移动机器人的控制方法、装置及移动机器人、存储介质与流程

1.本公开涉及移动机器人技术领域，尤其涉及到一种移动机器人的控制方法、装置及移动机器人、存储介质。


背景技术：

2.相关技术中，移动机器人采用激光雷达和摄像头视觉检测定位的方式定位并识别各种室内物体(鞋子、袜子、电线、体重秤、家具等)，并完成避障。但是激光雷达和视觉检测方案对于各种液体(水、饮料、油污)、各种灰尘、粉末、细小颗粒、纸屑、以及各种风干后的污渍很难检测定位，尤其是透明液体和细小的灰尘。


技术实现要素：

3.本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种移动机器人的控制方法，提高了移动机器人检测脏污的精确度和夜视能力，使移动机器人对室内的清理更干净，更智能。
4.本发明的第二个目的在于提出一种移动机器人的控制装置。
5.本发明的第三个目的在于提出一种计算机可读存储介质。
6.本发明的第四个目的在于提出一种移动机器人。
7.为达到上述目的，本发明第一方面实施例提出了一种移动机器人的控制方法，所述移动机器人包括有色激光灯和摄像头，所述方法包括：在所述有色激光灯向目标区域发射有色激光时，通过所述摄像头采集所述目标区域的有色激光图像；基于预设检测模型对所述有色激光图像进行处理，得到所述目标区域的对象检测信息；根据所述对象检测信息确定所述移动机器人对所述目标区域的清洁策略。
8.根据本发明实施例的移动机器人的控制方法，利用有色激光灯向目标区域发射有色激光，使得液体脏污和灰尘等更容易被摄像头采集到，利用预设检测模型对摄像头采集到的有色激光图像进行目标检测，根据检测结果执行相应的清洁策略，提高了移动机器人检测脏污的精确度和夜视能力，使移动机器人对室内的清理更干净，更智能。
9.另外，根据本发明上述实施例提出的移动机器人的控制方法还可以具有如下附加的技术特征：
10.根据本发明的一个实施例，所述基于预设检测模型对所述有色激光图像进行处理，还会得到所述有色激光图像的检测置信度，则所述基于预设检测模型对所述有色激光图像进行处理之后，所述方法还包括：基于所述有色激光图像的检测置信度更新所述目标区域的对象检测信息。
11.根据本发明的一个实施例，所述基于所述有色激光图像的检测置信度更新所述目标区域的对象检测信息的步骤包括：当所述检测置信度小于第一置信度阈值时，返回执行在所述有色激光灯向目标区域发射有色激光时，通过所述摄像头采集所述目标区域的有色激光图像的步骤；当所述检测置信度大于或等于所述第一置信度阈值，且小于第二置信度
阈值时，基于预设分类模型对所述有色激光图像进行处理，得到所述目标区域的对象检测信息；当所述检测置信度大于或等于所述第二置信度阈值时，保留所述目标区域的对象检测信息。
12.根据本发明的一个实施例，所述基于预设分类模型对所述有色激光图像进行处理，还会得到所述有色激光图像的分类置信度，则所述基于预设分类模型对所述有色激光图像进行处理之后，所述方法还包括：确认所述分类置信度小于所述第二置信度阈值时，则返回执行所述在所述有色激光灯向目标区域发射有色激光时，通过所述摄像头采集所述目标区域的有色激光图像的步骤；确认所述分类置信度大于等于所述第二置信度阈值时，保留基于预设分类模型处理得到的所述目标区域的对象检测信息。
13.根据本发明的一个实施例，所述基于预设分类模型对所述有色激光图像进行处理，得到所述目标区域的对象检测信息的步骤包括：分解所述有色激光图像得到所述有色激光图像中的各对象图像；将各所述对象图像输入至预设分类模型，得到各对象图像的对象检测信息；将各所述对象图像的对象检测信息作为所述目标区域的对象检测信息。
14.根据本发明的一个实施例，所述目标区域的对象检测信息包括对象位置和对象类别，则根据所述对象检测信息确定所述移动机器人对所述目标区域的清洁策略的步骤包括：当对象类别为障碍物时，控制所述移动机器人根据所述对象位置进行避障；当对象类别为可扫垃圾时，控制所述移动机器人前往所述对象位置进行清扫；当对象类别为需拖垃圾时，控制所述移动机器人前往所述对象位置进行拖地。
15.根据本发明的一个实施例，所述预设检测模型的训练过程包括：获取训练图像集，所述训练图像集包括多个对象类别的有色激光图像，且各所述有色激光图像标注有类别标签和对象标注框；在每个训练周期，将所述训练图像集中的有色激光图像输入至待训练检测模型，得到所述有色激光图像的检测置信度和对象检测信息，其中，所述对象检测信息包括对象位置、对象检测框和对象类别；基于所述有色激光图像中的各对象的类别标签和对象标注框，统计所述待训练检测模型的检测召回率、检测准确率及对象标注框与对应对象检测框的交并比；根据所述检测召回率、所述检测准确率和所述交并比，调整所述检测模型的参数，返回执行获取训练图像集的步骤，直到得到所述检测召回率大于第一置信度阈值，所述检测准确率大于第二置信度阈值的检测模型；所述预设分类模型的训练过程包括：分解所述检测置信度大于或等于所述第一置信度阈值，且小于所述第二置信度阈值时的有色激光图像得到各对象图像；将各所述对象图像输入至待训练分类模型得到有色激光图像的分类置信度和各对象图像的对象类型；基于各对象图像对应的类别标签，统计所述分类模型的分类准确率，并根据所述分类准确率，调整所述待训练分类模型的参数，返回执行所述分解所述有色激光图像得到各对象图像的步骤，直到得到所述分类准确率大于所述第二置信度阈值的分类模型。
16.为达到上述目的，本发明第二实施例提出了一种移动机器人的控制装置，所述移动机器人包括有色激光灯和摄像头，所述装置包括：采集模块，用于在所述有色激光灯向目标区域发射有色激光时，通过所述摄像头采集所述目标区域的有色激光图像；检测模块，用于基于预设检测模型对所述有色激光图像进行处理，得到所述目标区域的对象检测信息；控制模块，用于根据所述对象检测信息确定所述移动机器人对所述目标区域的清洁策略。
17.为达到上述目的，本发明第三实施例提出了一种计算机可读存储介质，其上存储
有计算机程序，所述计算机程序被处理器执行时，实现如上述所述的移动机器人的控制方法。
18.为达到上述目的，本发明的第四实施例提出了一种移动机器人，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如上述所述的移动机器人的控制方法。
19.本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
20.图1是本发明一个实施例的移动机器人的控制方法流程图；
21.图2是本发明一个实施例的确定目标区域的对象检测信息的流程图；
22.图3是本发明一个实施例的预设分类模型对有色激光图像进行处理的流程图；
23.图4是本发明一个实施例的预设检测模型的训练流程图；
24.图5是本发明一个实施例的预设分类模型的训练流程图；
25.图6是本发明实施例的移动机器人的控制装置的结构示意图。
具体实施方式
26.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
27.下面将结合说明书附图1-6以及具体的实施方式对本发明实施例的移动机器人的控制方法、装置及移动机器人、存储介质进行详细的说明。
28.本发明实施例中的移动机器人可包括有色激光灯和摄像头。其中，有色激光灯用于向目标区域发射有色激光，摄像头用于采集目标区域的图像。通过向目标区域发射有色激光，可使目标区域的液体和灰尘更容易被摄像头采集到。其中，利用有色激光灯向目标区域发射有色激光，可提高移动机器人的夜视能力。
29.在本发明的实施例中，有色激光灯可位于摄像头的下方。具体地，安装有色激光灯时，可根据移动机器人的机型的高度和摄像头的位置调整有色激光灯的位置。需要注意的是，在安装有色激光灯时，需测试和调节有色激光灯的照射高度和角度，选择合适的位置安装有色激光灯，以使摄像头获得更好的打光，采集到的图像效果更好。需要说明的是，有色激光灯和摄像头的位置可通过出厂设置进行固定设置。
30.在本发明的实施例中，有色激光灯为绿色激光灯。其中，有色激光灯的颜色还可以为其他颜色，在此不做限定。
31.图1是本发明一个实施例的移动机器人的控制方法流程图。如图1所示，移动机器人的控制方法可包括：
32.s11，在有色激光灯向目标区域发射有色激光时，通过摄像头采集目标区域的有色激光图像。
33.具体地，移动机器人在工作的过程中，有色激光灯向目标区域发射有色激光，摄像头采集目标区域的图像，得到目标区域的有色激光图像。
34.s12，基于预设检测模型对有色激光图像进行处理，得到目标区域的对象检测信息。
35.具体地，将有色激光图像输入至预设检测模型，预设检测模型对有色激光图像进行识别与检测，得到预设检测模型输出的目标区域的对象检测信息。
36.在本发明的实施例中，对象检测信息包括目标区域中各对象对应的对象位置和对象类别。其中，可根据对象位置，控制移动机器人移动到各对象对应位置处。可根据对象类别，控制移动机器人根据该对象的对象类别采取相应的清洁策略。
37.在本发明的实施例中，基于预设检测模型对有色激光图像进行处理，还会得到有色激光图像的检测置信度，则基于预设检测模型对有色激光图像进行处理之后，移动机器人的控制方法还可包括：
38.基于有色激光图像的检测置信度更新目标区域的对象检测信息。
39.需要说明的是，检测置信度是基于预设检测模型得到的。其中，检测置信度可表示预设检测模型对其处理的有色激光图像识别的全面程度和准确程度。
40.在本发明的实施例中，如图2所示，基于有色激光图像的检测置信度更新目标区域的对象检测信息的步骤包括：
41.当检测置信度小于第一置信度阈值时，返回执行在有色激光灯向目标区域发射有色激光时，通过摄像头采集目标区域的有色激光图像的步骤；
42.当检测置信度大于或等于第一置信度阈值，且小于第二置信度阈值时，基于预设分类模型对有色激光图像进行处理，得到目标区域的对象检测信息；
43.当检测置信度大于或等于第二置信度阈值时，保留目标区域的对象检测信息。
44.需要说明的是，本发明实施例中的第二置信度阈值大于第一置信度阈值。
45.在本发明的实施例中，检测置信度表示预设检测模型输出结果的召回率与准确率。
46.需要说明的是，召回率为预设检测模型检出的脏污总数/目标区域中实际脏污总数。召回率表示目标区域中实际脏污被检测到的全面程度。准确率为正确被检测到的脏污总数/预设检测模型检出的脏污总数。准确率表示被检测到的脏污类别的准确程度。
47.具体地，有色激光图像的检测置信度小于第一置信度阈值，表示预设检测模型识别检测出的该有色激光图像的结果不够全面，可能存在误检，移动机器人不根据目标区域的对象检测信息，去目标区域进行相应的清洁工作。因此，当预设检测模型输出的检测置信度小于第一置信度阈值，返回执行采集有色激光图像的步骤，再次利用预设检测模型对有色激光图像进行处理。
48.具体地，有色激光图像的检测置信度大于或等于第一置信度阈值，且小于第二置信度阈值，则表示预设检测模型输出的该有色激光图像的结果全面，但不够准确。当预设检测模型输出的结果全面，但不够准确时，利用预设分类模型对有色激光图像进行处理，以得到准确的有色激光图像中各个对象的对象类别。
49.具体地，检测置信度大于或等于第二置信度阈值，则表示预设检测模型识别检测出的结果全面且准确。此时，可保留预设检测模型输出的目标区域的对象检测信息，以根据预设检测模型输出的目标区域的对象检测信息，确定移动机器人对目标区域的清洁策略。
50.在本发明的实施例中，如图2所示，基于预设分类模型对有色激光图像进行处理，
还会得到有色激光图像的分类置信度，则基于预设分类模型对有色激光图像进行处理之后，方法还包括：
51.确认分类置信度小于第二置信度阈值时，则返回执行在有色激光灯向目标区域发射有色激光时，通过摄像头采集目标区域的有色激光图像的步骤；
52.确认分类置信度大于等于第二置信度阈值时，保留基于预设分类模型处理得到的目标区域的对象检测信息。
53.需要说明的是，分类置信度是基于预设分类模型得到的。其中，分类置信度表示预设分类模型对其处理的有色激光图像识别的精准程度。
54.具体地，预设分类模型输出的分类置信度小于第二置信度阈值，表示预设分类模型输出结果不够准确。因此，当分类置信度小于第二置信度阈值时，返回执行采集有色激光图像的步骤，再次利用预设检测模型对有色激光图像进行处理。
55.具体地，分类置信度大于等于第二置信度阈值，表示预设分类模型输出结果准确。此时，保留基于预设分类模型处理得到的目标区域的对象检测信息，以根据预设分类模型输出的目标区域的对象检测信息，确定移动机器人对目标区域的清洁策略。
56.在本发明的实施例中，利用预设检测模型对有色激光图像进行检测，将预设检测模型输出的检测置信度与第一置信度阈值和第二置信度阈值进行比较，以判断预设检测模型输出的结果是否全面且准确。其中，在预设检测模型输出的检测置信度大于第二置信度阈值时，直接根据预设检测模型输出目标区域的对象检测信息，确定对应的清理策略，可节约计算机资源。在预设检测模型输出的检测置信度大于第一置信度阈值，且小于第二置信度阈值时，将有色激光图像输入预设分类模型，保留基于预设分类模型输出的目标区域的对象检测信息，可提高用于确定清洁策略的目标区域的对象检测信息的精准度。
57.在本发明的实施例中，如图3所示，基于预设分类模型对有色激光图像进行处理，得到目标区域的对象检测信息的步骤可包括：
58.s21，分解有色激光图像得到有色激光图像中的各对象图像；
59.s22，将各对象图像输入至预设分类模型，得到各对象图像的对象检测信息；
60.s23，将各对象图像的对象检测信息作为目标区域的对象检测信息。
61.具体地，基于摄像头采集到的有色激光图像，对有色激光图像中各个对象进行分解，以得到各个对象图像。将各对象图像依次输入至预设分类模型，分类模型依次对各对象图像进行识别，得到各对象图像的对象类别。并将预设分类模型输出的各对象图像的对象类别作为目标区域的对象类别。基于对象图像的对象位置，以及预设分类模型输出的各对象图像的对象类别，确定移动机器人对目标区域的清洁策略。
62.s13，根据对象检测信息确定移动机器人对目标区域的清洁策略。
63.在本发明的实施例中，目标区域的对象检测信息包括对象位置和对象类别，则根据对象检测信息确定移动机器人对目标区域的清洁策略的步骤可包括：当对象类别为障碍物时，控制移动机器人根据对象位置进行避障；当对象类别为可扫垃圾时，控制移动机器人前往对象位置进行清扫，当对象类别为需拖垃圾时，控制移动机器人前往对象位置进行拖地。
64.在本发明的实施例中，对象类别包括障碍物、可扫垃圾和需拖垃圾。其中，障碍物包括宠物便便，仿真便便、鞋子、袜子、电线、体重秤、家具等。可扫垃圾包括瓜子壳，碎纸屑，
坚果壳等。需拖垃圾包括透明液体，细小的灰尘、颗粒，果汁，咖啡，酸奶以及各种液体风干后的污渍等。不同的对象类别对应不同的清洁策略。
65.具体地，当对象类别为障碍物，控制移动机器人不对该对象进行处理，并避开该对象位置。当对象类别为可扫垃圾时，控制移动机器人前往该对象位置，并控制执行清扫处理。当对象类别为需拖垃圾时，控制移动机器人前往该对象位置，并控制执行拖地处理。
66.在本发明的实施例中，如图4所示，预设检测模型的训练过程可包括：
67.s1，获取训练图像集，训练图像集包括多个对象类别的有色激光图像，且各有色激光图像标注有类别标签和对象标注框。
68.具体地，与上述移动机器人的有色激光灯和摄像头相同视角采集有色激光图像。对采集到的有色激光图像中的各个对象的类别进行标注，并标出各个对象的标注框。使得训练图像集中的每一训练图像中各个对象均具有类别标签和对象标注框。
69.s2，在每个训练周期，将训练图像集中的有色激光图像输入至待训练检测模型，得到有色激光图像的检测置信度和对象检测信息，其中，对象检测信息包括对象位置、对象检测框和对象类别。
70.具体地，将训练图像集中的有色激光图像至待训练检测模型，待训练检测模型定位有色激光图像中各对象的对象检测框，输出带有对象检测框的有色激光图像，该有色激光图像对应的检测置信度，以及该有色激光图像中各对象对应的对象位置和对象类别。其中，检测置信度表示待训练检测模型输出结果的召回率与准确率。
71.s3，基于有色激光图像中的各对象的类别标签和对象标注框，统计待训练检测模型的检测召回率、检测准确率及对象标注框与对应对象检测框的交并比。
72.具体地，根据待训练检测模型输出的有色激光图像的结果和该有色激光图像中的各对象的类别标签和对象标注框，统计待训练检测模型在不同检测置信度下的检测召回率、检测准确率及交并比。
73.需要说明的是，对象标注框与对应对象检测框的交并比，用于判断待训练检测模型定位的对象检测框与人工标注的对象标注框偏移情况。以根据交并比调整待训练检测模型定位的对象检测框，使得待训练检测模型定位的对象检测框可完全框选对象。其中，检测模型定位的对象检测框用于分解有色激光图像中的各对象。
74.s4，根据检测召回率、检测准确率和交并比，调整检测模型的参数，返回执行获取训练图像集的步骤，直到得到检测召回率大于第一置信度阈值，检测准确率大于第二置信度阈值的检测模型。
75.具体地，根据统计的检测召回率、检测准确率和交并比，调整检测模型的参数。执行下一周期的训练，直到得到检测召回率大于第一置信度阈值，检测准确率大于第二置信度阈值的检测模型，并记录对应的检测置信度。
76.需要说明的是，通过设置第一置信度阈值和第二置信度阈值，以及记录检测召回率大于第一置信度阈值，且检测准确率大于第二置信度阈值时检测模型对应的检测置信度，可了解检测模型在不同检测置信度下的检测精度。
77.在本发明的实施例中，可根据对移动机器人检测识别的需求，设置相应的第一置信度阈值和第二置信度阈值，以将训练好的检测模型输出的检测置信度与设置的第一置信度阈值和第二置信度阈值进行比较，以判断检测模型对其处理的有色激光照片的检测，是
否满足需求的全面度(召回率)与准确度(准确率)。
78.在本发明的实施例中，如图5所示，预设分类模型的训练过程可包括：
79.s5，分解检测置信度大于或等于第一置信度阈值，且小于第二置信度阈值时的有色激光图像得到各对象图像。
80.具体地，基于上述预设检测模型的训练过程，分解检测模型输出的检测置信度大于或等于第一置信度阈值，且小于第二置信度阈值时的有色激光图像。进一步具体地，基于检测模型定位的各个对象的对象检测框分解有色激光图像。
81.需要注意的是，在根据对象检测框分解有色激光图像，需随机上下左右保留一些背景信息。
82.s6，将各对象图像输入至待训练分类模型得到有色激光图像的分类置信度和各对象图像的对象类型。
83.具体地，将分解得到的各对象图像依次输入待训练分类模型，待训练分类模型输出各对象图像的对象类型。
84.s7，基于各对象图像对应的类别标签，统计分类模型的分类准确率，并根据分类准确率，调整待训练分类模型的参数，返回执行分解有色激光图像得到各对象图像的步骤，直到得到分类准确率大于第二置信度阈值的分类模型。
85.具体地，根据各对象图像对应的类别标签，以及分类模型输出的各对象图像的对象类型，统计分类模型的分类准确率。根据分类准确率，调整待训练分类模型的参数。执行下一周期的训练，直到得到分类准确率大于第二置信度阈值的分类模型，并记录对应的分类置信度。
86.需要说明的是，通过设置第二置信度阈值，以及记录分类准确率大于第二置信度阈值时分类模型对应的分类置信度，可了解分类模型在不同分类置信度下的检测精度。
87.在本发明实施例中，可根据对移动机器人检测识别的需求，设置相应的第二置信度阈值，以将训练好的分类模型输出的分类置信度与设置的第二置信度阈值进行比较，以判断分类模型对其处理的有色激光照片的检测，是否满足需求的准确度(准确率)。
88.本发明实施例的第一置信度阈值为召回率为99％的置信度阈值，第二置信度阈值为准确率为99％的置信度阈值。利用上述预设检测模型和预设分类模型的训练过程，可得到检测召回率大于召回率为99％的置信度阈值，检测准确率大于准确率为99％的置信度阈值的检测模型，和分类准确率大于准确率为99％的置信度阈值的分类模型。
89.本发明实施例的移动机器人的控制方法，利用有色激光灯向目标区域发射有色激光，使目标区域的液体和灰尘更容易被摄像头采集到。利用预设检测模型对摄像头采集到的有色激光图像进行检测，将预设检测模型输出的检测置信度与第一置信度阈值和第二置信度阈值进行比较，以判断预设检测模型输出的结果是否全面且准确。并在预设检测模型输出结果全面且准确时，直接根据预设检测模型输出目标区域的对象检测信息，确定对应的清理策略，可减少对计算机资源的损耗。在预设检测模型输出结果全面但不准确时，将有色激光图像输入预设分类模型，保留基于预设分类模型输出的结果，提高用于确定清洁策略的目标区域的对象检测信息的精准度。根据目标区域中各对象的对象类别，确定对应的清理策略，提高移动机器人的智能程度。
90.基于上述移动机器人的控制方法，本发明提出了一种移动机器人的控制装置。
91.本发明实施例的移动机器人包括有色激光灯和摄像头。图6是本发明实施例的移动机器人的控制装置的结构示意图。如图6所示，移动机器人的控制装置100包括采集模块10，检测模块20和控制模块30。
92.其中，采集模块10用于在有色激光灯向目标区域发射有色激光时，通过摄像头采集目标区域的有色激光图像；检测模块20用于基于预设检测模型对有色激光图像进行处理，得到目标区域的对象检测信息；控制模块30用于根据对象检测信息确定移动机器人对目标区域的清洁策略。
93.需要说明的是，本发明实施例的移动机器人的控制装置的其他具体实施方式可参见本发明上述实施例的移动机器人的控制方法的具体实施方式。
94.基于上述移动机器人的控制方法，本发明提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现如上述的移动机器人的控制方法。
95.基于上述移动机器人的控制方法，本发明提出了一种移动机器人，包括存储器和处理器，存储器上存储有计算机程序，计算机程序被所述处理器执行时，实现如上述的移动机器人的控制方法。
96.本发明实施例的移动机器人的控制装置、移动机器人、存储介质，利用上述的移动机器人的控制方法，可提高移动机器人检测脏污的精确度和夜视能力，使移动机器人对室内的清理更干净，更智能。
97.需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
98.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
99.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
100.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
101.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
102.在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
103.在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
104.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。