.在参考基线上投影点的分布情况中，三维字符上的点云数据对应在参考基线的投影区域分布有较多的投影点，相邻两个三维字符之间或者相邻两行字符之间的间隙区域对应在参考基线的投影区域有较少或者没有投影点分布。在一些实施例中，可以根据投影结
果中投影点数量分布较少的区域确定分割界限。
67.在一些实施例中，在参考基线的投影结果中，沿参考基线方向，投影点的数量小于预设阈值的区域可以确定为分割区域。在一些实施例中，投影点的数量的预设阈值的取值范围可以是1～50。在一些实施例中，投影点的数量的预设阈值的取值范围可以是5～30。在一些实施例中，投影点的数量的预设阈值的取值范围可以是10～20。
68.在一些实施例中，在参考基线上若干投影点的分布情况中，投影点的数量变化值大于预设差值的区域可以确定为分割区域。也就是说投影点急剧减少的区域可以确定为分割区域。预设差值可以理解为相邻区域内投影点的数量减少的数值或减少的比例。
69.在一些实施例中，分割区域可以是一个点，也可以是一个范围(参考基线上的某个范围可视为线段)。如果分割区域是一个点时，可以把经过这个点且垂直于参考基线的线作为分割界限。如果分割区域是一个范围时，可以把经过这个范围内任一点且垂直于参考基线的线作为分割界限。优选地，分割界限可以经过这个范围的中心位置(例如，分割区域沿平行于参考基线方向的中点)。
70.以图5为例，图5中三维字符“abc”的点云数据投影至单字符参考基线320上的投影结果中，字符“a”与“b”的投影点之间有一段无投影点区域，该投影点区域的投影点数量小于预设阈值50，则把该区域确定为分割区域，并把经过该区域(参考基线上的某段区域可视为线段)的中点且垂直于字符长度方向的直线作为分割界限。关于图5中多行三维字符的分割步骤，可以先根据单行参考基线上的投影结果确定行与行之间的分割界限，然后再把分割后的每行三维字符按照图5描述的方法进行单字符分割。
71.根据前述内容可知，本说明书一些实施例可能带来的有益效果包括但不限于：(1)可以将云数据拆分为单个字符的点云数据，消除了字符间的干扰提高了识别的精度。(2)透过投影的方法实现字符的分割，可以实现各个字符的分割，整体计算量较小且执行效率较高。(3)通过字符分割出来的单个字符的点云数据还可以用于机器学习模型的训练，训练好的机器学习模型可以用于识别三维字符的点云数据的字符含义。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
72.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
73.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
74.此外，除非权利要求中明确说明，本说明书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，并非用于限定本说明书流程和方法的顺序。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
说明书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。
75.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，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说明书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。
76.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
77.针对本说明书引用的每个专利、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说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
78.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。