机器人的避障方法、装置、存储介质及电子设备与流程

1.本技术涉及人工智能技术领域，具体而言，涉及一种机器人的避障方法、装置、存储介质及电子设备。


背景技术：

2.如今，智能巡检机器人被越来越广泛地应用于数据中心机房内的设备与环境巡检工作，实现机房数据采集、判断、告警与统计分析。有效减轻了运维人员的工作压力。
3.当前机房智能巡检机器人通过激光雷达与超声波传感器数据的融合实现避障与自主导航。超声波传感器只能检测到发射波方向被检测物体的距离信息，可能导致障碍物漏检测，激光雷达避障是通过发射激光到物体表面，通过反射光的强弱对比、时间长短等因素分析确定障碍物距离与轮廓，对于近似黑体的物体无法检测，导致机器人的避障效果不佳的问题。
4.针对相关技术中机器人的避障效果不佳的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本技术的主要目的在于提供一种机器人的避障方法、装置、存储介质及电子设备，以解决相关技术中机器人的避障效果不佳的问题。
6.为了实现上述目的，根据本技术的一个方面，提供了一种机器人的避障方法。该方法包括：对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算三维点云的俯视图对应的目标候选区域；将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；根据投影后的图像确定目标机器人周围的目标障碍物。
7.进一步地，在计算三维点云的俯视图对应的目标候选区域之前，该方法还包括：通过目标机器人上的相机拍摄并获取目标rgb图像；将目标rgb图像以及目标图像输入至目标卷积网络中；通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
8.进一步地，计算三维点云的俯视图对应的目标候选区域包括：获取三维点云的俯视图对应的俯视特征图；将俯视特征图输入至目标候选区域网络中；通过目标候选区域网络计算俯视特征图对应的目标候选区域。
9.进一步地，在将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，该方法还包括：对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
10.进一步地，根据投影后的图像确定目标机器人周围的目标障碍物包括：从融合后
的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；根据目标识别信息确定目标机器人周围的目标障碍物。
11.进一步地，在根据投影后的图像确定目标机器人周围的目标障碍物之后，该方法还包括：通过目标机器人对目标障碍物进行检测，得到检测结果；若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
12.为了实现上述目的，根据本技术的另一方面，提供了一种机器人的避障装置。该装置包括：转换单元，用于对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算单元，用于计算三维点云的俯视图对应的目标候选区域；第一确定单元，用于将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；第二确定单元，用于根据投影后的图像确定目标机器人周围的目标障碍物。
13.进一步地，该装置还包括：第一获取单元，用于在计算三维点云的俯视图对应的目标候选区域之前，通过目标机器人上的相机拍摄并获取目标rgb图像；输入单元，用于将目标rgb图像以及目标图像输入至目标卷积网络中；提取单元，用于通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
14.进一步地，计算单元包括：第一获取模块，用于获取三维点云的俯视图对应的俯视特征图；输入模块，用于将俯视特征图输入至目标候选区域网络中；计算模块，用于通过目标候选区域网络计算俯视特征图对应的目标候选区域。
15.进一步地，该装置还包括：处理单元，用于在将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；融合单元，用于将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
16.进一步地，第二确定单元包括：第二获取模块，用于从融合后的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；确定模块，用于根据目标识别信息确定目标机器人周围的目标障碍物。
17.进一步地，该装置还包括：检测单元，用于在根据投影后的图像确定目标机器人周围的目标障碍物之后，通过目标机器人对目标障碍物进行检测，得到检测结果；调整单元，用于若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
18.根据本技术实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，该计算机程序/指令被处理器执行时执行上述任意一项的方法。
19.根据本技术实施例的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时执行上述任意一项的方法。
20.通过本技术，采用以下步骤：对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算三维点云的俯视图对应的目标候选区域；将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；根据投影后的图像确定目标机器人周围的目标障碍物，解决了相关技术中机
器人的避障效果不佳的问题。通过目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，根据目标图像确定投影后的图像，进一步确定了目标机器人周围的目标障碍物，进而使得机器人的避障效果较佳的目的。
附图说明
21.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
22.图1是根据本技术实施例提供的机器人的避障方法的流程图；
23.图2是根据本技术实施例提供的机器人的避障方法的网络结构示意图；
24.图3是根据本技术实施例提供的机器人的避障方法的机器人结构示意图；
25.图4是根据本技术实施例提供的机器人的避障装置的示意图。
具体实施方式
26.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
27.为了使本技术领域的人员更好地理解本技术方案，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清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
28.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.根据本技术的实施例，提供了一种机器人的避障方法。
30.图1是根据本技术实施例的机器人的避障方法的流程图。如图1所示，该方法包括以下步骤：
31.步骤s101，对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图。
32.具体的，通过安装在巡检机器人上的激光雷达扫描机器人行驶过程中前方环境的3d点云信息，将3d点云信息中的坐标转换为三维点云的俯视图、三维点云的前视图。
33.步骤s102，计算三维点云的俯视图对应的目标候选区域。
34.具体的，如图2所示，在计算三维点云的俯视图对应的目标候选区域之前，需要将三维点云的俯视图、三维点云的前视图以及rgb图像分别经过卷积层进行处理，以提取图片的特征信息。
35.可选地，在本技术实施例提供的机器人的避障方法中，在计算三维点云的俯视图对应的目标候选区域之前，该方法还包括：通过目标机器人上的相机拍摄并获取目标rgb图
像；将目标rgb图像以及目标图像输入至目标卷积网络中；通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
36.具体的，根据机器人上面安装的视觉摄像头，拍摄并获取机器人行驶过程中前方环境的rgb图像信息，利用卷积网络分别对三维点云的俯视图、三维点云的前视图以及rgb图像对应的特征图进行提取，得到本技术中的第二目标特征图，通过对第二目标特征图进行确定，有利于提高障碍物检测的准确性，进一步提升机器人的避障效果，保障机器人的安全稳定运行。
37.可选地，在本技术实施例提供的机器人的避障方法中，计算三维点云的俯视图对应的目标候选区域包括：获取三维点云的俯视图对应的俯视特征图；将俯视特征图输入至目标候选区域网络中；通过目标候选区域网络计算俯视特征图对应的目标候选区域。
38.具体的，如图2所示，在三维点云的俯视图对应的俯视特征图中可以反卷积初步判断目标障碍物的类型以及三维边界框，因此，需要对俯视特征图对应的目标候选区域进行确定，通过目标候选区域网络计算俯视特征图对应的目标候选区域，通过对目标候选区域进行确定，有利于提高障碍物检测的准确性，进一步提升机器人的避障效果，保障机器人的安全稳定运行。
39.步骤s103，将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图。
40.例如，如图2所示，通过候选区域网络从点云俯视图特征中计算候选区域，再将俯视图候选区域投影到前视特征图和rgb图像的特征图中。
41.可选地，在本技术实施例提供的机器人的避障方法中，将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，该方法还包括：对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
42.具体的，通过池化操作将投影后的三种特征图整合成同一纬度，最后通过深度融合的方式对特征图进行融合，提升了机器人的避障效果，进而保障机器人的安全稳定运行。
43.步骤s104，根据投影后的图像确定目标机器人周围的目标障碍物。
44.具体的，本技术在初步确定目标障碍物的类型以及三维边界框基础上，结合雷达点云信息与rgb图像信息投影后的图像中进行障碍物检测，雷达点云可以获得更精确的三维信息。
45.可选地，在本技术实施例提供的机器人的避障方法中，根据投影后的图像确定目标机器人周围的目标障碍物包括：从融合后的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；根据目标识别信息确定目标机器人周围的目标障碍物。
46.具体的，通过深度融合的方式对特征图进行融合，从融合后的图像中获取目标识别信息，得到障碍物的类别及3d边界框，实现对障碍物的识别与定位，进一步提升了机器人的避障效果，保障机器人的安全稳定运行。
47.可选地，在本技术实施例提供的机器人的避障方法中，在根据投影后的图像确定目标机器人周围的目标障碍物之后，该方法还包括：通过目标机器人对目标障碍物进行检
测，得到检测结果；若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
48.具体的，机器人检测到障碍物后，将重新规划行驶路线，本技术结合雷达点云信息与rgb图像信息进行障碍物检测，提高障碍物检测的准确性，进一步提升机器人的避障效果，保障机器人的安全稳定运行。
49.可选地，图3是根据本技术实施例提供的机器人的避障方法的机器人结构示意图，如图3所示，1为底盘；2为底盘运动轮系；3为升降机构，4为工作台，工作台固定在升降机构上，通过升降机构的上升与下降可实现对不同高度的设备进行巡检。5为前超声传感器模组，可检测到机器人前进方向的障碍物；6为环形阵列超声传感器模组，部署于机器人底盘左侧和右侧，可检测到机器人前进方向左侧及右侧存在的障碍物；7为激光雷达，部署于机器人底盘正前方位置，可用于扫描机器人行驶过程中前方环境的3d点云信息；8为视觉摄像头，可获取机器人行驶过程中前方环境的图像信息。
50.综上，本技术实施例提供的机器人的避障方法，通过对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算三维点云的俯视图对应的目标候选区域；将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；根据投影后的图像确定目标机器人周围的目标障碍物，解决了相关技术中机器人的避障效果不佳的问题。通过目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，根据目标图像确定投影后的图像，进一步确定了目标机器人周围的目标障碍物，进而使得机器人的避障效果较佳的目的。
51.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
52.本技术实施例还提供了一种机器人的避障装置，需要说明的是，本技术实施例的机器人的避障装置可以用于执行本技术实施例所提供的用于机器人的避障方法。以下对本技术实施例提供的机器人的避障装置进行介绍。
53.图4是根据本技术实施例的机器人的避障装置的示意图。如图4所示，该装置包括：转换单元401、计算单元402、第一确定单元403、第二确定单元404。
54.具体的，转换单元401，用于对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；
55.计算单元402，用于计算三维点云的俯视图对应的目标候选区域；
56.第一确定单元403，用于将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；
57.第二确定单元404，用于根据投影后的图像确定目标机器人周围的目标障碍物。
58.综上，本技术实施例提供的机器人的避障装置，通过转换单元401对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算单元402计算三维点云的俯视图对应的目标候选区域；第一确定单元403将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，
第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；第二确定单元404根据投影后的图像确定目标机器人周围的目标障碍物，解决了相关技术中机器人的避障效果不佳的问题。通过目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，根据目标图像确定投影后的图像，进一步确定了目标机器人周围的目标障碍物，进而使得机器人的避障效果较佳的目的。
59.可选地，在本技术实施例提供的机器人的避障装置中，该装置还包括：第一获取单元，用于在计算三维点云的俯视图对应的目标候选区域之前，通过目标机器人上的相机拍摄并获取目标rgb图像；输入单元，用于将目标rgb图像以及目标图像输入至目标卷积网络中；提取单元，用于通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
60.可选地，在本技术实施例提供的机器人的避障装置中，计算单元402包括：第一获取模块，用于获取三维点云的俯视图对应的俯视特征图；输入模块，用于将俯视特征图输入至目标候选区域网络中；计算模块，用于通过目标候选区域网络计算俯视特征图对应的目标候选区域。
61.可选地，在本技术实施例提供的机器人的避障装置中，该装置还包括：处理单元，用于在将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；融合单元，用于将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
62.可选地，在本技术实施例提供的机器人的避障装置中，第二确定单元404包括：第二获取模块，用于从融合后的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；确定模块，用于根据目标识别信息确定目标机器人周围的目标障碍物。
63.可选地，在本技术实施例提供的机器人的避障装置中，该装置还包括：检测单元，用于在根据投影后的图像确定目标机器人周围的目标障碍物之后，通过目标机器人对目标障碍物进行检测，得到检测结果；调整单元，用于若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
64.机器人的避障装置包括处理器和存储器，上述的转换单元401、计算单元402、第一确定单元403、第二确定单元404等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
65.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来进行机器人的避障。
66.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
67.本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现机器人的避障方法。
68.本发明实施例提供了一种处理器，处理器用于运行程序，其中，程序运行时执行机器人的避障方法。
69.本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算三维点云的俯视图对应的目标候选区域；将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；根据投影后的图像确定目标机器人周围的目标障碍物。
70.处理器执行程序时还实现以下步骤：在计算三维点云的俯视图对应的目标候选区域之前，通过目标机器人上的相机拍摄并获取目标rgb图像；将目标rgb图像以及目标图像输入至目标卷积网络中；通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
71.处理器执行程序时还实现以下步骤：获取三维点云的俯视图对应的俯视特征图；将俯视特征图输入至目标候选区域网络中；通过目标候选区域网络计算俯视特征图对应的目标候选区域。
72.处理器执行程序时还实现以下步骤：在将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
73.处理器执行程序时还实现以下步骤：从融合后的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；根据目标识别信息确定目标机器人周围的目标障碍物。
74.处理器执行程序时还实现以下步骤：在根据投影后的图像确定目标机器人周围的目标障碍物之后，通过目标机器人对目标障碍物进行检测，得到检测结果；若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
75.本文中的设备可以是服务器、pc、pad、手机等。
76.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：对目标机器人上激光雷达获取的三维点云信息进行转换，得到目标图像，其中，目标图像至少包括：三维点云的俯视图、三维点云的前视图；计算三维点云的俯视图对应的目标候选区域；将目标候选区域投影至第一目标特征图中，得到投影后的图像，其中，第一目标特征图包括：rgb图像的特征图、三维点云的前视图对应的前视特征图；根据投影后的图像确定目标机器人周围的目标障碍物。
77.当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：在计算三维点云的俯视图对应的目标候选区域之前，通过目标机器人上的相机拍摄并获取目标rgb图像；将目标rgb图像以及目标图像输入至目标卷积网络中；通过目标卷积网络提取目标rgb图像以及目标图像的特征，得到第二目标特征图，其中，第二目标特征包括：rgb图像的特征图、三维点云的前视图对应的前视特征图、三维点云的俯视图对应的俯视特征图。
78.当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：获取三维点云的俯视图对应的俯视特征图；将俯视特征图输入至目标候选区域网络中；通过目标候选区域网络计算俯视特征图对应的目标候选区域。
79.当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：在将目标候选区域投影至第一目标特征图中，得到投影后的图像之后，对投影后的图像进行池化操作，得到多个池化后的图像，其中，每个池化后的图像之间的维度相同；将多个池化后的图像通过预设融合的方式进行融合，得到融合后的图像。
80.当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：从融合后的图像中获取目标识别信息，其中，目标识别信息至少包括：目标障碍物的类别、目标障碍物对应的三维边界框；根据目标识别信息确定目标机器人周围的目标障碍物。
81.当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：在根据投影后的图像确定目标机器人周围的目标障碍物之后，通过目标机器人对目标障碍物进行检测，得到检测结果；若检测结果指示目标机器人周围存在目标障碍物时，调整目标机器人的行驶路线。
82.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
83.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
84.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
85.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
86.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
87.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
88.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除
可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
89.还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
90.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
91.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理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权利要求范围之内。