机器人及其建图方法、装置及存储介质与流程

1.本技术属于机器人领域，尤其涉及机器人及其建图方法、装置及存储介质。


背景技术：

2.在机器人导航前，机器人通常会预先构建场景地图。比如，当前移动服务机器人使用二维激光slam(英文全称为simultaneous localization and mapping，中文全称为同步定位与建图)来构建场景地图。在机器人导航过程中，机器人的激光传感器会感知机器人周围的环境信息，根据环境信息与已构建的地图进行定位，使得机器人可以确定自己在地图上的位置。
3.在可能的情况下，在地图的建图流程完成后，实际使用场景经常会发生变化。尤其是在一些复杂场景中，包括如办公室，商场，工厂等，这些场景经常会有杂物或者物品移动的事情发生。或者，在场景特征较少的场景中，包括如空旷场景或长走廊场景。在这些场景下，机器人所采集到的环境信息可能会与所构建的地图上的信息不匹配，或者匹配精度不高。导致机器人不能可靠的完成定位导航，或者需要频繁的对场景进行建图，不利于提升用户使用体验。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种机器人及其建图方法、装置及存储介质，以解决现有技术中在建图时，环境信息可能会与地图上的信息不匹配，或者匹配精度不够，导致机器人不能可靠的完成定位导航，或者需要频繁进行建图的问题。
5.本技术实施例的第一方面提供了一种机器人的建图方法，所述机器人所在场景中设置有定位标识，所述方法包括：
6.在机器人移动过程中，通过传感设备获取关键帧，确定所述关键帧对应的机器人位姿；
7.当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿；
8.将所述关键帧对应的机器人位姿、定位标识的位姿作为节点，将所述关键帧之间的相对位姿关系、以及定位标识与关键帧对应的机器人位姿之间的相对位姿关系作为边，生成包括回环的位姿图；
9.根据图优化方法优化所述关键帧对应的机器人位姿，以及所述定位标识的位姿。
10.结合第一方面，在第一方面的第一种可能实现方式中，当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿之后，所述方法还包括：
11.当所述关键帧中包括定位标识时，判断当前关键帧之前的关键帧是否包括该定位标识；
12.如果当前关键帧之前的关键帧包括该定位标识，则根据所述定位标识的位姿，确
定所述当前关键帧的位姿。
13.结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，在根据所述定位标识的位姿，结合所述定位标识的位姿，确定所述当前关键帧的位姿之前，所述方法还包括：
14.确定当前关键帧与之前包括该定位标识的关键帧之间所包括的关键帧的数量或位姿变化幅度；
15.当所述关键帧的数量大于预定的数量阈值，或者所述位姿变化幅度大于预定的幅度阈值，则根据所述定位标识的位姿，确定所述当前关键帧的位姿。
16.结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，在则根据所述定位标识的位姿，确定所述当前关键帧的位姿之后，所述方法还包括：
17.根据所述当前关键帧的位姿，优化包括相同定位标识的两个关键帧之间的关键帧对应的机器人的位姿；
18.或者优化包括相同定位标识的两个关键帧之间的关键帧对应的机器人的位姿，以及包括相同定位标识的两个关键帧之间的关键帧所包括的定位标识的位姿。
19.结合第一方面，在第一方面的第四种可能实现方式中，当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿，包括：
20.当所述关键帧中包括定位标识时，判断当前关键帧之前的关键帧是否包括该定位标识；
21.如果当前关键帧之前的关键帧包括该定位标识，且当前关键帧与当前关键帧之前包括该定位标识的关键帧为相邻的关键帧，则根据所述当前关键帧优化所述定位标识的位姿。
22.结合第一方面，在第一方面的第五种可能实现方式中，在通过传感设备获取关键帧之前，所述方法还包括：
23.检测所述机器人的工作场景信息；
24.根据所述机器人的工作场景信息，确定所述定位标识的分布位置。
25.结合第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，根据所述机器人的工作场景信息，确定所述定位标识的分布位置，包括：
26.当所述工作场景信息符合预定的空旷场景要求时，则按照预定的距离间隔确定所述定位标识的分布位置；
27.当所述工作场景信息符合预设的变化场景要求时，则检测所述工作场景中的环境变化频率；
28.根据所述环境变化频率确定所这定位标识的分布位置。
29.本技术实施例的第二方面提供了一种机器人的建图装置，所述机器人所在场景中设置有定位标识，所述装置包括：
30.关键帧获取单元，用于在机器人移动过程中，通过传感设备获取关键帧，确定所述关键帧对应的机器人位姿；
31.定位标识确定单元，用于当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿；
32.位姿图生成单元，用于将所述关键帧对应的机器人位姿、定位标识的位姿作为节点，将所述关键帧之间的相对位姿关系、以及定位标识与关键帧对应的机器人位姿之间的相对位姿关系作为边，生成包括回环的位姿图；
33.位姿优化单元，用于根据图优化方法优化所述关键帧对应的机器人位姿，以及所述定位标识的位姿。
34.本技术实施例的第三方面提供了机器人，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。
35.本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。
36.本技术实施例与现有技术相比存在的有益效果是：本技术通过在机器人所在的工作场景中设置定位标识，记录机器人移动过程中获取关键帧，以及关键帧所对应的机器人位姿，并检测关键帧中是否包括定位标识，如果包括定位标识，则确定所包括的定位标识的位姿。将关键帧所对应的机器人位姿、定位标识的位姿作为节点，以及将关键帧之间的相对位姿关系、定位标识与关键帧之间的相对位姿关系作为边，生成包括回环的位姿图，通过图优化方法，对所述机器人位姿和定位标识的位姿进行优化，从而能够有效的提高关键帧所对应的机器人位姿，以及定位标识的位姿的精度，有利于机器人更为可靠的进行定位和导航，减少地图重建的频率。
附图说明
37.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，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。
38.图1是本技术实施例提供的一种机器人的建图方法的实现流程示意图；
39.图2是本技术实施例提供的一种机器人建图时的位姿图优化示意图；
40.图3是本技术实施例提供的又一机器人建图时的位姿图优化示意图；
41.图4是本技术实施例提供的一种机器人的建图装置的示意图；
42.图5是本技术实施例提供的机器人的示意图。
具体实施方式
43.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
44.为了说明本技术所述的技术方案，下面通过具体实施例来进行说明。
45.当机器人在较为空旷的地方，包括如较长的走廊或者仓库等工作场景执行任务时，由于工作场景中的定位特征较少，机器人通过激光传感器或图像传感器所采集的图像，
无法对机器人进行准确的定位，从而可能会导致机器人无法准确的进行定位，使得机器人容易出现导航出错。
46.或者，当机器人处于较为复杂的地方，包括如来回移动的物品或人等信息。当机器人在第一时刻对工作场景进行建图得到场景地图后，在执行工作任务的第二时刻，工作场景中的物品或人的位置或姿态已发生改变，如办公室、商场、工厂等场景，机器人所采集的场景特征与所构建的地图中的特征信息不匹配，无法完成对机器人进行行的定位和导航，或者需要频繁的构建机器人所在工作场景的地图，不利于提高用户的使用体验。
47.基于此，本技术提出了一种机器人的建图方法，在机器人所在的工作场景中设置有定位标识，如图1所示，该机器人的建图方法的实现流程包括：
48.在s101中，在机器人移动过程中，通过传感设备获取关键帧，确定所述关键帧对应的机器人位姿。
49.其中，所述机器人可以包括如送餐机器人、扫地机器人、防疫机器人等。在机器人开始建图时，可以在所述机器人开始移动的位置确定所构建的地图的坐标系。比如，可以确定机器人的起始位置为所构建的地图的坐标系的原点，根据所确定的坐标系，可用于确定机器人在移动过程中的坐标位置。可以理解的是，不必局限于以起始点为所构建的地图的坐标系的原点。
50.所述机器人位姿包括机器人的坐标位置和机器人姿态。在确定所述机器人的坐标位置时，可以通过机器人的里程计等位置传感器来确定。在确定所述机器人姿态时，可以通过机器人的方位传感器来确定。所述方位传感器可以包括如陀螺仪等传感设备。
51.在机器人移动过程中，可以通过机器人上所设置的传感设备实时采集场景中的图像。其中，所述传感设备包括但不限于激光雷达和/或图像传感器。比如，可以通过激光雷达采集场景中的障碍物信息，包括机器人与障碍物的距离，以及障碍物与机器人方位关系等。
52.所述关键帧可以根据所采集的图像中所包括的定位特征的多少来确定。比如，通过检测所采集的图像中定位特征的数量大于预定的数量阈值，则将所采集的图像作为关键帧。
53.或者，也可以根据所采集的图像中所的定位特征的多少，结合关键帧之间的位姿差异来确定是否为关键帧。比如，如果确定所采集的图像中的定位特征的数量大于预定的数量阈值，并且当前的图像与上一个关键帧对应的位姿差异大于预定的差异阈值。位姿差异可以包括距离差异和角度差异，相应的，差异阈值可以包括距离阈值和角度阈值。比如，当特征数量大于预定的数量阈值，且两者的角度差异大于预定的角度阈值，或者距离阈值大于预定的距离阈值，则可以将当前采集的图像为关键帧。
54.其中，定位特征可以包括障碍物的形状特征，包括如形状中的线段长度、线段的夹角等。
55.在s102中，当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿。
56.在获取到关键帧后，对所述关键帧中的图像进行检测，确定所述关键帧是否包括定位标识。比如，可以将所采集的图像与定位标识进行特征匹配的方式，检测所述关键帧中是否包括定位标识。
57.本技术实施例中所述的定位标识，可以包括如aruco码等标识。其中，aruco码设置
完成后，本身具有特定的位姿，即aruco码本身具有位置特征和方位特征。且不同aruco码具有不同的标识或编码。
58.在检测到关键帧中包括定位标识，比如包括aruco码时，可以基于aruco码的四个顶点与机器人之间的距离，结合所述aruco码本身具有方向标识，确定机器人与aruco码的相对位姿关系。
59.由于机器人在移动过程中，可以基于里程计和方位传感器实时确定机器人的位姿。结合关键帧中所包括的定位标识所确定的机器人与定位标识的相对位姿关系，即可确定所述定位标识的位姿。
60.由于机器人位姿会随着里程的增加而相应的增加误差，因此，根据存在误差的机器人位姿所确定的定位标识也会存在误差累积，需要进一步对该误差进行优化，以得到精度更高关键帧对应的机器人位姿，以及定位标识所对应的位姿。
61.在可能的实现方式中，如果在相邻的两个关键帧(分别为第一关键帧和第二关键帧，且第一关键帧位于第二关键帧之前)中包括同一定位标识，则可以根据第一关键帧确定所述定位标识的位姿后，通过第二位姿进一步修正所述定位标识的位姿。
62.比如，图2为本技术实施例提供的一种由关键帧和定位标识所构成的位姿图，其中，关键帧对应的节点为深色节点，定位标识对应的节点为白色节点。关键帧3中包括有定位标识1，根据关键帧3中的定位标识，可以确定关键帧3与定位标识1之间形成有相对位姿关系。关键帧4中包括有定位标识2。关键帧5和关键帧6中包括有定位标识3，且关键帧5和关键帧6为相邻的定位帧。
63.或者，通过在后的关键帧修正所述定位标识的位姿时，不局限于相邻的两个关键帧，还可以在两个关键帧之间的距离小于预定的距离阈值，或者两个关键帧之间的方位差(或者称为方位夹角)小于预定的角度阈值，同样可以采用在后的关键帧修正所述定位标识的位姿。
64.在可能的实现方式中，还可以基于关键帧所确定的定位标识的位姿，对关键帧进行修正。比如，在检测到关键帧中包括定位标识时，可以判断该定位标识是否在之前的关键帧中出现过，如果出现过，则可以通过所述定位标识的位姿修正在后的关键帧，或者也可以检测出现相同定位标识的两个关键帧的差异，基于差异确定是否需要通过定位标识来修正在后的关键帧的位姿。
65.其中，关键帧的差异可以根据关键帧之间相隔的关键帧的数量，或者两个关键帧的位姿变化幅度，包括两个关键帧所对应的机器人位置之间的距离，或者两个关键帧所对应的机器人方位变化幅度。
66.当所述关键帧的数量大于预定的数量阈值，或者所述位姿变化幅度大于预定的幅度阈值，包括两个关键帧所对应的机器人位置之间的距离大于预定的距离阈值，或者两个关键帧所对应的机器人方位变化幅度大于预定的幅度阈值，表示相对于在先的包括相同定位标识的关键帧，在后的关键帧积累了较大误差，则根据所述定位标识的位姿，确定在后关键帧，或者称为当前关键帧的位姿。
67.对在后关键帧的位姿进行修正后，如果包括相同定位标识的在后关键帧与包括相同定位标识的在前关键帧之间存在若干关键帧，可以进一步根据在后关键帧对中间的关键帧进行位姿修正。即根据在后关键帧调整中间关键帧的位置和姿态。或者根据在后关键帧
调整中间关键帧，以及中间关键帧包括的定位标识的位姿。
68.比如图3所示的位姿图中，关键帧3和关键帧7具有相同的定位标识2。当在关键帧3中检测到定位标识2时，可以基于关键帧3对应的位姿，结合关键帧中的图像所计算得到的定位标识2相对于关键帧3所对应的位姿的相对位姿关系，确定所述定位标识2的位姿。
69.当检测到关键帧7中包括之前检测到的定位标识2时，则可直接通过定位标识2修正所述关键帧7对应的位姿，或者基于中间间隔的关键帧数量或者关键帧3与关键帧7所对应的机器人的位姿变化幅度确定需要通过定位标识2修正所述关键帧7对应的位姿。在对关键帧7的位姿修正后，可基于修正后的关键帧7的位姿，修正优化关键帧7之前的关键帧，包括如关键帧6、关键帧5、关键帧4，以及与所述关键帧4关联的定位标识3对应的位姿。
70.在s103中，将所述关键帧对应的机器人位姿、定位标识的位姿作为节点，将所述关键帧之间的相对位姿关系、以及定位标识与关键帧对应的机器人位姿之间的相对位姿关系作为边，生成包括回环的位姿图。
71.在机器人移动过程，可以确定每个关键帧所对应的位姿，每个定位标识所对应的位姿，以及每两个关键帧之间的相对位姿关系、定位标识与关键帧之间的相对位姿关系，可以根据关键帧和定位标识作为节点，将相对位姿关系作为边，生成位姿图。即位姿图中包括由关键帧和定位标识确定的节点，每个节点对应该对象(关键帧或定位标识)的位姿。节点之间的边对应两个节点的相对位姿关系。
72.在s104中，根据图优化方法优化所述关键帧对应的机器人位姿，以及所述定位标识的位姿。
73.可以通过关键帧所包括的图像特征，确定在后的关键帧与在先的关键帧是否处于同一位置，或者距离小于预定的回环距离阈值。当处于同一位置，或者距离小于预定的回环距离阈值，则可认为位姿图产生了回环。可以基于产生了回环的两个节点，通过图像优化方法，由在先的节点的位姿，更新或优化在后的节点的位姿。以及优化处于回环上的其它节点的位姿，或者处于回环上的其它节点，以及与节点关联的定位标识的位姿。即通过更新优化后的关键帧的节点，优化该关键帧所包括定位标识的位姿。
74.比如图3所示的位姿图，节点1(对应关键帧1)与节点9(对应关键帧9)为回环点，可以通过图优化方法，基于节点1的位姿，更新优化节点9的位姿，并基于节点9的位姿优化节点8、节点7、节点6、节点5、节点4、节点3、节点2的位姿。根据优化了关键帧对应的节点的位姿后，可以进一步根据关键帧对应的节点的位姿，优化关键帧对应的节点所关联的定位标识的位姿。从而能够有效的提升所构建的地图中的关键帧和定位标识的位姿的精度，进而能够提升机器人在导航时的定位精度。在空旷场景中，以及在复杂多变的场景中，能够通过定位标识准确的确定机器人的位姿。
75.另外，本技术实施例在设置定位标识时，可以通过机器人的图像传感器采集机器人所在的工作场景信息，根据所述工作场景信息确定场景种类。即当工作场景信息与预设的空旷场景要求相符时，则工作场景为空旷场景。当工作场景信息与预设的变化场景的要求相符时，则工作场景为变化场景。
76.其中，变化场景的要求可以包括场景中的环境变化的频率，包括如物品位姿发生变化的频率。
77.当工作场景为空旷场景时，可以按照预先设定的距离间隔，均匀的设置定位标识。
当所述工作场景为变化场景时，则可以根据场景中的物品位姿发生变化的频率的大小，将变化频率大于预定的频率阈值的位置设置定位标识。并且为了减小定位标识被遮挡。
78.其中，图优化方法包括但不限于基于g2o框架、基于ceres库、基于gtsam库或se-sync算法的优化方法。
79.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
80.图4为本技术实施例提供的一种机器人的建图装置的示意图，所述机器人所在工作场景中设置有定位标识，如图4所示，该装置包括：
81.关键帧获取单元401，用于在机器人移动过程中，通过传感设备获取关键帧，确定所述关键帧对应的机器人位姿；
82.定位标识确定单元402，用于当所述关键帧中包括定位标识时，根据所述定位标识在关键帧中的图像，结合所述关键帧对应的机器人位姿，确定所述定位标识的位姿；
83.位姿图生成单元403，用于将所述关键帧对应的机器人位姿、定位标识的位姿作为节点，将所述关键帧之间的相对位姿关系、以及定位标识与关键帧对应的机器人位姿之间的相对位姿关系作为边，生成包括回环的位姿图；
84.位姿优化单元404，用于根据图优化方法优化所述关键帧对应的机器人位姿，以及所述定位标识的位姿。
85.图4所示的机器人的建图装置，与图1所示的机器人建图方法对应。
86.图5是本技术一实施例提供的机器人的示意图。如图5所示，该实施例的机器人5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如机器人的建图程序。所述处理器50执行所述计算机程序52时实现上述各个机器人的建图方法实施例中的步骤。或者，所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能。
87.示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述机器人5中的执行过程。
88.所述机器人可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是机器人5的示例，并不构成对机器人5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器人还可以包括输入输出设备、网络接入设备、总线等。
89.所称处理器50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。
90.所述存储器51可以是所述机器人5的内部存储单元，例如机器人5的硬盘或内存。
所述存储器51也可以是所述机器人5的外部存储设备，例如所述机器人5上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器51还可以既包括所述机器人5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述机器人所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
91.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
92.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
93.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
94.在本技术所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
95.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
96.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
97.所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可
以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
98.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。