点云去噪方法、装置、电子设备及存储介质与流程

1.本技术涉及建筑场景测绘技术领域，特别涉及一种点云去噪方法、装置、电子设备及存储介质。


背景技术：

2.随着人口红利的下降，建筑行业对测绘技术的自动化程度提出了越来越高的要求和需求。在建筑场景中，楼层地面的形成依次需要涂浆、抹平、整平等建筑工艺的执行。作为工艺自动化方面的需求，机械设备需要事先知道在建建筑场景中障碍物的分布。因此，需要事先对在建建筑场景进行建图，而点云地图是一种常见的地图形式。
3.然而，由于钢筋混凝土作为目前楼体的主要材料，使得在建建筑场景中障碍物分布最广泛的是具有细长特征的钢筋，这对于使用激光雷达等主动式的点云获取设备而言，容易在物体边缘处因激光斑点的散射引起数据精度丢失，造成钢筋“尾影”现象，严重影响点云地图的精度，亟待解决。


技术实现要素：

4.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。
5.为此，本发明的第一目的在于提出一种点云去噪方法，解决了相关技术中由于在物体边缘处因激光斑点的散射引起数据精度丢失，造成钢筋“尾影”现象，严重影响点云地图的精度的问题，通过将激光雷达的局部时间域上的连续扫描帧映射成二维图像，引入鲁棒性较好的加权最小二乘方法估计表面法式，过滤掉与激光雷达单束激光的发射角近似垂直的点，达到了边缘去噪的目的；并且基于单线激光的时域信息关联特性的加权滤波，有效降低原始激光雷达的数据离散度，相对地提高其扫描精度。
6.本发明的第二个目的在于提出一种点云去噪装置。
7.本发明的第三个目的在于提出一种电子设备。
8.本发明的第四个目的在于提出一种计算机可读存储介质。
9.为达到上述目的，本技术第一方面实施例提供一种点云去噪方法，包括以下步骤：
10.获取扫描生成的深度图；
11.从所述深度图中提取多个初始像素值，并对所述像素值进行加权平均滤波，得到滤波后的多个像素值；
12.计算所述滤波后的多个像素值的法矢量图，并基于所述法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波。
13.另外，根据本发明上述实施例的点云去噪方法还可以具有以下附加的技术特征：
14.可选地，所述获取扫描生成的深度图，包括：
15.扫描预设物体，并根据时序顺序排列扫描的多个点云数据；
16.将多个点云数据拼接，生成所述深度图。
17.可选地，所述对所述像素值进行加权平均滤波，得到滤波后的多个像素值，包括：
18.从所述深度图按预设提取顺序得到多个初始像素值后，生成一维实数序列；
19.对所述一维实数序列中初始像素值进行加权平均，得到滤波后的实数序列，其中，所述实数序列的像素值由所述初始像素值和邻域内的其他像素值得到。
20.可选地，所述计算所述滤波后的多个像素值的法矢量图，包括：
21.根据所述滤波后的多个像素值得到的深度图信息生成三通道图像，所述三通道图像的每个像素代表一个笛卡尔坐标系中的三维点，以得到三维点图；
22.使用所述加权最小二乘估计法式搜索所述三维点图中每个三维点的邻域内点集，以根据所述每个三维点的邻域内点集确定多个像素值的法矢量图。
23.可选地，所述基于所述法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，包括：
24.检测法矢向量和激光束方向的夹角的余角是否小于预设角度阈值；
25.在检测到所述余角小于所述预设角度阈值时，过滤所述法矢向量对应的当前边缘点，以得到所述有效点云分布的掩膜图。
26.可选地，通过下述公式滤所述法矢向量对应的当前边缘点：
[0027][0028]
其中，m
t,n
有效点云分布的掩膜图中像素值，为法矢量图，为对应的激光束角度，θn为激光束发射角。
[0029]
可选地，所述过滤所述法矢向量对应的当前边缘点之后，还包括：
[0030]
获取所述三维点图与所述有效点云分布的掩膜图的交集图像，以得到有效三维点图；
[0031]
提取所述有效三维点图中的预设三维点，以得到边缘滤波后的点集。
[0032]
为达到上述目的，本技术第二方面实施例提供一种点云去噪装置，包括：
[0033]
获取模块，用于获取扫描生成的深度图；
[0034]
提取模块，用于从所述深度图中提取多个初始像素值，并对所述像素值进行加权平均滤波，得到滤波后的多个像素值；
[0035]
生成模块，用于计算所述滤波后的多个像素值的法矢量图，并基于所述法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波。
[0036]
可选地，在一些实施例中，所述获取模块，具体用于：
[0037]
扫描预设物体，并根据时序顺序排列扫描的多个点云数据；
[0038]
将多个点云数据拼接，生成所述深度图。
[0039]
可选地，所述提取模块，具体用于：
[0040]
从所述深度图按预设提取顺序得到多个初始像素值后，生成一维实数序列；
[0041]
对所述一维实数序列中初始像素值进行加权平均，得到滤波后的实数序列，其中，所述实数序列的像素值由所述初始像素值和邻域内的其他像素值得到。
[0042]
可选地，所述生成模块，具体用于：
[0043]
根据所述滤波后的多个像素值得到的深度图信息生成三通道图像，所述三通道图像的每个像素代表一个笛卡尔坐标系中的三维点，以得到三维点图；
[0044]
使用所述加权最小二乘估计法式搜索所述三维点图中每个三维点的邻域内点集，以根据所述每个三维点的邻域内点集确定多个像素值的法矢量图。
[0045]
可选地，所述生成模块，具体用于：
[0046]
检测法矢向量和激光束方向的夹角的余角是否小于预设角度阈值；
[0047]
在检测到所述余角小于所述预设角度阈值时，过滤所述法矢向量对应的当前边缘点，以得到所述有效点云分布的掩膜图。
[0048]
可选地，通过下述公式滤所述法矢向量对应的当前边缘点：
[0049][0050]
其中，m
t,n
有效点云分布的掩膜图中像素值，为法矢量图，为对应的激光束角度，θn为激光束发射角。
[0051]
可选地，所述过滤所述法矢向量对应的当前边缘点之后，所述生成模块，还用于：
[0052]
获取所述三维点图与所述有效点云分布的掩膜图的交集图像，以得到有效三维点图；
[0053]
提取所述有效三维点图中的预设三维点，以得到边缘滤波后的点集。
[0054]
为达到上述目的，本技术第三方面实施例提供一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行如上述实施例所述的点云去噪方法。
[0055]
为达到上述目的，本技术第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的点云去噪方法。
[0056]
由此，可以获取扫描生成的深度图；从深度图中提取多个初始像素值，并对像素值进行加权平均滤波，得到滤波后的多个像素值；计算滤波后的多个像素值的矢量图，并基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波，解决了相关技术中由于在物体边缘处因激光斑点的散射引起数据精度丢失，造成钢筋“尾影”现象，严重影响点云地图的精度的问题，通过将激光雷达的局部时间域上的连续扫描帧映射成二维图像，引入鲁棒性较好的加权最小二乘方法估计表面法式，过滤掉与激光雷达单束激光的发射角近似垂直的点，达到了边缘去噪的目的；并且基于单线激光的时域信息关联特性的加权滤波，有效降低原始激光雷达的数据离散度，相对地提高其扫描精度。
[0057]
本技术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，或通过本技术的实践了解到。
附图说明
[0058]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0059]
图1为根据本技术实施例提供的一种点云去噪方法的流程图；
[0060]
图2为根据本技术一个实施例的深度图构建过程示例图；
[0061]
图3为根据本技术一个实施例的基于激光雷达采集设备的深度图构建实例的示意图；
[0062]
图4为根据本技术一个实施例的基于高斯加权的时域滤波的示例图；
[0063]
图5为根据本技术一个实施例的三维点图的示意图；
[0064]
图6为根据本技术一个实施例的估计的法式图的示例图；
[0065]
图7为根据本技术一个实施例的有效点云分布的掩膜图的示意图；
[0066]
图8为根据本技术一个实施例的有效三维点图的示例图；
[0067]
图9为根据本技术一个实施例的点云去噪方法的流程图；
[0068]
图10为根据本技术一个实施例的在钢筋广泛分布的在建建筑场景中使用滤波算法前后获得的建图效果；
[0069]
图11为根据本技术实施例提供的一种点云去噪装置的方框示意图；
[0070]
图12为本技术实施例提供的电子设备的结构示意图。
具体实施方式
[0071]
下面详细描述本技术的实施例，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，旨在用于解释本技术，而不能理解为对本技术的限制。
[0072]
下面参照附图描述根据本发明实施例提出的点云去噪方法、装置、电子设备及存储介质，首先将参照附图描述根据本发明实施例提出的点云去噪方法。
[0073]
具体而言，图1为本技术实施例所提供的一种点云去噪方法的流程示意图。
[0074]
如图1所示，该点云去噪方法包括以下步骤：
[0075]
在步骤s101中，获取扫描生成的深度图。
[0076]
可选地，在一些实施例中，获取扫描生成的深度图，包括：扫描预设物体，并根据时序顺序排列扫描的多个点云数据；将多个点云数据拼接，生成深度图。
[0077]
举例而言，以建筑场景为例，本技术实施例可以将激光雷达单线扫描得到的点按照时域顺序排列，拼接获得深度图，该深度图为柱状坐标系下生成的深度图。其原理是通过深度相机、固态激光雷达、多线激光雷达等主动式扫描设备都可以用单线模型组合而成。因此，这里不失一般性地假设使用单线激光雷达，激光雷达在某一时刻环扫一圈能获得n个点，视为一帧，取t时刻的数据按照时间先后排序，构建一个t行n列的深度图。
[0078]
具体地，结合图2和图3，图2为深度图构建过程示例，其中，空心圆表示无效值，实心圆表示有效值，图3为基于激光雷达采集设备的深度图构建实例(单通道)。具体而言，激光雷达每一帧返回n个点，记为l＝{li,i＝1,2,
…
,n}。其中，有效点的集合v＝{lj,j＝1,2,
…
,n}，且满足准备一张t行n列的单通道图像s，记s
t,n
为图像中第t行第n列的像素值，对应激光雷达第t帧第n个测量的距离值，依据该映射关系，构成深度图。
[0079]
在步骤s102中，从深度图中提取多个初始像素值，并对像素值进行加权平均滤波，得到滤波后的多个像素值。
[0080]
可选地，在一些实施例中，对像素值进行加权平均滤波，得到滤波后的多个像素值，包括：从深度图按预设提取顺序得到多个初始像素值后，生成一维实数序列；对一维实数序列中初始像素值进行加权平均，得到滤波后的实数序列，其中，实数序列的像素值由初
始像素值和邻域内的其他像素值得到。
[0081]
可以理解的是，本技术实施例可以从步骤s101中图像的每一列按顺序提取出像素值后，得到一组一维实数序列，利用高斯核加权平均滤波方法对这一组实数序列进行滤波，最后获得一组新的滤波后实数序列，如图4所示，图4为深度图中单列实数序列进行时域滤波后的效果图，其中，线条为滤波后的效果，在保持基本几何形状的同时，序列的离散度明显降低。
[0082]
具体而言，记长度为m的原实数序列为：
[0083]dr
＝{di,i＝1,2,
…
,m}；
[0084]
一维高斯核函数为：
[0085][0086]
其中，σ是一个控制影响区域半径的参数，设置σ等于实数序列dr标准差的3倍。
[0087]
记滤波后实数序列为：
[0088]df
＝{fi,i＝1,2,
…
,m}；
[0089]
则fi由下式计算得出：
[0090][0091]
其中，r表示计算当前fi时使用半径数为r的序列邻域内的点参数计算，推荐值为3。
[0092]
在步骤s103中，计算滤波后的多个像素值的法矢量图，并基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波。
[0093]
可选地，在一些实施例中，计算滤波后的多个像素值的法矢量图，包括：根据滤波后的多个像素值得到的深度图信息生成三通道图像，三通道图像的每个像素代表一个笛卡尔坐标系中的三维点，以得到三维点图；使用加权最小二乘估计法式搜索三维点图中每个三维点的邻域内点集，以根据每个三维点的邻域内点集确定多个像素值的法矢量图。
[0094]
其中，基于加权最小二乘的法式估计的原理为：将经过高斯加权滤波后的深度图信息，结合激光束发射角、时间戳对应的第三维度值，转化为一个三通道图像，图像的每个像素代表一个笛卡尔坐标系中的三维点。之后基于图像搜索当前估计点的邻域内点集，使用加权最小二乘估计法式。
[0095]
具体而言，生成三维点图，记为c。三维点图中每个像素由三个值构成，记为c
t,n
(x
t,n
，y
t,n
，z
t,n
)。又因步骤s101构成深度图时，每行的点类属于在同一时刻获取的数据，因此其第三维度上的值相等，记为z
t
。因此，每个像素点的值由下式计算：
[0096][0097]
其中，θ为激光束发射角，由激光采集设备规格参数确定。
[0098]
如图5所示，图5为图3中对应的三维点图，其中，a和b部分为无效点区域，在后续步骤中不参与计算，从而有效提高计算效率。
[0099]
进一步地，对于图5中任意一有效三维点pc，获取其k近邻点集结合步骤s102中的高斯核函数，只是参数σ设为要检测的最小颗粒度的一半，对于检测“钢筋”目的，设为钢筋的半径。
[0100]
高斯加权协方差矩阵为：
[0101][0102]
其中，符号|
·
|表示三维点间的测度，这里采用欧式距离。
[0103]
对协方差矩阵∑进行特征值分解，其最小特征值对应的特征向量即为当前点的法矢向量如图6所示，图6为图5中每一个有效点法式估计后获得的，明显看出钢筋的两侧面的不一致性和同一侧的一致性。
[0104]
可选地，在一些实施例中，基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，包括：检测法矢向量和激光束方向的夹角的余角是否小于预设角度阈值；在检测到余角小于预设角度阈值时，过滤法矢向量对应的当前边缘点，以得到有效点云分布的掩膜图。
[0105]
可以理解的是，本技术实施例可以基于上述的法矢量图与激光束夹角的关系对比获得表示有效点云分布的掩膜图。其原理在于：边缘处产生噪点是因为激光束所在方向与物体表面近似相切造成的，因此，激光束方向与物体表面法矢间存在近乎垂直的性质。通过计算估计的法矢向量和激光束方向的夹角的余角是否小于给定的角度阈值，过滤掉边缘点。
[0106]
具体而言，激光雷达的同一帧数据中，相邻的两激光束间存在确定的角度，即激光雷达的角分辨率。其他设备也可根据设备的具体规格计算出激光束所在的方向。
[0107]
不失一般性，在一些实施例中，设法式图像中有效法矢对应的激光束角度为其中，θn为激光束发射角。那么，表示有效点云分布的掩膜图中像素m
t,n
的值由下式计算的得到：
[0108][0109]
其中，符号《,》表示两向量间夹角；sign(x)为符号函数。
[0110]
进一步地，在一些实施例中，过滤法矢向量对应的当前边缘点之后，还包括：获取三维点图与有效点云分布的掩膜图的交集图像，以得到有效三维点图；提取有效三维点图中的预设三维点，以得到边缘滤波后的点集
[0111]
可以理解的是，如图7所示，图7为有效点云分布的掩膜图，可以看出，钢筋边缘黑色部分(尾影所在)已经被过滤掉。进一步地，将图5和图7求交，得到图8所示的有效三维点图，将图中非绿色部分的三维点提取处来，即获得了边缘滤波后的点集，边缘滤波完成。
[0112]
为使得本领域技术人员进一步了解本技术实施例的点云去噪方法，下面结合具体实施例进行详细阐述。
[0113]
如图9所示，上述的点云去噪方法，包括以下步骤：
[0114]
s901，算法开始。
[0115]
s902，点云数据帧序列缓存。
[0116]
s903，判断缓存帧数是否大于阈值，如果是，执行步骤s904，否则，执行步骤s902。
[0117]
s904，构件局部时域深度图。
[0118]
s905，高斯加权时域滤波。
[0119]
s906，基于wls的法式估计。
[0120]
s907，基于表面法矢与激光束夹角的边缘滤波。
[0121]
s907，算法结束。
[0122]
需要说明得到是，上述输入为原始的激光扫描点云数据，输出为边缘滤波后的点云。点云数据帧序列缓存器用缓存采集到的数据，达到一定的帧数后调用边缘滤波算法达到在线实时滤波的目的。如图10所示，图10为在钢筋广泛分布的在建建筑场景中使用滤波算法前后获得的建图效果，结合图10(a)-10(c)，其中，10(a)为未使用滤波算法的效果图，10(b)为使用滤波算法的效果图，10(c)为前后对比整体效果图，可以看出，使用滤波算法后有两个明显的提升：(1)点云地图的离散程度更小，对应到图中“地面”则更薄；(2)对于“钢筋”等细长特征的物体，其边缘的“尾影”也能更好的滤除。
[0123]
由此，本技术实施例的点云去噪方法可以用于建建筑场景中，使用激光雷达等主动式扫描设备的建图任务中的实时物体边缘滤波。一般而言，由于激光打在物体边缘处，激光斑点无法聚焦到一个点，使得测量出的数据无法反应真实距离。本技术实施例可以利用高斯核对扫描的数据做初始滤波，之后引入鲁棒性较好的加权最小二乘方法估计表面法式，过滤掉与激光雷达单束激光的发射角近似垂直的点，以达到物体边缘滤波的特点。
[0124]
根据本技术实施例提出的点云去噪方法，可以获取扫描生成的深度图；从深度图中提取多个初始像素值，并对像素值进行加权平均滤波，得到滤波后的多个像素值；计算滤波后的多个像素值的矢量图，并基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波，解决了相关技术中由于在物体边缘处因激光斑点的散射引起数据精度丢失，造成钢筋“尾影”现象，严重影响点云地图的精度的问题，通过将激光雷达的局部时间域上的连续扫描帧映射成二维图像，引入鲁棒性较好的加权最小二乘方法估计表面法式，过滤掉与激光雷达单束激光的发射角近似垂直的点，达到了边缘去噪的目的；并且基于单线激光的时域信息关联特性的加权滤波，有效降低原始激光雷达的数据离散度，相对地提高其扫描精度。
[0125]
其次参照附图描述根据本技术实施例提出的点云去噪装置。
[0126]
图11是本技术实施例的点云去噪装置的方框示意图。
[0127]
如图11所示，该点云去噪装置10包括：获取模块100、提取模块200和生成模块300。
[0128]
其中，获取模块100用于获取扫描生成的深度图；
[0129]
提取模块200用于从深度图中提取多个初始像素值，并对像素值进行加权平均滤波，得到滤波后的多个像素值；
[0130]
生成模块300用于计算滤波后的多个像素值的矢量图，并基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波。
[0131]
可选地，在一些实施例中，获取模块100，具体用于：
[0132]
扫描预设物体，并根据时序顺序排列扫描的多个点云数据；
[0133]
将多个点云数据拼接，生成深度图。
[0134]
可选地，提取模块200，具体用于：
[0135]
从深度图按预设提取顺序得到多个初始像素值后，生成一维实数序列；
[0136]
对一维实数序列中初始像素值进行加权平均，得到滤波后的实数序列，其中，所述实数序列的像素值由所述初始像素值和邻域内的其他像素值得到。
[0137]
可选地，生成模块300，具体用于：
[0138]
根据滤波后的多个像素值得到的深度图信息生成三通道图像，三通道图像的每个像素代表一个笛卡尔坐标系中的三维点，以得到三维点图；
[0139]
使用加权最小二乘估计法式搜索三维点图中每个三维点的邻域内点集，以根据每个三维点的邻域内点集确定多个像素值的法矢量图。
[0140]
可选地，生成模块300，具体用于：
[0141]
检测法矢向量和激光束方向的夹角的余角是否小于预设角度阈值；
[0142]
在检测到余角小于预设角度阈值时，过滤法矢向量对应的当前边缘点，以得到有效点云分布的掩膜图。
[0143]
可选地，通过下述公式滤法矢向量对应的当前边缘点：
[0144][0145]
其中，m
t,n
有效点云分布的掩膜图中像素值，为法矢量图，为对应的激光束角度，θn为激光束发射角。
[0146]
可选地，过滤法矢向量对应的当前边缘点之后，生成模块300，还用于：
[0147]
获取三维点图与有效点云分布的掩膜图的交集图像，以得到有效三维点图；
[0148]
提取有效三维点图中的预设三维点，以得到边缘滤波后的点集。
[0149]
需要说明的是，前述对点云去噪方法实施例的解释说明也适用于该实施例的点云去噪装置，此处不再赘述。
[0150]
根据本技术实施例提出的点云去噪装置，可以获取扫描生成的深度图；从深度图中提取多个初始像素值，并对像素值进行加权平均滤波，得到滤波后的多个像素值；计算滤波后的多个像素值的矢量图，并基于法矢量图与扫描束夹角的关系对比生成表示有效点云分布的掩膜图，以实现边缘滤波，解决了相关技术中由于在物体边缘处因激光斑点的散射引起数据精度丢失，造成钢筋“尾影”现象，严重影响点云地图的精度的问题，通过将激光雷达的局部时间域上的连续扫描帧映射成二维图像，引入鲁棒性较好的加权最小二乘方法估计表面法式，过滤掉与激光雷达单束激光的发射角近似垂直的点，达到了边缘去噪的目的；并且基于单线激光的时域信息关联特性的加权滤波，有效降低原始激光雷达的数据离散度，相对地提高其扫描精度。
[0151]
图12为本技术实施例提供的电子设备的结构示意图。该电子设备可以包括：
[0152]
存储器1201、处理器1202及存储在存储器1201上并可在处理器1202上运行的计算机程序。
[0153]
处理器1202执行程序时实现上述实施例中提供的点云去噪方法。
[0154]
进一步地，电子设备还包括：
[0155]
通信接口1203，用于存储器1201和处理器1202之间的通信。
[0156]
存储器1201，用于存放可在处理器1202上运行的计算机程序。
[0157]
存储器1201可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0158]
如果存储器1201、处理器1202和通信接口1203独立实现，则通信接口1203、存储器1201和处理器1202可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture，简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图12中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0159]
可选的，在具体实现上，如果存储器1201、处理器1202及通信接口1203，集成在一块芯片上实现，则存储器1201、处理器1202及通信接口1203可以通过内部接口完成相互间的通信。
[0160]
处理器1202可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
[0161]
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上的点云去噪方法。
[0162]
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技术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必须针对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一个或n个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0163]
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。在本技术的描述中，“n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。
[0164]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0165]
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n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。
[0166]
应当理解，本技术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，n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。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。
[0167]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0168]
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0169]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。