一种车载摄像头角度智能调节控制系统的制作方法

1.本发明涉及车载摄像头角度控制技术领域，具体涉及一种车载摄像头角度智能调节控制系统。


背景技术：

2.无人驾驶汽车不仅需要识别周边的其他车辆，还必须能够在各种环境下能够检测周围的车道、行人、交通标志等一系列相关因素，而关于周边环境的检测主要是通过车载摄像头实现，摄像头工作的时候，对光照的要求比较高，需要一个好的稳定的光照条件，使得车载摄像头能够拍摄出质量较好的图像，避免由于光照的问题，导致拍摄的图像出现过曝或欠爆的情况，从而导致图像的细节信息的损失，进而影响无人驾驶车辆的行驶安全。
3.现有技术中通过光补偿对光照强度不够时提升摄像头拍摄图像的质量，但并未就光照过强的问题进行解决，在基于光补偿的基础下，还需要解决光照强度过强导致的图像出现过曝的问题。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种车载摄像头角度智能调节控制系统，所采用的技术方案具体如下：本发明的实施例提供了一种车载摄像头角度智能调节控制系统。系统包括：光照强度获取模块，用于获得无人驾驶车辆行驶过程中摄像头角度调节的调节结点和摄像头每个时刻拍摄的环境图像；获得环境图像中各色调区域的光照强度，根据环境图像中各色调区域的光照强度获得图像的光照强度；参考路段获取模块，用于获得行驶过的路段中当前路段的相似路段，所述路段为两个调节结点之间的路段；根据相似路段和当前路段的长度，行驶完相似路段的时刻与开始行驶当前路段的时刻的时间差获得预设数量的疑似参考路段；获得光照强度为正值的疑似参考路段的一个环境图像中的亮连通域和暗连通域；将各亮连通域和各暗连通域进行匹配获得连通域对；连通域对中的亮连通域的中心点指向暗连通域中心点的向量为光照方向向量，所有光照方向向量的矢量和为图像的光照方向向量；光照强度为负值的疑似参考路段的环境图像中对应的所有连通域对中的暗连通域的中心点指向亮连通域中心点的向量的矢量和为图像的光照方向向量；根据疑似参考路段的各环境图像的光照方向向量和光照强度获得疑似参考路段的关联性，关联性最大的疑似参考路段为参考路段；角度调节模块，用于基于参考路段的各时刻对应的环境图像的光照强度预测得到当前路段的光照强度组成光照强度序列；基于当前路段初始的光照方向向量和光照强度序列的均值在当前路段的调节结点处对摄像头角度进行调节。
5.优选地，获得无人驾驶车辆行驶过程中摄像头角度调节的调节结点和摄像头每个时刻拍摄的环境图像包括：设定图像上水平向右为基准方向，根据无人驾驶车辆行驶的路线图上行驶路线的方向对行驶路线上的像素点进行编码获得方向链码序列；对链码方向序
列进行多阈值分割获得多个类别的链码，每个类别的链码中的第一个链码对应的像素点为调节结点；在车辆行驶过程中，每个时刻拍摄一个环境照片，且相邻时刻之间的时长为预设时长。
6.优选地，获得环境图像中各色调区域的光照强度，根据环境图像中各色调区域的光照强度获得图像的光照强度包括：将环境图像转换到his色彩空间获得每个像素点的色调值；基于环境图像中每个像素点的色调值进行多阈值分割获得不同的色调区域；统计每个色调区域的像素点的灰度值获得每个色调区域的灰度直方图；基于每个色调区域的像素点的灰度值进行阈值分割获得每个色调区域的灰度阈值；利用灰度阈值对色调区域的灰度直方图进行划分，分为左侧区域和右侧区域；若灰度直方图的右侧区域的面积大于左侧区域的面积，则右侧区域的面积与左侧区域的面积比值为色调区域的光照强度；若灰度直方图的右侧区域的面积小于左侧区域的面积，则左侧区域的面积与右侧区域的面积比值的负值为色调区域的光照强度；若环境图像中光照强度为正值的色调区域的光照强度的均值大于图像中光照强度为负值的色调区域的光照强度的均值的绝对值，则环境图像的光照强度为环境图像中光照强度为正值的色调区域的光照强度的均值；若环境图像中光照强度为正值的色调区域的光照强度的均值小于图像中光照强度为负值的色调区域的光照强度的均值的绝对值，则环境图像的光照强度为环境图像中光照强度为负值的色调区域的光照强度的均值。
7.优选地，获得行驶过的路段中当前路段的相似路段包括：相似路段对应的方向链码的均值与当前路段对应的方向链码的均值相等。
8.优选地，获得预设数量的疑似参考路段包括：基于每个相似路段和当前路段的长度，行驶完相似路段的时刻与开始行驶当前路段的时间差获得每个相似路段的参考性；当前路段的长度与相似路段的参考性成正相关关系，相似路段的长度以及行驶完相似路段的时刻与开始行驶当前路段的时刻的时间差与相似路段的参考性成负相关关系；将每个相似路段的参考性按照降序的顺序进行排序，从排列好的第一个参考性对应的相似路段依次获取，获得预设数量的疑似参考路段。
9.优选地，获得光照强度为正值的疑似参考路段的一个环境图像中的亮连通域和暗连通域包括：车辆在疑似参考路段中行驶时可以获得多张环境图像；对一个环境图像中的所有色调区域对应的灰度直方图中右侧区域中各灰度级对应的像素点进行多阈值分割获得多个类别的像素点，每个类别的像素点组成一个亮连通域；对一个环境图像中的所有色调区域对应的灰度直方图中左侧区域中各灰度级对应的像素点进行多阈值分割获得多个类别的像素点，每个类别的像素点组成一个暗连通域。
10.优选地，将各亮连通域和各暗连通域进行匹配获得连通域对包括：利用km算法对各亮连通域和各暗连通域进行匹配，获得连通域对，亮连通域与暗连通域之间的边权值由亮连通域与暗连通域的灰度值的均值的差异，亮连通域中心点与暗连通域中心点的距离获得；亮连通域与暗连通域之间的边权值，与所述亮连通域与暗连通域的灰度值的均值的差异，以及所述亮连通域中心点与暗连通域中心点的距离都成负相关关系。
11.优选地，根据疑似参考路段的各环境图像的光照方向向量和光照强度获得疑似参考路段的关联性包括：将疑似参考路段的各环境图像的光照方向向量按照时序的顺序进行排列获得光照方向向量序列；将疑似参考路段的各环境图像的光照强度按照时序的顺序进
行排列获得光照强度序列；利用dtw算法获得光照方向向量序列和光照强度序列的距离，其中，需要将光照强度序列中在图像中进行连线形成折线图；光照方向向量序列和光照强度序列的距离的倒数为疑似参考路段的关联性。
12.优选地，基于参考路段的各时刻对应的环境图像的光照强度预测得到当前路段的光照强度组成光照强度序列包括：获得当前路段的初始光照强度，所述初始光照强度为当前路段的上一个路段对应的最后时刻的环境图像的光照强度；基于参考路段中相邻时刻的环境图像的光照强度的比值获得每两个相邻的时刻之间的光照强度变化率，所述比值为相邻时刻中下一个时刻对应的光照强度与上一个时刻对应的光照强度的比值，所有相邻时刻的光照强度变化率组成光照强度变化率序列；利用当前路段的初始光照强度与光照强度变化率序列的获得当前路段的光照强度序列，其中所述当前路段的光照强度序列第二个元素为初始光照强度与光照强度变化率序列中第一个元素的乘积。
13.优选地，基于当前路段初始的光照方向向量和光照强度序列的均值在当前路段的调节结点处对摄像头角度进行调节包括：当前路段初始的光照方向向量为当前路段的上一个路段对应的最后时刻对应的环境图像的光照方向向量；获得过当前路段初始的光照方向向量的垂直于初始的光照方向向量的一个平面，将初始的光照方向向量在该平面的投影向量作为角度调节方向；设置调节阈值，获得当前路段的光照强度序列的均值的绝对值，若所述均值的绝对值大于调节阈值则需要进行调节摄像头的角度，当前路段的光照强度序列的均值的绝对值与调节阈值的差值比上调节阈值为超限比例，超限比例与每次摄像头角度调节的最大角度的乘积为摄像头向角度调节方向转动的角度。
14.本发明实施例至少具有如下有益效果：本发明通过分析行驶过的路段的方向，时间差和长度与当前路段进行比较，筛选出与当前路段较为相似的路段，然后再分析较为相似的路段光照方向变化和光照强度变化的相关性，找到相关性最大的路段作为当前路段的参考从而能够准确的预测获得当前路段的光照情况，再根据当前路段的光照情况对车载摄像头的角度进行调节，避免了拍摄得到的图像出现过曝或欠曝的情况，从而保证了车辆驾驶系统能够通过图像准确的分析车辆行驶的环境，保证无人机驾驶汽车的行车安全。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
16.图1为一种车载摄像头角度智能调节控制系统的系统框图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种车载摄像头角度智能调节控制系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的一种车载摄像头角度智能调节控制系统的具体方案。
20.实施例：本发明的主要应用场景为：在无人驾驶汽车行驶过程中根据车载摄像头拍摄的环境图像的亮度情况对摄像头的角度进行调节，需要说明的是，摄像头的角度进行调节过程中摄像头的朝向是始终向前的，不影响摄像头拍摄车前的环境进行分析从而判定并控制车辆的行驶状态，保证车辆的安全行驶。
21.请参阅图1，其示出了本发明实施例提供的一种车载摄像头角度智能调节控制系统的系统框图，该系统包括以下模块：光照强度获取模块，用于获得无人驾驶车辆行驶过程中摄像头角度调节的调节结点和摄像头每个时刻拍摄的环境图像；获得环境图像中各色调区域的光照强度，根据环境图像中各色调区域的光照强度获得图像的光照强度。
22.首先，通过无人驾驶车辆的定位信息，结合电子地图，可以得到车辆当前的路线图，因为行驶路线是在线路图上，所以行驶路线可以看作是一个个像素点组成的，在线路图上车辆的行驶可以360度的，也即是有360个方向值，也即是0-360，根据行驶路线上每个像素点的朝向，也即是车辆的行驶方向，获得方向链码序列，其中，规定线路图上水平向右为基准方向，也即是编码0，获得车辆行驶路线的链码序列。
23.通过多阈值分割得到方向链码序列中的不同类别的链码，需要说明的是多阈值分割遵循根据费歇尔准则，利用类间方差最大，类内方差最小的原则进行多阈值分割，同一类别的链码中的链码，即方向值相近，将相邻类别中后一个类别的第一个元素位置作为链码节点，即路线拐点，也是摄像头调节角度时的调节结点，例如：在方向链码序列[0 0 0 50 49 51]中，通过多阈值分割得到[0 0 0]和[50 49 51]，将50作为路线拐点，也即是摄像头调节角度时的调节结点。同时，在车辆行驶过程中车辆每隔预设时长就会拍摄一张车辆前方的环境图像，因此每个时刻就会对应一张环境图像，本实施例中预设时长为1s。
[0024]
进一步的，需要对环境图像进行分析获得每张环境图像的光照强度，将为rgb图像的环境图像转换到his色彩空间，获得每个像素点的色调值；在获得环境图像的光照强度时，由于不同物体对光的反射强度不同，因此直接计算整体图像的光照强度存在较大误差，基于此，通过计算环境图像中相同物体的灰度值的差异范围来对当前的光照强度进行分析，其中同一个地物对应的像素点的色调值大概率是相同的，这里的地物指的是拍摄的图像中的物体，例如地面，但是地面可能某些区域的色调值是不同的，所以本实施例中将每个地物当作色调值相同的像素点组成的区域，对环境图像中每个像素点的色调值进行多阈值分割获得不同的色调区域，同时将图像灰度化获得每个色调区域的像素点的灰度值，对每个色调区域的像素点的灰度值进行分析获得整个环境图像的光照强度。
[0025]
同一色调区域对应的地物的反射率相近，如果色调区域的灰度值大部分分布在高灰度值上，且色调区域的大部分像素点的灰度值偏大，则可以说明色调区域的光照较强；统计每个色调区域的像素点的灰度值获得每个色调区域的灰度直方图，如果大部分色调区域的灰度直方图曲线的波峰偏右侧，即灰度值偏大，则说明整个环境图像的光照较强。基于每
个色调区域的像素点的灰度值进行otsu阈值分割获得每个色调区域的灰度阈值k，每个色调区域的灰度直方图对应一个灰度阈值，利用直线x=k将每个灰度直方图划分为右侧区域和左侧区域；根据左侧区域和右侧区域的面积获得色调区域的光照强度，其中左侧区域的面积表示为s1，右侧区域的面积为s2，则色调区域的光照强度为：其中，为色调区域的光照强度；表示灰度直方图左侧区域的面积，表示灰度直方图右侧区域的面积，如果s1《s2，说明环境图像色调区域的亮度较大，用正值表示色调区域的光照强度；如果s1》s2，明环境图像色调区域的较暗，用负值表示表示色调区域的光照强度。
[0026]
最后，基于环境图像中每个色调区域的光照强度获得整个环境图像的光照强度，获得光照强度为正值的色调区域的光照强度的均值以及光照强度为负值的色调区域的光照强度的均值；若环境图像中光照强度为正值的色调区域的光照强度的均值大于图像中光照强度为负值的色调区域的光照强度的均值的绝对值，则环境图像的光照强度为环境图像中光照强度为正值的色调区域的光照强度的均值；若环境图像中光照强度为正值的色调区域的光照强度的均值小于图像中光照强度为负值的色调区域的光照强度的均值的绝对值，则环境图像的光照强度为环境图像中光照强度为负值的色调区域的光照强度的均值，至此获得环境图像的光照强度g’；若g’在[-1.2 1.2]范围内，不需要调整摄像头的角度，如果超出该范围，需要通过调整摄像头角度，避免环境图像过亮或过暗。
[0027]
参考路段获取模块，用于获得行驶过的路段中当前路段的相似路段，所述路段为两个调节结点之间的路段；根据相似路段和当前路段的长度，行驶完相似路段的时刻与开始行驶当前路段的时间差获得预设数量的疑似参考路段；获得光照强度为正值的疑似参考路段的一个环境图像中的亮连通域和暗连通域；将各亮连通域和各暗连通域进行匹配获得连通域对；连通域对中的亮连通域的中心点指向暗连通域中心点的向量为光照方向向量，所有光照方向向量的矢量和为图像的光照方向向量；光照强度为负值的疑似参考路段的环境图像中对应的所有连通域对中的暗连通域的中心点指向亮连通域中心点的向量的矢量和为图像的光照方向向量；根据疑似参考路段的各环境图像的光照方向向量和光照强度获得疑似参考路段的关联性，关联性最大的疑似参考路段为参考路段。
[0028]
首先，在车辆行驶过的路段中，如果有路段的方向与当前路段的方向相近，则两个路段的光照变化情况相近，获得与当前路段方向相似的路段，其中每个路段之间的方向链码应该都是相近的，获得之前行驶过的路段对应的方向链码的均值以及当前路段对应的方向链码的均值，若之前行驶过的路段对应的方向链码的均值与当前路段对应的方向链码的均值相等，则该路段为当前路段的相似路段。
[0029]
进一步的，行驶完相似路段的时刻与开始行驶当前路段的时刻的时间差越短，相似路段的越值得参考，相似路段的长度与当前路段的长度越接近，越值得参考。因此根据相似路段和当前路段的长度，行驶完相似路段的时刻与开始行驶当前路段的时刻的时间差获得的相似路段的参考性：
其中，表示第i个相似路段的参考性；表示当前路段的长度，表示第i个相似路段的长度；表示行驶完第i个相似路段的时刻与开始行驶当前路段的时刻之间的时间差。参考性表示对于当前路段来说，每个相似路段的参考性，参考性越大，越考虑使用该数据。将每个相似路段的参考性按照降序的顺序进行排序，从排列好的第一个参考性对应的相似路段依次获取，获得预设数量的疑似参考路段，也即是参考性较大的预设数量的相似路段，本实施例中与预设数量取3，将获得的3个相似路段记为疑似参考路段。
[0030]
接着，需要在筛选出的3个疑似参考路段中进行再次筛选获得当前路段的参考路段，在短时间内，两个十分相似的路段的光照强度变化情况相近，即光照变化相近，例如：当前路段为a路段，1分钟前行驶过的b路段为a路段的参考路段，b路段的光照轻度变化为[1 2 3]，计算得到变化率为：[2 1.5];则a路段的光照强度变化曲线与a路段相近，a路段的开始节点的光照强度为2，则对应的a路段的光照强度变化为：[2 4 6]，这里需要说明的是列举的该例子只是为了方便说明，因此数据夸大表示特性，实际的光照强度变化应该较小。获得每个疑似参考路段拍摄的每个时刻的环境图像的光照强度。
[0031]
获得在三个疑似参考路段行驶时车载摄像头拍摄的每个时刻的环境图像的光照方向向量，对于车载摄像头来说，当角度不合适时，摄像头拍摄到的图像有可能过曝或欠曝，同时导致图像中不同物体位置的光照强弱存在较大差异，光是有方向的，过曝时可以将高亮度区域向低亮度区域的光照方向作为此时阳光向摄像头的入射方向在摄像头平面上的投影向量，将该投影向量称为光照方向向量，所以对于光照强度较强的环境图像的光照方向是由图像中亮度较高的区域指向亮度较低的区域的，而对于光照强度较弱的环境图像光照方向是由图像中亮度较低的区域指向亮度较高的区域的。
[0032]
因此对于一个疑似参考路段对应的环境图像，光照强度大于0的图像的光照方向向量计算过程如下：获得环境图像中亮度较大的区域和亮度较小的区域，亮度较大的区域记为亮连通域，亮度较小的区域记为暗连通域；对一个环境图像中的所有色调区域对应的灰度直方图中右侧区域中各灰度级对应的像素点进行多阈值分割获得多个类别的像素点，每个类别的像素点组成一个亮连通域；对一个环境图像中的所有色调区域对应的灰度直方图中左侧区域中各灰度级对应的像素点进行多阈值分割获得多个类别的像素点，每个类别的像素点组成一个暗连通域。
[0033]
利用km算法对亮连通域和暗连通域进行匹配，自然界中的光认为是平行光，在较小的空间（摄像机所拍摄的空间）上，可以认为光束的变化量相同，即一条光线的起点到终点的光子损失量相同，对应到图像中，即灰度值变化相同。因此在计算光照方向向量时，计算亮度较大的亮连通域与亮度较小的暗连通域之间的匹配关系，所述最优的匹配关系主要有两种性质：最终形成的匹配关系中由亮连通域指向暗连通域的直线平行关系较为广泛，也即是相匹配的亮连通域与暗连通域中心点的距离较小；最终形成的匹配关系中相匹配亮连通域与暗连通域的灰度值的均值相差较小。
[0034]
km算法在进行匹配时最终相匹配的两个样本之间连线与其他的相匹配的样本之间的连线相互平行关系居多时，距离的和为最小，平行关系较少时，距离的和较大。由于亮
连通域和暗连通域的数量不一定一致，因此首先计算数量大的连通域的组合，m表示数量大的连通域数，n表示数量小的连通域数量，例如数量小的连通域有两个：a和b，数量多的连通域有三个a、b和c，获得数量大的连通域的组合[（a、b）、（b、c）、（a、c）]，再比较每个组合中各连通域与数量较小连通域之间的边权值进行匹配，所述亮连通域与暗连通域之间的边权值为：其中，表示亮连通域与暗连通域之间的边权值，和分别表示亮连通域和暗连通域的像素低点的灰度值的均值；表示亮连通域和暗连通域的中心点之间的欧式距离。
[0035]
当所有相匹配的样本之间的边权值的和最大时获得最终的匹配结果，得到相匹配连通域记为连通域对，连通域对中包含一个亮连通域和暗连通域，则一个连通域对对应的光照方向向量为亮连通域的中心点指向暗连通域的中心点的向量；光照强度大于0的环境图像中所有连通域对对应的光照方向向量的矢量和为光照强度大于0的环境图像的光照方向向量。
[0036]
在疑似参考路段对应的所有环境图像中，对于光照强度小于0的环境图像，获得图像的所有连通域对，连通域对对应的光照方向向量为由暗连通域的中心点指向亮连通域的中线点的向量，光照强度小于0的环境图像的光照方向向量为这些向量的矢量和。由此可以得到在疑似参考路段中行驶时每个时刻的环境图像的光照方向向量，组成光照方向向量序列。
[0037]
最后，将疑似参考路段的各环境图像的光照强度按照时序的顺序进行排列获得光照强度序列；利用dtw算法获得一个疑似参考路段的光照方向向量序列和光照强度序列的距离，其中，在利用dtw算法进行计算时需要将光照强度序列中在图像中进行连线形成折线图；光照方向向量序列和光照强度序列的距离的倒数为疑似参考路段的关联性，选择关联性最大的疑似参考路段最作为参考路段。这是由于在同向行驶中，光照强度的变化往往是由于光照方向的变化导致的，因此两者的相关性应该是很大，但由于一些因素的影响，会导致两者的相关性较小，此时该路段就不适合作为当前路段的参考路段了，例如：车辆振动影响等会破坏图像质量，导致这种相关性的减小，因此选择相关性较大的，即对应数据的完整度或质量较好，作为参考。
[0038]
角度调节模块，用于基于参考路段的各时刻对应的环境图像的光照强度预测得到当前路段的光照强度组成光照强度序列；基于当前路段初始的光照方向向量和光照强度序列的均值在当前路段的调节结点处对摄像头角度进行调节。
[0039]
首先，结合车辆在行驶参考路段时拍摄的每个时刻的环境图像的光照强度对车辆行驶当前路段的每个时刻拍摄的图像的环境图像的光照强度进行预测。获得参考路段的光照强度组成一个光照强度序列，该序列的元素在时序上是连续的，分别计算参考路段中后一个元素与前一个元素的比值，也即是相邻两个时刻的光照强度的比值，该比值为光照强度变化率，参考路段的光照强度序列中所有相邻时刻对应的光照强度变化率组成光照强度变化率序列。获得当前路段的初始光照强度，为当前路段的上一个路段对应的最后时刻的环境图像的光照强度。
[0040]
进一步的，当前路段的初始光照强度与光照强度变化率序列中第一个元素的乘积为行驶当前路段时第二个时刻对应的光照强度；行驶当前路段时第二个时刻对应的光照强度与光照强度变化率序列中第二个元素的乘积为行驶当前路段时第三个时刻对应的光照强度，以此类推获得行驶当前路段时摄像头拍摄的所有时刻的环境图像的光照强度组成当前路段的光照强度序列，获得当前路段的光照强度序列的均值，记为。
[0041]
最后，获得角度调节方向，此时需要获得当前路段初始的光照方向向量，当前路段初始的光照方向向量为当前路段的上一个路段对应的最后时刻对应的环境图像的光照方向向量，初始的光照方向向量是在一个二维平面上的，获得过当前路段初始的光照方向向量的垂直于初始的光照方向向量的一个平面，将初始的光照方向向量在该平面的投影向量作为角度调节方向。
[0042]
获得向角度调节方向调节时摄像头转动的角度：设施调节阈值，优选地本实施例中调节阈值为1.2，获得当前路段的光照强度序列的均值的绝对值，若当前路段的光照强度序列的均值的绝对值大于1.2，则需要进行调节摄像头的角度，当前路段的光照强度序列的均值的绝对值与调节阈值的差值比上调节阈值为超限比例：其中，表示当前路段的光照强度序列的均值的绝对值，为调节阈值；超限比例与每次摄像头角度调节的最大角度的乘积为摄像头向角度调节方向转动的角度，每次摄像头角度调节的最大角度是由厂家设定的。
[0043]
至此，根据摄像头的角度调节方向和调节的角度调节摄像头的角度。
[0044]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0045]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0046]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。