车辆定位方法、装置、电子设备及存储介质与流程

1.本技术涉及定位技术领域，具体而言，涉及一种车辆定位方法、装置、电子设备及存储介质。


背景技术：

2.随着自动驾驶的兴起，对于驾驶环境的感知要求日趋严格。在车辆自动驾驶过程中，激光雷达犹如车辆的眼睛。机械激光雷达被广泛采用于自动驾驶车辆测试中，但是其设备成本过高和生产率低，难以达到车载激光雷达的低成本化和量产化的要求。
3.在相关技术中，将微机电系统mems固态激光雷达应用于自动驾驶车辆，使其具有更高的分辨率、安全性以及更低的成本。但是mems激光雷达和惯性系统通常以同步定位与建图(simultaneous localization and mapping，slam)的方式运行，mems固态激光雷达往往零点漂移和测量精准度很差，导致定位精度较差。


技术实现要素：

4.本技术实施例的目的在于提供一种车辆定位方法、装置、电子设备及存储介质，旨在解决目前车辆定位结果存在定位精度差的问题。
5.第一方面，本技术实施例提供了一种车辆定位方法，包括：
6.获取激光雷达接收到的第一返回信号；
7.根据第一返回信号，确定车辆在当前定位时刻的实测位置；
8.根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；
9.对实测位置与预测位置进行融合，得到车辆的当前定位信息。
10.在本实施例中，通过获取激光雷达接收到的第一返回信号，并根据第一返回信号，确定车辆在当前定位时刻的实测位置，从而将激光雷达与车载雷达进行相互补偿，提高激光雷达的测量结果准确度；再根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置，以及对实测位置与预测位置进行融合，得到车辆的当前定位信息，从而利用实测位置与预测位置对最终定位结果进行误差修正，提高车辆定位精度。
11.在一实施例中，确定车辆在当前定位时刻的实测位置，包括：
12.根据第一返回信号，确定车辆与周围物体的第一距离信息；
13.获取车辆在上一定位时刻与周围物体的第二距离信息，以及车辆在上一定位时刻的上一定位信息；
14.基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置。
15.在本实施例中，通过第一返回信号确定车辆与周围物体的第一距离信息，再结合利用上一定位时刻的第二距离信息和上一定位信息，测出车辆在当前定位时刻的实测位置，提高了定位精度。
16.在一实施例中，还包括：
17.获取车载雷达接收到的第二返回信号；
18.确定车辆在当前定位时刻的实测位置，包括：根据第二返回信号确定车辆在当前定位时刻的实测位置。
19.在一实施例中，确定车辆与周围物体的第一距离信息，包括：
20.根据第二返回信号，确定车辆与周围物体的第一距离信息。
21.本实施例将mems激光雷达与车辆自身雷达进行相互补偿，提高激光雷达的测量结果准确度。
22.在一实施例中，基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置，包括：
23.根据上一定位信息，构建卡尔曼滤波器的观测向量；
24.基于第一距离信息和第二距离信息，构建卡尔曼滤波器的状态向量；
25.基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵；
26.基于卡尔曼滤波器的卡尔曼增益矩阵，对观测向量进行滤波，得到实测位置。
27.在本实施例中，基于上一定位信息构建观测向量，再利用第一距离信息和第二距离信息构建的状态向量对上一定位信息进行修正，从而得到车辆在当前时刻的实测位置，降低噪声干扰，提高定位准确度。
28.在一实施例中，基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵，包括：
29.根据状态向量，计算卡尔曼滤波器的状态转移矩阵；
30.根据状态转移矩阵，更新状态向量的协方差矩阵；
31.根据协方差矩阵，计算卡尔曼滤波器的卡尔曼增益矩阵。
32.在本实施例中，通过状态向量，最终计算得到卡尔曼滤波器的卡尔曼增益矩阵，从而消除噪声影响，提高数据准确度。
33.在一实施例中，根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置，包括：
34.获取车辆的运动状态信息和上一定位信息；
35.对运动状态信息进行捷联解算，得到车辆的姿态信息；
36.基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
37.在本实施例中，通过对运动状态信息进行捷联解算，得到车辆姿态信息，并结合上一定位信息，实现车辆预测位置的预测。
38.在一实施例中，运动状态信息包括位置坐标、三维运动速度和姿态四元数，对运动状态信息进行捷联解算，得到车辆的姿态信息，包括：
39.对位置坐标、三维运动速度和姿态四元数进行求导，得到第一求导结果，其中三维运动速度的求导结果为三维运动加速度；
40.对第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；
41.对第二求导结果进行四阶近似运算，得到车辆的姿态信息。
42.在一实施例中，对实测位置与预测位置进行融合，得到车辆的当前定位信息，包括：
43.基于预设滤波器，确定实测位置的第一权重和预测位置的第二权重；
44.根据实测位置、第一权重、预测位置和第二权重，计算车辆的当前定位信息。
45.在本实施例中，从而预设滤波器确定权重，并基于权重值计算当前定位信息，以有效降低噪声干扰和提高定位准确度。
46.在一实施例中，获取激光雷达接收到的第一返回信号之前，还包括：
47.控制激光雷达发射激光信号；激光信号被反射后作为第一返回信号被激光雷达接收。
48.在一实施例中，激光雷达采用mems激光雷达，mems激光雷达包括微振镜，微振镜通过电磁驱动；
49.控制激光雷达发射激光信号包括：驱动mems激光雷达的微振镜，将激光信号向目标方向进行反射。
50.在本实施例中，通过控制mems激光雷达以实现第一返回信号的接收。
51.第二方面，本技术实施例提供了一种车辆定位装置，包括：
52.获取模块，用于获取激光雷达接收到的第一返回信号；
53.确定模块，用于根据第一返回信号，确定车辆在当前定位时刻的实测位置；
54.预测模块，用于根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；
55.融合模块，用于对实测位置与预测位置进行融合，得到车辆的当前定位信息。
56.在一实施例中，确定模块，包括：
57.第一确定子模块，用于根据第一返回信号，确定车辆与周围物体的第一距离信息；
58.第一获取子模块，用于获取车辆在上一定位时刻与周围物体的第二距离信息，以及车辆在上一定位时刻的上一定位信息；
59.第二确定子模块，用于基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置。
60.在一实施例中，获取模块，还用于：获取车载雷达接收到的第二返回信号；
61.确定模块，还用于根据第二返回信号确定车辆在当前定位时刻的实测位置。
62.在一实施例中，第一确定子模块，包括：
63.确定单元，用于根据第二返回信号，确定车辆与周围物体的第一距离信息。
64.在一实施例中，第二确定子模块，包括：
65.第一构建单元，用于根据上一定位信息，构建卡尔曼滤波器的观测向量；
66.第二构建单元，用于基于第一距离信息和第二距离信息，构建卡尔曼滤波器的状态向量；
67.计算单元，用于基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵；
68.滤波单元，用于基于卡尔曼滤波器的卡尔曼增益矩阵，对观测向量进行滤波，得到实测位置。
69.在一实施例中，计算单元，包括：
70.第一计算子单元，用于根据状态向量，计算卡尔曼滤波器的状态转移矩阵；
71.更新子单元，用于根据状态转移矩阵，更新状态向量的协方差矩阵；
72.第二计算子单元，用于根据协方差矩阵，计算卡尔曼滤波器的卡尔曼增益矩阵。
73.在一实施例中，预测模块，包括：
74.第二获取子模块，用于获取车辆的运动状态信息和上一定位信息；
75.解算子模块，用于对运动状态信息进行捷联解算，得到车辆的姿态信息；
76.预测子模块，用于基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
77.在一实施例中，运动状态信息包括位置坐标、三维运动速度和姿态四元数，解算子模块，包括：
78.求导单元，用于对位置坐标、三维运动速度和姿态四元数进行求导，得到第一求导结果，其中三维运动速度的求导结果为三维运动加速度；
79.修正单元，用于对第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；
80.运算单元，用于对第二求导结果进行四阶近似运算，得到车辆的姿态信息。
81.在一实施例中，融合模块，包括：
82.第三确定子模块，用于基于预设滤波器，确定实测位置的第一权重和预测位置的第二权重；
83.计算子模块，用于根据实测位置、第一权重、预测位置和第二权重，计算车辆的当前定位信息。
84.在一实施例中，车辆定位装置，还包括：
85.控制模块，用于控制激光雷达发射激光信号；激光信号被反射后作为第一返回信号被激光雷达接收。
86.在一实施例中，激光雷达采用mems激光雷达，mems激光雷达包括微振镜，微振镜通过电磁驱动；
87.驱动模块，用于驱动mems激光雷达的微振镜，将激光信号以目标方向进行反射。
88.第三方面，本技术实施例提供了一种车辆，车辆设有mems激光雷达、车载雷达和惯性导航系统；mems激光雷达被设置为发射激光信号并接收第一返回信号；车载雷达用于发射第二信号并接收第二返回信号；惯性导航系统用于预测车辆在当前定位时刻的预测位置；还包括处理器，处理器和固态激光雷达、车载雷达及惯性导航系统连接，用于执行第一方面的方法。
89.第四方面，本技术实施例提供了一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行上述第一方面的车辆定位方法。
90.第五方面，本技术实施例提供了一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的车辆定位方法。
91.需要说明的是，上述第二方面至第五方面的有益效果请参见第一方面的相关描述。
附图说明
92.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
93.图1为本技术实施例提供的车辆定位方法的流程示意图；
94.图2为本技术实施例提供的车辆定位装置的结构示意图；
95.图3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
96.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
97.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
98.如相关技术记载，将微机电系统mems固态激光雷达应用于自动驾驶车辆，使其具有更高的分辨率、安全性以及更低的成本。但是mems激光雷达和惯性系统通常以同步定位与建图(simultaneous localization and mapping，slam)的方式运行，mems固态激光雷达往往零漂和测量精准度很差，导致定位精度较差。
99.针对上述现有技术中的问题，本技术提供了一种车辆定位方法，通过获取微机电系统mems激光雷达接收到的第一返回信号，并根据第一返回信号，确定车辆在当前定位时刻的实测位置，从而将mems激光雷达与车载雷达进行相互补偿，提高激光雷达的测量结果准确度；再根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置，以及对实测位置与预测位置进行融合，得到车辆的当前定位信息，从而利用实测位置与预测位置对最终定位结果进行误差修正，提高车辆定位精度。
100.参见图1，图1示出了本技术实施例提供的一种车辆定位方法的实现流程图。本技术实施例中下述的车辆定位方法可应用于电子设备，该电子设备包括但不限于与车辆通信连接的智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算机设备。本技术实施例的车辆定位方法，包括步骤s101至s104，详述如下：
101.步骤s101，获取激光雷达接收到的第一返回信号。
102.在本步骤中，将激光雷达安装于车辆上，并通过激光雷达发送激光信号以及接收激光信号被物体反射后回传的第一返回信号。
103.可选地，激光雷达采用mems激光雷达，mems激光雷达包括微振镜，微振镜通过电磁驱动。
104.在一种实施方式中，控制mems激光雷达发射激光信号，激光信号能够被物体反射为第一返回信号；驱动mems激光雷达的微振镜，将激光信号向目标方向进行反射；通过mems激光雷达接收到激光信号被反射的第一返回信号。
105.在本实施方式中，相比于机械式激光雷达的多棱镜和摆镜，也就是说，传统的机械式激光雷达要实现多少条线束，就需要多少组发射模块和接收模块，mems激光雷达则仅需要一束激光光源，通过微振镜来反射激光器的光束，使两者采用同频率协同工作，通过探测器接收后达到对目标物体进行3d扫描的目的。与多组发射模块和接收模块的机械式激光雷达的结构相比，mems激光雷达对激光器和探测器的数量需求明显减少，降低了硬件成本。
106.mems激光雷达的微振镜尺寸缩小后，会限制mems激光雷达的光学口径和扫描角度，使得视场角度变小。为此，本实施例通过电磁驱动尺寸更大的振镜，以及根据快慢轴特点的速度和位置配合，使得激光束有规律地投射到指定方向，并通过接收器回收第一返回信号，实现基于mems激光雷达得到第一返回信号。
107.步骤s102，根据第一返回信号，确定车辆在当前定位时刻的实测位置。
108.在本实施例中，由于第一返回信号是激光信号被反射物体反射后由接收器接收到的信号，所以可以基于第一返回信号，确定车辆相对于反射物体的实测位置。
109.步骤s103，根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置。
110.在本实施例中，惯性导航系统为车辆上的加速度传感器和角速度传感器等惯性器件组成的惯性导航系统。基于车辆的惯性导航系统，能够得到车辆的运动状态数据，再利用数学求导方式对运动状态数据进行求导，以预测车辆的位置。
111.步骤s104，对实测位置与预测位置进行融合，得到车辆的当前定位信息。
112.在本实施例中，由于实测位置和预测位置都可能存在测量误差，所以为了降低误差，通过对实测位置与预测位置进行融合，以使实测位置与预测位置相互补偿，从而达到提高定位准确度的目的。
113.可选地，通过对实测位置与预测位置进行加权求均值，以得到车辆的当前定位信息。进一步地，也可以采用滤波器的方式，确定实测位置与预测位置的权重值，基于权重值对实测位置与预测位置进行加权求均值。
114.在一实施例中，在图1实施例的基础上，上述步骤s102，包括：根据第一返回信号，确定车辆与周围物体的第一距离信息；获取车辆在上一定位时刻与周围物体的第二距离信息，以及车辆在上一定位时刻的上一定位信息；基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置。
115.在本实施例中，卡尔曼滤波器是一种最优线性状态估计方法，即通过数学方式求解与观测数据最佳拟合的状态向量，其能够降低噪声干扰，从而提高数据处理的准确度。
116.可选地，通过第一返回信号确定车辆与周围物体的第一距离值，以及通过第二返回信号确定与周围物体的第二距离值，再通过卡尔曼滤波器求解第一距离值与第二距离值的最优值，以得到第一距离信息。通过第一距离信息、第二距离信息对上一定位信息进行修正，确定车辆在当前定位时刻的实测位置。
117.确定所述车辆与周围物体的第一距离信息，包括：获取车载雷达接收到的第二返回信号；根据所述第一返回信号和所述第二返回信号，确定所述车辆与周围物体的第一距离信息。
118.其中，车载雷达为车辆出厂自带的雷达。基于第一返回信号，确定车辆相对于反射物体的第一位置，基于第二返回信号，确定车辆相对于反射物体的第二位置，再对第一位置与第二位置进行相互补偿(例如采用加权求均值的方式)，最终得到车辆的实测位置。
119.可选地，基于卡尔曼滤波器构建第一位置和第二位置的观测向量，以求解实测位置的最优值，从而提高车辆的定位准确度。
120.可以理解的是，车身自带雷达通常用于短距离防碰撞检测，其采集的数据通过直接用于判断而不进行建模；本技术在车辆上安装mems激光雷达以将采集的数据用于建模，从而达到与车身自身雷达进行相互补偿而提高定位准确度的目的。
121.可选地，基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置，包括：根据上一定位信息，构建卡尔曼滤波器的观测向量；基于第一距离信息和第二距离信息，构建卡尔曼滤波器的状态向量；基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵；基于卡尔曼滤波器的卡尔曼增益矩阵，对观测
向量进行滤波，得到实测位置。
122.在本实施例中，示例性地，根据上一定位信息，建立观测向量z
t
，根据第一距离信息和第二距离信息，建立状态向量x
t
。由于传感器存在干扰信号，该干扰可以认为是固定值，所以可以修正该干扰对实测位置的不利影响。将观测向量和状态向量输入到卡尔曼滤波器，以对上一定位信息进行状态更新，最终得到实测位置。本实施例通过将第一距离信息和第二距离信息作为状态向量，以修正误差影响，从而提高定位测量精度。
123.可选地，基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵，包括：根据状态向量，计算卡尔曼滤波器的状态转移矩阵；根据状态转移矩阵，更新状态向量的协方差矩阵；根据协方差矩阵，计算卡尔曼滤波器的卡尔曼增益矩阵。
124.在本实施例中，示例性地，根据时间递推可得到：x
t
＝x
t-1
+dx
t-1-l
t
，dx
t
＝dx
t-1
，x
t
表示当前时刻，dx
t-1
表示时间增量，x
t-1
表示上一时刻，因此状态转移矩阵的运动学公式可以确定状态转移矩阵为：基于状态转移矩阵，更新状态向量的协方差矩阵其中q为系统噪声。计算卡尔曼增益矩阵：
125.其中r为观测噪声，h为观测矩阵；完成状态更新：
126.在一实施例中，在图1实施例的基础上，上述步骤s103，包括：获取车辆的运动状态信息和上一定位信息；对运动状态信息进行捷联解算，得到车辆的姿态信息；基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
127.在本实施例中，捷联解算为捷联式惯性导航解算，捷联表示与载体(汽车)固联。本实施例运动状态信息包括位置坐标、三维运动速度和姿态四元数，捷联解算过程可以为对运动状态信息进行求导，得到车辆的姿态信息，实现不依赖环境信息而定位。
128.可选地，对位置坐标、三维运动速度和姿态四元数进行求导，得到第一求导结果，其中三维运动速度的求导结果为三维运动加速度；对第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；对第二求导结果进行四阶近似运算，得到车辆的姿态信息。基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
129.在一实施例中，在图1实施例的基础上，上述步骤s104，包括：基于预设滤波器，确定实测位置的第一权重和预测位置的第二权重；根据实测位置、第一权重、预测位置和第二权重，计算车辆的当前定位信息。
130.在本实施例中，预设的滤波器将预测位置与传感器测量的实测位置进行比较。预测位置和实测位置被组合以给出更新位置。可选地，根据每个值的不确定性，预设的滤波器可以为卡尔曼滤波器，卡尔曼滤波器将对预测位置或测量位置施加更多的权重，那么将在一段时间δt之后接收另一个传感器测量，然后，该算法进行另一个预测和更新步骤。
131.为了执行上述方法实施例对应的方法，以实现相应的功能和技术效果，下面提供一种车辆定位装置。参见图2，图2是本技术实施例提供的一种车辆定位装置的结构框图。本实施例中该装置包括的各模块用于执行图1对应的实施例中的各步骤，具体参见图1以及图
1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分，本技术实施例提供的车辆定位装置，包括：
132.获取模块201，用于获取激光雷达接收到的第一返回信号；
133.确定模块202，用于根据第一返回信号，确定车辆在当前定位时刻的实测位置；
134.预测模块203，用于根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；
135.融合模块204，用于对实测位置与预测位置进行融合，得到车辆的当前定位信息。
136.在一实施例中，确定模块202，包括：
137.第一确定子模块，用于根据第一返回信号，确定车辆与周围物体的第一距离信息；
138.第一获取子模块，用于获取车辆在上一定位时刻与周围物体的第二距离信息，以及车辆在上一定位时刻的上一定位信息；
139.第二确定子模块，用于基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置。
140.在一实施例中，获取模块201，还用于：获取车载雷达接收到的第二返回信号；
141.确定模块202，还用于根据第二返回信号确定车辆在当前定位时刻的实测位置。
142.在一实施例中，第一确定子模块，包括：
143.确定单元，用于根据第二返回信号，确定车辆与周围物体的第一距离信息。
144.在一实施例中，第二确定子模块，包括：
145.第一构建单元，用于根据上一定位信息，构建卡尔曼滤波器的观测向量；
146.第二构建单元，用于基于第一距离信息和第二距离信息，构建卡尔曼滤波器的状态向量；
147.计算单元，用于基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵；
148.滤波单元，用于基于卡尔曼滤波器的卡尔曼增益矩阵，对观测向量进行滤波，得到实测位置。
149.在一实施例中，计算单元，包括：
150.第一计算子单元，用于根据状态向量，计算卡尔曼滤波器的状态转移矩阵；
151.更新子单元，用于根据状态转移矩阵，更新状态向量的协方差矩阵；
152.第二计算子单元，用于根据协方差矩阵，计算卡尔曼滤波器的卡尔曼增益矩阵。
153.在一实施例中，预测模块203，包括：
154.第二获取子模块，用于获取车辆的运动状态信息和上一定位信息；
155.解算子模块，用于对运动状态信息进行捷联解算，得到车辆的姿态信息；
156.预测子模块，用于基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
157.在一实施例中，运动状态信息包括位置坐标、三维运动速度和姿态四元数，解算子模块，包括：
158.求导单元，用于对位置坐标、三维运动速度和姿态四元数进行求导，得到第一求导结果，其中三维运动速度的求导结果为三维运动加速度；
159.修正单元，用于对第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；
160.运算单元，用于对第二求导结果进行四阶近似运算，得到车辆的姿态信息。
161.在一实施例中，融合模块204，包括：
162.第三确定子模块，用于基于预设滤波器，确定实测位置的第一权重和预测位置的第二权重；
163.计算子模块，用于根据实测位置、第一权重、预测位置和第二权重，计算车辆的当前定位信息。
164.在一实施例中，车辆定位装置，还包括：
165.控制模块，用于控制激光雷达发射激光信号；激光信号被反射后作为第一返回信号被激光雷达接收。
166.在一实施例中，激光雷达采用mems激光雷达，mems激光雷达包括微振镜，微振镜通过电磁驱动；
167.驱动模块，用于驱动mems激光雷达的微振镜，将激光信号以目标方向进行反射。
168.上述的车辆定位装置可实施上述方法实施例的车辆定位方法。上述方法实施例中的可选项也适用于本实施例，这里不再详述。本技术实施例的其余内容可参照上述方法实施例的内容，在本实施例中，不再进行赘述。
169.图3为本技术一实施例提供的电子设备的结构示意图。如图3所示，该实施例的电子设备3包括：至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32，所述处理器30执行所述计算机程序32时实现上述任意方法实施例中的步骤。
170.所述电子设备3可以是智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算设备。该电子设备可包括但不仅限于处理器30、存储器31。本领域技术人员可以理解，图3仅仅是电子设备3的举例，并不构成对电子设备3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，例如还可以包括输入输出设备、网络接入设备等。
171.所称处理器30可以是中央处理单元(central processing unit，cpu)，该处理器30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)、现成可编程门阵列(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。
172.所述存储器31在一些实施例中可以是所述电子设备3的内部存储单元，例如电子设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述电子设备3的外部存储设备，例如所述电子设备3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31还可以既包括所述电子设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
173.另外，本技术实施例还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有计算机程序，所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的
步骤。
174.本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
175.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
176.另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
177.所述功能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，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，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
178.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
179.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应所述以权利要求的保护范围为准。
180.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。